在纤维增强塑料（FRP）的加工过程中，有关生产工艺的详细信息对于工艺和质量控制都非常重要。因此，如今的加工设备都配备了复杂的传感器系统，用于监控温度、压力或加工速度等各种工艺参数。

然而，要说明最终部件的特性，树脂/基质成分、孔隙含量、纤维含量、分布和取向等局部材料特性是最重要的。本文以热固性复合材料--碳纤维增强片状模塑料（C-SMC）为例，说明如何在材料生产过程中在线收集有关局部纤维取向的信息，生成半成品的数字图像。来自数字图像的信息可用于实时过程控制和质量评估。此外，这些信息还可用于离线生成材料模型输入数据和下游制造过程模拟，从而对未来部件的机械性能进行更准确的预测。

C-SMC半成品生产过程中的数字化

图1显示了SMC半成品标准生产线的示意结构。在第一步骤中，在切割单元（2）将预定长度的短切碳或玻璃纤维分配到树脂和载体膜上之前，将树脂体系施加到载体膜（1）上。经过压实装置后，将半成品卷起并储存，以备后续熟化。

C-SMC半成品生产的工艺链

为了创建 C-SMC 半成品的数字图像，需要在生产过程中实时记录纤维的取向。Leibniz-Institut für Verbundwerkstoffe GmbH (IVW) 为此使用了一种名为偏振成像的光学图像采集系统。该系统利用碳纤维表面的偏振特性对非偏振光进行入射。偏振相机捕捉反射的偏振光，在随后的数字化过程中，从原始数据中解读出纤维方向信息。为了确保能清晰地看到散射纤维的平面图，偏振相机 (3) 被直接放置在切割机的后面。然后，相机以规定的时间间隔捕捉视场内材料的图像，形成一叠图像。这些图像组合在一起，形成半成品卷筒的连续整体图像 (4)。

数字图像的后处理

通过系统的硬件评估软件，将相机捕获的原始数据直接转换为所需的图像分量光强度、线偏振度（DOLP）和线偏振角（AOP）。在数字化过程中，不同软件组件的组合使用该图像数据来提取所需的纤维取向信息。为了简化解释，图2显示了使用已经压制的C-SMC样本的示例的数据提取过程。使用图像分量光强度和DOLP，可以遮蔽图像中没有偏振或具有图像缺陷的所有区域，例如曝光过度的像素。

数字图像的后处理。a）根据原始数据（强度、DOLP、AOP）生成的数字图像，具有灰度级的纤维取向张量。b）为数字图像着色，以实现更好的可视化。c）用于评估各向异性的直方图。d） FE模型分辨率光栅化作为确定光纤定向张量的基础。e）纤维取向张量的可视化

结果是初始灰度图像a），其显示了在图像平面中可视化的纤维取向角。可以应用颜色映射b）来改进对人眼的分析，并且可以生成清楚地显示优选纤维取向和各向异性的直方图c）。如果数字图像用作计算和模拟的基础，那么关于纤维取向角的信息是不够的。许多模拟模型使用纤维取向张量（FOT）作为纤维取向计算的基础。FOT是一个对称的二阶张量，它描述了小体积内纤维取向的概率分布。FOT的特征值和特征向量可用于确定主纤维方向。由于FOT是一种概率分布，因此仅指定图像像素中的纤维取向角不足以确定张量。因此，在图像平面上创建网格d），并且通过评估每个网格单元内的图像像素来确定FOT。在e）中，每个网格单元的FOT表示为椭球。在该表示中，可以在测量表面上的任何点直接评估对准和各向异性程度。

压缩成型模拟中的纤维取向

C-SMC半成品卷的纤维定向数字图像捕获的一个主要目标是使用它来生成用于压缩成型过程的后续过程模拟的输入信息（图3）。在执行数字化过程后，可以在任何位置提取FOT信息，以创建SMC电荷的数字表示。在该过程中，电荷中的各个切口的FOT可以应用于FE网格的各个元素，或者该信息可以作为均匀化的平均值应用于整个FE网格。这不需要在模拟方法领域有任何新的发展，因为许多模拟方法已经使用基于Folgar和Tucker方程的宏观模型来计算纤维取向的演变，因此直接使用FOT信息。最后，压缩成型模拟的FOT结果可以传递到数字工艺链的下一阶段，通常是翘曲或结构模拟。其结果是基于材料生产的真实记录数据形成了一个连续的数字过程链。