GeoDict扩展_无纺布数字孪生GeoApp

Generate Nonwoven Twin

从三维扫描数据自动生成纤维材料统计数字孪生体

无纺布及其它纤维基多孔材料的宏观性能，很大程度上取决于其三维微观结构，包括纤维直径、长度、取向、体积分数、曲率、卷曲程度以及沿厚度方向的密度变化。仅依靠平均孔隙率或面密度等宏观参数，往往难以准确描述材料内部复杂的纤维排列。

Generate Nonwoven Twin GeoApp（无纺布数字孪生GeoApp）最初用于生成无纺布结构的数字孪生体，目前其适用范围已经扩展到多种纤维基材料，包括：无纺布及非织造材料；纤维增强复合材料；燃料电池纤维型气体扩散层；空气、液体及工业过滤介质；其它具有弯曲或随机取向纤维的多孔材料。

该GeoApp以真实材料的CT扫描及FiberFind分析结果为基础，自动调整数字模型中的纤维曲率和卷曲程度，使生成结构在关键随机几何特征上尽可能接近原始样品。

一、什么是无纺布统计数字孪生体？

Generate Nonwoven Twin生成的是统计数字孪生体（Statistical Digital Twin）。

它并不是对原始CT扫描结构进行逐体素复制，而是根据真实样品中提取的纤维统计参数，生成一个新的三维随机纤维结构。该结构在用户关注的几何特征及物理性能方面尽量接近原始样品，但其局部纤维位置和排列可以有所不同。

GeoApp重点保留或匹配的结构信息包括：纤维直径；纤维长度；纤维方向分布；纤维固体体积分数；纤维曲率；纤维卷曲程度；可选的厚度方向密度分布。

这种统计孪生体可以作为真实材料的数字替代结构，用于开展结构参数变化、性能预测及虚拟材料优化。

需要注意的是，输入结构必须具有足够的代表性。若用于分析的原始裁剪区域过小，或不能反映材料整体特征，最终生成的数字孪生体就可能无法充分匹配原材料的全部性质。

二、从真实CT扫描建立数字孪生体

Generate Nonwoven Twin的典型工作流程从真实材料的三维成像开始。

第一步：导入和分割CT扫描

首先使用 ImportGeo-Vol 导入真实纤维材料的CT或µCT数据。输入数据可以是三维图像文件，也可以是PNG、TIF等二维图像序列。ImportGeo-Vol可用于：导入CT、µCT和FIB-SEM图像；调整体素尺寸和图像方向；去除噪声与图像伪影；改善灰度图像质量；采用阈值、聚类或人工智能方法完成分割；将原始灰度数据转化为包含纤维和孔隙材料相的三维体素结构。

完成分割后，GeoDict便可以直接在体素结构上进行分析和模拟，无需先将所有纤维转换成传统有限元网格。

第二步：使用FiberFind-AI识别纤维

随后使用 FiberFind-AI 分析分割后的纤维结构。

FiberFind-AI能够识别单根纤维，并提取数字孪生建模所需的关键统计参数，例如：纤维直径分布；纤维取向分布；纤维曲率分布；单根纤维的空间路径；纤维和黏结剂材料的识别结果。

FiberFind生成的 IdentifyFibers.gdr 结果文件，是Generate Nonwoven Twin GeoApp的主要输入之一。用户指南同时要求加载与该分析结果对应的原始三维结构。

三、保持基本纤维参数，自动优化曲率与卷曲程度

具有弯曲形貌的纤维结构较难通过人工设置准确重建。Generate Nonwoven Twin GeoApp通过自动优化过程解决这一问题。

在优化过程中，GeoApp保持以下主要参数不变：纤维直径；纤维长度；纤维方向分布；纤维体积分数。

与此同时，GeoApp动态调整：纤维曲率；纤维卷曲程度。

FiberGeo根据当前参数生成候选纤维结构，GeoApp再将候选结构与FiberFind分析得到的目标统计结果进行比较。通过反复生成、比较和调整，最终获得在随机几何特征上尽可能接近真实样品的统计数字孪生体。

