基于深度学习和细观力学的颗粒材料本构关系研究

颗粒材料的本构关系对岩土工程等众多领域至关重要. 不同于传统的唯象本构理论, 本文基于机器学习模型探索了一种细观力学理论指导下的数据驱动型颗粒材料本构关系预测方法. 根据Vogit均质化假设, 建立了小应变条件下颗粒材料应力?应变解析关系, 此关系唯一地确定了一组与颗粒材料本构行为相关的细观组构变量. 这些变量与反应颗粒材料宏观性质的主应力和主应变信息通过一系列离散元三轴压缩数值试验获得. 考虑到细观组构变量为内变量, 不能直接作为本构模型的输入. 本文基于有向图方法将颗粒材料微观结构信息隐式地包含在应力?应变的预测当中, 并采用门控循环单元(GRU)循环神经网络作为基础深度学习模型描述有向图中结点之间的映射关系. 通过将有向图从目标节点沿源节点展开, 整个应力?应变预测模型可由两个神经网络分别训练并组装而成. 将训练后的深度学习模型在全新的数据集上进行测试, 结果表明该训练策略能有效捕捉到颗粒材料在常规三轴任意加卸载, 等中主应力系数b的真三轴加载, 和等平均有效应力p的真三轴加卸载等复杂多轴加载工况下的应力?应变响应关系, 模型具有良好的内插和外推预测能力. 考虑到深度学习模型捕捉颗粒材料力学响应的能力及其开放式学习的特点, 充分结合数据驱动方法和理论本构模型可能是颗粒材料本构研究的一个重要方向.      

基于统一强度理论的岩石弹塑性本构模型及其数值实现

基于弹塑性力学理论,以统一强度准则为屈服准则,建立了考虑硬化/软化行为和应变率效应的岩石弹塑性本构模型;采用Fortran语言通过LS-DYNA的用户自定义材料接口(Umat)对该弹塑性本构模型进行编程,并把该程序生成求解器以达到对该模型进行应用的目的;通过岩石的单轴压缩实验和SHPB实验对所建的弹塑性本构模型进行验证,结果表明,该弹塑性本构模型能够反映岩石在准静态和动态下的力学行为。     

考虑温度影响的混凝土弹塑性本构模型及其应用

基于弹塑性理论的框架,引入热力学中的自由能概念,建立了考虑温度影响的混凝土弹塑性本构模型。假设混凝土为弹塑性解耦材料,通过采用包含温度的自由能函数建立了弹性应力-应变关系的表达式;基于Drucker-Prager强度准则构造屈服函数,以塑性剪应变作为硬化参量,通过在硬化规律中引入温度变量来反映温度对混凝土塑性性质的影响,得到了塑性应力-应变关系的表达式。基于ABAQUS有限元软件平台,应用半隐式回映算法编制了上述弹塑性本构模型的UMAT子程序,完成了该模型的程序实现。通过对C20及C40混凝土单元在不同温度条件下单轴压缩与双轴压缩的数值模拟,并将模拟结果与已有文献试验结果进行了对比,二者符合较好,验证了该模型的正确性。应用该模型模拟混凝土材料的力学特性,开展了不同温度下集中荷载作用的混凝土简支梁及混凝土轴心受压柱力学响应的数值模拟。计算结果表明,随着温度的升高,相同荷载作用下混凝土构件的力学响应逐渐增大,反映了混凝土材料的力学性能随着温度的升高逐渐退化,这符合不同温度条件下混凝土构件力学响应的基本规律。     

水泥土细观破裂过程的实时观测试验

利用中科院武汉岩土力学研究所的岩石破裂过程细观力学实验系统,对不同水泥掺量的水泥土试件进行了单轴压缩细观实验,该试验系统可通过显微镜和数码视频装置实时观测水泥土试件的细观结构及其破坏的全过程,试验得到了水泥土破裂过程中的细观图像及其相应应力应变关系曲线.分析了不同水泥掺量的水泥土试件的细观破坏特征及其与宏观力学行为的关系,研究为水泥土细观损伤本构模型的建立提供了实验依据.     

