文|云帘逸仙

编辑|云帘逸仙

前言

为了表征复杂形状的三维薄壳复合材料的工艺诱导变形，选取多层双轴纬针织（MBWK）织物增强高性能，利用三维激光扫描机对头盔表面进行扫描，然后将三维扫描数据与CAD模型进行比较，评估变形情况。

结果表明，常规方法可行，但收敛速度慢，计算结果易陷入局部优化。根据详细分析，提出了一种基于“特征距离”原理的测量方法。测量结果表明，该方法不仅能给出准确的结果，而且减少了工作程序，大大节省了计算资源，被证明是三维薄壳纺织复合材料变形测量基础的可行方法。

复合材料的纤维

由于纤维增强复合材料具有优异的抗疲劳性、高强度重量比和刚度重量比，因此已广泛应用于各个领域。薄壳结构作为复合材料工程中的结构之一，常用于头盔、氧气面罩、无人机等先进装备。

然而，残余应力是复合材料制造过程中不可避免的问题，这是由增强纤维与基体之间的热膨胀系数（CTE）不匹配，固化过程中树脂聚合反应中的收缩以及三维形状成型过程中的纤维重新定向引起的。

此外，许多文献暗示残余应力可能导致复合材料分层和基体断裂，降低破坏强度，影响复合材料的性能和使用寿命。此外，工艺引起的变形（PIDs）可能会影响结构完整性，甚至导致复合材料失效。正是由于这些问题，薄壳复合材料的应用受到严重制约。因此，用高效技术测量和评估复合材料的变形是有意义的。

近年来，随着三维激光扫描技术的发展，在复合材料质量检测领域发展迅速，如变形监测、尺寸评估、表面缺陷表征等。分析结果可用于模具补偿和工艺调整。此外，三维数字检测是控制复合材料产品质量的最重要关键因素之一，特别是在精确的尺寸控制方面。

许多研究人员已经研究了3D结构复合材料变形的测量和表征。使用光学标记识别系统来确定复合材料转子的厚度变化，以验证复合材料转子逐渐损伤行为的仿真分析。利用地面激光扫描（TLS）技术研究了大型复合隧道结构的变形，可用于健康监测。

对单调荷载下的复合材料结构进行了一系列基于TLS测量的统计实验，以研究拱结构的变形行为。测量结果也已应用于构建复合材料拱形结构变形模拟的有限元模型。虽然现有作品对复合材料变形测量做出了巨大贡献，但测试样品由多个平面（如L型梁）或连续相同的弯曲截面（如隧道，拱形，Z形，U形等）组成。

没有提到方法是否适用于不同弯曲截面的复杂结构的问题，如头盔、氧气面罩和螺旋桨等。当局部表面变形时，很难找到几何中心点、中心线或基准面。根据上述文献，计算速度慢，精度慢。另一方面，很难将扫描模型和设计模型整合到具有不同原始点的公共协调系统中。

本文研究了MBWK织物增强复合头盔的工艺诱导变形。通过将点云数据与CAD模型进行对比，结果表明，使用传统的迭代最近点（ICP）算法将点云数据与设计的CAD模型进行配准时，有时很难避免局部最优。

提出了一种基于“特征距离”的测量策略，通过关键部位的尺寸表征复合材料的畸变，通过标量而不是矢量计算变形。该方法占用的计算资源较少，可以取得较好的效果，此外，该方法不存在配准收敛问题。结合前方法，可用于复杂曲面复合材料结构的变形检测。

针织的材料

选择多层双轴纬针织（MBWK）织物作为增强材料。MBWK织物是非卷曲织物（NCF）系列中的一员，在弯曲成型表面上具有良好的成型性和高性能成本比，可以作为复合板和壳结构的增强材料。

本实验选用三层连接的双轴纬针织面料，结构如图1，其中缝合系统结构为1+1肋，具有良好的拉伸性能，可为插入剪纱提供足够的空间，并且插入纱线平行且笔直，因此高性能纤维的利用率超过90%。此外，各种类型的插入纱线混合比例使MBWK织物具有灵活的设计性。文献表明，MBWK织物广泛应用于个人防护装备、风力发电和汽车工业等领域。

为了制造具有高速抗冲击性的头盔外壳，选择了三种高性能纤维作为插入纱线，分别是芳纶纤维（Kevlar 49），碳纤维（T-300）和超高分子量聚乙烯（UHWPE）。原材料规格如表1.所有的针迹纱线都是聚酯（PET DTY）。

列出了三种不同混纺比的MBWK织物的参数表2.示例在图2.