四、可选的厚度方向密度分布优化

复杂纤维材料的密度通常不是沿厚度方向均匀分布的。例如，无纺布表层和中心区域的纤维含量可能不同，复合材料不同铺层之间也可能存在明显的密度变化。

Generate Nonwoven Twin可以进一步利用 MatDict 计算得到的 Thickness Estimation.gdr 结果，对数字孪生体沿Z方向的密度分布进行优化。该结果文件提供真实结构的厚度方向一维统计数据，使GeoApp在匹配纤维曲率的同时，还可以调整数字模型中不同高度位置的纤维密度。

采用这一功能时：IdentifyFibers.gdr和Thickness Estimation.gdr必须来自同一个原始结构；需要配置MatDict许可证；在GeoApp中启用 Optimize Z Density Distribution；载入对应的Thickness Estimation结果文件。

该功能特别适合具有分层、梯度密度或厚度方向非均匀特征的无纺材料、复合材料和燃料电池气体扩散层。

五、基于差分进化的自动优化

Generate Nonwoven Twin采用差分进化方法（Differential Evolution）优化统计数字孪生体。

算法同时维护多组候选纤维结构，并通过迭代变异和筛选，使候选结构逐步接近FiberFind分析结果；启用厚度方向密度优化时，还会同时匹配MatDict的一维统计结果。

用户可以设置三个优化参数：

根据官方用户指南，总迭代规模按以下参数组合计算：

PS × GI × LI

较大的种群规模和较多的迭代次数通常能够更加充分地探索参数空间，但也会增加FiberGeo结构生成次数和总计算时间。

六、通过下采样缩短优化时间

对于高分辨率或大尺寸CT扫描，直接在完整数据上进行多轮结构生成和优化，可能需要较长计算时间。GeoApp提供 Downsampling Factor（下采样因子），用于在优化阶段降低结构分辨率，从而减少计算量。

下采样设置具有以下特点：下采样因子越大，优化计算通常越快；较大的下采样因子也可能降低优化精度；原始结构Z方向的体素数量必须能够被下采样因子整除；最终生成的数字孪生体仍保持原始结构的分辨率。

Math2Market还建议，可以先选取较小但具有代表性的样品裁剪区域完成初始优化；获得合适参数后，再生成完整尺寸的数字孪生体。这样能够兼顾优化效率和最终模型尺寸。

七、输出结果

完成优化后，GeoDict自动在Result Viewer中打开结果文件。

1. 结构生成报告

Report选项卡提供：

数字孪生体生成信息；使用的结构参数；优化设置；最终生成结构的基本统计结果。

2. 优化收敛曲线

Results中的Plots子选项卡显示不同优化参数的收敛过程，帮助用户判断：目标参数是否逐步稳定；曲率匹配是否收敛；厚度方向密度分布是否得到改善；是否需要增加优化迭代次数。

3. 最终结构文件

结果文件夹中的主要输出包括：Structure.gdt最终统计数字孪生结构；Result.gdr对应的FiberGeo结果文件，可用于查看结构生成输入参数；不同优化目标的中间结果。

最终的Structure.gdt可以直接在GeoDict中用于后续结构分析、参数修改和物理性能模拟。

八、官方展示的数字孪生案例

1. 无纺布统计数字孪生体

Math2Market展示了基于FiberFind结果自动生成的无纺布数字孪生体，并比较了原始结构与数字孪生体的渗透率。

在Math2Market的完整无纺布应用案例中，数字孪生体渗透率与原始µCT结构相比仅偏差约5.6%。该案例说明，利用FiberFind识别结果和FiberGeo自动建模，可以在保留纤维统计特征的同时获得相近的宏观流动性能。

