CONSTITUTIVE MODEL OF ARTIFICIAL FROZEN SOIL BASED ON CASCADE-CORRELATION NEURAL NETWORK

为解决BP (back propagation) 神经网络收敛速度慢,网络结构需事先定义等缺点,采用了级连相关神经网络模型来建立人工冻土应力和应变之间的关系. 基于该模型推导了冻土的一致刚度矩阵形式,利用人工冻土三轴试验数据对神经网络模型进行训练,并用其替换有限元计算中的传统本构模型,将计算结果与性质及含水率相同的冻土的试验结果进行了对比,发现该神经网络本构模型很好地反应了材料的非线性,能够改善数值计算结果,与实测结果吻合地很好,比具有相同隐含层神经元个数的BP 模型更接近实测结果.     

基于级连相关神经网络的人工冻土本构模型

为解决BP(back propagation)神经网络收敛速度慢,网络结构需事先定义等缺点,采用了级连相关神经网络模型来建立人工冻土应力和应变之间的关系.基于该模型推导了冻土的一致刚度矩阵形式,利用人工冻土三轴试验数据对神经网络模型进行训练,并用其替换有限元计算中的传统本构模型,将计算结果与性质及含水率相同的冻土的试验结果进行了对比,发现该神经网络本构模型很好地反应了材料的非线性,能够改善数值计算结果,与实测结果吻合地很好,比具有相同隐含层神经元个数的BP模型更接近实测结果.     

含损伤的冻土本构模型及耦合问题数值分析

从复合材料的细观力学机理出发，建立了含损伤的冻土弹性本构模型. 对于在不同冰体积 含量和不同温度下的冻结砂土，由该损伤本构模型计算的结果与实测的应力-应变曲线比较 吻合. 利用自主开发的程序，分别对渠道冻结和冻土路基的水分场、温度场、应力场3场耦 合进行数值模拟，得到了比较准确、详尽的符合实际的温度场与应力场、位移场、应变场耦 合的计算结果，与前人的计算及实测结果相符合，规律一致. 表明该程序能够计算冻土材料 的相关物理量，并能很好地描述这些相关物理量之间的关系.     

海相沉积软土蠕变BP神经网络本构模型

海相沉积软土具有很强的蠕变特性,传统分级构建蠕变本构模型方法不实用,且很难真正反映岩土流变的非线性特性。为此,本文引入具有超强非线性映射和容错能力的BP神经网络模型,通过改进BP算法,根据江门软土的室内直剪蠕变试验结果,建立了海相沉积软土BP神经网络蠕变本构模型,避免了传统方法为满足试验曲线变化规律和蠕变特性而需要建立复杂的本构数学表达式。最后,利用上海地区软土蠕变实验结果对本文提出的方法进行了验证,并对BP神经网络蠕变模型在描述软土流变方面的特点进行了讨论。结果表明,本文建模方法简单,并能很好地描述软土的非线性蠕变问题。     

冻土的有限变形本构关系的实验研究

根据有限变形理论,给出了冻土三轴蠕变实验数据处理时所需Green应变和Kirchhoff应力的计算公式,并根据冻土三轴蠕变实验结果给出冻土的有限变形本构关系及其蠕变参数。通过对冻土的实验数据对比分析可知:在相同试验条件下,应变较小时,小应变ε1 和Green应变Ez的数值几乎相等,随着应变的增加,两种表征方式的计算结果差别越来越大,可见对于冻土如果不考虑试件变形前后长度的变化,计算得出的应变偏离实际变形情况较大,因此冻土材料的本构关系采用有限变形表征更确切。根据冻土的有限变形本构关系计算得到的冻结壁内侧最大径向位移更接近实测结果,因此冻结壁设计计算依据冻土的有限变形本构关系更为合理。对今后冻结工程的设计具有参考价值。     

