基于LS-DYNA的理想弹塑性材料本构关系模型开发基本方法

LS-DYNA是一款功能强大的有限元分析计算软件,软件自身含有强大的材料库,更允许用户添加自定义的材料本构关系模型,用于得到更准确的仿真结果。基于该平台,介绍了该软件与用户自定义材料子程序之间的数据交互关系,并利用弹塑性力学相关知识,分别建立了理想弹塑性材料的弹性本构关系与塑性本构关系,最后通过算例验证了所构建材料本构关系的正确性,并编写了基于LS-DYNA平台的理想弹塑性材料本构关系,介绍了开发的基本方法,为应用自编写复杂本构关系材料的工程仿真提供了基础。     

混凝土非线性本构模型的构建

通过分析各种常用的材料强度破坏准则，建议了一种适合混凝土非线性特性的破坏准则；采用了非线性指标βｔ，βｃ区别对待材料的不同拉、压状态；引用了Ｓａｒｇｉｎ的一维应力应变关系．结合以上３个方面，提出了一个较为合理恰当的混凝土非线性本构模型，便于有限元的实施。     

土壤-植物根系复合体本构关系的理论研究

为研究土壤-根系复合体强度问题,运用土壤力学理论和复合材料力学方法分析了土壤-根系复合体的力学特性和力学模型;在弹性、横观各向同性条件下,计算得出了表征土壤-根系复合体应力-应变关系的本构方程。研究结果表明:土壤-根系复合体的强度,不仅与土壤和根系的材料特性、形态结构、含水率以及根系含量有关,而且与土粒和土粒之间、土粒和根系之间的黏聚力、内摩擦力密切相关。     

油菜茎秆的粘弹性特性及本构关系的研究

割刀切割茎秆产生的冲击应力波传播到荚果,当应力幅值超过荚果的抗裂极限时,籽粒脱落引起收获损失.油菜茎秆的粘弹性质对应力波的传播具有很大的影响.通过测定油菜茎秆的粘性系数与弹性模量,采用三元件固体模型建立了油菜茎秆的粘弹性本掏关系,并分析了其应力、应变对时间的响应,从而得到了蠕变曲线及应力松弛曲线.为进一步研究茎秆中的应力波的传播规律,设计优化切割器参数以便减小收获损失,提供了重要数据.     

岩石流变试验与本构模型研究进展

岩石的流变性是岩石的重要力学特性之一,岩石流变力学研究对于岩石力学的实际问题,尤其是对于深埋于地下的井巷、硐室围岩的稳定问题非常重要。阐述了岩石和岩体流变试验和本构模型研究的进展概况,同时提出若干需要进一步研究的问题。     

基于分数阶微积分的岩石非定常蠕变本构模型

基于分数阶微积分理论,对岩石蠕变本构模型中常用的Abel黏壶元件进行改进,得到表征损伤阀值效应的非定常性元件模型,并论证该模型可以良好适用于岩石加速蠕变阶段.基于经典元件组合理论,通过弹性体、Abel黏壶体以及改进后的损伤阀值触发的Abel黏壶元件体建立了新的岩石蠕变本构模型.基于实验数据反演拟合,结果表明,该岩石蠕变...     

岩石的扰动状态本构模型研究

对岩石的扰动状态概念模型进行了具体的研究.分析了相对完整状态、完全调整状态的选择,根据岩石的内部微结构变化的特点修改了扰动函数,提出了一般形式的扰动状态本构方程的数值解法,并将理论计算结果与实验结果相比较,证明扰动状态概念是一种能较好模拟工程材料本构关系的方法.     

考虑冻融的粉质黏土统计损伤本构关系研究

【目的】研究冻融作用下土的物理力学性质的变化,构建一种同时考虑荷载效应和冻融循环的损伤模型,为预测冻土地基反复冻融作用下的沉降变形提供理论基础。【方法】以青藏铁路沿线常见的粉质黏土为研究对象,制备了20组同一目标含水量(16%)和干容重(1.30g/cm3)的重塑试样,开展了3种正压力(100,200和300kPa)下的直接剪切试验,剪切变形速率控制为0.8mm/min。以粉质黏土的抗剪强度数据为基础,采用3种常用的分布函数(正态分布、对数正态分布和Weibull分布),分析了粉质黏土的抗剪强度分布特征。之后基于Weibull概率密度函数和Lemaitre等效应力原理,推导出三维应力条件下冻土的本构关系;采用Drucker-Prager强度准则反映荷载所致土结构损伤,并选取冻融数次后弹性模量描述冻融循环所致结构损伤,最后提出了一种同时考虑冻融作用和荷载效应的损伤变量,并嵌入冻土损伤本构关系,构建了损伤模型。采用冻融试验数据和三轴剪切试验数据,验证该模型的合理性。【结果】相比于正态分布和对数正态分布,粉质黏土的强度数据更符合Weibull分布规律,曲线吻合程度和最大偏差均最小。验证试验结果表明,构建的损伤模型的计算结果与试验结果的相关系数均高于0.70,说明该模型能够较好地描述粉质黏土冻融数次后的应力应变特征。【结论】成功构建了一种同时考虑荷载效应和冻融作用的损伤模型,这为统计损伤本构关系的研究和有效的工程应用提供了参考依据。     

废玻璃粉混凝土力学性能与应力-应变本构关系

为有效利用玻璃固废材料,将废玻璃粉用作水泥掺合料,制备废玻璃粉混凝土.通过废玻璃粉混凝土力学性能试验,分析了废玻璃粉替代水泥的原理.基于废玻璃粉混凝土破坏机制,探讨了各个力学性能指标变化规律.采用随机损伤本构关系对比分段式本构关系探讨了废玻璃粉混凝土应力-应变本构关系,并且分析了废玻璃粉混凝土损伤演化、脆性指数等变形性能.试验结果表明：随着废玻璃粉取代率的增大,废玻璃粉混凝土脆性指数会微弱减小,其立方体抗压强度、轴压强度减小幅度大于弹性模量和劈裂抗拉强度的降低幅度;废玻璃粉混凝土初始损伤阶段持续时间相对较短,裂缝扩展速率在应变为1×10^-3～6×10^-3之间相对较平稳;分段式本构关系和随机损伤本构关系的计算结果与实测结果吻合良好.废玻璃粉替代水泥,在混凝土材料中有较好应用前景.     

