基于数值流形方法和交互积分法的平面裂纹T应力求解

发展了用于计算含裂纹平面各向同性线弹性材料T应力的数值流形方法(NMM)。利用修正变分原理导出了分析二维裂纹问题的NMM离散方程,给出了围域型交互积分法提取T应力的主要公式;对单边裂纹问题、倾斜裂纹问题、孔边多裂纹问题三个算例进行了模拟,证实了本文方法的收敛性和精度,并进一步探讨了裂纹构型(如裂纹的长度和倾角)对T应力的影响规律。     

动载下裂纹应力强度因子计算的数值流形元法

相较于传统有限元,数值流形方法（numerical manifold method, NMM） 的一个显著优点是在处理裂纹问题时网格无需与裂纹重合,这就方便了岩体破坏过程的模拟. 基于包含裂尖增强函数的NMM,采用Newmark 隐式动力学算法进行时间积分,重点研究了动力载荷条件下裂纹动态应力强度因子（dynamic stress intensity factor,DSIF） 的求解方法. 针对典型的线弹性动力裂纹问题,给出了NMM 的数值算例. 结果表明NMM 能够准确计算动载荷条件下裂纹的DSIF,并且具有较好的收敛性.      

EVALUATION ON STRESS INTENSITY FACTOR OF CRACK UNDER DYNAMIC LOAD USING NUMERICAL MANIFOLD METHOD

相较于传统有限元,数值流形方法（numerical manifold method, NMM） 的一个显著优点是在处理裂纹问题时网格无需与裂纹重合,这就方便了岩体破坏过程的模拟. 基于包含裂尖增强函数的NMM,采用Newmark 隐式动力学算法进行时间积分,重点研究了动力载荷条件下裂纹动态应力强度因子（dynamic stress intensity factor,DSIF） 的求解方法. 针对典型的线弹性动力裂纹问题,给出了NMM 的数值算例. 结果表明NMM 能够准确计算动载荷条件下裂纹的DSIF,并且具有较好的收敛性.     

最小二乘识别的一个改进算法

本文首先研究采样频率对最小二乘识别精度的影响,分析了过高采样频率导致识别失败的原因,然后提出了一种既可充分利用采样数据又简单实用的改进算法,方法对单测点和多测点均适用,最后举例说明本文方法的有效性.     

基于机器学习软骨细胞的时间依赖性力学行为及本构参数反演

探究软骨细胞机械负载下的力学特性对于理解软骨细胞的正常和病理状态以及骨性关节炎的病因至关重要. 基于软骨细胞有限元计算模型的力学响应与其本构参数之间的高度复杂非线性, 本文提出了分别利用双向深度神经网络TW-Deepnets模型和随机森林RF模型并结合有限元方法来识别软骨细胞本构参数的两种反演方法. 首先, 建立了软骨细胞的无侧限压缩实验有限元模型, 收集MSnHS本构参数空间点与对应的有限元计算模型的压缩反作用力响应数据集. 其次, 结合贝叶斯超参数优化算法搭建了用于软骨细胞本构参数反求的TW-Deepnets模型和RF模型, 对有限元收集的数据进行训练, 并利用单个软骨细胞受到50%压缩程度下的实验数据对软骨细胞的MSnHS本构参数进行了反求. 最后, 通过与实验曲线的对比验证了所提出的反演方法的有效性, 并引入决定系数R2对两种模型的预测准确性进行了对比评估, 检验了模型对各本构参数的预测性能, 分析了MSnHS本构模型中各参数影响软骨细胞力学响应的重要性占比. 结果表明, 本研究提出的本构参数反演方法能够有效获取软骨细胞的本构参数值, 从而准确描述软骨细胞的时间依赖性力学特性, 该方法也可进一步推广到生物细胞在静态或动态负载条件下的复杂参数反演问题.      

高斯牛顿技术求解偶应力反问题

建立了便于敏度分析的偶应力反问题数值求解模型,给出了直接法和伴随法两种敏度计算格式.在反演计算中采用了高斯牛顿技术对未知本构参数进行识别,探讨了测点数目、初值选取和数据噪音对反演结果的影响,数值算例给出了令人满意的结果.     

基于子结构的非线性参数系统动力反演方法研究

研究了输入、输出不完备情况下的非线性参数系统动力反演问题.将子结构技术与分解算法相结合,引入广义逆,无需迭代.直接求得待识别参数的极小范数最小二乘解,反演获得未知输入荷载.本文从理论上论证了该方法的收敛性和严格的适用条件,为有限测点条件下非线性参数系统的动力反演问题提供了一个较好的解决方法.与全量补偿算法相比,计算效率大大提高,具有广泛的工程实际应用前景.数值算例表明该方法具有很好的参数识别精度及荷载反演效果.     

