首页/文章/ 详情

有限离散单元法(FDEM)的数值模拟最新研究进展

15小时前浏览6

文一:

 

二维有限-离散单元法中外部粘性区模型的节点约束实现

摘要:

组合有限元-离散元法(FDEM)已被广泛用于岩石破裂模拟。传统上,FDEM是使用固有内聚区模型(ICZM)来实现的;然而,它存在人为顺应性和计算费用高的缺点。作为补充,最近在FDEM中实现了非本征内聚区模型(ECZM),而使用的节点分裂方案很麻烦。在这里,在基于ICZM的FDEM的框架内,我们提出了一种节点绑定方案,以有效地绑定预离散的有限元,从而保证材料在弹性阶段的连续性行为。屈服面由ECZM控制,通过调用预先插入的内聚元素来动态嵌入。通过一系列数值实验验证了所提出方法的有效性和效率。与基于ICZM的FDEM相比,该方法能够正确地捕捉材料变形,降低了计算成本。与现有的基于ECZM的FDEM相比,该方法可以克服频繁而复杂的单元拓扑更新。这项工作提供了一个新的视角,充分继承了ICZM和ECZM的优点,但又规避了它们的缺点,保证了更高效、有效地模拟脆性材料从连续到非连续的演化。

 

图:分别在dFDEM和cFDEM中进行材料压裂建模。(a) 脆性材料断裂尖端前FPZ(断裂过程区)发展的概念模型。

 

图:三角形有限元的网格离散化和内聚元重连接。

 

图:所提出的cFDEM中弹性变形计算的工作流程。

 

图:调用预插入的内聚单元时更新主-从节点映射列表和从节点组链表的示意图。

 

图:(a) 空心厚壁圆筒的几何模型。解析解与cFDEM模拟结果之间圆柱体中(b)径向位移、(c)径向应力和(d)切向应力分布的比较。

 

图:三轴压缩和直接拉伸试验。(a) 三轴压缩试验。(b) 直接张力测试。(c) cFDEM模拟的σ1-σ3关系与主应力空间中Mohr-Coulomb和最大抗拉强度准则的理论曲线的比较。

 

图:(a) 对称三点弯曲试验模型的几何结构和(b)网格。在所提出的cFDEM中模拟的对称三点弯曲试验中不同时间戳下的断裂模式。

 

图:在三个不同时间戳下,在所提出的cFDEM中模拟的双缺口不对称拉伸试验中的断裂模式演变。

文二:

 

结合有限元和离散元方法的三维混合建模方法:基于砌体剪力墙试验的验证

摘要:

砖石结构代表了世界建筑遗产的重要组成部分。这些建筑的保护需要多学科的诊断方法,包括结构评估以评估其稳定性。然而,由于砌体材料的高度非线性行为和这种类型建筑的几何形状的复杂性,这项任务仍然很困难。出于这个原因,已经开发了几种稳健的建模策略。在这些策略中,基于离散元方法的块体模型(BBM),更具体地说,基于NSCD“非光滑接触动力学”,可以考虑砌体的实际几何结构。然而,在这种方法中,块体通常是刚性或弹性的,非线性仅出现在受内聚摩擦定律控制的块体之间的界面上。在这项研究中,提出了一种新的混合方法。它包括整合一个模型,该模型结合了(i)描述块体-砂浆界面的摩擦粘性区模型“FCZM”和(ii)与块体相关的准脆性损伤模型,同时(iii)通过在法线和切线方向上添加线性弹簧,在FCZM模型中明确考虑了砂浆接缝的弹性。因此,避免了使用扩展块和相应的同质特性。该数值方法的验证是在受压砌体剪力墙试验的基础上进行的。

 

图:墙体制造规程。

 

图:砌体墙竖向恒载试验剪力试验装置。

 

图:试验墙的失效机制:(a)施加的压缩应力较低;(b)施加的压应力较高。

 

图:适用于砌体的建模方法:(a)砌体组成部分和(b)装配的建模策略。

 

图:所提出的接触定律的流变模型:(a)在模式I中(b)在模式II中(c)砌体成分。

 

图:施加位移为6mm时,试验墙3–0.5 MPa的数值位移场和实验位移场的比较。

文三:

 

锚杆注浆开挖支护的OpenMP并行有限元离散元建模方法

摘要:

