[发明专利]一种基于深度学习的土石坝材料本构模型构建方法

说明书

本发明公开一种基于深度学习的土石坝材料本构模型构建方法，属于人工智能和材料本构模型技术领域，包括根据土石坝材料试件大小建立有限元模型，输入压缩试验得到的应力‑应变曲线进行有限元计算,提取模型真实应力、应变及其增量数据，组成数据集；采用深度学习对数据集进行学习，输出深度学习模型参数；根据深度学习模型参数，编写材料本构子程序，构建基于深度学习与有限单元法的土石坝材料本构模型，本发明土石坝材料本构模型构建方法，使用的深度神经网络能够无限逼近任意连续函数，能够用于对复杂非线性土石坝材料本构模型的构建，且深度神经网络本构模型仅基于试验数据，没有作出任何假设，模型不受应力应变曲线形状的影响，模型更客观。

技术领域

本发明涉及一种基于深度学习和有限单元法的材料本构模型，属于人工智能和材料本构模型技术领域。

背景技术

土石坝在设计时需要通过数值分析来预测坝体应力和变形,从而确保大坝能够安全运行，在坝体应力和变形分析中,坝体材料本构模型对计算结果影响较大,因此,必须选用合适的本构模型。

有限元方法作为分析工程问题的有力工具得到了广泛应用，在有限元分析中，往往将实际材料的行为近似于根据某些本构关系变形的理想材料行为。因此，选择合适的本构模型去充分描述材料的行为，对数值预测的准确性和可靠性起着重要作用。土在荷载作用下所表现出非线性应力-应变关系由土体的组构和加载方式共同决定，如颗粒组成、应力状态、应力历史和应力路径等，因此，土体本构关系较为复杂。在传统方法中，一般采用简化假设和经验关系构建显式函数拟合试验数据去构建土体本构关系。但是，拟合出的本构函数将不可避免地丢失数据中蕴含的部分信息,引入误差和不确定性，同时这些模型大多涉及材料参数的确定，但其中许多没有物理意义。

发明内容

本发明的主要目的是提供一种基于深度学习和有限单元法的土石坝材料本构模型构建方法以克服背景技术中描述的现有技术存在的不足。

一种基于深度学习与有限元单元法的土石坝材料本构模型构建方法,包含以下步骤:

(1)根据土石坝材料试件大小建立有限元模型，输入压缩试验得到的应力-应变曲线进行有限元计算,提取模型真实应力、应变及其增量数据，组成数据集；

(2)采用深度学习对数据集进行学习，输出深度学习模型参数；

(3)根据深度学习模型参数，编写材料本构子程序，构建基于深度学习与有限单元法的土石坝材料本构模型。

进一步地，所述的步骤(1)包括以下步骤：

步骤1-1根据土石坝材料压缩试验，计算土石坝材料的真实应力和塑性应变，计算公式如下：

式中：σ_true为真实应力；ε_true为真实应变；σ_nom为工程应力；ε_nom为工程应变；ε_pl为塑性应变；ε_el为弹性应变；E为弹性模量；Δl为试样的长度变化量；l₀为试样的初始长度；l为试样的当前长度；F为荷载；A₀试样的初始界面面积；A为试样变形后的界面面积。