PFC6.0 2D使用kmeanss算法对裂纹进行降噪(赠项目包)

导读：本文基于9月20日我给PFC5.0/6.0订阅用户加餐直播时的测试内容，完善后得到的结果。该直播回放已收录在我的仿真秀专栏课程板块《与lobby一起学：离散元PFC5.0&6.0分析应用》，欢迎读者朋友订阅。

自2024年4月起，我决定与仿真秀独家合作，对我的所有PFC5.0/6.0课程用户，策划每周五直播加餐，截至到目前已组织了16期直播，每期1小时左右。旨在更好的帮助用户更高效，更实用的学号PFC软件与应用，深受用户好评（我被lobby的离散元PFC功底折服）。以下是正文：

一、引言

在PFC中，微裂纹的产生机理是在每个接触破坏的时候，根据接触两端的颗粒或者墙体，提取位置信息生成一个线段（二维）或者圆盘（三维）作为一个微裂纹。大部分情况下裂纹都是有一些中心，然后会在中心进行分散分布，所以可视化效果不是很好。

对裂纹的展示进行降噪，是一直想研究的点，PFC自带的科学计算库scipy中就恰好有这么一个机器学习的算法库cluster。里面包含了常见的聚类算法，最常用的k临近算法可以利用距离特性对数据点进行分类。但是需要提前指定中心点个数。

二、理论基础

技术路线分为两步：

（1）采集所有裂纹的中心点坐标，这里还添加了age的数据，用于把生成时间相近的裂纹也归在一起。传入kmeanss算法中，获取分类后的数据点：

这里涉及到一个参数k_num作为中心点的个数。这里的返回值，一个是各个cluster的中心点坐标，一个是所有数据点所在的cluster组索引。

（2）对每个簇计算平均法向方向

（3）收集簇中每个裂纹距离中心点的法向和切向的距离

  for singleFrac in factList:        singleFrac.set_group("label"+str(labelCount))        vertexs=singleFrac.vertices()        for singleVert in vertexs:            pos_x=singleVert.pos_x()            pos_y=singleVert.pos_y()            singleDist_Normal=math.fabs((pos_x-pos[0])*normal_direct[0]+(pos_y-pos[1])*normal_direct[1])/math.sqrt(normal_direct[0]**2+normal_direct[1]**2)            singleDist_Direct=math.fabs((pos_x-pos[0])*normal_direct[1]-(pos_y-pos[1])*normal_direct[0])/math.sqrt(normal_direct[0]**2+normal_direct[1]**2)            DirectDist.append(length_fac*singleDist_Direct)            NormalDist.append(singleDist_Normal*math.exp(-width_fac*singleDist_Normal)/math.exp(0))

为了使得cluster的降噪后的形状有定向性，并且裂纹发育一般也是沿着一定方向延申的。这里法向的距离用exp函数进行降低，width_fac这个值就是距离系数，这个值越大，远端的颗粒就影响越小。切向的距离也用一个length_fac来进行调整

（4）绘制降噪后的裂纹形状

这个绘制方案有很多，可以用geometry,也可以用rbock，但是我这里想把fracture的age也继承过来，用rblock这个有extra设置参数的就更加适合了。这个功能用fish做，然后在python中进行调用

三、单轴破坏结果

最原始的破坏结果是这样的，裂纹分布比较零散。

从破坏时间上可以看出是自上到下的破坏过程

运用本算法后，给到几个参数下的结果

（1）width_fac=100；k_num=20

（2）width_fac=100；k_num=50

（3）width_fac=100；k_num=70

（4）width_fac=100；k_num=100

中心数越多，数据的视觉效果也就越逼近原有的裂纹数据。

而我们既有的目标是进行降噪或者说是进行特性提取，所以中心数不能太多，其次法向厚度不能太大。

这里给到参数为：

k_num=5

的效果

这个把原有的390个微裂纹降低到了7个裂纹特征。

四、巴西劈裂

同样的原理适用一下巴西劈裂，也可以得到比较好的裂纹效果：

调整参数也可以获取如图的裂纹特性，可以分析出主发展方向是从两端到中间，然后在左上角有一个次生裂隙。

总结

本文基于最简单的kmean分类方法获取得到降噪结果，分类的合理性还需要更多的验证，并且还有很多高级的cluster方法可以用于分类处理。后续的3d版本也会适配推出。若有引用本文处理方法，可直接在引用中以网络文章的引用格式增加引用。

欢迎大家订阅lobby主讲的6.0的入门课程

欢迎订阅用户免费加入每周五lobby直播加餐