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。     

基于尾流时程目标识别的流场参数选择研究

浸入流场中的固体壁面会形成高度复杂且具有一定特征的尾流流场, 利用尾流所包含的信息对物体的外形特征进行识别具有重要的应用价值. 然而, 在较高雷诺数情况下尾流流场形态及其时序特征复杂, 难以通过传统的数学物理方法对流场信号进行特征的识别与提取. 本文提出了基于尾流时程数据深度学习的流场特征提取与分析方法, 实现了基于一点的物理量时程进行流场中物体外形的识别; 同时, 对流场中不同物理参数时程的识别精度与识别结果进行分析与研究, 得到适用于目标识别的最优物理量参数. 通过对圆柱和方柱的尾流数据研究结果表明, 本文提出的基于卷积神经网络的模型具有好的训练收敛性和高的预测精度, 能够识别并提取得到时程数据中包含的流场特征, 采用流场横向速度时程作为物体外形识别信号的模型准确率高. 证明了本方法用于浸入流场中物体外形识别的可行性, 是一种目标识别的高精度方法.      

基于SBFEM和深度学习的裂纹状缺陷反演模型

结构内部缺陷的识别是结构健康监测的重要研究内容, 而当前以无损检测为主的结构安全检测多以定性分析为主, 定量识别缺陷的尺度较困难. 本文将比例边界有限元法(scaled boundary finite element methods, SBFEM)和深度学习相结合, 提出了基于Lamb波在结构中传播时的反馈信号定量识别结构内部裂纹状缺陷的反演模型. 通过随机生成缺陷信息(位置、大小), 采用SBFEM模拟Lamb波在含不同缺陷信息的结构中的信号传播过程, SBFEM仅需对结构边界离散可最小化网格重划分过程, 大大提高了计算效率. Lamb波在含裂纹状缺陷结构中传播时观测点的反馈信号包含大量的裂纹信息, 基于这一特性可为深度学习模型提供足够多的反映问题特性的训练数据. 建议的缺陷反演模型规避了传统反分析问题的目标函数极小化迭代过程, 在保证计算精度的前提下大大减少了计算成本. 对含单裂纹和多裂纹板的数值算例进行分析, 结果表明: 建立的缺陷识别模型能够准确地量化结构内部的缺陷, 对浅表裂纹亦有很好的识别效果, 且对于含噪信号模型仍具有较好的鲁棒性.      

基于手机惯性传感器与多特征CNN的驾驶行为识别算法

不良驾驶行为识别对于减少交通事故的发生及实现智能交通具有重要意义。针对目前驾驶行为识别精度不高及系统稳定性不好问题,提出了一种基于多特征卷积神经网络和智能手机惯性传感器的新型驾驶行为识别方法。通过获取手机惯性传感器数据,利用多特征卷积神经网络对数据集进行特征提取和分析,来实现对多种驾驶行为的识别。最后,利用实际采集的车载数据进行不同方法试验对比,该算法对驾驶行为的分类精度达到97.14%,在识别精度上有一定优势。此外,MFCNN测试结果的方差仅为0.014 391,小于其它3种网络模型,可见所研究的网络模型及方法更加稳定可靠。     

外部圆形裂纹轴对称结构弹性分析的多神经网络联合训练方法

轴对称结构裂纹弹性力学分析是工程实践中重要而基础的问题,相比传统有限单元法,提出一种新的数值求解方法,从而提高计算精度和效率,得到了学者们的广泛关注。本文对于具有应力边界的规则外部圆形裂纹轴对称结构,根据弹性理论,归结为求解具有边界条件的相容方程。将应力函数假设为统一的神经网络形式,根据相容方程及边界条件与应力函数的微分关系分别构造应力函数表示的相容方程及应力边界条件的神经网络结构。通过多神经网络联合训练,提取网络参数,从而实现应力分量的求解。在本文中,针对轴对称结构裂纹给出了极坐标系下的神经网络求解方法。数值算例表明,相比传统有限单元法,本文方法在计算精度和效率上都有其优越性。     

实验数据反演识别分析方法与力学表征

本文给出了两类基于实验(实测)数据的反演识别方法,简述了其在界面力学性能及工程实测数据分析中的应用.在粘接界面力学性能的反演识别实验研究中,基于不同加载速率的实验曲线,结合参数化界面力学模型,通过反演识别给出粘接界面力学性能参数,并对识别结果的适定性进行独立的实验验证;在基于工程实测数据的反演识别与力学建模方面,在分析盾构装备载荷特点的基础上,对海量的实测数据统计分类,提出了力学量纲分析的建模方法,并应用于盾构掘进载荷的反演识别研究.     