在过去,CPU内核/线程的数量通常小于8/16;现在,最大数量是128/256。作为一种基于CPU的并行方法,随着CPU内核和线程的增加,OpenMP具有越来越大的优势。利用OpenMP实现了一种用于地下开挖和岩石加固建模的并行组合模糊离散元方法。它的计算性能在两个先进的CPU中得到了验证:AMD Ryzen Threadipper PRO 5995WX(64/128核/线程);和2×AMD EPYC 7T83(128/256核/线程)。然后,使用新的固体锚杆模型实现了其在锚杆-喷射混凝土-灌浆支护下模拟隧道开挖的能力,该模型可以明确地捕捉锚杆、灌浆和岩石之间的相互作用。单轴压缩试验的并行性能验证表明:(i)对于加速比,基于OpenMP的并行FDEM在Threadipper上获得了30(33k元素)和41(3304k元素)的最大加速比,在2×EPYC上分别获得了31和43;(ii)对于加速比的可扩展性,当使用的线程数小于128时,加速比总是随着线程数的增加而增加;(iii)对于加速比的稳定性,无论岩石是破裂前还是破裂后,它都具有稳定的加速比。

 

图:FDEM中的损伤和断裂。

 

图:基于FDEM的新型实体螺栓模型的计算过程。

 

图:螺栓、灌浆和岩石之间的界面示意图。

 

图:并行性能验证的数值模型及仿真结果。

 

图:隧道开挖数值模型中的几何和边界条件。

 

图:支护稳定后隧道围岩的位移分布。

文四:

 

一种改进的 GPU 并行二维/三维弹塑性-损伤-断裂联合有限元程序框架

摘要:

有限元-离散元组合法(FDEM)在模拟脆性材料的断裂和碎裂过程方面显示出显著的优势。然而,单独使用简单的弹性损伤模型无法满足模拟具有延性材料变形的要求,而且离散单元的计算成本使其成为FDEM进一步发展的瓶颈。在这项工作中,提出了三维弹塑性损伤-断裂接头力学模型,并在新的FDEM软件包——跨学科有限元-离散元程序(INFIDEP)中实现了一种组合算法。为了提高计算效率和规模,使用C/C++中的计算统一设备体系结构(CUDA)开发了通用图形处理单元(GPGPU)并行化INFIDEP代码。提出了一种改进的并行框架,并采用了一种对非均匀单元更具鲁棒性的简化接触检测算法。使用GPGPU-INFIDEP,我们模拟了巴西在准静态载荷条件下的拉伸强度(BTS)试验和泰勒杆冲击试验。BTS测试显示了一致的应力-应变曲线和准确的变形趋势。在NVIDIA A6000 GPU平台上,加速比稳定在400–500倍左右。基于接头力学模型模拟的Taylor杆冲击试验很好地反映了试件头部的变形趋势和冲击断裂模式,这是传统FDEM和2D平面应变模型无法模拟的。这些结果表明,GPGPU-INFIDEP为研究岩石工程中脆性和弹塑性材料的连续-不连续变形问题提供了一个有价值且强大的数值工具。

 

图:三个离散的四面体元素与边界盒位于区域细分为8个单元。

 

图:INFIDEP 中材料从连续到不连续。

 

图:INFIDEP流程图。

 

图:使用CPU FDEM计算的BTS试验模型中0.01 s加载时的应力场等值线图和失效后的裂纹分布。

文五:

 

方解石和非均质性对煤力学行为的影响: 基于颗粒有限-离散单元法的数值研究

摘要:

了解煤的力学性质和断裂行为对地下采矿工程的安全至关重要。本研究旨在评估方解石和非均质性对煤力学性质的影响。Neper是一个用于多晶体生成和网格划分的软件包,用于创建具有非均匀晶粒尺寸分布的数值模型。提出了一种随机参数分配方法,利用有限元-离散元相结合的方法模拟煤的力学性能和破坏行为。对三角形和关节元件的特性进行了全面的参数研究,并提出了数值建模的校准程序。该模型根据实验结果进行了校准,然后用于了解方解石颗粒对煤力学行为的影响。校准后,在不同围压下,对含有和不含有方解石颗粒的煤样品进行了三轴压缩。研究发现,煤样品中方解石的存在增加了煤的杨氏模量,降低了煤的峰值强度。本研究使用Voronoi镶嵌技术提出了一种基于威布尔统计晶粒的模型(GBM),以研究晶粒形貌引起的微观结构不均匀性。通过改变数值模型的非均匀性,研究了不同围压下压缩试验的变形响应、强度特性和开裂行为。三轴压缩模拟结果表明,压缩强度随非均质性m值的增加呈线性增加。数值结果与实验观测结果的一致性表明,GBM方法可用于更好地理解微结构尺度下脆性岩石破坏的力学。

 

图:FDEM的基本思想(a)三角形单元和节理单元之间连续体和连接关系的求解(b)继Munjiza等人之后的节理单元的三种类型的断裂本构模型。

 

图:(a) 三角形单元之间的接触力和(b)三角形单元内任何点的势的解。

 

图:不同均匀性指数 Voronoi 网格的晶粒形状。

 

图:在三轴压缩条件下,非均质性对(a)具有方解石颗粒的煤的断裂节理单元数量和(b)拉伸与剪切裂纹比率的影响。

 

