形状记忆聚合物的宏观力学本构模型

建立有效描述形状记忆聚合物（Shape Memory Polymer,SMP）的热力学行为、且便于工程应用的宏观力学本构模型具有理论和工程意义.在前期研究的基础上,应用固体力学和热黏弹性理论建立了描述复杂应力状态下SMP在实现形状记忆效应热力学过程中,即在高温变形过程、应力冻结过程、低温卸载过程和形状恢复过程中热力学行为的宏观力学三维本构方程.利用DMA实验结果,建立了描述SMP在玻璃体转化过程中,材料参数和温度间关系的材料参数方程.应用所建立的力学本构方程和材料参数方程,数值模拟了SMP的高温变形过程、应力冻结过程、低温卸载过程和形状恢复过程,并分析了加载率和温度变化率对SMP热力学行为的影响.数值模拟结果和与现存SMP力学本构方程和材料参数方程的对比表明,本文建立的由力学本构方程和材料参数方程构成的SMP宏观力学三维本构模型,能有效地描述SMP的热力学行为,可为SMP的工程应用提供理论基础.     

桩筏(箱)基础沉降多步预测控制的IPSO-Elman算法

将改进的粒子群优化(IPSO)算法与Elman神经网络进行了有机结合,形成了IPSO-Elman混合算法.建立桩筏(箱)基础沉降变形期望输出与超前预测输出之间的非线性隐式方程,避开了复杂的岩土工程本构关系和力学参数计算问题.提出的多步预测控制方法,具有很好的全局识别特点和较高的推广预测能力.工程实例分析表明,IPSO-Elamn算法在桩筏(箱)基础沉降的非线性系统动态辨识和在线预测应用方面,具有良好的预测精度,满足工程实际需要.     

用模糊聚类分析法建立神经网络岩土本构模型

针对岩土类材料本构关系复杂的情况 ,采用BP网络建立了其本构模型 ,并从神经网络隐层的本质特征出发 ,对样本数据 (应力和应变信息 )采用模糊聚类分析法进行特征抽取 ,以确定隐层节点数目 .算例结果表明 ,该方法是可行的 ,并具有较直观的物理意义 ,可为样本的选取提供指导作用 .     

直剪试验中接触面渐进破坏的数值模拟

岩土工程中不同材料间的接触面力学性质是热点研究课题之一.为了研究不同接触面本构模型适用性,对室内接触面直剪试验进行有限元数值模拟,并采用刚塑性模型对接触面破坏过程进行了分析.数值模拟结果表明,计算与试验结果基本一致,不同本构模型计算结果相差不大;直剪试验剪切过程中,接触面上应力应变分布不均匀,导致接触面单元渐近破坏,使得接触面应力-相对位移关系呈非线性;刚塑性模型可以合理描述接触面本构关系,其模型参数较少且容易确定,可用于工程计算.     

围岩粘弹性本构方程的反演识别

可用于模拟岩土介质系统工程响应性态的数学物理模型很多。就采用连续介质力学的原理而言，岩土力学基础理论研究发展了众多的本构关系模型，因而模拟计算分析的准确性与岩体本构关系的选择有关。本文研究直接利用岩体工程现场位移量测信息判别岩体粘弹性本构关系模型的原理和，岩体力学反演理论的一个重方面。算例分析表明本文所提方法有较大的工程应用价值。     

Ti-5Al-2Sn-2Zr-4Mo-4Cr合金本构关系的新模型

本构关系是联系材料塑性变形行为与工艺参数的桥梁,也是用有限元法模拟金属成形过程的前提条件．开发了一个基于神经网络的Ｔｉ－５Ａｌ－２Ｓｎ－２Ｚｒ－４Ｍｏ－４Ｃｒ合金的本构关系模型．首先利用Ｔｈｅｒｍｅｃｍａｓｔｏｒ－Ｚ型热模拟机等温压缩Ｔｉ－５Ａｌ－２Ｓｎ－２Ｚｒ－４Ｍｏ－４Ｃｒ合金,研究在不同变形温度、变形程度和应变速率等工艺参数条件下流动应力的变化情况．然后用实验所得的热变形工艺参数与性能间的数据来训练具有ＢＰ算法的人工神经网络．训练结束后的神经网络即成为一个知识基的本构关系模型．预测结果和实验结果对比表明神经网络模型具有较高的精度和推广能力．     

