黄土损伤与流变耦合模型及参数研究

以试验为基础,对不同含水量Q3黄土的蠕变特征进行了分析研究,结合黄土结构损伤特性及其对黄土力学特征影响,通过考虑结构损伤对变形模量的劣化来反映黄土结构性对蠕变规律的影响,提出了黄土损伤与流变耦合作用的本构模型。该模型不仅具有参数少的优点,而且能够准确描述黄土的突发性破坏特征。利用结构性软土流变的研究成果,给出了黄土流变模型参数的确定方法,并对模型参数随非饱和黄土含水量变化的规律进行了研究。数值模拟结果表明,该模型能够很好地描述黄土的加速蠕变阶段的变形特征。     

丁基橡胶粘弹性材料的非线性蠕变本构描述

对丁基橡胶ZN-17粘弹性材料进行了不同温度、不同应力水平下的蠕变实验,揭示了该材料的非线性蠕变特性。基于蠕变实验结果,对标准线性固体模型描述该材料蠕变行为的预言能力进行了评估,提出了新的非线性蠕变本构模型。通过与实验结果比较,表明新模型能较好地描述该材料的非线性蠕变特性。     

基于级连相关神经网络的人工冻土本构模型1）

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.     

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.     

一种新的岩石非线性黏弹塑性蠕变模型研究

为了克服传统元件组合模型不能描述岩石蠕变过程中非线性特征的缺陷，首先根据加速蠕变阶段的应变和应变率随蠕变时间急剧增大的特点，建立黏塑性应变与蠕变时间的指数函数关系并提出非线性黏塑性体．将该非线性黏塑性体与广义Burgers蠕变模型串联，建立可以描述岩石全蠕变过程的非线性黏弹塑性蠕变模型，根据叠加原理得到一维应力状态下的轴向蠕变方程．然后基于塑性力学理论指出岩石三维蠕变本构方程建立过程中的不足之处，并给出非线性黏弹塑性蠕变模型合理的三维蠕变方程．最后采用不同应力水平下砂岩轴向蠕变试验对模型合理性进行验证，结果表明：拟合曲线与试验曲线吻合度较高，所建蠕变模型能够很好地描述砂岩在不同应力水平下的蠕变变形规律，尤其对加速蠕变阶段的非线性特征描述效果很好，验证了模型的合理性．     

基于Weibull分布的盐岩分数阶蠕变本构模型研究

采用流变程控仪对湖北江汉油田盐岩试样进行了三轴蠕变实验。基于Weibull随机分布获得岩石损伤变量随加载时间的变化形式,构建了变黏性系数Abel粘壶本构关系。基于分数阶微分理论,采用将变黏性系数Abel粘壶替代西原正夫模型中Newton粘壶的方法,建立了盐岩蠕变损伤本构模型,并采用最小二乘法拟合获得了该本构模型中的参数。通过拟合曲线对比发现,本文提出的盐岩分数阶蠕变本构模型在描述盐岩的蠕变全过程,尤其是加速蠕变过程中具有较明显的优势,并且验证了西元正夫模型为本文所提出的本构模型的一个特例。     

岩石非线性黏弹塑性蠕变模型研究

为了全面描述岩石蠕变的全过程,将非线性黏塑性模型与Burgers模型串联组成一个新的六元件非线性黏弹塑性蠕变模型。在黏塑性模型的蠕变量与时间呈幂函数关系的情况下,该蠕变模型可以很好地反映岩石的加速蠕变特性。利用已有文献对长山盐矿进行的单轴压缩蠕变试验结果,对所建立的非线性黏弹塑性蠕变模型的六个蠕变参数进行识别,所得结果与试验结果拟合度在0.959以上,表明了本文所建立的岩石非线性黏弹塑性蠕变模型的合理性与正确性。     

