浅谈岩石流变的本构模型及其智能辨识研究

《浅谈岩石流变的本构模型及其智能辨识研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中南大学博士学位论文岩石流变的本构模型及其智能辨识研究姓名：陈沅江申请学位级别：博士专业：岩土工程指导教师：潘长良;曹平2003.1.1摘要岩石流变是岩土工程围岩失稳破坏的重要原因之一。本文在综述国内外前人有关研究的基础上，围绕“岩石流变的本构模型”这一中心课题，从模型的构建和辨识两个方面进行了创造性研究。为使预定的研究工作能顺利开展，首先整修了本实验室现有的两台CFQ一1型单轴蠕变试验仪，并对其中的一台蠕变仪进行了改装，使之不但能进行岩石的单轴蠕变试验，而且能进行结构面的直剪蠕变试验。此外，还自行研制开发了一台用于软岩流变

2、研究的蠕变-松弛耦合试验仪。为了克服软岩试件加工成型的困难，研究了一种以石蜡、大理石砂和凡士林等为原料的软岩相似材料，该材料与自然界泥页岩等较软弱岩类具有十分相似的力学性质，适合于作软岩的流变试验研究。进行了软岩的不含结构面、含倾角为0。、15。、30。、45。结构面试件的相似材料逐级加卸载蠕变试验，提出了一种可用来描述软岩复杂非线性流变力学行为的新的复合力学模型。由此出发，详细探讨了软岩蠕变的结构效应，获得了该复合力学模型参数值与结构面倾角值之间的非线性回归函数关系。【在本实验室原有试验工作的基础上，研究了软岩流变的尺寸效

3、应。据某工程现场砂质页岩不同尺寸岩样的单轴蠕变试验结果，以萨乌斯托维奇模型为该类岩石的流变力学模型，研究了其本构参数的尺寸效应，获得了试件尺寸与流变模型本构参数值闯的量化关系。由此探讨了对工程岩体作连续性假设时涉及的连续微元尺寸概念及所适用的岩体范围。进行了结构面的逐级加卸载压剪蠕变试验，对结构面蠕变力学行为进行了详细的讨论，并提出了一种适用于描述结构面复杂非线性流变力学行为的新的复合力学模型。以此为基础，探讨了结构面流变的表面粗糙度效应，获得了此复合模型力学参数值与结构面表面粗糙度值之间的非线性回归函数关系。采用新研制的蠕

4、变．松弛耦合试验仪，进行了软岩的蠕变一松瓶耦合试验，探讨了该仪器简单实用的工作原理，获得了如下结论：所研制的试验仪能用于软岩长期强度的测定及流变本构方程参数的确定；其加载方式有单级加载和逐级加载两种方式，其中后者用于软岩长期强度的确定时更为客观科学；该仪器用时较省、操作简便、稳定性好、精度较高，所得结果偏于安全，可在工程中推广应用。从岩石材料的细观结构出发，首先分析了岩石蠕变破坏过程中其内部应力状态的极端复杂性，其主要表现在“强化作用”和“弱化作用”两个方面。然后通过运用重正化方法研究岩石的蠕变破坏过程发现：岩石内部微元累进

5、破坏过程中存在一个可用微元l临界破坏概率来表征的自组织临界状态；在该『晦界状态以前。微元的破裂是随机、独立和短程相关的，岩石蠕变为稳定蠕变：在该临界状态以后，微元的破裂便是相互协同和长程相关的，并且原来随机、无序分布的破裂微元会逐渐向某一吸引域集中而形成宏观贯通的破裂面，岩石蠕变为不稳定蠕变：与该临界破坏概率相对应的应力值是岩石的长期强度，它约为岩石峰值强度的80％。最后运用能量型物理元胞自动机模型对岩石的蠕变破坏过程进行了计算机模拟。从连续介质不可逆热力学的公理化体系出发，基于ICC．valallis所倡导的内时理论，通过

6、在内蕴时间中引入牛顿时间、在Helmholtz自由能中引入损伤变量对它们分别进行重新构造，推导了一种新的软岩内时流变本构方程。由此讨论了该方程在单轴应力条件及有侧限轴对称应力条件下的解，I并用有关室内试验和工程应用实例对其进行了验证。所得结果表明，该本构方程由于具有不可逆热力学的根基，并且避开了经典粘弹塑性力学所作的“屈服面”人为假设，故其可用来有效描述耗散型地质材料特别是软岩、土等的复杂的非线性流变特性。岩石流变组合模型的本构方程通式—n阶线性常微分方程，是一种典型的SISO线性定常系统。从这一基本认识出发，利用系统辨识的

7、相关原理，研究了各种不同阶次组合模型的可观测性、可控性以及可辨识性，并实现了本构方程各种表达形式(输入．输出形式、差分方程形式、连续型状态方程形式及离散型状态方程形式)之间的相互转换。在此基础上，首次探讨了利用连续型Hopfield神经网络(HNN)的优化计算原理用于上述岩石流变本构模型通式辨识的可能性及相关算法，并在matlab软件包中开发了相应的计算程序。有关的考题验证及工程实际应用表明，该算法是成功可信的，能有效用于加变形破坏实际中。控、位移输出可测的可近似描述为线性时不变系统的大量岩土工程流变首次提出了将有限元计算(

8、FEM)、均匀设计(uD)、神经网络(ANN)三者有机结合对岩石流变的非线性本构模型进行辨识的方法。为了该方法的顺利实现，首先编制了用于辨识目的的岩石非线性流变有限元分析程序；然后，为了利用该有限元程序获得基于先验知识的具有全局代表性的ANN本构训练数据，研究了UD方法在待辨识本构参数向量