图:(a)普通煤和(b)具有方解石颗粒的煤在不同围压(a)0.5 MPa、(b)1.0 MPa、(C)2.0 MPa、(D)3.5 MPa和(E)5.0 MPa的约束压缩下的破裂模式。

来源:STEM与计算机方法
断裂非线性通用建筑离散元裂纹理论自动驾驶材料数字孪生控制试验人工智能
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-11-01
最近编辑:15小时前
江野
博士 等春风得意,等时间嘉许。
获赞 56粉丝 83文章 153课程 0
点赞
收藏
作者推荐

机器学习与力学控制:智能颗粒、裂纹反演、本构关系

文一: doi:10.6052/0459-1879-21-402复杂流动中的智能颗粒游动策略研究进展摘要:智能颗粒定义为可以根据环境的变化而主动调整自身在流场中运动的颗粒,一般用于描述微小的游动物体,如微生物、浮游生物和微纳机器人。由于颗粒运动学特性和流场环境的复杂性,探索智能颗粒的运动策略是一项具有现实意义与挑战性的研究。近期强化学习算法被应用于智能颗粒的运动策略研究,并取得一定进展。本文将讨论强化学习在智能颗粒研究中的应用,并介绍浮游生物运动策略的相关研究进展,包括适用于海洋浮游生物的游动颗粒模型,以及强化学习的基本原理和此类问题的研究框架。海洋浮游生物的昼夜垂直迁移对其生存和繁衍至关重要,生物学研究表明某些浮游生物可感知周围的流场信息,但能否利用这些信息提高垂直方向游动效率仍是一个未知的问题。基于这一背景,相关研究考虑了重力沉降和颗粒形状对浮游生物垂直游动策略的影响。研究发现细长的颗粒能够更加高效地垂直向上运动,而重力沉降则导致智能游动策略发生较大变化。在此基础上,后续研究进一步考虑了局部流体信号的作用,并讨论了基于局部信息在全局坐标系中定向运动的可能性。当颗粒只能感受到局部流体信号时,必须破坏动力学系统的对称性,否则颗粒无法学到有效的垂向游动策略。此外,研究还发现强化学习能够利用流体信号背后的机制,得到颗粒在二维定常流动和三维非定常湍流中高效垂直运动的策略。这些智能游动策略依赖于本质的物理规律,因此这些策略在更加复杂或真实的流动中也可能有优秀的表现。关键词:智能颗粒,强化学习,浮游生物,垂直迁移 图:(a)智能颗粒示意图。x-y-z为全局坐标系,n-p-q为颗粒局部坐标系。(b)强化学习原理示意图 图:智能颗粒垂直运动速度随形状和重力沉降作用的变化。颗粒速度以流动的特征速度无量纲化。RL:强化学习得到的智能策略,naive:简单策略,settle:考虑沉降作用 图:(a)智能颗粒在二维Taylor-Green旋涡流动中的运动轨迹。红点表示颗粒的初始位置,背景为涡量云图。(b)智能颗粒与非智能颗粒当地流体垂直方向速度4,的概率密度分布(PDF)文二: doi:10.6052/0459-1879-21-360基于SBFEM和深度学习的裂纹状缺陷反演模型摘要:结构内部缺陷的识别是结构健康监测的重要研究内容,而当前以无损检测为主的结构安全检测多以定性分析为主,定量识别缺陷的尺度较困难。本文将比例边界有限元法(scaled boundary finite element methods,SBFEM)和深度学习相结合,提出了基于Lamb波在结构中传播时的反馈信号定量识别结构内部裂纹状缺陷的反演模型。通过随机生成缺陷信息(位置、大小),采用SBFEM模拟Lmb波在含不同缺陷信息的结构中的信号传播过程,SBFEM仅需对结构边界离散可最小化网格重划分过程,大大提高了计算效率。Lmb波在含裂纹状缺陷结构中传播时观测点的反馈信号包含大量的裂纹信息,基于这一特性可为深度学习模型提供足够多的反映问题特性的训练数据。建议的缺陷反演模型规避了传统反分析问题的目标函数极小化迭代过程,在保证计算精度的前提下大大减少了计算成本。对含单裂纹和多裂纹板的数值算例进行分析,结果表明:建立的缺陷识别模型能够准确地量化结构内部的缺陷,对浅表裂纹亦有很好的识别效果,且对于含噪信号模型仍具有较好的鲁棒性。关键词:无损检测,比例边界有限元法,深度学习,反分析问题,缺陷识别,裂纹 图:比例边界有限元S域和S单元示意图 图:深度学习网络结构图 图:单缺陷板几何尺寸及SBFEM边界离散 图:多裂纹测试集反演结果图(续)文三: doi:10.6052/0459-1879-21-334基于人工神经网络的非结构网格尺度控制方法摘要:网格自动化生成和自适应是制约计算流体力学发展的瓶颈问题之一,网格生成质量、效率、灵活性、自动化程度和鲁棒性是非结构网格生成的关键问题。