等p路径下砂土本构关系的归一化特性及数值建模方法

用神经网络对土体进行建模能反映应力路径相关性、反映土的剪胀剪缩以及反映体应力、剪应力对体应变、剪应变的交互影响,因而成为一种比较理想的建模方式.能否在样本有限的情况下获得精度比较高的本构模型正是主要的研究目的.通过研究中密砂在等p路径下的三轴试验曲线,发现其应力-应变关系曲线在常规应力范围内具有归一化特性.选择合适的归一化指标对砂土三轴试验数据进行归一化,以归一化的试验数据为训练样本进行神经网络训练,得到了比较理想的砂土的神经网络本构模型.本构模型仿真值与试验值符合较好,表明所给出的建模方法是合理的.提出的建模方法可以在所有试验数据的基础上自动实现概率寻优,能有效降低噪声信号的干扰、减小试验数据的分散造成的影响.

等p路径下砂土双屈服面的建模方法研究

为了降低双屈服面数值建模的成本,提高模型的精度,提出了利用中密砂在等p路径下应力-塑性应变曲线具有归一化特征进行建模的方法。该方法选择合适的归一化指标对砂土三轴试验数据进行归一化,以归一化的试验数据为训练样本进行神经网络训练,得到了比较理想的砂土的双屈服面神经网络模型。模型的仿真值与试验值符合较好,表明该文所给出的建模方法是合理的。所提出的建模方法可以在所有试验数据的基础上自动实现概率寻优,能有效降低噪声信号的干扰、减小试验数据的分散造成的影响。

砂土双屈服面的数值建模

通过研究中密砂在等p路径和增p路径下的三轴试验曲线,发现其应力-塑性应变关系曲线在常规应力范围内具有较好的量纲一化特性。选择合适的指标对砂土三轴试验数据进行量纲一化,以量纲一的试验数据为训练样本进行神经网络训练,得到了两种砂土比较理想的双屈服面神经网络模型。研究结果表明两种路径下屈服面是不同的,该方法能反映应力路径的相关性。