基于 CNN 微结构描述符优化的 Ti-6Al-4V 篮筒纹 microstructure 3D 体元素的生成重构
材料科学
2024-03-15 v1
摘要
我们提出了一种方法，用于生成 Ti-6Al-4V 经增材制造处理的 3D 体元素(VE)，用于数值多尺度分析。篮筒纹形貌在典型的电子背scatter 扩散(EBSD)显微镜图中占主导地位。 prior \b{eta}-晶粒重构用于获取观察晶粒的垂直于平面方向，通过利用布尔姆 orientations 关系。从 2D 数据中提取基于卷积神经网络(CNN)的微结构描述符，并用于在 3D 中正交平面上的像素值进行基于截面的优化，使用 Microstructure Characterization and Reconstruction (MCR) 实现 MCRpy[16]。为了利用 MCRpy，该工具在二元系统中表现最佳，篮筒纹 microstructure 由最多 12 个不同晶粒 orientations 组成，被分解为多个单独的二相系统。我们的重构捕捉了钛合金篮筒纹形貌的关键特征，显示出与实验获取的 3D 数据的定性相似性。在重构装配过程中保持体积分数的问题尚未得到解决。
引用
@article{arxiv.2403.09609,
title = {Generative reconstruction of 3D volume elements for Ti-6Al-4V basketweave microstructure by optimization of CNN-based microstructural descriptors},
author = {Vincent Blümer and Celal Soyarslan and Ton van den Boogaard},
journal= {arXiv preprint arXiv:2403.09609},
year = {2024}
}