크레이지 슬롯 개발 솔루션에서 CT/SEM 이미지에서 실제 크레이지 슬롯 구조 생성

1. 미세 구조의 시뮬레이션

매크로 분야 인 기계식 설계에서 CAE 시뮬레이션은 1980 년대와 1990 년대 이후 점차 널리 사용되었으며 2000 년부터 산업을 초월하고 연구 개발 및 설계 분야에서 필수적인 도구로 전환되었습니다. 반면에, 미세 화리온에서 다른 구조를 결합한 크레이지 슬롯 설계는 실험 만 사용하여 최적의 크레이지 슬롯 구조를 분석하고 평가하고 검색하기가 어렵 기 때문에 CAE 시뮬레이션이 제대로 사용되면 큰 이점이 있었지만 실제로는 미세 구조 모델링의 어려움과 같은 여러 장애물로 인해 일반화되지 않았습니다. 그러나 오늘날의 탈탄화와 환경 문제가 세계적인 문제가되고있는 세계에서는 이러한 미세한 발전이 열정이되고 있습니다. 시뮬레이션의 접근 방식을 채택하고 디지털 쌍둥이를 실현함으로써, 우리는 신규 및 고성능 크레이지 슬롯의 개발 프로세스를 표준화하고 개발에 필요한 막대한 비용과 시간을 크게 줄일 수 있습니다. 여기서 우리는 크레이지 슬롯 개발을 전문으로하는 CAE 인 Geodict를 일련의 시리즈로 소개 할 것입니다.

2. Geodict 요약

GeoDict는 하나의 패키지에서 구조 생성, 분석 및 특성화 성능 평가를 수행하는 크레이지 슬롯 개발 시뮬레이션 도구입니다. 구조 생성 기능에는 두 가지 유형의 구조 생성 기능이 있습니다. X- 레이 CT 이미지 또는 FIB-SEM으로 촬영 한 연속 단면 이미지를로드하고 모델링하는 실제 크레이지 슬롯 구조의 구조 생성 기능과 매개 변수 입력을 사용하여 소프트웨어 내의 크레이지 슬롯 구조를 모델링하는 가상 구조 생성 기능으로 소유 한 데이터 및 장비에 따라 유연하게 사용할 수 있습니다. 또한, 생성 된 형상은 기공 크기 분포, 섬유 방향 분포, 여과 경로 등 및 유체 및 기계적 계산을 사용한 특성화 성능 평가에 대해 분석 및 평가 될 수 있습니다. 또한 이러한 기능은 매크로로 자동화 될 수 있으며 인터페이스 기능을 다른 소프트웨어와 결합 할 수 있습니다.

응용 분야에는 배기 가스 필터 및 오일 필터와 같은 필터 영역, 전기 화학, 리튬 이온 배터리 및 연료 전지와 같은 배터리, 유리 광섬유 및 탄소 섬유 강화 수질을 포함한 다양한 복합 크레이지 슬롯 및 유유 가스 생산 및 CCS 틀로 화학 영역을 포함한 다양한 복합 크레이지 슬롯를 처리하는 배터리를 개발합니다. Geodict는 이러한 광범위한 크레이지 슬롯 개발 분야에서 디지털 쌍둥이를 통해 새롭고 기능적인 크레이지 슬롯의 개발을 촉진하지만,이 칼럼에서는 먼저 분석 및 평가를위한 기하학적 형태를 모델링하는 기능 중 하나로 실제 크레이지 슬롯 구조의 생성을 자세히 소개합니다.

3. 실제 크레이지 슬롯 구조를 생성하는 기능

3-1.

실제 크레이지 슬롯 구조 생성 기능은 importgeo-Vol 모듈을 사용합니다. 첫째, 첫 번째 단계는 "가져 오기"기능을 사용하여 X- 선 CT 이미지 또는 FIB-SEM으로 촬영 한 샘플의 2D 연속 단면 이미지를로드하는 것입니다. 그런 다음 두 번째 단계로서, 스케일 변경, 오프셋 보정 및 노이즈 프로세싱과 같은 이미지 처리는 "프로세싱"기능을 사용하여 수행되며, 마지막으로 세 번째 단계로서 이미지의 각 크레이지 슬롯는 "세그먼트 화"기능으로 정렬되어 3 차원 구조를 생성합니다.

3-2. 처리 함수

여기에서 우리는 두 번째 단계 인 "Processing"의 가장 대표적인 기능 중 일부를 소개합니다.
■ 회전 : 수입 된 이미지를 어떤 각도로든 회전시켜 이후에 생성 된 구조의 방향을 미세 조정하십시오.
■ 슬라이스 정렬 : 주로 FIB-SEM 사진으로 인한 이미지 수의 편차를 자동으로 수정합니다.

■ 회색 값 조정 : 동일한 이미지의 밝기를 수정합니다.

<소음 처리 필터
■ 비 국소 평균 필터 : 미세 소음을 제거하기 위해 크레이지 슬롯 사이에 가장자리를 남기는 동안 평균.
■ 링-아티팩트 제거 : X- 선 CT 이미지를 복용하는 동안 회전하여 생성 된 링 모양의 노이즈를 제거합니다.
■ 커튼 필터 : Fib-Sem Photography 동안 표면 면도로 인해 발생하는 커튼의 소음을 제거합니다.

3-3. 세분화 함수

다음, 우리는 그들의 밝기에 따라 자료를 이미지로 나누는 세분화 처리 함수를 소개합니다.

■ 수동 임계 값 : 가장 일반적인 기술은 이미지의 밝기에 임계 값을 제공하여 밝기에 따라 크레이지 슬롯를 나누는 것입니다. 세 가지 이상의 크레이지 슬롯와 함께 사용할 수 있으므로 다중 값이됩니다.

■ 다중 단계 분할 :이 함수는 특정 크레이지 슬롯 단계에 속하는 다양한 회색 값을 정의하는 대신 밝기에 대한 특정 임계 값을 정의 할 필요가 없습니다. 나머지는 유역 알고리즘에 의해 특정 크레이지 슬롯 단계에 자동으로 할당됩니다. 모호한 임계 값으로 이미지를 처리하는 방법으로 효과적입니다.

■ AI 세분화 : 그레이 스케일 이미지에서, 3D 구조는 크레이지 슬롯 레이블을 수동으로 그린 ​​다음 선택한 AI 모델로 훈련시켜 만들어집니다. 사용 된 AI 모델은 저장 및 재사용 할 수 있습니다. 여기 우리는 세그먼트하기 어려운 음극 구조의 FIB-SEM 이미지에 대한 AI 세분화를 보여줍니다. AI 세분화에 사용할 수있는 여러 모델이 있습니다.