基于人工智能方法加筋土本构模型

摘要

加筋土作为一种新型的土工结构物，具有施工简易、造价低廉、稳定性好的优点，为土木工程师提供了多方面经济适用的手段。加筋土技术已大量广泛地应用于水利、公路、铁路、港口和建筑等部门的加筋支挡结构、加筋土坡和软土地基加筋。随着土工合成材料在现代岩土工程中的应用，加筋土技术的应用更加广泛。因此，对加筋土的理论研究也就更加必要。 由于在土中加入了筋材，土的特性发生改变，加筋土的本构模型难以用先前研究素土得到的本构模型来解释，本文基于人工智能方法利用草根加筋土三轴实验数据训练智能网络，自动生成网络参数，得到了加筋土BP神经网络本构模型，RBF神经网络本构模型，ANFIS本构模型，避免了数学建模确定函数参数的困难。主要成果和结论有： （1）建立了草根加筋土BP神经网络本构模型，模型训练误差与检验误差均很小，在训练和检验过程中模型拟合曲线与试验曲线均很吻合，并用模型拟合结果修正了由试验误差引起的最大主应力与草根含量关系曲线的突变点，表明网络具有良好的容错能力和较高的精度，可以用做草根加筋土的本构模型。模型拟合得到的不同草根含量的加筋土应力应变预测曲线也满足最大主应力与草根含量关系曲线，此模型具有良好的泛发推广能力。 （2）建立了草根加筋土RBF神经网络本构模型，并讨论了训练样本规模和误差控制对网络精度的影响。训练样本规模越大，网络对数据内在规律的学习也越好。训练误差过小可能出现过拟合，导致网络的容错能力下降，误差过大又可能导致网络对训练数据内在规律学习不够。 （3）建立了草根加筋上ANFIS本构模型，模型拟合得到的不同草根含量的加筋土应力应变预测曲线光滑，且满足最大主应力与草根含量关系曲线，此模型具有良好的泛发推广能力。 （4）对比三种智能网络本构模型拟合得到的预测结果，表明ANFIS模型具有更好的拟合精度、容错能力和泛发能力，说明 ANFIS强大的推理能力能更好的提取加筋土内在规律。

目录

文摘

英文文摘

声明

第1章 绪 论

1.1概述

1.2加筋土本构模型国内外研究现状

1.2.1加筋土筋土分离本构模型

1.2.2加筋土筋土复合本构模型

1.3人工智能方法国内外研究现状

1.3.1人工神经网络的发展现状

1.3.2模糊理论的发展现状

1.4本文的主要研究内容

第2章 基于BP神经网络草根加筋土本构模型研究

2.1概述

2.2 BP神经网络基本原理

2.2.1人工神经元模型

2.2.2处理单元的激活转移函数

2.2.3 BP神经网络结构

2.2.4 BP神经网络学习过程

2.3基于BP神经网络加筋土本构模型

2.3.1试验简介

2.3.2试验结果

2.3.3 BP神经网络本构模型建模方案

2.3.4 BP神经网络模的训练

2.3.5 BP神经网络模型的检验

2.3.6 BP神经网络模型预测结果

2.4小结

第3章　　基于径向基神经网络草根加筋土本构模型研究

3.1概述

3.2径向基函数神经网络基本原理

3.2.1径向基函数

3.2.2径向基神经网络结构

3.2.3基于LMS算法的径向基神经网络设计

3.2.4基于OLS算法的径向基神经网络设计

3.3基于径向基函数神经网络草根加筋土本构模型

3.3.1训练样本规模对网络精度的影响

3.3.2训练误差控制对网络精度的影响

3.3.3 RBF神经网络模型预测结果

3.4小结

第4章 基于ANFIS的草根加筋土本构模型研究

4.1概述

4.2自适应神经模糊推理系统基本原理

4.2.1模糊集合与隶属函数

4.2.2模糊推理系统

4.2.3自适应神经模糊推理系统

4.3基于自适应神经模糊推理系统草根加筋土本构模型

4.3.1 ANFIS模型建模方案

4.3.2 ANFIS模型的训练

4.3.3 ANFIS模型的检验

4.3.4 ANFIS模型预测结果

4.4小结

结论与展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文