冻结黏土单轴抗压试验及损伤本构模型分析

从冻土微元破坏服从Weibull随机分布的特点出发,将Mohr–Coulomb强度准则作为冻土微元统计分布变量,利用应变等价性假说,建立了单轴应力状态下冻结黏土损伤本构模型;在此基础上,讨论了模型参数和弹性模量与冻结温度的关系,对模型参数和弹性模量进行合理修正,建立了温度影响下的冻结黏土损伤本构模型,并与试验结果进行对比。分析结果表明:考虑温度效应的损伤本构模型能很好地模拟冻结黏土应力–应变全过程曲线,具有很好的适应性。     

UNIAXIAL COMPRESSION TEST AND DAMAGE CONSTITUTIVE MODEL FOR ANALYSIS OF FROZEN CLAY 1)

从冻土微元破坏服从Weibull随机分布的特点出发,将Mohr--Coulomb强度准则作为冻土微元统计分布变量,利用应变等价性假说,建立了单轴应力状态下冻结黏土损伤本构模型;在此基础上,讨论了模型参数和弹性模量与冻结温度的关系,对模型参数和弹性模量进行合理修正,建立了温度影响下的冻结黏土损伤本构模型,并与试验结果进行对比。分析结果表明：考虑温度效应的损伤本构模型能很好地模拟冻结黏土应力--应变全过程曲线,具有很好的适应性。     

基于爆炸切割试验的有机玻璃本构模型参数反演

为了获取爆炸切割数值模拟中有机玻璃（PMMA）的材料本构模型参数，建立了一种基于神经网络的有机玻璃Johnson Holmquist ceramics (JH-2)本构模型参数反演方法：基于从爆炸切割试验和现有研究得到的JH-2本构模型经验参数，确定本构模型参数的调整区间；使用LS-DYNA数值模拟软件对2.5 mm宽爆炸切割索切割14 mm PMMA平板过程进行数值模拟并收集平板损伤数据集；建立PMMA平板本构模型参数与损伤数据之间的神经网络模型；通过训练完成的神经网络模型对PMMA平板的JH-2本构模型参数进行反演。为验证通过反演参数的可靠性，进行了4.2 mm宽爆炸切割索切割19 mm PMMA平板试验和有限元数值模拟，计算结果中的平板损伤情况与实验结果相差较小，表明通过反演获得的JH-2本构模型参数能较好地应用于PMMA平板爆炸切割数值模拟。传统材料参数获取方法，该参数反演方法相较于可以通过较少的试验及测试，获得比较准确的材料本构模型参数。     

基于统计损伤理论的冻土蠕变本构模型研究

假定冻土粘塑性微元损伤符合修进的莫尔-库仑准则,损伤变量服从Weibull随机概型分布;基于热力学原理和统计损伤理论,通过推导得到了相关联流动法则下的蠕变损伤耦合本构方程.为了便于研究冻土蠕变和损伤的耦合作用,将提出的本构模型,通过用户子程序嵌入到有限元程序中.最后,对冻土中桩基承载力模型试验进行了数值模拟,结果表明:基于统计损伤理论的冻土蠕变本构模型能较好的模拟冻土蠕变变形的全过程,并且与实测蠕变变形十分吻合,该模型对冻土结构物长期稳定性分析和工程预测具有重要参考意义.     

基于内时理论的冻土试验研究与数值分析

从内时理论出发,基于考虑了温度和应变率影响的冻土内时流变本构方程,采用Matlab拟合法确定内时材料参数,对冻土在单轴和3轴应力条件下的应变进行了求解、分析与试验验证,并将理论结果与试验所得的应力-应变曲线进行了比较,理论曲线与试验曲线基本吻合. 与传统塑性理论的研究方法相比,内时理论的研究方法可以免去确定屈服面的困难. 基于所使用的内时本构模型,对冻土路基的冻结进行了数值分析,结果表明该理论具有很好的适用性.      

