1. 西南交通大学地球科学与工程学院
2. 西南交通大学土木工程学院
纸质出版:2026
移动端阅览
何毅, 张帅, 黄熙龙, 等. 增量型物理信息神经网络及其在非线性弹性本构中的应用[J]. 岩土力学, 2026,47(5):1812-1824.
何毅, 张帅, 黄熙龙, et al. 增量型物理信息神经网络及其在非线性弹性本构中的应用[J]. 2026, 47(5): 1812-1824.
何毅, 张帅, 黄熙龙, 等. 增量型物理信息神经网络及其在非线性弹性本构中的应用[J]. 岩土力学, 2026,47(5):1812-1824. DOI: 10.16285/j.rsm.2025.0401.
何毅, 张帅, 黄熙龙, et al. 增量型物理信息神经网络及其在非线性弹性本构中的应用[J]. 2026, 47(5): 1812-1824. DOI: 10.16285/j.rsm.2025.0401.
非线性弹性本构模型是岩土工程中最为常用的本构模型之一,被广泛用于力学性能分析和数值模拟中。对于非线性弹性本构问题,由于涉及对每个增量步的迭代过程,通常采用数值算法进行求解。物理信息神经网络(physics informed neural networks,简称PINN)作为近年来求解偏微分方程的热点方法,为岩土工程问题的求解提供了新的思路。目前物理信息神经网络对非线性本构问题进行预测时,往往依赖于数值方法求解得到的应力-应变场数据。虽然这种融合数据驱动与物理驱动的方式能够提高预测的准确性,但并未完全脱离传统数值计算的框架,并且还降低了神经网络独立解决问题的能力。针对依靠物理驱动的物理信息神经网络架构解决非线性本构问题,搭建了一种增量型物理信息神经网络架构,对应每一个增量步生成一组子网络进行训练,并结合迁移学习加速每个增量步骤中神经网络的训练效率。对Duncan-Chang模型这一典型的非线性弹性本构进行测试,评估提出的增量型物理信息神经网络架构在解决二维平面应变问题的性能表现。通过将神经网络预测结果与有限元软件的计算结果进行对比,验证了该网络架构的有效性和准确性。
郑宏,李焯芬,谭国焕,葛修润.有限元分析的位移控制法及其应用[J].岩土工程学报,2002(01).
陈育民,刘汉龙.邓肯-张本构模型在FLAC~(3D)中的开发与实现[J].岩土力学,2007(10).
卞士海,李国英,魏匡民,米占宽.堆石料广义塑性模型对不同应力路径适应性研究[J].水利水运工程学报,2017(04).
潘秋景,吴洪涛,张子龙,宋克志.基于多域物理信息神经网络的复合地层隧道掘进地表沉降预测[J].岩土力学,2024(02).
丁旭升,张凌凯,樊培培.干湿冻融循环条件下重塑性黄土的强度劣化规律及非线性模型研究[J].岩土力学,2024(S1).
曹祎,荣传新,王衍森,常磊,王彬.冻结钙质黏土复杂应力路径下的力学响应及本构模型研究[J].岩土力学,2025(07).
路强.基于ABAQUS邓肯张E-B模型的坝体变形分析[J].广西水利水电,2017(03).
Ran Yuan,Hai-Sui Yu,Nian Hu,Yi He.Non-coaxial soil model with an anisotropic yield criterion and its application to the analysis of strip footing problems[J].Computers and Geotechnics,2018.
0
浏览量
下载量
CSCD
关联资源
相关文章
相关作者
相关机构