[发明专利]一种基于DCGAN的多孔质材料内流场模型构建方法

说明书

本发明公开了一种基于DCGAN的多孔质材料内流场模型构建方法，包括以下步骤：S1、对选用的多孔质材料进行SEM扫描获得表面图像；S2、对获得的图像进行预处理；S3、将预处理好的图像导入DCGAN网络进行对抗生成训练；S4、由生成网络所生成的图像进行三维重构，得到多孔质模型；S5、由重构的多孔质模型计算内流场。本发明基于SEM电镜图像，结合DCGAN进行三维重构，并利用重构的三维模型通过仿真软件得到多孔质材料内流场模型，所生成的多孔质材料内流场模型更加接近实体，可以很好的用于各项如微流动方向等的研究，同时还具有价格低廉、方法简便、使用快速等特点。

技术领域

本发明属于材料科学领域，特别涉及一种基于深度卷积对抗神经网络(DCGAN)的多孔质材料内流场模型构建方法。

背景技术

多孔质气体静压轴承与传统的机械接触式轴承相比具有高精度、低振动、无污染及寿命长等特点，且近年来航空、半导体、生物工程、复合材料等工业的飞速发展的同时也对承载材料做超精密加工的轴承提出了更高的要求。而多孔质静压轴承恰能满足时代的要求，甚至被誉为21世纪最具发展前景的新型轴承。

多孔质气体静压轴承作为超精密机床的重要组成部分，其静动态特性一直是研究关注的重点。多孔质材料表面有成千上万个微小节流孔，使其在保证高刚度、高承载的同时还具有较高的稳定性，但孔的大数量及其不规则的分布也大大掣肘着学者对其理论模型的构造、结构和作用规律的研究。以往对于多孔质材料性能的研究过程中，我们往往将多孔质材料理想化成一个均质材料，忽略材料本身不均匀性导致的渗透率分布不均匀以及所体现出来的气膜间隙压力分布不均匀。因此，为了进一步探究多孔质气体静压轴承静、动态特性以及在超精密加工时的流场运动，我们必须将多孔质材料的真实特性考虑到仿真计算当中，以取代以往的理想化模型，从而获得更接近实际情况的模型与数据。

目前针对多孔质材料三维重构的研究有很多，大致可以分为三类，一类是基于拟合模型的分布，将多孔质材料用均匀分布的球、柱来拟合。这种重构方法实施起来简单，但是与真实情况差别大，在研究微流动方向等时无法使用该模型。而第二类方法则是基于概率的随机分布，采用随机分布的小球或柱体来拟合模型。相比第一种方法，此方法重构后的模型特征更加丰富，也具有一定的各向异性，但仍然与真实孔隙分布情况有较大差异。第三类则是基于CT扫描的方法，采用高精度微纳米CT对材料进行直接扫描并建立三维模型。因为多孔质材料自身特性，孔隙在1-10μm，因此这种方法对于设备要求太高，因此价格太高，重建一次的成本与实验要求严重不符。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于SEM电镜图像，结合深度卷积神经网络对抗神经网络进行三维重构，并利用重构的三维模型通过仿真软件得到多孔质材料内流场模型，所生成的多孔质材料内流场模型更加接近实体的基于DCGAN的多孔质材料内流场模型构建方法。

本发明的目的是通过以下技术方案来实现的：一种基于DCGAN的多孔质材料内流场模型构建方法，包括以下步骤：

S1、对选用的多孔质材料进行SEM扫描获得表面图像；

S2、对获得的图像进行预处理；

S3、将预处理好的图像导入DCGAN网络进行对抗生成训练；

S4、由生成网络所生成的图像进行三维重构，得到多孔质模型；

S5、由重构的多孔质模型计算内流场。

进一步地，所述步骤S1包括以下子步骤：

S11、用SEM对选用的多孔质材料表面进行扫描拍照，获得材料表面图像，并将其保存为带有明暗信息的TIFF格式；

S12、使用精密磨削方式，对扫描区域进行磨削，每磨削一定深度后利用步骤S11的方法进行扫描拍照，获得多层材料表面图像，建立训练数据库。

进一步地，所述步骤S2包括以下子步骤：