在非结构网格生成中,网格空间尺度分布控制至关重要,直接影响网格生成质量、效率和求解精度。采用传统的背景网格法进行空间尺度分布控制需要在背景网格上求解微分方程得到背景网格上的尺度分布,再将网格尺度从背景网格插值到真实空间点,过程十分繁琐且耗时本文从效率和自动化角度提出两种网格尺度控制方法,首先发展了基于径向基函数(RBF)插值的网格尺度控制方法,通过贪婪算法实现边界参考点序列的精简,提高了RBF插值的效率同时,还采用人工神经网络进行网格尺度控制,初步引入相对壁面距离和相对网格尺度作为神经网络输入输出参数,建立人工神经网络训练模型,采用商业软件生成二维圆柱和二维翼型非结构三角形网格作为训练样本,通过训练和学习建立起相对壁面距离和相对网格尺度的神经网络关系。进一步实现了二维圆柱、不同的二维翼型的尺度预测,RBF方法和神经网络方法的效率与传统背景网格法相比提高了5~10倍,有助于提高网格生成的效率。最后,将方法推广应用于各向异性混合网格尺度预测,得到的网格质量满足要求。关键词:人工神经网络,网格生成,网格尺度,背景网格法,径向基函数 图:圆柱算例点源设置及网格生成情况 图:RBF网格变形方法 图:ANN模型各向同性网格预测结果文四: doi:10.6052/0459-1879-21-312基于深度强化学习算法的颗粒材料应力-应变关系数据驱动模拟研究摘要:颗粒材料的宏观力学行为受颗粒组分等材料参数,孔隙率、配位数等状态参数的影响,同时又具备复杂的加载路径和加载历史相关性,建立包含多个内变量以及各变量间相互关联的颗粒材料本构模型是一个重要的科学难题。不同于传统的基于屈服面、流动法则和硬化函数框架下的唯象本构模型,本文基于颗粒物质力学的研究基础,以颗粒材料平均孔隙率、细观组构参数和弹性刚度参数作为内变量,结合深度学习方法建立以有向图表征的数据本构模型。有向图中以不同的链接网络表示不同的内变量信息流动方向,各个内变量间的映射关系采用循环神经网络来建立,将各个神经网络相互组合,形成包含不同内变量且具有不同预测能力的本构模型。该本构模型的建立过程等价于在众多可能的内变量链接关系空间中寻找最能描述实际材料宏观应力应变行为的优化问题。因此,可将有向图本构模型的建立过程看作“马尔可夫决策过程,采用深度强化学习算法构建有向图的内变量链接组合优化过程,具体采用AlphaGo Zero算法自动寻找最优的颗粒材料数据驱动本构模型建模路径。研究结果表明,采用有向图和深度强化学习算法可建立起完全依靠“数据驱动”的颗粒材料应力一应变关系。此外,本方法提供了一种将不同理论模型从数据角度统一起来,且基于人工智能算法发展更优模型的研究思路,可为相似问题的研究提供借鉴。关键词:颗粒材料,应力-应变关系,离散元法,深度强化学习,有向图 图:有向图表示的两种本构关系 图:一次完整的有向图本构关系建立过程 图:AlphaGo Zero实现的自主学习过程 图:三轴数值试样 图:等b加载下“数据”本构模型预测比较文五: doi:10.6052/0459-1879-21-313基于离散单元法和人工神经网络的近壁颗粒动力学特征研究摘要:颗粒与壁面的相互作用往往对颗粒流动具有显著影响。为研究颗粒与壁面作用机理,对滚筒内颗粒流动过程进行离散单元法(DE)数值模拟。基于模拟结果统计分析靠近壁面处颗粒的运动特征,结果表明,小摩擦系数时颗粒平动和旋转速度均近似满足正态分布,但由于壁面影响,摩擦系数增大时颗粒沿滚筒轴向的旋转速度偏离正态分布,颗粒动力学理论推导壁面边界条件时应考虑速度正态分布的修正及速度脉动的各向异性。采用人工神经网络(ANN)构建了颗粒无因次旋转温度、滑移速度和平动温度之间的函数模型,进而可以在常规双流模型壁面边界条件中考虑颗粒旋转的影响。基于DEM模拟及结果分析可以为壁面边界条件的理论构造和半经验修正提供基础数据和封闭模型。 图:滚筒内的颗粒分布 图:切向速度与实验数据的比较 图:近壁颗粒平动速度分布 图:无因次旋转温度的模型预测与DEM统计结果对比来源:STEM与计算机方法

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