一种植物组织二维重建算法及仿王棕叶柄的蜂窝梁设计

论文摘要

自然界植物的多尺度结构与其力学性能之间的良好自适应关系为工程仿生设计提供了灵感,而植物中尺度下的组织重建及力学性能计算是实现多尺度仿生设计的重要纽带。本文针对现有植物组织重建算法的不足,提出基于虚拟分割法的距离权重重建算法。同时,选取王棕叶柄结构作为研究对象,通过多尺度结构建模,对叶柄中维管束组织的结构特征和力学性能进行分析,探究其多尺度结构与其力学性能的关系。随后,将其结构特征应用于蜂窝夹层板的结构设计中,提高夹层板的抗弯曲和抗扭转性能。最后,基于王棕的应力环境、构型与风力机叶片的相似性,将仿生蜂窝板结构应用于风力机叶片的腹板结构设计中,提高叶片结构的弯扭载荷承载能力。本文的主要研究内容如下:（1）植物组织重建算法开发传统算法难以准确重建植物中的细长细胞以及内凹型结构,对此本文提出了基于虚拟分割优化的Delaunay三角剖分;针对相邻细胞面积大小差异过大的结构,在面积权重（area weighted tesselation,AWT）算法基础上提出了距离权重分割（distance weighted tesselation,DWT）算法,实现了这一类结构的有效重建;提出了一种有限边界的识别和重建方法,对于不同类型边界的组织均可实现较好的边界重建效果,从而获得了一种适用范围更广的高精度重建算法——Optimized Distance Weighted Tesselation（ODWT）。ODWT算法与经典的Voronoi剖分算法（Centroid-based Voronoi tesselation,CVT）和面积权重算法（AWT）相比,具有明显的优势。（2）重建算法对多尺度建模力学性能预测精度的影响使用CVT算法和本文提出的ODWT重建算法对王棕叶柄维管束组织进行三维重建,并将维管束组织的细胞壁等效为多层层合板,采用具有中间层的层合板模型对维管束组织进行力学建模。采用有限元法对维管束单元各向异性拉伸模量进行了仿真计算,并对CVT算法和ODWT算法重建模型的仿真预测值进行对比,分析重建模型对多尺度建模力学性能预测精度的影响。最后对叶柄组织进行拉伸实验,研究了不同含水率下叶柄组织力学性能的变化规律,并对有限元仿真的结果进行了对比,验证了ODWT算法重建模型的准确性。（3）王棕叶柄横截面维管束微观参数的梯度变化及其对于叶柄力学性能的影响根据王棕叶柄组织结构的梯度变化将其横截面分为三个区域,并在三个区域内分别采集样品。通过单根维管束拉伸实验计算了叶柄截面的三个分区纵向拉伸性能,并研究了维管束截面积对其弹性模量的影响。通过多尺度建模方法分别建立三个不同区域维管束单元的力学模型,分析不同区域维管束纤维弹性模量的差异性以及微观结构参数对于维管束力学性能的影响。根据叶柄实际尺寸建立叶柄分段模型,仿真分析了梯度刚度分布对于其弯曲扭转性能的影响。（4）梯度蜂窝板结构参数设计及其在风力机叶片腹板结构的应用基于王棕叶柄的结构特征,利用厚度梯度分布思想对蜂窝夹层板进行参数设计,得到两种梯度蜂窝板:线性梯度蜂窝板和等比例梯度蜂窝板,并通过仿真和实验对其抗弯和抗扭刚度进行分析,最后将其应用于风力机叶片的腹板设计中;通过三点弯曲、弯扭耦合仿真,发现厚度梯度分布可以提高叶片的抗弯和抗扭刚度,并使得应力分布更加均匀。

