岩土本构模型研究的回顾和讨论

对岩土本构模型建模理论研究的发展和演化作了综述,并对几种经典本构模型进行了研究分析,以此为基础对建立岩土本构模型的方法提出了一些建议,并对当前岩土本构模型研究的发展趋势作了讨论,同时指出了建立各向异性和渗流-应力耦合作用的岩土本构模型的迫切性及其研究方向。     

岩土本构模型研究的回顾和讨论

对岩土本构模型建模理论研究的发展和演化作了综述，并对几种经典本构模型进行了研究分析，以此为基础对建立岩土本构模型的方法提出了一些建议，并对当前岩土本构模型研究的发展趋势作了讨论，同时指出了建立各向异性和渗流一应力耦合作用的岩土本构模型的迫切性及其研究方向。     

基于最小二乘支持向量机岩土本构模型的有限元分析

有限元分析在岩土工程中有着非常重要的作用,本文基于最小二乘支持向量机理论建立了岩土本构模型,并结合有限元理论分析了ABAQUS在求解非线性问题的基本原理和具体过程。利用ABAQUS中UMAT接口将最小二乘支持向量机岩土本构模型用于一隧道工程开挖实例分析,结果表明其最小二乘支持向量机本构模型用于有限元分析的可行性和优越性。     

土本构模型研究的现状及展望

土本构模型课题，是理论土力学中最基础、最重要的研究内容。正确建立并合理应用土本构模型，对于提高岩土工程的计算精度，具有重要意义。论述了土的非线性弹性模型、弹塑性模型、粘弹塑性模型、结构性及损伤模型、内时模型等研究领域的主要成就和最新进展；结合2l世纪岩土工程发展方向，对诸如建立复杂应力状态本构模型、非饱和土本构模型、结构性模型等有待深入研究的领域的发展动向进行了展望。     

基于ABAQUS的月壤有限元建模及仿真分析

在月球探测设备设计初期阶段,建立较为精确的月壤有限元模型,对于仿真和分析探测工具与月壤的相互作用情况至关重要.阐述了用ABAQUS软件建立月壤有限元模型的优越性,介绍了建模方法,包括本构模型的选择、月壤参数的确定,以及具体的建模步骤,并通过算例证明了该模型的有效性.该模型亦可转化为动力学模型,与ADAMS进行联合仿真分析.     

深基坑变形的智能预测研究

通过对自适应粒子群优化算法(APSO)和动态反馈神经网络的研究,将APSO与反馈神经网络进行了有机结合,形成了新的耦合算法“APSONN”.建立了深基坑变形期望输出与超前预测输出之间的非线性隐式方程,构建了集动态识别与超前预测为一体的智能控制模型,成功地避开了复杂的岩土工程本构关系和力学参数计算问题.     

模型参数对邓肯-张非线性弹性模型应用影响研究

岩体破坏模型重要影响因素之一是岩体本构模型,邓肯—张模型是岩土工程中应用最为广泛的土的非线性弹性本构模型.本文对邓肯-张非线性弹性模型的影响因素进行了分析,并结合实例说明,本构模型中有关参数的取值和匹配对模型的应用和工程计算均有较大影响.     

砂土弹塑性本构关系的数值建模研究

基于反问题理论的岩土本构关系数值建模方法，对砂土弹塑性本构关系的数值建模进行了研究．根据三轴试验结果，利用神经网络反演法，获得了整个应力场(p，q)的应力应变关系，并进行可视化，绘出应力应变关系的三维曲面及相应的屈服轨迹．特别研究了3种应力路径对应力应变关系和屈服轨迹的影响．不同应力路径下获得的本构关系三维曲面和屈服轨迹直观地反映出应力路径对土本构关系的显著作用．     

基于神经网络和遗传算法的岩体参数辨识研究

本构模型和初始参数给不准已成为岩土力学理论分析和数值模拟的“瓶颈”。目前神经网络可能会避开复杂的本构模型而成为解决岩土工程的设计和施工问题的主要途径。然而,不同的神经网络结构对模型的学习和推广预测能力有直接的影响,因此构造一个令人满意的神经网络模型至关重要。本文结合遗传算法对神经网络结构进行优化,并用后验差检验方法对搜索到的神经网络结构进行测试;结合遗传算法,用测试好的神经网络结构代替常用的有限元数值方法进行岩体参数的辨识;最后,用实例较为详细地证明了这种方法的可行性。     

等主应力比路径砂土的弹塑性本构方程

为了模拟填土工程中土体的变形,需要建立在等主应力比应力路径下的本构模型.采用数值建模方法建立等主应力比路径下砂土的弹塑性本构方程.该模型能够反映填土施工中应力路径的影响.通过可视化,绘出了整个应力场中的三维变形曲面.通过与CTC路径下的变形曲面比较,发现两者之间存在显著差别,验证了应力路径对本构关系的影响是不可忽略的.     

