沥青砼自适应本构模型.pdfVIP

·276· 《工程力学》增刊 1999年 沥青砼自适应本构模型 田小革1 郑健龙 (长沙交通学皖路桥工程系．湖南．4l0076) 提要：在沥青砼路面结构分析中，建立沥青砼的本构关系是最基本的问题．但是，由于影响沥青砼性能 韵因素较多．难以建立能完全反映各因素对沥青砼性能影响的本构方程。本文借助神经网络方法尝试建 立了一个沥青砼的自适应本构模型。 关键词：沥青砼．神经同络．本构模型 1 概述 在沥青砼路面结构分析中，建立沥青砼的本构关系是晟基本的问题。传统的建模方法 通常是遵循这样的步骤，即根据对沥青砼试验数据的观测和整理，推导出满足力学基本定 律的本构关系的基本表达式。其主要建模步骤为： 1)进行沥青砼室内或现场试验； 2)假定一个能描述沥青砼本构行为的数学模型，由试验数据确定模型中的有关参数： 3)用其它试验结果对模型进行检验和修正。 但是，由丁沥青砼的本构模型的建立受温度、加载速率、沥青砼混合料的配合比、沥 青与集料的性质等等诸多因素有关，难以建立能全面反映各因素对沥青砼性能影响的本构 方程，且由于对沥青砼的破坏激励缺乏实质性的研究，所以建立的诸多模型都存在一些缺 点和问题。 神经网络是一个自适应的高度非线性系统，具有很强的学习和联想记忆功能，能对一 些有关联的信息通过不通的学习方法，将输入和输出的关联知识以权值的方式存储下来。 BP网络是目前比较成熟且应用较为广泛的一种神经网络，它把一组学习、训练样本的输 入输出问题转变成了一个非线性优化问题。Funahashi证明了定理：如BP网络隐层节点 可根据问题的不同作相应的配置，则用3层且激励函数为Si舯id型的BP网络可以任意 精度逼近任何连续函数。这个定理显示了BP网络实现非线性函数逼近的潜力，它可以逼 近那些最佳描述样本数据规律的函数．而不论这些函数具有怎样的形式。 2 BP神经网络 田小革．男．19702出生．讲师 《工程力学》增刊 1999年 ·277· 组成神经网络的基本单元是人工神经元作为节点，本文所采用的是由众多神经元组成 B—P算法是针对多层神经网络结构进行研究而提出来的一种有效的学习方法[1]。 多层神经网络结构如图l所示，它是在输入层与输出层之间增加若干层神经元，称为 隐层，它们与外界没有直接联系，但其状态权值w的改变，能影响网络的输入与输出之间 的关系。 输入层 隐层 输出层 圈l多层神经网络的结构示意图 设有m层的神经网络，若在输入层加上输入模式P，并设第l层第j神经单元输入的 总卡¨为“：，输出为J厶·由第卜I层第i神经单元到第l层第j神经单元的结合权值为”ij， 各个神经元．即节点的输入与输出之间的函数关系，被称为激发函数f(x)，本文选用如 卜I的非线性关系： f(x)=[1一exp(一x)]／[1+exp(一x)] (1) 各变量的关系为： _)，j2厂似：)=，(∑％y：1) (2) 这个算法的学习过程是由正向传播和反向传播组成。输入模式正向从输入层经隐层逐 层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态，如果在输出层 不能得到期望的输出，则转入反向传播，将误差信号沿原来的连接通路返回，通过修改各 层神经元的权值，使误差信号最小。 定义网络的误差函数e为： ·278· 《工程力学》增刊 1999年 s2=∑若； (y ，一2 ∑， ∑， (3) 其中，7pj为输入模式P指定的期望输出，y孑为网络的实际输出，那么相应的代价 函数为： L，=E(占2)=∑E(占；)=∑，，