一种弹塑性本构模型显式积分算法的应力修正方法

    公开(公告)号:CN118748049A

    公开(公告)日:2024-10-08

    申请号:CN202410633531.8

    申请日:2024-05-21

    Applicant: 长安大学

    Abstract: 本发明公开了一种弹塑性本构模型显式积分算法的应力修正方法,解决了现有技术中显示积分算法误差累积的问题,涉及岩土工程数值计算技术领域,该方法包括:获取初始应力、初始硬化参数并给定应变增量,根据其计算弹性试探应力,并根据弹性试探应力确定弹性应变占整个应变的比例,得到弹性应变占比系数;对初始应力和初始硬化参数进行应力积分,得到积分结果;利用弹塑性本构模型对应的屈服函数,以及积分结果,构建关于修正系数的二次方程,并求解,得到修正系数;利用修正系数对修正前应力进行修正,得到修正后应力;该方法无需借助牛顿迭代算法,只需将应力分量乘以修正系数即可完成修正过程,有效地避免了收敛问题,更加直观简单的实现修正。

    基于物理信息和CPTu数据的原位固结系数测试方法

    公开(公告)号:CN118566094A

    公开(公告)日:2024-08-30

    申请号:CN202410577509.6

    申请日:2024-05-10

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于物理信息和CPTu数据的原位固结系数测试方法,包括:将残差点输入至PINNs固结系数反演模型,得到超孔隙水压力的估计值,并根据该值计算总损失函数的残差;根据总损失函数的残差反向更新PINNs固结系数反演模型的网络参数;重复上述步骤直至总损失函数的残差小于预设阈值得到超孔隙水压力的最优值;根据该最优值结合总损失函数中的物理信息损失函数反演出原位固结系数。根据本发明提供的方法,通过PINNs固结系数反演模型来估计原位固结系数,而不是使用经验公式或归纳图解来确定固结系数,能够减轻或消除人为因素的影响,提高原位固结系数的预测准确率和稳定性。

    基于物理信息神经网络的地基长期固结沉降预测方法

    公开(公告)号:CN118412049A

    公开(公告)日:2024-07-30

    申请号:CN202410450366.2

    申请日:2024-04-15

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于物理信息神经网络的地基长期固结沉降预测方法,包括:获取数据集,包括监测数据集、残差集和测试集;根据监测数据集和物理规律定义物理‑数据损失函数,构建岩土参数反演模型,利用残差集训练反演模型,反演出固结系数;根据反演的固结系数更新物理规律定义物理损失函数,构建地基超孔隙水压力正向预测模型,利用残差集训练正向模型,将测试集输入至训练完成的模型,输出地基超孔隙水压力的预测值;构建地基固结沉降预测模型,根据地基超孔隙水压力的预测值进行地基长期固结沉降的预测。本方法能通过短期且稀疏的监测数据,准确反演固结系数,进而预测地基超孔隙水压力,从而实现对地基长期固结沉降的快速、精准预测。

Patent Agency Ranking