中密砂的弹塑性神经网络本构模型

基于建立岩土本构模型的数值方法和建模的4个基本步骤，建立了中密砂的弹塑性神经网络本构模型，绘出了屈服面轨迹，并通过试样分析验证了此模型的可行性与有效性．研究结果表明：一方面，该模型排除了确定塑性势函数的困扰；另一方面，用神经网络替代模型解析表达式，既提高了精度。又简化了确定参数的过程；同时，能够反映出应力路径对本构关系的影响。从而为工程实践中对不同应力路径进行数值模拟提供了可能．     

非线性材料本构模型结构和参数的耦合进化识别

在引入进化思想的基础上,利用进化算法全局最优搜索特点,结合非线性力学分析方法,提出了材料非线性本构模型结构和参数的耦合进化识别算法,对复杂的非线性材料本构模型进行全局识别·复合材料非线性本构模型的识别结果表明了该方法的科学性,为非线性材料的研究提供了一条新途径     

基于卷积神经网络的隐式评价对象识别

为解决课程评论中隐式评价对象识别问题,提出了一种基于文本分类的隐式评价对象的识别方法。首先通过word2vec 模型获得训练文本对应的词向量,获得短文本特征; 其次将短文本特征在TextCNN 中进一步提取高层次特征,通过K-max 池化操作后放入Softmax 分类器中进行训练得出分类模型; 最后利用训练好的分类器对隐式评价句进行分类,获取隐式评价句对应的评价对象。实验表明,基于卷积神经网络对隐式课程评论进行属性分类,课程评论的隐式评价对象识别正确率达到89． 9%,满足了课程评论中对隐式评价句对象识别的需求。     

基于PSO-BP网络的流变本构模型智能化识别研究

岩石流变是岩石力学问题中一个重要的研究课题,而岩石流变本构模型理论仍是目前岩石力学研究中的难点和热点问题之一.基于神经网络方法智能化识别岩石流变本构模型.基于系统辨识理论,构建了PSO-BP神经网络模型,在Matlab平台基础上编写PSO-BP网络智能化识别程序,直接根据流变试验数据,通过网络自学习,输出可以近似反映岩石流变全过程的神经网络结构化表达.将识别得到的岩石流变本构模型与原试验曲线进行拟合,并利用模型验证数据进行仿真计算,得到的仿真结果令人满意,验证了该神经网络方法直接识别岩石流变模型是可行的.     

岩体流变本构模型的辨识及其应用

把初始地应力及一定形状洞室的开挖作为已知输入,洞周不同点在不同时刻的位移实测值作为已知的输出,多次使用最小二乘法及优化技术,建立了一套岩体流变本构模型辨识的理论和方法,并编制了计算机程序,对具有流变性态的任何地下工程岩体,可方便地确定其流变本构模型．     

基于遗传规划的岩石流变模型辨识

将遗传规划方法用于岩体流变模型辨识中,该方法不需要事先假定流变模型的形式,可以一次性地同时确定流变模型的结构形式及参数,避免了模型假定所带来的误差.采用Matlab语言编制的遗传规划程序对红板岩的蠕变实验进行了研究,得出了常应力水平下,应变与时间的非线性关系,并将其结果与基于最小二乘的西原体蠕变模型参数识别的结果进行了对比,结果表明:遗传规划用于岩石的流变模型辨识是可行的.     

