胶结颗粒料力学行为与声发射信号特征

胶结颗粒料是由胶结流体填充密实堆积颗粒体部分孔隙得到,硬化后的胶结流体限制颗粒的转动和移动,赋予颗粒材料整体性力学行为。该文基于自流可控灌浆技术制备胶结颗粒料试样,其中采用高强度的陶瓷球作为颗粒料骨架,胶结流体为自密实水泥净浆。通过单轴压缩试验研究了胶结基质含量对胶结颗粒料力学行为的影响,同时采用声发射量测系统对试样加载过程进行监测。研究结果表明:胶结颗粒料以脆性破坏为主,峰值前的应力应变曲线可分为压密阶段和线弹性段;峰值后,低胶结量的试样存在应变硬化现象和第二峰值,第二峰值强度远低于材料的峰值强度,随着胶结基质含量的提高,应变硬化现象逐渐消失。胶结颗粒料的峰值强度随胶结基质体积分数线性变化且拟合直线通过原点。压密阶段应变长度随着胶结基质体积分数的增加呈线性增大,而胶结基质体积分数对线弹性段应变长度无明显影响。当胶结颗粒料的胶结基质含量较低时,其声发射信号主要集中在峰值点附近;提高胶结基质含量,声发射信号产生时间前移至线弹性段;进一步增加胶结基质体积分数,声发射事件在压密阶段中期出现,并在线弹性段快速增强后维持在高水平。该研究成果有助于进一步理解胶结颗粒料的力学行为,同时对砂岩、砾岩、堆石混凝土和灌浆胶结砂土也具有重要参考价值。     

基于GA-BP神经网络的拱坝地震易损性分析

拱坝在其生命周期内可能会承受强烈地震,其地震易损性引起了广泛的关注。一般而言,采用非线性有限元法进行拱坝的地震易损性分析,需要大量的计算工作量。该文提出了一种预测拱坝地震响应的方法——基于遗传算法(genetic algorithm, GA)的多层前馈(back propagation, BP)神经网络,该方法可以替代部分非线性有限元分析计算,显著减少计算成本。以大岗山拱坝的易损性分析为算例,基于已有的390个有限元非线性动力分析工况数据,将结构的响应设定为BP神经网络的输出,地震强度参数IM作为输入,进行BP神经网络的训练和验证。结果表明,该文提出的GA-BP神经网络采用390个有限元结果中的30%的数据进行训练,即可得到满足精度的预测结果,给出合理的拱坝地震易损性曲线,说明采用GA-BP神经网络后可节省70%的非线性有限元计算成本。