2. 纤维增强复合材料数字孪生体

该案例数据来自德国联邦经济和气候行动部支持的 DigiLaugBeh 项目，原始扫描数据由Bosch提供。数字孪生体按照不同材料层分别生成。

该案例表明，Generate Nonwoven Twin的应用范围并不限于无纺布，也可用于具有弯曲长纤维和分层特征的纤维增强复合材料。

3. 过滤介质层数字孪生体

该案例来自德国联邦经济和气候行动部支持的 ElekSim 项目，原始扫描由德国环境与能源、技术与分析研究所IUTA提供。

ElekSim项目主要研究驻极体过滤介质及其过滤性能模拟。Generate Nonwoven Twin可用于建立相应纤维结构，后续再结合流动、颗粒过滤或静电相关功能开展材料研究。

4. 燃料电池气体扩散层数字孪生体

Math2Market还展示了商业化 Toray Paper TGP-H-030-05 气体扩散层的数字孪生体。示例结构不包含黏结剂，以直纤维为主，并使用MatDict提供的厚度方向一维统计数据进行优化。

该案例说明，即使纤维曲率不显著，厚度方向密度分布仍可作为重要优化目标，使数字模型在扩散性能方面更加接近原始材料。

九、从数字孪生体到性能预测

Generate Nonwoven Twin主要负责建模生成结构。完成数字孪生体后，可结合GeoDict的其它模块开展虚拟材料测试。

FlowDict：流动和渗透率

FlowDict可根据三维纤维结构计算：空气或液体渗透率；流速场；压力场；流动阻力；给定压差下的平均流速；雷诺数估算；Gurley值。

这使用户能够比较原始CT结构与统计数字孪生体的流动性能，并进一步改变数字结构参数开展过滤介质优化。

ElastoDict：力学性能

ElastoDict可直接在体素微结构上计算：各向异性刚度；有效杨氏模量；应力和应变分布；变形；损伤与材料失效。

对于纤维增强复合材料，数字孪生体可以用于研究纤维曲率、取向、层间差异及局部结构对整体力学性能的影响。

SatuDict：两相流体与饱和度相关性能

SatuDict可研究气体和液体两种不混溶流体在纤维多孔材料中的分布，并计算：毛细压力；相对渗透率；相对扩散率；饱和度相关导热和导电性能。

该模块适用于燃料电池GDL、亲水或疏水过滤介质及其它涉及液体侵入的纤维材料。

十、典型应用方向

无纺布材料开发

从µCT扫描建立数字孪生体，比较不同纤维曲率、方向和密度分布对吸液、透气及力学性能的影响。

过滤介质设计

生成空气过滤、液体过滤和驻极体过滤介质的统计结构，分析渗透率、压降和过滤性能。

防护口罩滤材

GeoDict可用于设计、模拟和优化防护口罩滤材，以寻找兼顾高过滤效率、低压降和较低材料用量的数字设计。

纤维增强复合材料

根据真实CT扫描建立具有纤维弯曲、取向及分层特征的三维模型，并预测各向异性力学性能。

燃料电池气体扩散层

依据真实GDL结构的纤维参数和厚度方向密度分布生成数字孪生体，再计算气体扩散、流动和液态水相关性能。

虚拟参数研究

在保持部分统计参数不变的情况下，系统改变纤维曲率、卷曲程度或密度分布，建立多组数字结构，用于研究微观结构与宏观性能之间的关系。

十一、所需GeoDict模块

必需模块

常用组合模块

具体模块配置取决于材料类型和需要计算的性能。

十二、官方资料、文献与数据下载

1. GeoDict在线用户指南

Generate Nonwoven Twin

介绍输入文件、下采样、Z方向密度优化、差分进化参数以及Structure.gdt和Result.gdr等输出结果。

阅读GeoDict在线用户指南：https://geodict-userguide.math2market.de/2026/geoapp_generatenonwoventwin.html

2. 无纺布数字孪生完整应用案例

Create the Digital Twin of a Nonwoven with GeoDict
《使用GeoDict创建无纺布数字孪生体》

该案例完整介绍µCT导入与分割、FiberFind纤维分析、FiberGeo孪生体生成，以及使用FlowDict比较渗透率的流程。

阅读Math2Market应用案例：https://www.math2market.com/geodict-software/geodict-applications/generation-of-a-digital-twin-of-a-nonwoven.html

