基于神经网络的堆石料本构模型参数反演  

Parameter Inversion of Constitutive Model for Rockfill Material Based on Neural Network

作　　者：李守巨[1] 于申[1] 孙振祥[1] 曹丽娟[2] 

机构地区：[1]大连理工大学工业装备结构分析国家重点实验室,辽宁大连116024 [2]大连海洋大学机械与动力工程学院,辽宁大连116024

出　　处：《计算机工程》2014年第6期267-271,共5页Computer Engineering

基　　金：国家"973"计划基金资助项目(2013CB035402);国家自然科学基金资助项目(51105048;51209028);中央高校基本科研业务费专项基金资助项目(DUT13LK14)

摘　　要：为准确估计堆石料力学本构模型参数,根据堆石料三轴压缩实验观测数据,提出一种基于神经网络的堆石料非线性本构模型参数反演方法。通过对三轴压缩实验轴向和径向应变的分段线性化处理,建立求解垂直荷载与应变之间关系的解析表达式。应用神经网络法对堆石料的力学模型参数进行反演,建立三轴压缩实验轴向和径向应变与模型参数之间的非线性映射关系,并据此进行堆石料模型参数估计。为验证反演方法的有效性,采用施工现场的堆石料进行三轴压缩实验,结果表明,与基于梯度优化搜索的参数估计方法相比,该方法具有更高的预测精度,最大相对误差降低了17.8%。Based on observed data for three-dimensional compressive test of rockfill material, a parameter inversion method of nonlinear constitutive model is proposed using neural network for estimating parameters of rockfill. The relationships between axial loads and strains are analytically expressed by linear approximating for axial and radial strains in three-dimensional compressive test. In order to validate the effectiveness of the proposed method, the three-dimensional compressive test of rockfill material is performed in laboratory. Experimental result shows that, compared with the estimation method for model parameter based on gradient optimization search, the proposed method provides higher prediction accuracy of the behavior of rockfill material tested, and the maximum relative error decreases by 17.8%.

关 键 词：神经网络 参数反演 混凝土面板堆石坝 非线性本构模型 最大相对误差 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]