基于超静定方程的橡胶材料本构模型参数识别

由于橡胶材料具有非线性和大变形特性,使得描述橡胶力学特性的本构模型参数的确定比较烦琐和困难。为了提高橡胶本构模型参数识别的准确性,基于超静定方程求解原理推导出一种新的识别方法。以某橡胶衬套为例,识别的参数应用于有限元分析,对比试验数据,结果表明该识别方法可以准确识别橡胶材料参数,并且精度相对于最小二乘法有了明显改善,显示了超静定识别法的有效性和可靠性。     

岩土流变本构模型的可辨识研究

系统辨识的成功实施,应建立在系统的可控、可观测和可辨识性3个基本条件之上.通过构建新的状态空间变量,将岩土材料流变本构模型这种典型的SISO线性定常系统模型转换为状态空间描述,证明了该模型的可控性和可观测性矩阵均为满秩阵,因而是完全可控可测的.然后,利用CHNN的优化计算能力,探索了一种流变本构模型可辨识的新的有效途径,获得相关的辨识算法,并用Matlab软件开发了相应的辨识程序.有关考题验证表明,该辨识算法成功可行.表2,参9.     

基于改进PSO算法的岩石蠕变模型参数辨识

微粒群优化(PSO)算法是一类随机全局优化技术,具有收敛速度快、规则简单、易于实现的优点.针对岩石蠕变本构模型参数的辨识问题,本文利用FLAC软件自带的fish语言实现了改进PSO算法对本构模型参数的辨识.该方法从岩石本构模型参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,利用改进PSO算法规则实现模型参数的进化,搜索出全局最优的模型参数值,从而实现了岩石蠕变本构模型参数的自适应辨识.利用该方法对页岩蠕变实验进行了仿真研究,实验结果表明:改进的PSO算法用于岩石蠕变模型的参数辨识是有效的.     

简析混凝土本构关系模型

建筑工程中最常用的材料是混凝土,本文对其本构关系模型的研究现状作了简要的介绍和评述,并对其今后的发展趋势阐述了一些自己的看法.     

基于机理法考虑动态再结晶的黏塑性本构模型先验知识的确定

宏微观耦合本构模型的参数识别往往通过反分析方法进行,为使参数识别结果具有高的置信度,需要确定合适的参数取值范围. 基于考虑动态再结晶的黏塑性本构模型的物理机理,提出该模型参数取值范围的确定方法. 根据模型构造机理,提出通过6步确定该模型参数取值范围的方法;并对300 M低合金钢进行不同温度、应变速率下的热变形试验,测试其流动应力-应变曲线、再结晶晶粒尺寸-应变速率-温度曲线,通过提出的方法并根据提取试验数据,确定模型的先验知识,为参数识别提供基础. 结果表明,确定的参数识别范围大部分可以归类为中等准确和较差准确确定.     

土体本构模型评述

从理论上和实际应用上评述了土体本构模型中的弹性本构模型、弹塑性本构模型及流变本构模型的建立、应用范围和局限性,认为：目前的土体本构模型,便于计算的,过于简化而不实用,而符合实际的,参数较难测定且复杂,难于推广;当前,还没有一种能全面、正确地表述任何加载条件下的各类土体本构特征的本构模型,有必要进一步发展准确实用的土体本构理论。     

Neural network model for the constitutive relations of soil

0　ＩｎｔｒｏｄｕｃｔｉｏｎＡｃｃｏｒｄｉｎｇｔｏｔｈｅｄｉｆｆｅｒｅｎｔｔｈｅｏｒｉｅｓａｐｐｌｉｅｄｉｎｔｈｅｅｓｔａｂｌｉｓｈｉｎｇｃｏｎｓｔｉｔｕｔｉｖｅｍｏｄｅｌ,ｔｈｅｃｏｎｓｔｉｔｕｔｉｖｅｍｏｄｅｌｉｓｇｅｎｅｒａｌｌｙｇｒｏｕｐｅｄｉｎｔｏｔｗｏｃａｔｅｇｏｒｉｅｓ :ｅｌａｓｔｉｃｍｏｄｅｌａｎｄｅｌａｓｔｏ ｐｌａｓｔｉｃｍｏｄｅｌ.Ａｓｏｎｅｏｆｔｈｅｅｌａｓｔｉｃｍｏｄｅｌｓ,Ｄｕｎｃａｎ Ｃｈａｎｇ’ｓｍｏｄｅｌ[1] ｉｓｗｉｄｅｌｙａｐｐｌｉｅｄｉｎｅｎｇｉｎｅｅｒｉｎｇｐｒ…