The 7th National Conference on Computational Mechanics of Granular Materials in conjunction with The 4th International Symposium on Computational Particle Technology (CMGM-2024 & CPT-2024)

 
颗粒形状对其特性及行为有着显著影响，然而在大多数仿真算法中，颗粒的形状通常以球等简单规则图形表示，因此难以量化分析颗粒真实形状对于各类物理过程的影响。X射线计算机断层扫描（XRCT）技术的不断发展，为仿真算法引入真实颗粒形状提供了机会，而XRCT技术的高成本和复杂性，使得在应用中无法对所有试样颗粒进行全面扫描，进而引发了基于父颗粒特征的孪生颗粒生成问题。为此，基于X射线计算机断层扫描技术和元球模型，本文针对三维颗粒真实形状的表征和生成问题，提出了对应的Metaball-Imaging（MI）和Metaball Variational Autoencoder（MetaballVAE）算法。MI算法能够准确捕捉真实颗粒的复杂形态，并以元球模型在仿真系统中进行重建。该算法包含两个主要步骤，首先通过一系列非重叠的最大内切球捕捉颗粒的主要轮廓，然后通过梯度搜索来细化捕捉颗粒的表面纹理细节。通过对四类的典型颗粒的数百个样本的评估，结果表明该算法能够准确地重建多种真实颗粒的主要形态指标（包括体积、表面积、球度、圆度、科里形状因子等），包括非星形颗粒和带孔颗粒。MetaballVAE算法则能够基于父颗粒，生成具有同质形状特征的，以元球模型表示的三维孪生颗粒。该方法基于变分自编码机，通过将父颗粒均匀映射到隐空间，并在隐空间中进行随机筛选，实现了孪生颗粒的生成。此外该方法还能以算术模式对生成的形状进行控制，得到具有特定形状的颗粒。通过对两类（鹅卵石和渥太华砂）具有不同数量的颗粒数据集的验证，证明了该方法的有效性和准确性。结合作者近期提出的基于元球方法的仿真框架，上述方法可作为研究真实颗粒形状对于各类物理过程之影响的有效工具。
 

三维颗粒,颗粒形状,颗粒表征,颗粒生成,机器学习,元球