基于Weibull分布的AMD蚀化岩石统计本构模型

为了解决含硫化物矿山中AMD蚀化对岩石力学性质的影响问题,采用概率论和连续损伤理论相结合的方法,研究了AMD蚀化下岩石的损伤统计本构模型,并引用试验资料对模型进行了验证。结果表明:模型理论曲线与试验曲线具有较高的吻合度,所建模型能够较好地反映受腐蚀岩石在三向压力作用下的应力—应变全过程和岩石强度变化特征,说明本文所建立的模型是合理的。该成果对岩体工程具有一定的参考价值和指导意义。     

基于Mohr-Coulomb准则的岩石损伤统计分析方法研究

从探讨基于Mohr-Coulomb准则的新的岩石微元强度表示方法及其服从Weibull随机分布的特点出发,基于岩石三轴应力应变试验曲线,建立了反映岩石破裂全过程的损伤软化统计本构模型．在此基础上,重点研究了Weibull分布参数对岩石损伤软化统计本构模型的影响,并结合岩石三轴应力应变试验曲线的特征,对岩石损伤软化统计本构模型进行了合理修正．与试验结果及前人研究结果比较,该模型形式简单,能更好地反映工程实际,具有广阔的应用前景。     

化学腐蚀下砂岩三轴压缩力学效应的试验

利用CT识别技术对化学腐蚀下的砂岩进行了三轴加载全过程的即时扫描试验 ,探讨了不同 pH值和不同化学溶液对砂岩强度的腐蚀影响 ,给出了砂岩应力应变曲线·实验结果表明 ,不同的环境对砂岩力学特性的影响是不同的 ,而且化学溶液酸性越强或碱性越强对砂岩的腐蚀性越大 ,所以 ,化学腐蚀是影响岩石力学特性的主要因素之一·该研究为分析砂岩损伤扩展的细观机理和损伤本构模型的建立提供了重要基础 ,为更准确地评估和计算坝基、边坡、隧道等众多与水相关的岩石工程的安全性和稳定性提供有效的技术参数 ,具有重要的工程意义     

基于Mogi-Coulomb统计损伤本构模型及渗透性突变的研究

摘要：在基于Lemaitre应变等价性理论和岩石微元强度服从 Weibull 随机分布的基础上,引进Mogi-Coulomb准则作为岩石微元强度的表示方法,并深入研究岩石压缩破坏过程中损伤变量的变化规律,建立了统计损伤本构模型,该模型可以较好的反映岩石在不同围压下压缩破坏对应的损伤阀值。通过岩石三轴应力–应变试验曲线对模型进行验证,并与基于Drucker-Prager和Mohr-Coulomb准则的损伤模型的模拟曲线相比较,表明基于Mogi-Coulomb准则的损伤模型能较好的模拟岩石应力应变关系,特别反映了不同应力状态对损伤阀值的影响及岩石低应力水平的线弹性特性。最后将考虑损伤阀值且基于Mogi-Coulomb准则建立的损伤统计本构模型应用于岩石渗透性突变点和对应的临界破坏强度的研究,本模型的预测值与试验值较吻合,表明该模型的合理性和可行性,具有良好的应用前景。     

基于Weibull分布的岩石损伤本构模型研究

利用连续损伤理论和统计强度理论,提出了模拟岩石破裂全过程的损伤本构关系,并在此基础上建立了完整的损伤统计本构模型,且在所建立的损伤统计本构模型的四个基本方程中,引入岩石应力应变全过程曲线特征参量,并考虑岩石应力应变全过程曲线的几何条件,解决了传统方法求解本构方程中参数的难点,同时提高了精度.通过与砂岩试件三轴压缩试验实测结果对比,证明模型可以很好地反映岩石的应力-应变关系.图2,参7.     

