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.     

岩石统计损伤本构模型与试验

基于Mohr-Coulomb破坏准则以及岩石微元强度服从Weibull函数随机分布假设,通过有效应力原理引入孔隙水压力,构建了新的统计损伤本构模型,该模型可以考虑孔隙体积变化和损伤阀值的影响。此外,提出了一种新的岩石微元强度计算方法。为使模型参数具有明确的物理意义,采用应力~应变曲线峰值点强度确定模型参数m和F0。采用砂岩常规三轴压缩试验对本构模型的合理性进行验证,并在此基础上,分析岩石损伤演化、孔隙率变化规律,探讨围压对模型参数的影响。结果表明,该模型能够较好地反映岩石三轴应力~应变关系。     

基于可靠度敏感性的神经网络法研究边坡稳定性

针对边坡工程结构功能函数不能显式表达的可靠性分析问题和非线性问题计算量大的弊端．研究结构可靠度敏感性,提出参数的相对敏感性分析方法,并基于该方法提出了神经网络法分析边坡稳定性。具体思路：由可靠指标对随机变量分布参数的相对敏感性分析,确定边坡可靠度主要影响参数;用神经网络模型近似替代响应量与基本变量间的隐式极限状态函数,根据蒙特卡罗模拟法,对网络模型进行可靠度分析,求解结构可靠度指标。基于可靠度敏感性的神经网络法．对均值和成层边坡进行稳定性分析,与传统可靠度计算方法相比．结果表明：该方法分析边坡稳定性是准确的且具有较高的计算效率。     

复合岩石的破坏准则

本文在假设各组分岩石遵循Mohr-Coulomb强度理论的基础上建立了复合岩石的破坏准则。所用“复合等效方法”使复合岩石的破坏准则由各组分岩石的强度参数(C_,φ_i)和几何参数(λ_i)确定,并由此论述了由复合岩石实验结果确定各组分岩石强度参数的方法。三轴实验结果表明该准则对描述复合岩石的强度特性具有相当高的精度,为成层岩体中的岩石工程计算提供了更加精确的方法。     

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.     

单轴压缩下岩石损伤统计本构模型与试验研究

基于岩石应变强度理论和岩石强度的随机统计分布假设,采用损伤力学理论,建立了能够反映残余强度的单轴压缩下岩石损伤统计本构模型．利用伺服试验机对大理岩进行了单轴压缩试验．基于试验结果确定出损伤统计本构模型参数,理论结果和试验结果吻合较好．     

基于模糊神经网络的瓦斯爆炸危险性评价模型

煤矿瓦斯爆炸事故的复杂性和随机性决定了煤矿瓦斯爆炸重大危险源的变化不会按照某一特定的规律或函数变化.模糊神经网络具有较强的非线性函数逼近能力和较强的自学习、自适应和联想能力.通过简化易燃、易爆、有毒重大危险源评价模型,确定了网络的输入参数,应用模糊神经网络对各参数之间的关系进行计算,验算结果表明:该网络模型在评价煤矿瓦斯爆炸危险性方面效果良好.     

岩体强度确定的神经网络方法

叙述了神经网络的基本原理，建立了岩体强度确定的神经网络模型，编制了岩体强度确定的神经网络系统软件。同时，结合棒磨山铁矿的具体实例，将此系统作了分析，并与常用的岩体强度计算方法作了比较。     

岩石断裂力学的扩展有限元法

针对岩石材料的断裂力学问题阐述扩展有限元法的单元位移模式的选择、确定平面裂纹空间位置的水平集法和特殊单元的数值积分方法。介绍最大周向应力裂纹扩展判据和计算应力强度因子的相互作用积分法,进而建立岩石断裂力学的扩展有限元法。建立Ⅰ型裂纹和Ⅱ型裂纹的岩石断裂力学的扩展有限元计算模型,对I裂纹的应力强度因子和Ⅱ型裂纹的裂纹扩展路径进行扩展有限元法数值模拟计算。结果表明,建立的岩石断裂力学扩展有限元法可对岩石材料的断裂力学参数和裂纹扩展路径进行数值模拟分析,验证了数值计算结果的合理性,能有效地描述岩石断裂力学特性。     

基于粒子群支持向量机的矿岩强度指标的超声预测

建立以吸水率、干密度、波阻抗、动泊松比、动弹性模量为输入,抗压强度为输出的支持向量机预测模型.为了提高支持向量机预测精度,引入了粒子群算法对支持向量机的参数进行优化,克服支持向量机参数人工选取的不足.通过对鞍千矿和弓长岭矿的矿岩样本数据分析,该模型的预测误差最大为8.2%,精度明显高于传统神经网络法.结果表明基于超声波预测强度的方法具有很好效果,可望成为一种岩石强度预测的新方法.     