基于WOA-BP神经网络的超低温冻土抗压强度预测模型研究

为获得超低温冻土抗压强度预测模型, 探究超低温状态下冻土的物理性质及力学性质的变化, 对含水率19%, 22%, 25%和28%的低液限黏土土样进行?180 °C ~ ?10 °C的单轴压缩强度试验, 并测量?80 °C ~ ?10 °C土样的未冻水含量, 建立基于WOA-BP神经网络和BP神经网络的预测模型, 探究含水率、温度、未冻水含量与超低温冻土抗压强度关系. 预测结果表明: 含水率、温度、未冻水含量与超低温冻土抗压强度存在复杂的非线性关系, 特别是在?180 °C ~ ?80 °C区间内, 现有的线性拟合公式已无法准确预测该区间内冻土抗压强度; 基于WOA-BP神经网络预测模型的整体预测效果较好, 其绝对误差平均值为1.167 MPa, 相对误差平均值为7.62%, BP神经网络预测模型的绝对误差平均值为8.462 MPa, 相对误差平均值为47.99%. 基于鲸鱼优化算法的BP神经网络预测模型预测误差明显小于BP神经网络预测模型及线性拟合值, 更接近实测值. 该预测模型具有较高精确度, 能有效解决超低温冻土抗压强度与其影响因素间复杂的非线性关系, 可为人工冻结技术在地层应急工程中的应用提供参考.      

基于BP神经网络与小冲杆试验确定在役管道钢弹塑性性能方法研究

为了能够在不停输油气工况下获得在役管道材料的弹塑性力学性能, 提出了一种人工智能BP (back-propagation)神经网络、小冲杆试验与有限元模拟相结合,通过确定材料真应力-应变曲线从而获得材料弹塑性力学性能的方法. 首先,通过系统改变Hollomon公式中的参数$K$, $n$值,获得457组具有不同弹塑性力学性能的假想材料本构关系, 其次,将得到的本构关系代入经试验验证的含有Gurson-Tvergaard-Needleman(GTN)损伤参数的小冲杆试验二维轴对称有限元模型,通过有限元计算得到了与真应力-应变曲线一一对应的457条不同假想材料的载荷-位移曲线,最终将两组数据作为数据库输入BP神经网络进行训练,建立了同种材料小冲杆试验载荷-位移曲线与真应力-应变曲线之间的关联关系.通过此关联关系,可利用试验得到的小冲杆载荷-位移曲线获取在役管道钢的真应力-应变曲线,从而确定其弹塑性力学性能.通过对比BP神经网络得到的X80管道钢真应力-应变曲线与单轴拉伸试验的结果以及引用现有文献中不同材料的试验数据对此关系进行验证,证明了该方法的准确性与广泛适用性.      

null

Based on the preferred plane theory for regional stability assessment, princIple and methods of artificial neural network (ANN), the model of back propagation (BP) neural network and its algorithm for the preferredfault recognition are discussed in this paper. Practical examples indicate that the new method using BP neural network to determine preferred fault is effective and the prediction result is good.     

红板岩材料隐式本构模型的建立及其应用研究

针对红板岩材料在岩土工程中所表现的大量模糊的和不确定的因素等特点,基于人工神经网络的学习能力,借助于室内岩石力学试验,进行了对该材料的力学本构特性进行了神经网络模拟研究,提出了隐式本构模型的思想和方法,并通过该方法对该岩石的流变试验结果进行学习,获得了以网络权值结构保存的力学特性知识,由此得到了表征红板岩应力应变本构关系的隐式本构模型。应用结果表明,该方法对岩土类材料本构关系的模拟研究具有很好的应用前景。     

异常天气条件下潮位过程神经网络补遗预测方法的研究

以异常天气条件下的实测潮位过程为研究对象,根据其为非平稳时间序列的特点,以人工神经网络BP算法作为预测工具,对潮位时间序列中缺失的数据进行补遗建立:差分方法人工神经网络模型;同一海域邻近潮汐测站潮位过程对应预测的去平均值法人工神经网络模型;对增减水现象潮汐过程预测的气象资料数据库人工神经网络模型。以实测资料验证上述方法的可行性,并取得了很好的预测结果。     

结构试验机的神经网络内模自适应跟踪控制系统

针对结构试验系统的非线性和不确定性特性，研究了一种基于神经网络的非线性内模自适应加载控制方法。引入的神经网络内模可跟踪学习对象的时变动力学，控制器的设计较少依赖于对象的先验知识，控制参数的调整是基于被控过程的测量信息，利用导出的神经网络算法来实现的。实验结果证明该系统具有良好的控制效果。