3. 防护口罩滤材应用案例

Filter Media for Protective Face Masks – Design, Modelling, Simulation and Optimization with GeoDict
《防护口罩过滤介质的设计、建模、模拟与优化》

阅读Math2Market应用案例：https://www.math2market.com/geodict-software/geodict-applications/simulation-of-filter-media-protective-face-masks.html

4. GeoApp相关论文

Identification and Analysis of Fibers in Ultra-Large Micro-CT Scans of Nonwoven Textiles Using Deep Learning

《利用深度学习识别和分析超大规模无纺织物微米CT扫描中的纤维》

作者：Andreas Grießer、Rolf Westerteiger、Erik Glatt、Hans Hagen、Andreas Wiegmann
期刊：The Journal of The Textile Institute
卷期：114卷第11期，1647—1657页，2023年
DOI：10.1080/00405000.2022.2145429

该论文介绍利用深度学习从超大规模µCT扫描中识别单根纤维，并分析纤维直径、取向和曲率等统计特征的方法，是FiberFind-AI及无纺布数字孪生工作流程的重要技术基础。
下载论文PDF：https://www.tandfonline.com/doi/pdf/10.1080/00405000.2022.2145429

Deep Learning Based Segmentation of Binder and Fibers in Gas Diffusion Layers

《基于深度学习的气体扩散层黏结剂与纤维分割》

作者：Andreas Grießer、Rolf Westerteiger、Erik Glatt、Hans Hagen、Andreas Wiegmann
期刊：Next Materials
卷期：第6卷，2025年1月，文章号100411
DOI：10.1016/j.nxmate.2024.100411

该论文针对燃料电池碳纸GDL中灰度相近、难以区分的纤维与碳化黏结剂，提出基于局部形貌和机器学习的分割方法。论文为开放获取，可在出版商页面阅读全文或下载PDF。

5. 无纺布µCT及纤维识别开放数据

SampleC – Micro-CT and Fiber Identification of a Nonwoven Sample

《Sample C——无纺布样品µCT扫描及纤维识别数据》

该数据由Reifenhäuser Reicofil GmbH & Co. KG提供原始无纺布样品，包含µCT扫描、孔隙与纤维分割结果，以及将不同单根纤维标记为独立对象的三维识别数据。

压缩文件约4.5 GB；解压后数据约720 GB；数据许可证：ODC-BY 1.0。
通过DOI访问数据集：https://doi.org/10.30423/data.math2market-2022-02.sample-c.fiberfind

Fiber Identification Validation – Ground Truth and Results

《纤维识别验证——人工生成样品的真值数据与识别结果》

该数据集包含FiberGeo生成的人工纤维结构及FiberFind识别结果，可用于验证纤维识别算法。

ZIP文件约163.4 MB；解压后约2.8 GB。
通过DOI访问验证数据：https://doi.org/10.30423/data.math2market-2022-02.validation.fiberfind

总结

Generate Nonwoven Twin GeoApp是GeoDict面向无纺布及其它纤维基材料开发的自动化统计数字孪生工具。

它能够从真实材料的三维CT扫描出发，通过ImportGeo-Vol完成图像处理和分割，利用FiberFind-AI识别纤维直径、长度、取向和曲率，再由FiberGeo自动生成统计数字孪生体。

其主要特点包括：以真实CT扫描和FiberFind结果为建模基础；保持纤维直径、长度、取向和体积分数等基本特征；自动优化纤维曲率和卷曲程度；可选地匹配厚度方向密度分布；使用差分进化方法自动搜索结构参数；通过下采样和小尺寸代表性区域缩短优化时间；输出可继续编辑和模拟的三维Structure.gdt结构；适用于无纺布、过滤介质、复合材料和燃料电池气体扩散层；可与FlowDict、ElastoDict及SatuDict结合开展流动、力学和两相性能预测。

GeoDict——从真实纤维材料的三维图像出发，自动建立可分析、可修改、可模拟的统计数字孪生体。