بازسازي سه بعدي كامپوزيت نانو لوله كربني با استفاده از توابع آماري همبستگي

3D Reconstruction of Carbon Nanotube Composite Using Statistical Correlation Functions

بازسازي ساختاري از ساختارهاي آماري به علت اهميت در طراحي مواد يك زمينه ي مورد علاقه زياد مي باشد. يك روش جديد در اين مقاله آورده شده است كه در اين روش از تعداد زيادي المان هاي حجمي براي بازسازي ساختار كامپوزيت استفاده شده است، كه با استفاده از اين روش به راحتي ميتوان كامپوزيت هاي نانو لوله اي را با استفاده از روش هاي آماري بازسازي كرد و نمونه هاي بازسازي شده به خوبي نمايشگر خواص و ويژگي هاي كامپوزيت هاي نانو لوله اي مي باشند. در اين مقاله از روش مونت كارلو براي بازسازي استفاده شده است. در اين مقاله با مشخص كردن و به دست آوردن توابع آماري همبستگي از عكس ها و نمونه هاي آزمايشگاهي با استفاده از الگوريتمي كه ارائه شده است، نمونه هايي كه داراي توابع آماري همبستگي مشابهي با نمونه هاي آزمايشگاهي مي باشند بازسازي شده است. به جاي استفاده از عكس هاي مختلف، اطلاعات مربوط به توزيع نانولوله ها در ماتريس، تمامي اطلاعات توزيع نانولوله ها به صورت مختصات ابتدا و انتهاي تكه هاي سيلندري كه در نهايت با به هم پيوستن منجر به تشكيل نانو لوله مي شود ذخيره مي گردد، كه با اين كار كامپوزيت بازسازي شده براي استفاده در كارهاي آينده مورد استفاده قرار مي گيرد و به راحتي مي توان در كارهايي كه نياز به شبيه سازي و به دست آوردن خواص كامپوزيت هاي نانو لوله اي مي باشد مورد استفاده قرار گيرد.

Microstructure reconstruction from statistical microstructure descriptors is a strong field of interest for researchers worldwide, due to its importance in material design. A new methodology is presented in this paper to reconstruct microstructure with a large number of representative volume elements. The proposed methodology provides a stable input for a deterministic method which can be used to simulate performance and effective properties. The Monte Carlo technique is used as the basis of the reconstruction methodology in this work. In this paper statistical correlation functions are extracted from the images of the experimental samples. The proposed algorithm reconstructs new samples which has similar statistical correlation functions in comparison to the experimental samples. The information of the geometric distribution of the nanotubes of the composites is stored in a database of the node locations of the unit cylinder segments and the corresponding waviness, Instead of using a discrete image matrix. These node locations are attractive results which can be utilized in the simulation software in order to obtain the properties of the studied composite. In this way, robust microstructures with a large number of representative volume elements were reconstructed for the future evaluation.