基于Lade-Duncan强度准则的统计损伤本构模型及其修正研究

在损伤力学理论基础上,根据Lemaitre应变等价性理论,并假定岩石微元强度服从Weibull随机分布,在微元强度度量方法上考虑损伤阀值的影响,结合Lade-Duncan强度破坏准则,建立了统计损伤本构模型。通过岩石三轴应力-应变试验曲线对模型进行验证,拟合效果良好;并针对模型不能反映残余应力阶段特征的不足进行修正。用公式法代替比较法求取损伤修正参数,建立了更加完善的统计损伤本构模型。通过与未修正模型对比发现,修正后的统计损伤模型能更好的模拟岩石破坏全过程的应力应变关系并能表征岩石残余强度特征,从而验证了该模型的合理性和可行性。     

酸雨侵蚀箍筋约束混凝土本构模型研究

采用人工气候环境模拟技术模拟酸雨环境,对15组箍筋约束混凝土棱柱体试件进行加速腐蚀,进而进行轴压试验,研究了箍筋锈蚀对约束混凝土破坏形态、峰值应力、峰值应变、极限应变和应力-应变曲线形状的影响.基于Mander模型及现有研究成果,确定了未腐蚀试件本构模型峰值应力、峰值应变、极限应变和形状系数等参数的计算公式,并通过对试验结果的回归分析,得到了考虑箍筋锈蚀率影响的形状系数和各特征点参数修正系数拟合公式,最终建立了酸雨侵蚀箍筋约束混凝土本构模型.与试验结果对比发现,采用该模型计算得到的各试件峰值应力、峰值应变、极限应变及应力-应变曲线形状均与试验结果符合较好,表明所建立的本构模型能较为准确地反映遭受酸雨侵蚀箍筋约束混凝土力学性能,可用于该环境下RC结构剩余承载力及抗震性能评估.     

基于宏观和细观缺陷耦合的节理岩体损伤本构模型

提出考虑宏观和细观缺陷耦合的节理岩体损伤本构模型。首先介绍仅考虑微裂纹等细观缺陷影响的岩石损伤本构模型及仅考虑节理等宏观缺陷影响的岩体损伤本构模型,其次基于Lemaitre应变等效假设,推导考虑宏观和细观缺陷耦合的复合损伤变量,从而建立基于宏观和细观缺陷耦合的节理岩体损伤本构模型,最后通过引用岩石单轴压缩试验资料对模型合理性进行验证。研究结果表明:该模型能够较好地同时反映宏观和细观缺陷对岩体应力应变曲线的影响。同时采用该模型对含不同倾角的单节理岩体和含多条平行节理的岩体在单轴压缩荷载下的应力应变曲线进行分析,所得结果与相关文献中的试验及理论结果具有很好的一致性,说明了该模型的合理性。     

考虑温度作用的岩石统计损伤本构模型及验证

为了预测和评估深部高温岩体的稳定性,运用理论推导的方法研究温度作用下(后)岩石的本构关系。首先,基于已有的岩石统计损伤本构模型,考虑温度对岩石损伤变量的影响,引入了损伤变量修正系数、损伤起裂应力和起裂应变等参数;其次,假设微元体强度服从幂函数分布,并符合Hoek-Brown(H-B)强度准则,针对统计损伤本构模型无法反映峰前较强的微裂纹压密效应的弊端,引入了相应的模型修正系数;再次,建立了考虑温度作用的岩石统计损伤本构模型,并确定了模型参数的表达式;最后,对比不同温度作用下(后)的花岗岩在单轴和常规三轴压缩试验条件下所得的结果与文献中模型的计算结果,验证本文模型的准确性。研究结果表明：所提出的模型的计算结果与文献的试验结果在数值、分布规律和趋势上具有良好的一致性;对于全过程σ-ε曲线的各阶段,本文模型的计算效果较文献中本构模型计算效果更好,与试验曲线的贴合度更高,能够更好地反映高温作用下(后)岩石的损伤本构特征。该模型的参数具有常规性,适用于各类温-压组合作用工况下的岩石。     