等主应力比路径下砂土弹塑性本构关系的数值建模

按照数值建模理论,建立了砂土在等主应力比路径下的弹塑性本构模型,给出了塑性体应变和塑性剪应变两组屈服轨迹,模型的建立为工程提供了一个符合土体中实际发生的应力路径的本构方程.同时,通过与常规三轴压缩路径和等p路径(TC)下的应力应变关系曲面和屈服轨迹的对比,发现三者之间存在着显著差别,证实了应力路径对本构关系的影响是不可忽略的.     

砂土弹塑性-损伤本构关系的数值建模

认为岩土介质变形中出现的剪胀现象实质上是一个损伤过程.通过中密砂的三轴压缩试验,发现其在剪胀后,弹性模量和剪切模量大幅度下降,这进一步证实了剪胀的确是个损伤演化过程.引进了一个损伤变量描述这个过程,结果表明,损伤程度相对塑性体积应变的变化速率与初始固结压力相关,且随压力增大而减小.同时利用数值建模方法建立了砂土的弹塑性-损伤模型,考虑了弹塑性变形与损伤的耦合效应,获得了相应的应力应变关系及它的三维曲面.     

基于神经网络的纳米光子结构逆设计

同扫描参数优化的方法相比,神经网络模型可以在设计误差很小的情况下大大提高结构逆设计的效率。在模拟器与发生器串联的复合模型基础上,提出了2种有效的神经网络复合模型:基于生成对抗思想引入评价模块的复合模型和基于多任务学习增加模拟器模块的复合模型。在传输矩阵法模拟的数据集上进行有效训练后,将2个模型应用于多层薄膜吸收光谱的逆设计,并用具有特殊形状的目标光谱验证了2个模型的逆设计结果。最后,利用多任务串联网络模型设计了多层太阳能吸收器结构参数,在300~1500nm范围内,平均吸收率可达96%。     

Digitalization Modeling System for Constitutive Relation of Geomaterial

1 Introduction The classic theory of plasticity for metal is just a particular case of the general constitutive model for geomaterials[1]. It’s very difficult to acquire an effective constitutive model because its validity rests with many characteristics of geomaterials. It’s very difficult to make certain deformation of specimens in conventional soil tri-axial compression tests because some disadvantages exist in the experiment principles, approaches and instruments [2–3]. The axial deform…     

面向协作机器人的零力控制与碰撞检测方法研究

为了解决协作机器人柔顺交互控制问题，本文对机器人的零力控制和碰撞检测方法进行了深入研究。首先将逆运动学问题转化为（Newton-MP）广义逆和牛顿下山法的迭代求解问题。其次，针对协作机器人的零力控制问题，建立了基于速度三次摩擦力模型的完全动力学方程。对摩擦力模型进行遗传算法多参数辨识。再次，提出了基于One-Class卷积神经网络的碰撞检测方法，构建了无碰撞数据集，解决了传统碰撞检测方法建模不准确的问题。最后，通过实验证明，本文提出的Newton-MP优化方法具有良好的性能，绝对误差达到0.00013mm。与理想摩擦力模型进行对比，采用基于速度的三次摩擦力模型拟合出的摩擦力能够更好适用于零力控制。将外力矩观测器与One-Class卷积神经网络碰撞检测进行优缺点分析，可以证明One-Class卷积神经网络可以在不依靠模型的情况下，准确地检测机器人的异常碰撞。     

Numerical study of the semi-circular bend dynamic fracture toughness test using discrete element models

The semi-circular bend(SCB) dynamic fracture toughness test is simulated using discrete element models. The influence of the frictional boundary condition, constitutive law and specimen thickness on the test measurements is investigated. It is found that friction between loading plates and the rock specimen affects the test results. Therefore, friction must be carefully considered to obtain accurate measurements. The simulation results also show that in contrast to the 2D model in which a rate-dependent cohesive law must be introduced, 3D models with a rate-independent law can produce good results. Furthermore, the study suggests that test measurements are seriously affected by specimen thickness; thus, full 3D modeling is required for simulation of the SCB test.     

基于BP神经网络的化工过程建模研究

研究使用ＢＰ神经网络来完成化工过程的建筑。一般的化工过程建模问题是非线性的问题，很多情形下，与不相有关量的变化速率数量级相差很大，从而问题是刚性的。这时，用数值方法难于对过程的变化精确求解。由于ＢＰ网络能实现任何非线性的连续映，故适于处理复杂化工建模问题，将ＢＰ神经网络用于精细塔的温度计算，结果令人满意。     

Inverse Modeling of Nonlinear Systems and Application

Manyplantsarenonlinearandtime-yaring.Itisdifficulttodescribetheseplantsinamathematicalwayprecisely.Thereforebothclassicalandmoderncontroltheoriesthatbasedonmathematicalmodelstakepooreffecton'controllingthem[11.Fortunately,neuralnetworkcontrolhasmadeg...