树脂分别为乙烯基酯（VE）、不饱和聚酯（UP）和环氧树脂（EP），如表3.

复合样品采用气囊压缩成型工艺制备，适用于结构复杂、表面光滑的中小型产品，如图所示图3一个。

在制备过程中包括首先将MBWK织物放入工具中，织物样品的尺寸为50×50厘米，然后通过手动铺层法将树脂均匀地涂在织物中，每个样品的混合树脂重量为110克。关闭工具并拧紧螺栓后（工具位置的校准也取决于螺栓），如图3b、将气囊在室温下以0.3MPa的压力充气5小时。

之后，样品在释放空气并打开工具后脱模，如果表面没有干点，则该复合外壳被认为是合格的。最后，修整过程应用于切割样品的额外部分。在本实验中，修边机是Prima Rapido-3 3D激光切割机，所有修边路径都是预先设计的，并由机器自动执行，切割样品的激光功率为5.<> kW。样本复合壳的符号化列在表4。

头盔成型和表面扫描

为了尽可能充分地释放残余应力和回弹，头盔放松约一周左右，然后用激光扫描仪Scanworks V3通过3D测量臂Romer扫描表面，测量臂固定在光学工作台上，如图所示，图4.激光系统技术数据见表5.在扫描过程中，传感器的校准和点云数据的收集由PC-DIMIS软件完成。然后，将扫描的点云数据以bin格式导入Geomagic软件（3D Systems）进行优化和构建。

点云和CAD模型应首先在同一坐标系中对齐，这称为配准。最常用的配准方法是迭代最近点（ICP）算法，ICP算法旨在通过最小化相应实体之间的平方误差来最小化点云和某些参考表面之间的差异，以找到它们之间的转换。更具体地说，有两个对应的点集。

通常，初始扫描模型预处理的步骤如下：将点云组合到一个对象上，过滤掉断开的组件，然后清除噪声。创建设计模型和扫描模型的坐标系时不一致。因此，将扫描的模型和CAD模型导入Geomagic后，两个模型的初始位置往往分散开来。

ICP算法要求测试模型和参考模型之间的初始位置足够接近，由于点云和CAD模型在构建时已经处于不同的坐标系中，因此需要缩小测量数据和CAD模型的主要方向偏转和位置偏差，否则可能无法获得良好的收敛结果。

因此，在用ICP算法进行精细配准之前，有必要先进行粗套准。因此，必须在同一坐标系中手动将两个模型尽可能靠近以进行粗配准，然后使用最佳拟合对齐工具自动对齐两个模型，这是一个基于 ICP 算法的精细配准步骤。

然而，在这项研究中，扫描的模型和CAD模型在对齐后仍然存在不同程度的错位。如图5，装配孔的位置明显说明了参考模型与测试模型之间的偏差，这可能导致变形评估结果的理论误差。原因是头盔样品在完全固化后发生一定程度的翘曲，使得无法获得与CAD模型形状相同的点云。

并且几何中心发生了变化，这增加了对准的难度。另一方面，基于ICP算法的对齐方法很容易陷入局部最优，局部最优通常与正确的结果不对应，因为没有足够的几何形状来限制两个部分形状之间的滑动。因为 ICP 假定一个点集是另一个点集的子集。

当此假设无效时，会产生错误匹配，这会对ICP向正确解决方案的收敛产生负面影响。因此，对准结果不能用于获得或评估样品的变形。

基于特征距离的分析

现代高级头盔既可以通过组装不同的传感器提供保护，也可以提供其他智能功能[41，42]。因此，头盔的尺寸和装配孔位置的偏差将直接影响头盔系统的精度。

为了表征头盔的整体变形趋势，根据关键装配准则选取CAD模型中的<>个圆孔作为研究对象，并通过特征提取得到中心点。然后，在点云模型中找到七个对应的圆孔，并提取它们的中心坐标。圆心之间的欧氏距离用于研究头盔的变形。