论文目录

文章来源

类型: 硕士论文

作者: 张凌

导师: 刘旺玉

关键词: 棕榈植物,重建算法,多尺度建模,力学性能,仿生设计

来源: 华南理工大学

年度: 2019

分类: 基础科学,信息科技

专业: 生物学,生物学,计算机软件及计算机应用

单位: 华南理工大学

基金: 国家自然科学基金面上项目《农作物茎秆多尺度结构与茎倒伏力学性能关系》(项目编号:11572128)

分类号: Q811;TP301.6

DOI: 10.27151/d.cnki.ghnlu.2019.003801

总页数: 99

文件大小: 16436K

下载量: 33

相关论文文献

• [1].基于小波和非局部的全变差中值先验重建算法[J]. 计算机工程与设计 2015(08)
• [2].一种适用于小视野的快速精确重建算法[J]. 东北大学学报(自然科学版) 2012(12)
• [3].基于字典学习的稠密光场重建算法[J]. 物理学报 2020(06)
• [4].螺旋锥束精确重建算法优化[J]. 三明学院学报 2012(04)
• [5].基于全息干涉图的物体三维面形重建算法[J]. 电子技术与软件工程 2019(24)
• [6].基于压缩感知的双视角气泡重建算法[J]. 计算机与应用化学 2017(03)
• [7].迭代重建算法的对比研究[J]. 信息技术与信息化 2015(10)
• [8].基于差分吸收光谱技术的大气痕量气体重建算法[J]. 仪器仪表学报 2015(02)
• [9].基于微位移的超分辨率重建算法研究[J]. 微计算机信息 2010(24)
• [10].基于智能单粒子的联合代数重建算法[J]. 深圳大学学报(理工版) 2009(02)
• [11].深度学习框架下压缩感知重建算法综述[J]. 计算机工程与应用 2019(17)
• [12].基于滤波反投影的脑磁感应迭代重建算法研究[J]. 仪器仪表学报 2016(11)
• [13].一种基于压缩感知的迭代重建算法[J]. 电子科技 2016(11)
• [14].基于联合总变分最小化的视频压缩感知重建算法[J]. 电子学报 2014(12)
• [15].一种改进的极大验后估计序列超分辨率重建算法[J]. 测绘通报 2011(05)
• [16].代数重建算法在重建运动弧根电流密度分布中的应用[J]. 中国电机工程学报 2009(10)
• [17].一种改进的代数重建算法及其实现[J]. 吉林大学学报(工学版) 2009(S2)
• [18].磁共振图像处理中部分傅里叶重建算法的比较[J]. 重庆医学 2016(20)
• [19].基于相关系数和双向扩散结合的优质正电子发射断层重建算法[J]. 计算机应用 2014(05)
• [20].基于穿越长度权重迭代重建算法的研究[J]. 中国医学物理学杂志 2013(02)
• [21].基于穿越长度权重反投影重建算法的初步研究[J]. 中国医学物理学杂志 2012(02)
• [22].红外成像系统微扫描成像重建算法研究[J]. 光电工程 2012(12)
• [23].重建算法和层厚对肺结节容积定量的影响[J]. 中国医学影像技术 2010(05)
• [24].数字合成X射线体层成像的小波-伽辽金重建算法[J]. CT理论与应用研究 2010(03)
• [25].基于稀疏编码的红外显著区域超分重建算法[J]. 红外与毫米波学报 2020(03)
• [26].基于三维点云的重建算法[J]. 现代计算机(专业版) 2017(02)
• [27].一种基于L_(1/2)正则约束的超分辨率重建算法[J]. 华中科技大学学报(自然科学版) 2017(06)
• [28].基于实时检测的扰码重建算法[J]. 电子与信息学报 2016(07)
• [29].不同重建算法对帕金森病相关脑功能网络的影响[J]. 中国医学计算机成像杂志 2013(06)
• [30].电阻抗成像的稀疏重建算法[J]. 西安邮电大学学报 2013(02)

标签：棕榈植物论文;  重建算法论文;  多尺度建模论文;  力学性能论文;  仿生设计论文;