结构与土接触面的弹黏塑性本构模型

基于Goodman接触面单元,在Clough--Duncan双曲线关系式的基础上改进了三元件宾厄姆体,建立了结构与土接触面的弹黏塑本构模型,使用ABAQUS的FRIC子程序对该模型进行了二次开发.通过改装的应力控制式结构-土接触面剪切试验仪进行了接触面长期剪切试验,验证了该接触面本构模型.研究结果表明:结构与土接触面的弹黏塑本构模型能较好地模拟接触面的力学特性和时间效应;正应力对结构与土接触面的力学行为影响较大,正应力越大,接触面的时间效应越显著.     

土体的本构模型和超重力物理模拟

数值模拟和物理模拟是分析土体沉降和稳定性的主要手段. 本构模型作为描述土体应力应变关系的数学表达式, 是数值模拟的基础. 土体具有碎散性, 这一基本物理特性导致了其具有压硬性、摩擦性和剪胀性, 这是土的力学特性区别于金属的主要特征, 在土体的本构模型中必须反映这3个基本特性. 传统土力学将土体的变形和强度分离考虑, 分别采用弹性理论和基于刚塑性模型的极限平衡理论分析, 虽然应用广泛, 但由于不能全面地反映土的基本力学特性, 计算结果的精度常常难以满足定量分析的需要. 剑桥模型作为第一个全面反映压硬性、摩擦性和剪胀性的弹塑性本构模型, 实现了变形和强度的统一, 能较好地描述饱和正常固结黏土的应力应变关系, 被视为是现代土力学的开端; 统一硬化模型通过引入一个独特的硬化参数进一步发展了剑桥模型, 将适用范围扩大到超固结黏土. 作者认为, 未来岩土体本构模型研究的挑战是: 如何考虑岩土体在受力过程中土骨架相变与多场耦合, 以解决目前本构模型尚无法定量分析的能源、交通、环境和水利相关的重大岩土工程问题. 超重力物理模拟具有缩尺效应和缩时效应, 克服了常重力物理模拟中模型的应力水平低于原型的缺点, 特别适用于大尺度、长历时问题的模拟. 相较数值模拟, 超重力物理模拟的优势在于能够检验本构模型的合理性, 揭示本构模型无法描述的未知特性. 最后, 介绍了采用数值模拟和物理模拟联合分析大直径钢管桩水平受荷特性的工程案例.      

CONSTITUTIVE MODELS AND HYPERGRAVITY PHYSICAL SIMULATION OF SOILS$^{\bf 1)}$

数值模拟和物理模拟是分析土体沉降和稳定性的主要手段. 本构模型作为描述土体应力应变关系的数学表达式, 是数值模拟的基础. 土体具有碎散性, 这一基本物理特性导致了其具有压硬性、摩擦性和剪胀性, 这是土的力学特性区别于金属的主要特征, 在土体的本构模型中必须反映这3个基本特性. 传统土力学将土体的变形和强度分离考虑, 分别采用弹性理论和基于刚塑性模型的极限平衡理论分析, 虽然应用广泛, 但由于不能全面地反映土的基本力学特性, 计算结果的精度常常难以满足定量分析的需要. 剑桥模型作为第一个全面反映压硬性、摩擦性和剪胀性的弹塑性本构模型, 实现了变形和强度的统一, 能较好地描述饱和正常固结黏土的应力应变关系, 被视为是现代土力学的开端; 统一硬化模型通过引入一个独特的硬化参数进一步发展了剑桥模型, 将适用范围扩大到超固结黏土. 作者认为, 未来岩土体本构模型研究的挑战是: 如何考虑岩土体在受力过程中土骨架相变与多场耦合, 以解决目前本构模型尚无法定量分析的能源、交通、环境和水利相关的重大岩土工程问题. 超重力物理模拟具有缩尺效应和缩时效应, 克服了常重力物理模拟中模型的应力水平低于原型的缺点, 特别适用于大尺度、长历时问题的模拟. 相较数值模拟, 超重力物理模拟的优势在于能够检验本构模型的合理性, 揭示本构模型无法描述的未知特性. 最后, 介绍了采用数值模拟和物理模拟联合分析大直径钢管桩水平受荷特性的工程案例.     

