一种基于深度学习与有限元单元法的土石坝材料本构模型构建方法

    公开(公告)号:CN111881601A

    公开(公告)日:2020-11-03

    申请号:CN202010615929.0

    申请日:2020-07-01

    摘要: 本发明公开一种基于深度学习和有限单元法的材料本构模型,属于人工智能和材料本构模型技术领域,包括根据土石坝材料试件大小建立有限元模型,输入压缩试验得到的应力-应变曲线进行有限元计算,提取模型真实应力、应变及其增量数据,组成数据集;采用深度学习对数据集进行学习,输出深度学习模型参数;根据深度学习模型参数,编写材料本构子程序,构建基于深度学习与有限单元法的土石坝材料本构模型,本发明土石坝材料本构模型构建方法,使用的深度神经网络能够无限逼近任意连续函数,因此能够用于对复杂非线性土石坝材料本构模型的构建,且深度神经网络本构模型仅基于试验数据,没有作出任何假设,模型不受应力应变曲线形状的影响,模型更客观。

    一种动能转换为重力势能的协同抗滑桩及其布设方法

    公开(公告)号:CN118345841A

    公开(公告)日:2024-07-16

    申请号:CN202410314882.2

    申请日:2024-03-19

    摘要: 本发明公开了一种动能转换为重力势能的协同抗滑桩及其布设方法,协同抗滑桩包括:滑移面、滑坡体、抗滑桩本体、第一应变传感器、第二应变传感器、第三应变传感器、第一位移传感器、第二位移传感器、第一区块链网络节点、云服务器、第二区块链网络节点及监测终端。布设方法包括根据岩土体物理力学参数判断边坡的潜在滑移面;通过分析力学及数值模拟对抗滑桩本体及桩间连扳的结构参数进行设计;抗滑桩本体布置于滑坡体中,用桩间连扳将相邻的抗滑桩本体连接。本发明实时监测和评估滑坡体的动态变化,保持结构的稳定性和安全性,并为结构监测和分析提供可靠的数据支持;对于预防滑坡事故、保护人员和财产安全具有重要意义。

    一种抗滑桩及其成型装置
    6.
    发明公开

    公开(公告)号:CN118166799A

    公开(公告)日:2024-06-11

    申请号:CN202410314881.8

    申请日:2024-03-19

    摘要: 本发明公开了一种抗滑桩及其成型装置,涉及边坡阻滑技术领域,改善抗滑桩伸出地面的部分容易受力变形弯折,而常规抗滑桩不具备防变形的能力,长时间使用时容易发生形变的问题,包括圆筒桩体,所述圆筒桩体内部呈圆形空腔设计,所述圆筒桩体在桩身不同高度、桩前桩后不同位置分别开设有排水孔,所述圆筒桩体内部所开设排水孔的内壁固定安装有塑料网格板,所述塑料网格板的外表面包裹有多层涤纶短纤针刺土工布。本发明在使用时,可金属套筒套接在两个相邻的圆筒桩体上,将紧固成型板插入到金属套筒上的卡接块内部,使相邻的两个圆筒桩体连接成型,形成一个较为稳定的结构,减少圆筒桩体伸出地面的部分容易受力变形弯折的情况。

    一种基于深度学习的土石坝材料本构模型构建方法

    公开(公告)号:CN111881601B

    公开(公告)日:2023-08-15

    申请号:CN202010615929.0

    申请日:2020-07-01

    摘要: 本发明公开一种基于深度学习的土石坝材料本构模型构建方法,属于人工智能和材料本构模型技术领域,包括根据土石坝材料试件大小建立有限元模型,输入压缩试验得到的应力‑应变曲线进行有限元计算,提取模型真实应力、应变及其增量数据,组成数据集;采用深度学习对数据集进行学习,输出深度学习模型参数;根据深度学习模型参数,编写材料本构子程序,构建基于深度学习与有限单元法的土石坝材料本构模型,本发明土石坝材料本构模型构建方法,使用的深度神经网络能够无限逼近任意连续函数,能够用于对复杂非线性土石坝材料本构模型的构建,且深度神经网络本构模型仅基于试验数据,没有作出任何假设,模型不受应力应变曲线形状的影响,模型更客观。