小论文结构10.20

发布于 2023-10-20  267 次阅读


Please refresh the page if equations are not rendered correctly.
---------------------------------------------------------------

小论文结构

[TOC]

题目

基于孔隙网络模型的纤维增强体渗透率预测方法

1. 前言

1.1 纤维增强体渗透率的重要性,结合LCM工艺做一个简单的描述

1.2 渗透率获取方法

实验测量,理论计算,数值仿真

1.3 数值仿真的研究进展

1.4 论文创新点

提出了一种预测渗透率的新方法:基于改进后的分水岭算法分割纤维的CT图像中的孔隙区域,通过距离变换图提取孔隙网络模型(PNM),最后采用PNM稳态流方法预测纤维增强体渗透率

2. 理论基础

2.1 分水岭算法

简述分水岭算法的原理,发展,主要问题

2.2 SNOW算法和PNM几何信息提取

简述SNOW算法对分水岭算法的改进以及几何信息提取的步骤

2.3 基于PNM计算渗透率的原理

简述OpenPNM稳态流算法原理

3.实验部分

实验材料选取:不同编织类型的2D织物

实验设备:CT型号,法向渗透率测试

实验过程:现测量织物的法向渗透率,经RTM工艺灌注成型后送CT扫描,基于CT图像使用Porespy导出孔隙网络模型,最后采用以哈根-泊肃叶方程为基础的算法和达西定律计算织物渗透率,并于测试结果对比,给出计算时间

4.结果讨论(三个方向)

1.仿真方法对比(耗时长):提出另外一种方法,基于CT对织物细观结构进行精细化建模,随后采用有限体积法使用Fluent商业软件计算织物渗透率,然后结合实验测量值对比PNM方法,对比计算成本,计算精度,方法简易程度等

2.图像处理过程中相关参数的影响(耗时短但是目前3D图像的消噪和除杂峰还有问题待解决),考虑SNOW算法中图像处理的各种参数比如高斯滤波器的标准差sigma,模糊半径,膨胀算法扩张半径等参数对结果的影响

3.多做几种织物的渗透率预测以验证该方法的普适性,或者针对同种织物不同纤维体积分数下该方法的稳定性

5.结论与展望

仿真方法对比方向:单纯的PNM方法计算精度肯定不如有限元法,但是计算时间可以减少几个数量级,PNM在多相流和反应性传输中的优势更加明显(文献综述),目前已经有PNM和LBM结合预测沙土等其他多孔介质渗透率的文献,后续提高PNM预测织物渗透率的准确度这块可以参考PNM和传统数值仿真方法结合

图像处理参数方向,给出图像处理过程中相关参数的最优解,分析提取PNM几何参数提取方法中的不足

实验方向:探讨不同织物类型对该方法的匹配度,分析该方法的普适性

届ける言葉を今は育ててる
最后更新于 2023-10-20