• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Granular matter >Eigenparticles: characterizing particles using eigenfaces
【24h】

Eigenparticles: characterizing particles using eigenfaces

机译：特征颗粒：使用特征叶片表征粒子

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The shape characteristics of particles have a pinnacle role in microsopic and macroscopic features of a system. Several studies have highlighted the need for considering deviations from a spherical representation of particles for accurate modeling of granular and multiphase flow systems. Using a shape factor, sphericity or roundness parameter alone is proven to be inadequate to capture the physical phenomena. In the present study we propose a novel metric based on the pattern recognition method Eigenfaces, coining the technique Eigenparticles'. Using this technique we create a single statistical distribution of basis shapes to describe the morphological composition. The proposed technique is successfully validated with test shapes and applied to real particles. When compared with a state-of-the-art Fourier based method, Eigenparticles' performs favorably, clearly distinguishing the different particles.
机译：颗粒的形状特性在系统的微观和宏观特征中具有顶峰角色。几项研究突出了考虑与粒子的球形表示的偏差，以便精确建模粒状和多相流动系统。单独使用形状因子，球形或圆度参数被证明是不充分的，以捕获物理现象。在本研究中，我们提出了一种基于模式识别方法的新颖度量，根据图案识别方法，根据技术特征来提出。使用这种技术，我们创建了基础形状的单一统计分布，以描述形态学组成。所提出的技术用测试形状成功验证并应用于真实粒子。与基于最先进的傅立叶的方法相比，特征列术术语有利地表现出明确区分不同的颗粒。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号