在图6.首先，七个装配孔位于CAD模型中头盔的顶部，后部和两侧（如图7a） 已被选中。Geomagic的“特征”功能用于在模型表面上构建圆形特征，如图7b.之后使用“分析”工具的“点位置”功能导出圆心的坐标，并对中心点之间的距离进行编号，如图8和表6.然后根据欧几里得距离公式计算这些中心点之间的距离。

在过滤过程中：降噪类型为“自由形状”，平滑度级别为 2，迭代值为 5。过滤云数据的噪声后，使用“特征”功能在与CAD模型共同位置的扫描模型的装配孔中构建圆形特征，如图7d，并获取圆中心点的坐标。然后，以相同的顺序对七个中心点进行编号，并根据表6.

最后，使用每个11D点云中的3个“特征距离”与通用代码中CAD模型中的“特征距离”进行比较。每个扫描模型中偏差的绝对值总和用于评估每个头盔的整体变形。

结语

基于九个头盔的“特征距离”方法的测量结果显示在图9，详细数据见附录A。以CAD模型的11个特征距离为参考线，每条参考线与9个测试结果进行比较，以评估偏差。结果表明，所有由不同纤维和树脂制成的头盔均明显变形，但程度不同。

为了便于PID的解释，头盔分为五个部分，即左，右，上，中，后，如图所示图10.可以看出，左侧区域的大小由特征距离 D1 和 D2 表示，结合图8b 与图9测量结果表明，1个头盔的D2和D1平均分别变大961.0 mm和525.4 mm，表明8个头盔左侧区域的尺寸有增大趋势。

同样，D3和D309的结果显示平均长度增加了2.429毫米和5.6毫米，这表明头盔的顶部区域变得更大。然而，D5和D6的测量表明，大多数头盔的右侧区域变窄，D1和D004的长度平均变窄0.665毫米和3.7毫米，D2和D740值遵循相同的定律，也显示平均减少3.789毫米和6.3毫米长度， 这表明头盔后部面积的尺寸呈缩小趋势。

但是样本 B9 的 D10 值是一个例外，它变得更宽。从D11、D8和D077的结果可以看出，顶部、中部和后部区域均有横向扩张现象，长度平均分别增长1.602 mm、0.630 mm和<>.<> mm。所有变形均由五个部分表示。

如图11.从结果可以看出，头盔顶部区域的尺寸与设计要求基本一致，后部零件有一些偏差但很小，这是脱模后回弹造成的。此外，头盔最大回弹的位置出现在侧面底部区域，因为它们的自由边界限制较低。

此外，每个头盔的总变形结果可以通过将每个头盔的测量距离与标准特征距离之间的偏差的绝对值相加来实现，如图12.根据最终评估结果，芳纶和UP制成的头盔在使用相同的加工参数后变形最小，而芳纶/UHMWPE和UP制成的头盔变形最大。

从A3、B3和C3的结果来看，UHMWPE作为加固的头盔由于其模量低、树脂结合能力弱，更容易变形。

本文采用三维激光扫描技术研究了复杂表面薄壳复合材料的工艺诱导畸变。提出了基于“特征距离”的表征局部特征偏差的方法，可以反映头盔的整体变形。

结果表明，当点数据量巨大或初始位置不合理时，ICP算法难以将设计模型与实际模型对准，在配准过程中容易出现不收敛性、局部最优等问题。然而，随着激光扫描技术的发展，点云数据量不断增加。

这使得通过传统的ICP算法将参考模型与具有复杂曲线结构的实测模型进行配准变得更加困难。但是，“特征距离”方法可以避免ICP算法引起的理论错误，而且可以省略配准过程。同时，一次一个模型可以节省大量的计算资源。

基于“特征距离”评价策略的9个头盔变形结果表明，左右两侧距离变大是所有头盔的主要变形特征，芳纶/碳杂化UP头盔总畸变最小，芳纶/UHMWPE混合EP头盔整体固化变形最大。因此，由芳纶/碳杂化UP制成的头盔在相同的加工参数下具有更好的尺寸精度。

本文提出了基于关键位置间距表征三维薄壳纺织复合材料变形特征并结合激光扫描技术的评价方法。该方法方便、快速、准确，具有适用于复杂壳复合材料的智能变形监测仪。此外，为提高树脂基复合材料质量控制和变形检测的效率提供了参考。