探测单分散颗粒体系结晶相前驱体微观结构的方法及系统

1.探测单分散颗粒体系结晶相前驱体微观结构的方法，其特征在于，包括以下步骤：步骤1.获取剪切实验过程中不同时刻单分散颗粒体系内所有颗粒的位置坐标信息；步骤2.计算不同时刻每个颗粒的微观结构特征，使用键取向序参数和局部体积分数判断颗粒在某时刻是否处于结晶相；步骤2-1.基于所有颗粒的位置坐标信息，判断每个颗粒的邻接颗粒；通过Voronoi剖分确定颗粒的邻接颗粒时，剔除Voronoi凸多面体中对应邻接平面面积小于所有邻接平面平均面积的5％的平面所对应的邻接颗粒；步骤2-2.基于颗粒的邻接网络计算颗粒的短程结构特征，包括：(a)配位数；(b)局部体积分数：公式1中，φ local 表示局部体积分数；V sphere 表示颗粒的体积；V cell 表示Voronoi凸多面体的体积；(c)Voronoiidx iVoronoiidx i 表示该颗粒对应Voronoi凸多面体中含有i条边的面的数目，其中3≤i≤7；(d)键取向序参数：公式2中，q lm (i)表示颗粒i的局部张量键取向序参数；N i 表示颗粒i的邻接颗粒数目；j表示颗粒i的某个邻接颗粒j； 表示球面谐波函数；θ ij , 分别表示空间向量ij在球坐标系中的极角和方位角；l＝2,4,6,8,10；公式3中，q l (i)表示q lm (i)的二阶旋转不变量；-l≤m≤l；l＝2,4,6,8,10；公式4中，w l (i)表示q lm (i)的三阶旋转不变量；-l≤m 1 ,m 2 ,m 3 ≤l；l＝2,4,6,8,10；(e)基于闵可夫斯基张量的各向异性系数：β＝|μ min /μ max | (6)式中，n(r)表示Voronoi凸多面体表面法向量；S表示沿表面积分； 表示积分求得的三阶闵可夫斯基张量；μ min 、μ max 分别表示闵可夫斯基张量 的最小和最大特征值；β表示Voronoi凸多面体的各向异性系数；步骤2-3.采用如下公式计算所有颗粒的中程结构序特征；式中，i表示颗粒i；N(i)表示颗粒i的邻接颗粒；F表示用于当前计算的某类短程结构序特征；Stats函数表示对括号中的值分别进行平均值、最小值、最大值和标准差的统计汇总；步骤2-4.提取所有颗粒的键取向序参数q 6 和局部体积分数φ local ；对单个颗粒做如下判断：φ local ≥0.72 (8)0.465≤q 6 ≤0.505 (9)0.555≤q 6 ≤0.595 (10)当该颗粒的局部体积分数φ local 以及l＝6时的键取向序参数q 6 同时满足公式8和9或同时满足公式8和10时，判断此时该颗粒处于结晶相；步骤2-5.基于键取向序参数q 6 和局部体积分数φ local 判断颗粒是否处于结晶相；步骤3.选取颗粒体系内接近处于结晶相的颗粒与等量处于无序向的颗粒并提取其特征组成机器学习数据集；步骤4.构造机器学习模型，将数据集划分为训练集、验证集和测试集，通过交叉验证优化模型参数，得到最优参数组合并保存模型；步骤5.调用机器学习模型，探测单分散颗粒体系结晶相前驱体微观结构；步骤6.提取无序相、结晶相和机器学习模型探测出的结晶相前驱体颗粒，分析其结构特征的区别和三者的相关关系，以了解颗粒材料相位转变中的结晶动力学行为。 2.根据权利要求1所述的探测单分散颗粒体系结晶相前驱体微观结构的方法，其特征在于：其中，在步骤1中，采用物理试验或数值模拟方式获取颗粒的位置坐标信息；对于物理试验，是通过CT扫描或高速摄像机获取剪切实验过程中颗粒的位置坐标信息；对于数值模拟，首先根据待测单分散颗粒体系的真实性能参数构建数值模型，然后进行数值模拟剪切实验，直接输出颗粒的位置坐标信息。 3.