弹性、弹塑性材料显式模拟计算中的准静态加载速度研究

摘 要：动力学显式算法采用时间积分原理,其较静力学隐式算法在强非线性问题中的适用性更广。为将此方法应用到岩土等非线性材料的计算中,考虑到显式算法中动能的影响会导致结果波动,分析动力学显式算法在模拟计算中的准静态加载速度的选取十分必要,如何在缩短模拟消耗时间与结果准确性之间寻求平衡是本文研究重点。研究中提出以加载-位移曲线的波动比来评价准静态计算效果,首先开展弹性材料的平面应变模拟试验以分析弹模、密度、泊松比、围压4个参数对准静态加载速度取值的影响,结果表明：弹模、泊松比、围压的增大会提高准静态加载速度;密度的增大则会减小准静态加载速度。通过对各影响因素与准静态加载速度的相关性分析给出了准静态加载速度取值的经验公式。最后,选取能够反映砂土复杂力学特性的弹塑性本构模型,开展其平面应变模拟试验,对比分析准静态加载速度经验公式在弹性材料与弹塑性材料中的适用性差异,并提出应用建议公式。     

压缩载荷作用下岩石的细观损伤和塑性研究

建立岩石微裂纹扩展的细观力学模型,研究了岩石的细观损伤和塑性性质.压缩载荷下微裂纹尖端翼裂纹稳定扩展表征岩石的细观损伤,采用应变能密度准则求解复合型断裂的翼裂纹扩展长度,微裂隙统计的二参数Weibull函数模型反映绝对体积应变对微裂纹分布数目影响,进而用翼裂纹扩展所表征的应力释放体积和微裂纹数目来表示含有微裂隙的岩石损伤演化变量;宏观塑性屈服函数采用Voyiadjis等的等效塑性应变的硬化函数,反映了塑性内变量对硬化函数的影响;建立岩石模型的本构关系及其数值算法,并用回映隐式积分算法编制了模型的本构程序.分析弹塑性损伤模型的围压对岩石损伤的影响,并从围压和短微裂隙长度等因素分析模型的岩石的损伤和宏观塑性特性.     

基于横观各向同性超弹性理论的短纤维增强橡胶本构模型的建立与应用Establishment and application of short fiber reinforced rubber constitutive model based on transversely isotropic hyperelastic theory

提出了一种能够表征短纤维增强橡胶的横观各向同性超弹性本构模型,并结合试验体系,对其在数值分析中的应用方法和效果进行了研究。基于连续介质力学理论,建立了横观各向同性材料的应变能函数,推导得到不同变形形式下的应力应变关系,给出材料参数辨识试验方法,并成功应用于某短纤维增强橡胶测试中,得到表征其超弹性特性的相关材料参数。利用有限元软件ANSYS对不同纤维排布方向的单轴拉伸和平行纤维方向的平面拉伸进行仿真计算,并对比相应试验数据,以验证材料参数的可靠性。最后基于已验证的本构模型,建立了某铣槽装备减振环仿真模型,并对其进行了校核计算。研究结果表明,本文提出的本构模型能够有效表征短纤维增强橡胶的静态力学特性并且方便嵌入现有的有限元软件中,具有材料参数少、测试简便和结果准确等特点,工程实用性强。     

数据驱动梯度结构材料弹塑性本构

梯度结构材料因其优异的力学性能被广泛应用于工程结构中.论文整合塑性理论和人工神经网络技术,发展了一种构建梯度结构材料弹塑性本构模型的新方法.该方法基于梯度结构材料不同位置的微结构,构建不同代表性体积单元,进而生成应力应变数据,应用生成的数据训练人工神经网络,建立基于神经网络的材料本构模型.应用该方法,论文开展了针对实际...     

计算机透析成像技术在岩土工程中的应用

系统综述了计算机透析成像技术（CT）的基本原理及其在岩土工程中的应用现状,包括CT的图像重建理论、CT图像分析的进展、岩土材料损伤的探测方法、岩土材料结构变化的动态监测、岩土材料本构模型的建立等方面。     

Artificial neural network prediction to the hot compressive deformation behavior of Al–Cu–Mg–Ag heat-resistant aluminum alloy

The behavior of the flow stress of Al-Cu-Mg-Ag heat-resistant aluminum alloys during hot compression deformation was studied by thermal simulation test. The temperature and the strain rate during hot compression were 340-500 °C, 0.001 s⁻¹ to 10 s⁻¹, respectively. Constitutive equations and an artificial neural network (ANN) model were developed for the analysis and simulation of the flow behavior of the Al-Cu-Mg-Ag alloys. The inputs of the model are temperature, strain rate and strain. The output of the model is the flow stress. Comparison between constitutive equations and ANN results shows that ANN model has a better prediction power than the constitutive equations.     

