[发明专利]基于图像提取的炭/炭复合材料弹性性能预测方法

摘要

本发明公开了一种基于图像提取的炭/炭复合材料弹性性能预测方法，用于解决现有炭/炭复合材料弹性性能预测方法精度差的技术问题。技术方案是基于炭/炭复合材料PLM(偏光图像)图像，采用图像计算手段获得各微观结构的信息参数，将这些微观结构作为夹杂相依次引入解析力学模型中，使用固体缺陷力学的夹杂理论求解其等效弹性性能，实现对多组分相炭/炭复合材料弹性性能的准确、高效的预测。由于采用偏光图像获得炭/炭复合材料纤维和孔隙等微观结构的信息，所建立的力学模型更加精准，更加接近实际情况。纤维束分布、纤维体积分数、孔隙体积分数以及分布等影响炭/炭复合材料等效弹性模量的重要参数通过计算获得，而不需要假设。

主权项

1.一种基于图像提取的炭/炭复合材料弹性性能预测方法，其特征在于包括以下步骤：步骤一、将所要分析的炭/炭复合材料进行多组PLM拍摄，获得每张图像的像素信息；步骤二、将所拍摄的多组图像分别进行去除噪点、对比度调整以及平滑滤波处理，采用自适应阈值算法确定图像的阈值；步骤三、设每张图像的像素尺寸为长A像素、宽B像素，每个像素的灰度范围是0～255，采用(i*,j*,k*){i*∈(0,B‑1),j*∈(0,A‑1),k*∈(0,NTol‑1)}来表示第k*+1张图像中第j*+1行，第i*+1列位置处的像素；将步骤二处理后图像的像素建立灰度值数组Pixel{data}，数组中的data＝A*B*k*+A*j*+i*表示(i*，j*，k*)处的灰度值，从而得到图像中不同组分区域的灰度值；步骤四、根据步骤二计算结果确定的阈值，对炭/炭复合材料纤维区域进行识别并提取，更新步骤三中不同组分区域相应的灰度值；在此基础上再次使用步骤二的自适应阈值算法确定孔隙区域的阈值，将孔隙轮廓进行识别提取；再次更新步骤三中不同组分区域相应的灰度值；步骤五、根据步骤四的计算结果，分别获得炭/炭复合材料基体相、纤维相及孔隙相的灰度值为GVM、GVF及GVP；根据不同灰度值分别计算纤维相和孔隙相的体积分数并统计孔隙相结构的长径比λ的范围；步骤六、建立炭/炭复合材料的微观力学模型，其中孔隙相为Ω，基体和纤维相为D‑Ω；在该模型的外表面τ上的X位置处作用一外加载荷P，e为该模型外表面τ处的单位外法向量；炭/炭复合材料的微观力学模型的应力和应变表达如下：定义基体相和孔隙相的刚度张量分别为N和N*；其柔度张量分别为M＝N‑1和M*＝(N*)‑1；根据固体缺陷力学的理论，所建立的力学模型的平均应变可以表示为：其中，Δε_ij＝C^RVE:σ^∞，C^RVE为孔隙相的柔度贡献张量，由于孔隙相为均质同性材料，此处的Δε_ij和均为对称二阶张量，所以C^RVE是和应力应变张量具有相同的对称特性的四阶张量；因此有，所以可以表达为定义关于孔隙相Eshelby张量Sijkl的四阶张量Qijkl和Rijkl，其中Qijkl＝Nijrs(Irskl‑Srskl)，Rijkl＝SijmnMmnkl；因此孔隙相的柔度贡献张量可以表示为CRVE＝νth[(Μ*‑Μ)‑1+Q]‑1，th∈[1,Num]   (5)步骤七、炭/炭复合材料中孔隙结构具有不同的形状，故使用不同取向和尺寸比例的椭球对其进行近似，孔隙的结构参数为Ar(ael,λ)，其中，a1＝a2＝λa3；孔隙的取向分布函数为其中，分别表示该椭球在局部坐标系下关于三个坐标轴的投影分布角度；根据椭球夹杂的Eshelby张量S_ijkl，写出孔隙的柔度贡献张量因此，含孔等效基体的柔度张量的表达式为Mefm＝M+∑thCRVE   (7)其中，步骤八、将炭/炭复合材料的纤维相作为夹杂相带入步骤七所得到的等效基体之中，纤维相的柔度贡献张量为h₁和h₂根据不同纤维取向分布的Mori‑Tanaka的表达式得到；因此复合材料整体的柔度贡献张量为Meff＝Mefm+Cf     (8)故炭/炭复合材料的各项弹性性能参数根据整体柔度矩阵的分量表示。