基于颗粒接触理论的岩石压密阶段本构模型

鉴于岩石压密阶段非线性变形与岩石内部颗粒之间的相互接触有关,引入基于凹凸体正态分布的G-W接触模型并建立接触体元件模型;将该模型与弹簧元件串联,建立压密阶段的本构模型。利用元件模型对实验结果进行模拟,同时对模型中参数进行分析。研究结果表明:岩石颗粒间的张开度及颗粒表面的粗糙度均对岩石压密阶段本构关系有一定影响。颗粒间的张开度越大,压密过程越长;在相同应变条件下,粗糙度越大,应力增长越缓慢。本文模型在模拟4种岩石压密阶段的本构关系过程中,拟合优度均大于0.95,说明模型能够准确描述岩石的应力-应变关系。同时,模型还能够反映围压对本构关系的影响,证明利用接触模型来描述压密阶段本构关系是合理的。     

神经网络在岩石多角度偏振光谱识别中的应用

依据岩石多角度偏振光谱反射特征数据,运用神经网络方法,对反射特征相近的岩石加以识别.在识别中以不同方位角、反射角及入射角的反射比等参数作为训练样本及测试样本,训练样本经过网络学习、训练得到神经网络模型,测试样本对神经网络模型进行检验,实验证明将神经网络应用于岩石多角度偏振遥感技术是岩石识别的一种切实可行的方法.     

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.     

基于PCA与Elman网络的地下矿山岩层移动

 由于地下金属矿床地质与开采条件的复杂性,影响岩层移动的因素错综复杂且相互影响,使得对岩层移动的预测具有很大的不确定性。大量的样本数据减慢了神经网络的训练速度,并且使得神经网络不稳定。将主成分分析(PCA)与Elman网络相结合构建模型,对地下矿山岩层移动角进行预测研究。利用主成分分析对原始数据进行预处理,提取原信息的主成分,将输入变量减少且互不相关,提高神经网络训练速度;用Elman网络对训练样本进行训练,进而利用训练好的网络对预测样本进行预测,与不采用PCA时的预测结果相比,采用PCA的预测结果更为准确,通过期望输出与实际输出的对比,相对误差都在5%以内,其预测的结果精度高,表明了PCA与Elman网络相结合对地下矿山岩层移动进行研究是可行的。     

基于对数正态分布的岩石损伤统计分析方法研究

以Mohr强度理论为基础,利用岩石微元强度服从对数正态随机分布的特点,得到了三轴压缩条件下的岩石损伤统计本构模型,并根据试验曲线采用最小二乘法确定出模型参数.与试验结果比较,该模型可以很好地模拟岩石破裂过程的全应力应变关系,真实反映了岩石软化特性、岩石强度随围压变化等特性.在此基础上,讨论了对数正态参数F0,S0对岩石应力应变全过程曲线的影响.结果表明,参数F0值的变化对岩石的强度有影响;参数S0值的变化对岩石的脆性有影响.     

基于微分进化的钢水温度预报混合模型

针对LF冶炼过程钢水温度预报问题对机理模型进行了分析.将基于微分进化的BP网络引入混合模型,以确定模型中难以准确获得的参数,建立了基于微分进化的钢水温度混合预报模型.模型通过适当时刻变异因子的随机选取和重复进行种群个体初始化的方法,对微分进化算法进行了改进,有效解决了BP网络训练的困难,避免了算法早熟.实验结果表明,混合模型具有较好的预测结果,基本满足了实际生产的需要.     