基于神经网络的组合导航系统状态估计

在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,为此提出了引入Elman神经网络。描述了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比。最后以INS/GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计。仿真结果证明了该法的有效性和实用性。     

基于反向传播神经网络的疲劳裂纹扩展分析

材料发生疲劳断裂时往往会引起重大安全事故,而基于传统数值模拟方法求解疲劳裂纹扩展问题时模 型复杂、计算量大．本文基于包含多隐层的反向传播神经网络分析金属材料疲劳裂纹扩展行为,计算了裂纹扩 展过程中的 von Mises应力场和位移场,并与数值解和实验解进行对比,误差分析结果表明其求解精度高．并 基于该神经网络有效预测了裂纹扩展中裂纹长度及裂纹扩展速率的变化过程,预测精度高．该神经网络分析方 法可为材料剩余寿命和疲劳强度预测提供研究基础．     

岩石力学与工程问题的DDA和NMM模拟研究进展

全面回顾了非连续变形分析(DDA)方法与数值流形方法(NMM)在岩石力学与工程问题模拟领域的研究与应用进展。首先论述了相关理论与算法的研究现状,包括DDA中旋转虚假体积膨胀及能量损耗问题的解决,开裂破坏模拟的子块体单元DDA方法和节点DDA方法,以及颗粒DDA方法的发展等;也包括对NMM开裂破坏模拟能力及双重覆盖系统的研究,无网格NMM及粒子NMM的发展等;其中还涉及单纯形积分、高阶方法、材料本构模型、显式与并行计算的研究等;此外还对接触相关问题的研究进行了专门论述。随后,对DDA与NMM在岩体边坡失稳与落石、地下岩体结构的变形与破坏、应力波传播与岩石爆破、岩体结构地震破坏与失稳及岩体锚固工程领域的代表性研究与应用工作进行了详细论述。在此基础上,凝练和论述了DDA和NMM研究与应用面临的主要问题与挑战,包括计算控制参数、计算效率、多物理场、三维方法、程序的商业化开发等,并给出了相应的对策建议。     

基于GABP的压力容器表面裂纹断裂研究

压力容器在长期运行过程中表面裂纹问题难以避免,进行基于断裂分析的安全评估对压力容器的稳定运行具有较强的现实意义.针对二维J-积分理论难以应用于表面半椭圆裂纹,数值模拟耗时冗长的问题,论文提出一种采用三维J-积分量化压力容器表面裂纹尖端应力强度,再结合神经网络进行预测的安全评估方法.通过有限元方法计算了1200例不同几何尺寸、裂纹尺寸和内压载荷的含表面裂纹的压力容器问题,分析了半椭圆裂纹尖端三维J-积分结果,构建修正系数F表征材料性能、裂纹尖端奇异性以及容器几何特征对三维J-积分的影响.基于生成的机器学习数据集,搭建反向传播神经网络(BPNN)模型,采用遗传算法优化,形成GABPNN预测模型.结果表明：BPNN和GABPNN模型预测精度高达96%以上,在未知数据上亦可以取得较为准确的结果,可以高效地预测裂纹尖端三维J-积分,对于实现计算机辅助压力容器安全性现场快速评定提供新的思路和方法.     

基于Elman型神经网络的金川二矿地表岩移时序预测 模型

建立于煤矿开采基础之上的矿山开采沉陷理论和预测方法并不适用于象金川这样厚大、陡倾的金属矿床开采的岩移问题,因此,本文探讨利用神经网络来对地表岩移进行预测。根据Elman神经网络能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,提出了利用Elman神经网络建立地表岩移时序预报模型的方法。利用金川二矿区GPS监测所得到的时间序列数据,通过对Elman神经网络模型预测值与GPS实测值之间的比较,结果表明模型预测显示了良好的准确性,特别是在时间步长较短情况下,应用于实际预测一定程度上可以弥补金属矿山岩移预测方法不足的缺憾。     

一种基于复变量求导法的岩土体抗剪强度参数反演新方法

边坡稳定性分析中,岩土体(含结构面)抗剪强度参数的确定至为重要.工程实践中利用边坡上实测的位移数据反演岩土参数是一种理想的参数确定方法.当前采用的位移反分析方法在反演弹性模量、泊松比及地应力等参数时已经取得了较好的成果,但在反演抗剪强度参数时仍未获得理想的结果.本文针对岩土体抗剪强度参数反演中所存在的困难,将复变量求导法、优化方法以及岩土弹塑性有限元法结合起来,提出一种适用于岩土体抗剪强度参数的反演分析新方法,通过测点实测位移反演计算出岩土体的抗剪强度参数.算例结果表明,该方法具有较高的计算精度和搜索效率,是一种值得推广的位移反分析方法.     

梁裂纹的识别——最优控制理论的应用

本文研究在已知振源及某测点的振动数据下如何识别弹性梁的裂纹.首先将问题转化为分布参数系统的优化问题.再应用脉冲变分原理得到新的梯度公式及优化算法.文末附有仿真例题.与传统的探伤方法比较,该方法充分利用了振动波的动态讯息,对振源的要求比较宽,可作为在线探伤仪的设计基础.