粘土本构模型的数值化建模方法

摘要

基于反问题中的模型辨识理论,用神经网络方法,建立了一个考虑应力路径影响的粘性土神经网络本构模型.这种模型除了能反映出土的剪胀性和剪缩性,而且还能自由地选择应力路径并把它的影响存储到网络中.另外还将粘性土的神经网络模型嵌入到有限元的计算程序中,作了三轴试样的本构模型正向模拟和桩基沉降的实例计算.这里所采用的建模方法是一种数值化方法.利用计算机,通过训练神经网络可以从大量实验数据中直接提炼出土的本构规律.获是的成果如下:(1)将数值建模方法推广到粘性土,建立了粘性土的神经网络本构模型.(2)采用了最新出现的神经网络结构-径向基函数网络(RBF),该网络具有收敛速度快,精度高和不会出现BP网络的局部极小问题.因此大大提高了建模的效率.(3)所建立的本构模型是使用了相当大的应力路径范围内实验数据训练得到的,能更好地模拟土体中真实的应力路径.通过工程实例计算比较,反映出应力路径对本构关系的影响是显著的.

目录

文摘

英文文摘

1绪论

1.1岩土本构模型简介

1.2人工神经网络简介

1.3课题的研究意义

1.4研究方案和主要研究工作

2岩土本构关系和反问题研究

2.1应力与应变

2.2岩土应力—应变模型

2.3岩土本构模型的反问题理论

3智能科学的若干基本理论

3.1神经网络模型与学习算法

3.2径向基函数神经网络

3.3 BP神经网络

3.4人工神经网络应用在岩土数值计算中意义

4粘土的常规三轴试验

4.1粘土物理指标测定的土工试验

4.2试验数据的整理和分析

5粘土的神经网络本构模型

5.1非线性神经网络模型

5.2神经网络本构模型的建立

5.3RBF网络与BP网络比较

6粘土本构模型的有限元—神经网络耦合模拟

6.1三轴试样的神经网络正向模拟

6.2桩基沉降计算

6.3结论

7结论与展望

致 谢

参考文献

附录1攻读硕士学位期间的发表论文目录