非饱和膨胀土的GA-NN本构模型.pdfVIP

内蒙古工业大学学报 JOURNAL OFINNER MONGOLIA 第29卷 第1期 UNIVERSITY oFTECHNOLoGY Vo1．29 No．1 2010 文章编号：1001—5167(2010)01—0068—05 非饱和膨胀土的GA—NN本构模型 李冬梅 ，肖仲炎 (1．桂林理工大学土木建筑工程学院，桂林 5410004； 2．内蒙古工业大学土木工程学院，呼和浩特 010051) 摘要：非饱和膨胀土的本构关系非常复杂，涉及的因素很多，且多为因素间的耦合 作用．本文探讨了用进化神经网络建立GA—NN本构模型，用 8个物理力学指标拟 和主应力差与轴向应变的关系，取得了较好的效果． 关键词 ：非饱和；膨胀土；GA—NN 中图分类号 ：O341 文献标识码：A 0 引 言 现代岩土力学本构模型的研究至今已有30多年的历史，目前，国内外已经有了大量的研究成果．近 年来，一些学者把人工神经网络学科引入到本构关系的研究中． Ghaboussi等吨(1994)提出了一个NANNs(NestedAdaptiveNeualNetworks)网络用以模拟砂土 的应力应变关系；Willis (1995)采用改进的序列BP网络模拟砂土的应力应变关系，该模型可以考虑应 力历史和砂土粒径的影响，同时可 以考虑卸载和加载的影响；Zhu等 “(1998)用递归神经网络RNN (RecurrentNeuralNetwork)模拟残积土在加载过程中的硬化和软化的现象，模拟应力控制和应变控制 条件下的力学行为． 在国内，邓若宇凸(1999)在Domaschuk等提出的K—G模型的基础上，用B—P神经网络建立了粘土本 构关系的神经网络模型；李青 (2000)建立了考虑剪应力对体应变和静水压力对剪应变相互作用的神 经网络模型；吴洪词 (1997)用B—P网络模拟了砂体的本构特性，其用 自适应法来确定隐含层神经元 的数 目，并对学习率进行监控． 膨胀土相对于其他类型土质的力学特性有所不同，特别是非饱和条件下，其力学特性受到多种因素 的影响，其中的耦合效应和关系非常复杂，到 目前，尚未有被广泛接受的理论模型得到实际应用，针对非 饱和膨胀土力学行为中的多因素耦合问题，本文探索采用神经网络建模方法进行分析，以期从另外的途 径来解决此问题． 膨胀土本构特性的分析 非饱和膨胀土本构模型的建立是一个复杂的模式识别过程．非饱和土中力学变量众多，关系复杂， 耦合效应明显．非饱和土的弹塑性本构模型，能较好地反映这一模式．但其参数众多，已建模型大多将一 个土样的有效应力参数X值视为常数，这是不合理的，同时，X的值也没有有效的确定方法．本文探索用 GA—NN(GeneticAlgorithms—NeuralNetwork)，即用遗传算法优化神经网络方法来建立模型．采用这 个模型不必进行单因素的分析，而是把众多的因素一起作为输入变量，建立起输入与输出的直接映射． · 收稿 日期 ：2009—04—15 作者简介 ：李冬梅 (1972~)，中山大学力学系毕业，硕士 ，讲师．E—mail：lidongmeisj@glite．edu．an． 第 1期 李冬梅等 非饱和膨胀土的GA—NN本构模型 本文所用数据样本取 自徐永福E93所做的非饱和膨胀土的三轴试验 ，对不同初始饱和度 、不同初始吸 力值、不同围压的土样进行了排气不排水和不排气不排水的三轴试验．试验 中发现，非饱和土的孔隙水 压、孔隙气压和吸力在变形过程中是变化的． 在不排气不排水试验 中，土样的孔隙水压、孔隙气压和吸力随应变增大而增大；而在排气不排水试 验中，土样的孔隙水压随变形增大而减小 ，吸力随应变增大而增大． 在不排气不排水试验 中，由于水分重新分配，引起膨胀矿物的膨胀变形，导致土体中大孔隙的减小， 从而引起土体的孔隙气压增加，孔 隙气压的增大相当于增加了土体 内的反压 ，使土体 内的部分结合水转 变为 自由水 ，引起孔隙水压的