Caracterización estructural de espumas de aluminio a partir de imágenes TAC 3D mediante el uso de técnicas de homogeneización y machine learning

Abstract

[ES] En la presente memoria se plantea una herramienta de análisis de imágenes de espumas metálicas JPEG 3D basada en la agrupación de grupos de 8x8x8 vóxeles. De este modo, se acelera la obtención de la matriz de elasticidad [D] homogeneizada del nuevo elemento formado por los 512 vóxeles, mediante el análisis de las frecuencias más bajas de la imagen, así como el uso de redes neuronales. Para el presente trabajo se entrena una red neuronal capaz de calcular la homogeneización a partir de la información contenida en los vóxeles de la imagen. Esta red neuronal será llamada en un programa de elementos finitos en paralelo con un solver tradicional para así comparar los resultados y probar la eficiencia de los métodos basado en la combinación de técnicas de homogeneización de propiedades mecánicas del material con el uso de redes neuronales. La eficiencia del método se prueba mediante una comparación de energía de deformación a nivel global y una comparación de niveles de tensión a nivel de vóxel, en las cuales se espera obtener unos resultados similares a los del solver tradicional con un coste computacional mucho menor.

[CA] En la present memòria es planteja una eina d’anàlisi d’imatges d’escumes metàl·liques JPEG basada en l’agrupació de grups de 8x8x8 vòxels. D’aquesta manera, s’accelera l’obtenció de la matriu d’elasticitat [D] homogeneïtzada del nou element format pels 512 vòxels, mitjançant l’anàlisi de les freqüències més baixes de la imatge, així com l’ús de xarxes neuronals. Per al present treball s'entrena una xarxa neuronal capaç de calcular l'homogeneïtzació a partir de la informació continguda en els vòxels de la imatge. Aquesta xarxa neuronal serà cridada en un programa d'elements finits en paral·lel amb un resoldre tradicional per així comparar els resultats i provar l'eficiència dels mètodes basat en la combinació de tècniques d'homogeneïtzació de propietats mecàniques del material amb l'ús de xarxes neuronals. L'eficiència del mètode es prova mitjançant una comparació d'energia de deformació a nivell global i una comparació de nivells de tensió a nivell de vòxel, en les quals s'espera obtenir uns resultats similars als del solver tradicional amb un cost computacional molt menor.

[EN] In the current report, a tool for analysis of images of metallic foams is proposed based on the grouping of 8x8x8 voxels in the same element. In this way, the obtaining of the new homogenized elasticity matrix [D] formed by 512 voxels is accelerated, by the analysis of the lowest frequencies of the image, as well as the use of neural networks. For this work, a neural network capable of calculating the homogenization is trained from the information contained in the voxels of the image. This neural network will be called in a finite element program in parallel with a traditional solver in order to compare the results and test the efficiency of the methods based on the combination of techniques of homogenization of mechanical properties of the material with the use of neural networks. The efficiency of the method is tested by means of a comparison of deformation energy at the global level and a comparison of voltage levels at the voxel level, in which it is expected to obtain results similar to those of the traditional solver with a much lower computational cost.