BP人工神经网络用于食品防腐剂构效关系建模的研究

采用摇床培养,测试了20种食品防腐剂在实验条件下对大肠杆菌的最低抑菌浓度;计算了所有供试防腐剂的10种结构、电子、理化性质参数,随机抽取其中17种防腐剂作为训练样本,另外3种防腐剂作为预测样本,构造并训练得到能较好预测"未知"食品防腐剂在实验条件下对大肠杆菌的最低抑菌浓度的BP人工神经网络,建立了能较准确预测食品防腐剂抗菌活性的QSAR模型,该模型对防腐剂抗菌活性的预测值和实测值相对误差不超过±5%。     

利用人工神经网络建立谷物干燥模型

分析了谷物干燥传统建模的难点，介绍了人工神经网络建模的原理和方法及其在干燥过程中的运用。     

基于人工神经网络的逆流式谷物干燥机模型

针对传统数学建模方法的局限性，利用人工神经网络建立逆流式谷物干燥机模型。网络的拓扑结构是基于感知机的３层前向网络，采用ＢＰ算法对网络进行训练，训练数据来源于逆流干燥要计算机模拟结果。实验结果表明网络能很好地预测逆流干燥机的行为。     

水分敏感指标人工神经网络模型研究

 选用经度、纬度和土壤有效含水量、全生育期日平均参考作物腾发量作为输入因子，水分敏感指标作为输出因子，构建了一个具有二层隐含层的BP人工神经网络模型，利用湖北和广西的水稻试验数据作为样本对网络进行训练和检验。结果表明：模型具有较高的拟合精度和预测精度，能够用于缺乏试验数据的地区进行水分敏感指标的计算。     

基于人工神经网络算法对水稻需水量的预测

水稻需水量预测是节水灌溉规划的基础,由于BP神经网络在解决多参数非线性问题表现出极强的自适应能力,从而可以科学准确预测需水量。本研究从多个影响因子分析出发,得到了BP神经网络模型,并结合实际数据进行了检验。试验结果表明,该模型能够较好地反映气象因子与水稻需水量之间的关系,预测精度高。     

基于人工神经网络的土壤含水量预报模型

土壤水分含量是影响作物生长的重要因素,精确预测技术对水资源的合理利用与管理具有重要的指导意义。土壤水分运动是一个复杂的时间序列系统,其变化与区域气候条件和生态环境密切相关,具有明显的随机性波动。利用人工神经网络的方法对河南驻马店地区的土壤含水量进行预报,利用表层土壤含水量资料计算了一些与深层土壤含水量相关的预报因子,用以建立驻马店地区深层土壤含水量的神经网络预报模型,并应用独立样本进行了初步的模拟预报检验。结果表明,预报模型取得了令人满意的效果,应用神经网络的方法预报深层土壤含水量是可行的。     

基于人工神经网络的杉木可变密度蓄积量收获预估模型

采用人工神经网络方法拟合杉木林分蓄积量与立地质量、林龄、林分密度之间的非线性关系,建立了杉木可变密度蓄积量收获预估BP网络模型,并对所建立的模型进行精度检验.检验表明,所建模型预测精度高,可应用于森林经理调查、数据更新与经营决策优化以及编制可变密度收获表.     

基于神经网络的绝热毛细管新型简化模型

通过对现有各种毛细管仿真模型的分析比较，提出了基于神经网络的新型简化模型——两相区关联模型．该模型针对壅塞两相区各参数间的相关性，建立了无量纲长度与两相区进出口压力间的人工神经网络辨析关系．而且基于等焓假设推导出两相区进出口压力相同的非壅塞态与壅塞态流量关系式．从而获得了快捷而且紧凑的仿真流程．在样本范围内取得了良好的仿真结果，R12和R22壅塞状态下的误差绝对值分别控制在2．14％和2．46％内．     

人工神经网络约束模型在造林规划上的应用研究

系统地介绍了神经网络满意约束模型在造林规划上的应用研究 ,该模型简单方便 ,可实现树种优化安排。最终在计算机上模拟了这个过程 ,结果表明利用该模型收敛速度较快 ,并具有良好的适应性     

基于人工神经网络和随机游走模型的汇率预测

由于金融数据具有随机性特征,使得建模和预测变得极其困难.提出一种组合预测方法,即假定任何金融时序数据由线性和非线性两部分组成,将其中线性部分的数据通过随机游走(RW)模型进行模拟,剩余的非线性残差部分由前馈神经网络(FANN)和诶尔曼神经网络(EANN)协同处理.从实证结果可知,该组合方法相比单独使用RW、FANN或EANN模型有更高的预测精度.     

森林火灾成灾面积的人工神经网络BP模型预测

应用人工神经网络BP模型对河南省森林火灾成灾面积进行预测,网络模型的最大相对误差为1.15%,最小相对误差是0,平均为0.42%,表明预测值与实际值吻合程度很好,模型精度较高,建模简单,是预测森林火灾成灾面积的有效方法.