根据权利要求1所述的探测单分散颗粒体系结晶相前驱体微观结构的方法，其特征在于：其中，步骤3包括以下子步骤：步骤3-1.取当前时刻为T时刻，获取T时刻处于结晶相的颗粒；步骤3-2.取时间间隔n*ΔT，获取T-n*ΔT～T时刻处于稳定结晶相的颗粒；根据颗粒在T-n*ΔT～T时刻内的局部体积分数的平均值 以及l＝6时的键取向序参数的平均值 进行判断，当 同时满足公式8和9或同时满足公式8和10时，判断此时该颗粒处于稳定结晶相；步骤3-3.从T时刻处于结晶相的颗粒中剔除T-n*ΔT～T时刻处于稳定结晶相的颗粒，构成颗粒集Set 1 ；步骤3-4.随机选取T时刻等量处于无序向的颗粒组成颗粒集Set 2 ；步骤3-5.构造数据集提取颗粒集Set 1 中颗粒对应T-n*ΔT时刻的结构特征值，并设置相应标签值；提取颗粒集Set 2 中颗粒对应T-n*ΔT时刻的结构特征值，并设置相应标签值；将所选取的结构特征值和标签值存入数据集。 4.根据权利要求1所述的探测单分散颗粒体系结晶相前驱体微观结构的方法，其特征在于：其中，步骤4包含以下子步骤：步骤4-1.构造机器学习模型步骤4-2.选取步骤3-5中构造的数据集，进行机器学习模型训练：步骤4-2-1.将数据集划分为训练集Trainset和测试集Testset，其中，Trainset:Testset＝0.7:0.3；步骤4-2-2.使用训练集数据进行模型优化训练，进行5折交叉验证，并通过网格搜索优化模型参数，选取最优参数组，保存模型。 5.根据权利要求1所述的探测单分散颗粒体系结晶相前驱体微观结构的方法，其特征在于：其中，步骤5包含以下子步骤：步骤5-1.根据步骤1和2所描述的方法，提取待预测时刻颗粒体系内所有颗粒的位置坐标信息并计算此时每个颗粒的微观结构特征；步骤5-2.加载机器学习模型，输入特征值，输出预测结果，若预测结果与颗粒集Set 1 对应的标签值相同，则判断该颗粒此时为结晶相前驱体微观结构状态；在步骤6中，对某时刻颗粒体系，通过机器学习模型探测其中的结晶相前驱体颗粒，然后，提取一定数量的无序相、结晶相和结晶相前驱体颗粒，分析其对分布函数g(r)，分析其键取向参数q 6 和局部体积分数φ local 的分布，分析其空间位置关系，以深入了解颗粒材料相位转变中的结晶动力学行为。 6.采用权利要求1至5中任意一项所述的探测单分散颗粒体系结晶相前驱体微观结构的方法的系统，其特征在于，包括：颗粒位置获取部，获取剪切实验过程中不同时刻单分散颗粒体系内所有颗粒的位置坐标信息；结构特征计算部，与所述颗粒位置获取部通信相连，计算不同时刻每个颗粒的微观结构特征：基于所有颗粒的位置坐标信息，判断每个颗粒的邻接颗粒；基于颗粒的邻接网络计算颗粒的短程结构特征；计算颗粒的中程结构序特征；结晶相判断部，与所述结构特征计算部通信相连，基于结构特征计算部计算的结构特征，获取所有颗粒的键取向序参数q 6 和局部体积分数φ local ，根据键取向序参数q 6 和局部体积分数φ local 判断颗粒在某时刻是否处于结晶相；训练集获取部，与所述颗粒位置获取部、所述结构特征计算部、所述结晶相判断部均通信相连，选取颗粒体系内接近处于结晶相的颗粒与等量处于无序向的颗粒并提取其特征组成机器学习数据集；机器学习模型构造部，与所述训练集获取部通信相连，将数据集划分为训练集、验证集和测试集，通过交叉验证优化模型参数，得到最优参数组合并保存模型，得到机器学习模型；以及探测分析部，与所述机器学习模型构造部通信相连，调用机器学习模型，探测单分散颗粒体系结晶相前驱体微观结构；提取无序相、结晶相和机器学习模型探测出的结晶相前驱体颗粒，分析其结构特征的区别和三者的相关关系，以了解颗粒材料相位转变中的结晶动力学行为。