人工神经网络进行参数辨识的并行计算.pdfVIP

人工神经网络进行参数辨识的并行计算幸 葛增杰．王希诚 大连理工大学工业装备结构分析国家重点实验室，大连116023 摘要：采用修改了的人工神经网络BP算法——FRBP并行算法对深基坑开挖工程中多层土体的 物性参数进行辨识，与传统的反分析方法相比，该方法具有概念直观，易于掌握，易于实现 等优点。在阿络训练中动态优化调整训练速率系数和冲量系数，有效地加快了躅络{『fi练的速 度，具有较高的效率和加速比。数值算例表明本方法收敛快、精度高，可以应用于大型工程 中多层土体物性参数的辨识问题。 1引言 近几年来。人工神经网络方法已成功地应用于结构近似分析、地下洞室围岩的参数识别、土 壤传感器的标定等一系列工程问题，引起了人们的高度关注。本文将人工神经网络FRBP算法应用 于深基坑开挖工程中土体物性参数识别问题，并将其并行化。与传统的反分析方法相比，该方法 避免了敏度分析，具有概念直观，易于掌握。易于实现等优点，可以应用于大型工程中多层士体 物性参数的识别问题。 2基坑土体变形渗流瞬态过程的计算模型及有限元方法 2．IAIonso饱和——非饱和土体本构模型 采用Alonso饱和一}饱和土体本构模型·在只一g一￡三维应力空间描述模型的三重屈服 面，只、g是净应力张量的第一和第二应力不变量，￡是吸力·三个分屈服面分别为晒界状态 面、状态边界面和吸力增长面。当￡=0，在只一g一只的二维应力子空间只一g(只=0)中得 到退化的饱和士本构模型。在计算模型中采用耦合分本构模型来描述土体的材料非线性行为，每 个分本构模型(例如塑性、蠕变、损伤等)均与各自所描写的特定的非线性行为相联系．孔隙水和 孔隙气的渗透系数一般可表示为： (m皑)∥勰 (1) (纠吼勰‘L=‘疋’蓼萄焉 (2)‘2’ 宰基金项目：国家973计划资助项目(G1999032805)。国家自然科学基金资助项日 55 式巾(疋)口足依赖丁．j卜．体结构和孔隙比的绝对渗透系数，h、K信足依赖丁．饱和度(·咒，瓯)的 相对渗透系数，而∥。、以是流体的粘性系数· 2．2饱和一非饱和土体变形渗流瞬态过程控制方程的有限元离散及求解 基于对饱和土体的Biot理论，Terzaghi的有效应力概念和对于非饱和土体的双应力变量公式， 可以建立非饱和土体变形渗流瞬态过程的控制方程‘射．其有限元形式为： c3， [二乏暑]{主)+[舌呈]{羔)+[吾一97’]．[三)={竞) 式中 K=f召r∞dQ Q．r=阿％z聊坼dQ B=三饥 Q=IⅣ；％乱聊7Bm s=，Ⅳ；(Q。)‘1以dQ日=几V坼)rK。(V¨)dQ K。A虬dQ M。=}弼p虬dQ膨P=l(别p)1 K。pwb心一＼N：访Tmar， 九=IN：pb心一＼N声【fp=I谓Nl “、几分别是土体骨架位移和水压力；K为切线刚度矩阵。D为切线模量向量：Q为切线模量 矩阵；三为作用于率位移向量以得到率应变的微分算子；也是孔隙水渗透系数矩阵；F和∥分 别为作用于Q域边界r，和r。上的表面力和水流速度：门是r。的单位法向量；6为单位体积向 1 1oo 量：朋=【1 o】7；正和无分别为节点荷载向量和节点孔隙水流量向量。 对于具有非光滑多重屈服面的Alonso弹塑性本构模型，通过引入自然坐标系下的应力空间。 将应力球量和偏量进行分解，可实现在Gauss积分点上进行应力和内状态变量更新的一致性算法。 一致性切线刚度矩阵K和Q’r分