基于离散裂隙网络与离散元耦合方法的礼让隧道岩体力学参数确定

为了准确地确定礼让隧道节理岩体力学参数,采用3DEC程序中离散裂隙网络(discrete fracture network, DFN)技术,建立了能反映节理裂隙分布特征的离散裂隙网络模型。在此基础上,结合室内岩石、节理力学试验,运用等效岩体技术及3DEC程序,建立基于离散裂隙网络-离散元(discrete fracture network-discrete element method,DFN-DEM)耦合方法的等效岩体模型,并构建反映工程岩体节理分布特征的多尺度等效节理岩体计算模型;通过对多尺度等效节理岩体计算模型进行单轴压缩试验,获取岩体峰前及峰后的力学性质,分析节理岩体的尺寸效应、各向异性、表征单元体及等效岩体力学参数。结果表明:DFN-DEM耦合技术解决了非贯通节理的建模问题;随着等效岩体尺度增大,节理岩体峰值强度、弹性模量逐渐减小,各向异性特性逐渐减弱,且尺度达到5 m×5 m×10 m趋于稳定得到表征单元体;表征单元体尺度下等效岩体力学参数为弹性模量9 GPa、单轴抗压强度0.7 MPa、内摩擦角25°、黏聚力0.3 MPa、抗拉强度0.12 MPa,与Hoek-Brown强度准则所得力学参数对比,两者较为接近。该法为研究工程岩体的稳定性提供了数据基础。     

基于遗传算法和神经网络的隧道围岩位移智能反分析

基于正交试验设计和FLAC3D建立的学习样本以及测试样本,通过工程现场获取的围岩位移信息,用神经网络建立待反演参数与围岩位移之间潜在的映射关系。研究结果表明:利用该神经网络的仿真预测功能,结合遗传算法搜索反演参数的最优解,从而实现位移反分析;可将反演结果反馈于隧道支护结构的设计,实现隧道的信息化施工与设计。     

单轴压缩下石灰岩损伤统计本构模型与试验研究

基于岩石应变强度理论和岩石强度的Weibull分布假设,引出能合理描述岩石微元强度的参量,采用损伤力学理论,建立了能够反映残余强度的单轴压缩下岩石损伤统计本构理论模型．并利用伺服控制试验系统(RMT-150B)对石灰岩进行了单轴压缩试验,得到合理的石灰岩损伤统计本构关系,并验证了理论模型。     

岩石抗钻强度与地层压力关系模型及其应用

在石油钻井施工过程中 ,岩石的抗钻强度主要受井下地层岩石性质的影响 ,地层孔隙压力则是影响岩石抗钻强度的一个重要参数。根据室内模拟实验和对大量现场实钻数据进行分析 ,建立了岩石抗钻强度与地层孔隙压力的关系模型。在钻井施工过程中 ,可利用该模型根据井下地层岩石抗钻强度的变化来监测地层压力的变化。所建模型在中国南海莺歌海盆地进行了初步应用 ,取得了良好的效果。     

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.     

基于分形网络模型的裂隙岩体渗流特性分析

基于分形网络模型提出了裂隙岩体渗透率参数估计方法。采用网格模板方法产生具有分形结构的岩体裂隙网。根据渗流网络的并联原理,建立了岩体裂隙网络等效渗透率计算方法。研究表明,岩体裂隙网络系统的等效渗透率随着裂隙分形比例因子和分级数目的增加而增加。裂隙岩体的等效渗透率能够采用分形网络方法进行解析预测。     

基于RES理论的岩爆倾向性预测方法

从工程地质因素、复杂环境因素和人为开挖因素3个方面分析了岩爆启动的主要影响因素,在此基础上,提出了一种基于RES理论的岩爆智能预测模型,并论证了人工神经网络的参数分析原理.此外,采用改进的前馈神经网络BP算法对交互作用矩阵进行编码以及对参数的相对交互作用强度进行了分析.研究结果表明:运用该岩爆智能预测模型,不仅使岩爆倾向性的预测具有动态特性,同时又可以方便地对岩爆启动的主控因素进行分析.