基于人工神经网络的湍流大涡模拟方法

大涡模拟方法(LES)是研究复杂湍流问题的重要工具,在航空航天、湍流燃烧、气动声学、大气边界层等众多工程领域中具有广泛的应用前景.大涡模拟方法采用粗网格计算大尺度上的湍流结构,并用亚格子(SGS)模型近似表达滤波尺度以下的流动结构对大尺度流场的作用.传统的亚格子模型由于只利用了单点流场信息和简单的函数关系,在先验验证中相对误差较大, 在后验验证中耗散过强. 近几年来,机器学习方法在湍流建模问题中得到了越来越多的应用.本文介绍了基于人工神经网络(ANN)的湍流亚格子模型的最新进展.详细地讨论了人工神经网络混合模型、空间人工神经网络模型和反卷积人工神经网络模型的构造方法.借助于人工神经网络强大的数据插值能力,新的亚格子模型的先验精度和后验精度均有显著提升. 在先验验证中,新模型所预测的亚格子应力的相关系数超过了0.99,在预测精度上远高于传统的大涡模拟模型. 在后验验证中,新模型对各类湍流统计量和瞬态流动结构的预测都优于隐式大涡模拟方法、动态Smagorinsky模型、动态混合模型等传统模型.因此, 人工神经网络方法在发展复杂湍流的先进大涡模拟模型中具有很大的潜力.      

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.     

Spatial artificial neural network model for subgrid-scale stress and heat flux of compressible turbulence

The subgrid-scale(SGS) stress and SGS heat flux are modeled by using an artificial neural network(ANN) for large eddy simulation(LES) of compressible turbulence. The input features of ANN model are based on the first-order and second-order derivatives of filtered velocity and temperature at different spatial locations. The proposed spatial artificial neural network(SANN)model gives much larger correlation coefficients and much smaller relative errors than the gradient model in an a priori analysis. In an a posteriori analysis, the SANN model performs better than the dynamic mixed model(DMM) in the prediction of spectra and statistical properties of velocity and temperature, and the instantaneous flow structures.     

RESEARCH OF CONSTITUTIVE RELATION CORRECTION OF GEOTECHNICAL MATERIALS AND THEORETICAL SOLUTION DUE TO PILE-SOIL INTERACTION

地基土的变形模量值不仅和土层所受的先期固结压力大小直接相关, 还受桩土作用产生的附加体积应变的影响.首先, 针对岩土散体材料分析其本构关系的主要影响因素, 研究模量随埋藏深度和体积应变的变化规律, 并对Duncan-Chang本构模型进行抗拉模量值修正.其次, 综合考虑岩土材料拉压模量不等修正以及桩土作用位移边界特点, 应用变分理论推导桩土作用造成的位移、应变和应力场理论解答.最后, 应用已有的经典土压力理论和小孔扩张理论对理论推导结果进行对比和分析验证.研究结果对桩基础设计施工、相应环境保护措施的选择和设计有较大的指导作用.     

基于人工神经网络的亚格子应力建模

亚格子(SGS)应力建模在湍流大涡模拟(LES)中有着极为重要的作用. 传统亚格子应力模型存在相对误差较大、耗散过强等问题. 近年来, 计算机技术的发展使得人工神经网络(ANN)等机器学习方法逐渐成为亚格子应力建模型的新研究范式. 本文着重考虑滤波宽度及雷诺数影响, 在不可压缩槽道湍流中建立了亚格子应力的ANN模型. 该模型以滤波后的直接数值模拟(fDNS)流场物理量及滤波尺度为输入信息, 相应滤波尺度下的亚格子应力为输出量. 通过对不同滤波尺度及不同雷诺数数据的训练, ANN模型能够给出与直接数值模拟(DNS)高度吻合的亚格子应力. 此外, 模型在亚格子耗散等非ANN建模量上也有着优异的预测性能, 与基于DNS获得的对应物理量的相关系数大都在0.9以上, 较梯度模型及Smagorinsky模型有明显提升. 在后验测试中, ANN模型对流向平均速度剖面的预测同样优于梯度模型、Smagorinsky模型及隐式大涡模拟(ILES)等传统LES模型. 在脉动速度均方根预测方面, 除了某些法向位置外ANN模型的性能整体上相对其他3个模型有所提升. 然而, 随着网格尺度的增大ANN模型预测的结果与fDNS结果的偏差逐渐增大. 总之, ANN方法在发展高精度亚格子应力模型上具有很大的潜力.