基于人工神经网络的非均匀固相应力模型

最小多尺度理论EMMS已经被引入多相质点网格法MP-PIC中,建立了非均匀EMMS固相应力模型.但现有的非均匀固相应力模型计算中,中间步骤繁琐且花费时间长.采用人工拟合的方式能获得非均匀固相应力表达式,但需要人为确定拟合变量和拟合函数,且针对于非均匀固相应力这种高度非线性函数所得到的拟合精度不高、用于MP-PIC模拟的结果相比原EMMS固相应力模型结果存在偏差.针对上述问题,本文提出通过机器学习的方法,规避对固相体积分数的局部分布情况的表征,并提出和建立能考虑颗粒浓度详细分布的人工神经网络ANN固相应力模型.首先,基于局部颗粒浓度和颗粒非均匀分布指数建立了双变量的ANN固相应力模型;进一步将当前网格及其周边网格颗粒浓度组成的序列来详细表征颗粒浓度分布,并建立相应的ANN固相应力模型.然后,将两种模型与EMMS固相应力模型进行了对比并测试了网格分辨率和粗化率对模型的影响.研究表明:基于ANN固相应力模型的模拟结果对EMMS固相应力模型结果有较高的还原度,同时具有一定的网格分辨率无关性和粗化率无关性.