基于深度残差反向传播神经网络的钢筋腐蚀检测

针对小样本数据下浅层神经网络模型拟合能力不足,而加深网络层数出现网络性能退化问题,提出一种双跳跃深度残差BP神经网络模型,每个残差块堆叠三个同维度网络层,在网络的一、二层和一、三层之间加入双跳跃连接,增强浅层低非线性度特征信息向深层网络的直接传递和重复利用,且在反向传播过程中避免了梯度消失,提升模型分类准确率。同时引入一阶矩估计梯度指数加权平均因子对Adam算法中影响学习率的二阶矩估计梯度进行调整,优化网络的收敛能力。将改进后的算法模型用于钢筋腐蚀样本数据训练及测试,仿真结果表明,改进后的算法模型具有更好的分类性能。     

基于SDCQGA优化BP神经网络的岩石可钻性建模

针对智能钻井优化控制过程中岩石可钻性提取存在的建模难、非实时性、精度差等问题,提出基于自适应双链量子遗传算法优化BP神经网络结构的岩石可钻性提取建模方法.依据目标函数在搜索点处的变化率,建立了快速自适应双链量子遗传算法;采用新算法优化BP神经网络结构,以克服BP神经网络受初始权值/阀值影响和泛化能力差的问题.通过对邻近钻井区域的大量测量数据和实验数据的统计分析和预处理,建立岩石可钻性提取模型,有效地解决了复杂地形岩石可钻性提取难的问题.对不同岩性的可钻性参数提取实验结果证明,该建模方法不仅提高了参数提取的精度和模型的泛化能力,而且在相邻实际参数提取时,具有很好的实时性和适应性.     

Gender Recognition with Face Images Based on Partially Connected Neural Evolutionary

In this paper,a new type of neural network model - Partially Connected Neural Evolutionary (PARCONE) was introduced to recognize a face gender. The neural network has a mesh structure in which each neuron didn't connect to all other neurons but maintain a fixed number of connections with other neurons. In training,the evolutionary computation method was used to improve the neural network performance by change the connection neurons and its connection weights. With this new model,no feature extraction is needed and all of the pixels of a sample image can be used as the inputs of the neural network. The gender recognition experiment was made on 490 face images (245 females and 245 males from Color FERET database),which include not only frontal faces but also the faces rotated from-40°-40° in the direction of horizontal. After 300-600 generations' evolution,the gender recognition rate,rejection rate and error rate of the positive examples respectively are 96.2%,1.1%,and 2.7%. Furthermore,a large-scale GPU parallel computing method was used to accelerate neural network training. The experimental results show that the new neural model has a better pattern recognition ability and may be applied to many other pattern recognitions which need a large amount of input information.     

Combinatorial Optimization Based Analog Circuit Fault Diagnosis with Back Propagation Neural Network

Electronic components＇ reliability has become the key of the complex system mission execution. Analog circuit is an important part of electronic components. Its fault diagnosis is far more challenging than that of digital circuit. Simulations and applications have shown that the methods based on BP neural network are effective in analog circuit fault diagnosis. Aiming at the tolerance of analog circuit,a combinatorial optimization diagnosis scheme was proposed with back propagation（ BP） neural network（ BPNN）.The main contributions of this scheme included two parts：（ 1） the random tolerance samples were added into the nominal training samples to establish new training samples,which were used to train the BP neural network based diagnosis model;（ 2） the initial weights of the BP neural network were optimized by genetic algorithm（ GA） to avoid local minima,and the BP neural network was tuned with Levenberg-Marquardt algorithm（ LMA） in the local solution space to look for the optimum solution or approximate optimal solutions. The experimental results show preliminarily that the scheme substantially improves the whole learning process approximation and generalization ability,and effectively promotes analog circuit fault diagnosis performance based on BPNN.     

基于Weibull统计分布的岩石损伤模型

基于岩石内部裂隙和孔隙分布的随机性,运用连续损伤力学理论,建立了围压与轴压共同作用下岩石的统计损伤模型;结合岩石应力应变曲线的特征参量确定了模型参数,增强了模型的适应性;探讨了岩石损伤的演化性态及其宏观表现,并通过试验对模型进行了验证.结果表明:岩石的宏观力学特性取决于内部微裂纹的细观力学响应,其损伤演化途径反映了岩石变形破坏的全过程;模型理论曲线与试验实测曲线具有较高的吻合度,验证了模型的合理性.