基于进化多项式回归方法的土体本构关系

进化多项式回归方法是近几年来在国际上引起广泛关注的一种新颖的数据挖掘方法。本文在土样固结排水试验数据的基础上,首次使用该方法建立了土体本构关系。采用上海嘉定区某地软土的固结排水试验结果对模型进行了验证。结果表明,该本构关系能够更精确地描述土体的应力-应变特性,其预测精度比修正剑桥模型高19.6%~57.7%。另外,本文还用切线刚度法,对基于进化多项式回归方法的土体本构关系进行了ABAQUS二次开发,对软土固结排水试验进行了有限元数值模拟。     

改进的非定常Bingham岩石蠕变模型及参数辨识

传统Bingham模型适用于描述蠕变的前两个阶段,为了更加准确地描述岩体蠕变的三个阶段,本文提出了一种改进的非定常Bingham蠕变模型,并推导出其蠕变本构方程．该模型在传统Bingham模型的基础上串联一个非定常黏壶元件,并考虑岩体弹性模量及原有黏壶元件蠕变参数的非定常化．基于该模型对泥岩的蠕变试验曲线进行拟合及参数辨识,结果表明该模型具有较高的拟合精度,可以准确地描述泥岩蠕变的三个阶段,并实现了在数值软件中的应用,为实际工程提供了一种简单有效的蠕变本构模型．     

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.      

An Approach to Constructing a Rheological Model of a Strain-Hardening Medium

The one-dimensional constitutive equations of strain-hardening materials subject to nonlinear creep are derived. The solution is found using the hypothesis of unified deformation curve based on the similarity of the tensile and isochronic creep curves. A generalized rheological model is constructed which accounts for the instantaneous strain rate, loading rate, and the mode of strain hardening. This model is used to derive one-dimensional constitutive equations for linear viscoelastic, nonlinear viscoelastic, and linear- and nonlinear-hardening viscoelastoplastic materials. It is shown that the creep of linear viscoelastic and linear-hardening viscoelastoplastic materials is transient. For nonlinear viscoelastic and nonlinear-hardening viscoelastoplastic materials, all the characteristic stages of creep are present     

基于转角模态和小波神经网络的连续梁损伤识别研究

基于小波奇异性检测原理和神经网络非线性映射能力,结合结构基本模态参数,提出了一种结合小波神经网络与结构转角模态的损伤识别方法．首先,建立三跨连续梁的有限元模型获取结构模态参数,并对其进行Mexihat小波变换,通过系数图突变点判断结构损伤位置．然后,将小波系数模特征向量作为BP神经网络的输入,分别研究了该方法在单损伤和多损伤工况下的识别能力．最后将不同工况下神经网络预测值与结构实际损伤程度进行对比,得到单处损伤预测误差平均值为0.22%,多处损伤预测误差平均值分别为0.22%和0.18%,结果表明该方法在结构损伤识别方面的有较高有效性及精确度．     

A RHEOLOGICAL CONSOLIDATION MODEL FOR SOFT CLAY WITH CONSIDERATION OF TEMPERATURE AND THE ANALYTICAL

基于四元件流变模型,考虑温度影响,建立了宁波软黏土流变固结模型,并利用拉普拉斯变换得到瞬时加载条件下的考虑温度 影响的饱和软黏土流变固结解析解;利用不同温度下软黏土的流变固结试验结果,拟合获得了四元件流变模型参数,进行编程得到理论值, 并与试验值进行对比. 结果表明：该模型能较好反映宁波软黏土流变固结特性,计算结果与试验结果较为吻合.温度的升高导致渗透系数增大,在相同的时间内孔压消散 越快, 固结 越快.     

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.      

滑动轴承非线性油膜力的神经网络模型

在已有的滑动轴承非线性油膜力数据库基础上 ,将轴承的位置和速度参数加以综合 ,利用变量状态空间变换将分段的油膜力数据转换成连续的数据空间 ,建立非线性油膜力连续型数据库和相应的网络模型 .以圆轴承 -转子系统为例 ,分别采用有限差分法、数据库法和 BP网络模型计算了轴承系统的非线性油膜力和轴心轨迹 .结果表明 ,网络模型计算结果与基于数值方法的结果较为吻合 ,可以显著地提高轴承系统的计算效率