论文摘要
软土是一种极其复杂的工程材料,其特殊的物质成分和复杂的结构决定了软土复杂的工程特性。在传统的土力学研究中,土被假定为弹性体或者弹塑性体,然而,无论是线性弹性体还是非线性的弹塑性体,其本构关系都是应力与应变两者之间的关系,与时间无关。而事实上,自然界土体的应力应变关系与时间紧密相关,因而在土体的本构关系中加入时间因素极为必要。这种包括应力、应变和时间三者在内的本构关系就是基于粘弹塑性理论而建立的土的流变力学。越来越多的工程实例表明,岩土很多工程的破坏都跟软土流变有关。因而,研究软土的流变特性具有重要的理论价值和实践意义。正如土的本构关系在土力学中的重要性,土的流变本构关系也是土流变研究的关键所在。因此,本文首先总结了以往研究软土流变本构模型的各种理论,分析了理论模型和经验模型的构造及其优缺点。针对软土流变的非线性,建立一个简化的半理论半经验的流变本构组合模型,用理论模型描述流变的线性部分,用经验模型描述软土流变的非线性部分,并把它应用于上海淤泥质粘土的流变分析中。其次,引入经典的BP神经网络,利用人工神经网络超强的非线性映射能力和容错能力,根据广东江门软土蠕变试验结果,建立广东江门软土流变的网络本构模型,既克服了以往分别按各分级载荷下蠕变试验数据拟和出蠕变本构模型使用不便的缺点,又克服了蠕变本构关系式难以合理构造的困难,并通过上海软土蠕变试验的进一步验证,具有可考虑因素多、拟合精度高、泛化预测能力强、适应性好等特点。最后,针对目前路基沉降计算和预测存在的困难和缺陷,引入了考虑流变的有限元计算方法,通过MSC.Marc/Mentat有限元软件,对杭州绕城高速公路的路基沉降进行了考虑流变和不考虑流变两种方案的有限元分析。结果表明,考虑软土流变的计算方案更符合路基实际沉降规律,在软土地基沉降计算中,特别是工后沉降,考虑软土的流变特性是非常必要的。
论文目录
摘要Abstract第1章 绪论1.1 概述1.2 国内外土流变学研究发展现状1.2.1 土的流变学研究发展概况1.2.2 土流变试验的发展1.2.3 土的流变本构模型的发展1.2.4 土流变的解析方法的发展1.3 本文研究的主要内容和方法第2章 软土的流变理论2.1 土的流变性质2.1.1 土的流变现象2.1.2 软土的蠕变特性2.1.3 影响土体流变性质的因素2.2 流变理论概要2.2.1 模型理论2.2.2 遗传流变理论2.2.3 老化理论2.2.4 流动理论2.2.5 硬化理论2.2.6 速率过程理论2.2.7 工程比拟法2.3 线性流变模型理论2.3.1 基本流变元件2.3.2 土体流变的常见组合模型2.4 非线性流变模型理论2.4.1 线性模型理论的修正2.4.2 经验模型2.4.3 半理论半经验模型2.5 半经验简化的非线性流变模型结构2.6 小结第3章 简化的半理论半经验流变本构模型3.1 简化的非线性流变模型建立思路3.1.1 非线性流变的划分3.1.2 非线性流变的简化3.1.3 非线性流变本构模型的建立3.2 上海淤泥质软土非线性流变本构模型3.2.1 淤泥质粘土非线性流变的划分3.2.2 淤泥质粘土线性粘弹性阶段的流变本构模型3.2.3 淤泥质粘土非线性粘塑性阶段的流变本构模型3.3 小结第4章 基于BP 神经网络的海相沉积软土流变本构模型4.1 人工神经网络的基本理论4.1.1 人工神经网络概述4.1.2 人工神经网络的特点4.1.3 人工神经元模型4.1.4 人工神经网结构4.1.5 神经网络的学习与训练4.2 软土流变的BP 神经网络本构模型原理4.2.1 软土 BP 神经网络本构模型构造4.2.2 软土 BP 神经网络本构模型学习算法4.2.3 BP 学习算法的改进4.2.4 BP 网络泛化能力的提高4.3 广东江门软土BP 神经网络蠕变本构模型4.3.1 室内蠕变试验4.3.2 广东江门软土 BP 神经网络蠕变本构模型及其训练4.4 模型验证与讨论4.4.1 BP 神经网络蠕变本构模型方法验证4.4.2 讨论4.5 小结第5章 考虑软土流变的路基沉降有限元分析5.1 概述5.2 常见的地基沉降计算方法5.3 常见的地基沉降预测方法5.4 考虑软土流变的路基沉降有限元分析5.4.1 有限元分析基本原理5.4.2 MSC.Marc 有限元软件简介5.5 工程实例5.5.1 工程概况5.5.2 有限元计算模型及参数5.5.3 有限元计算结果5.5.4 结果对比分析5.6 小结结论与展望参考文献致谢附录A 攻读学位期间学术论文发表情况
相关论文文献
- [1].柳林江大桥南段旧路处治及工后沉降预测[J]. 地下空间与工程学报 2011(06)
- [2].托顶法处理边坡失稳方法分析[J]. 海河水利 2012(04)
- [3].堤防软土边坡稳定性分析[J]. 资源环境与工程 2017(04)
标签:软土流变论文; 非线性论文; 流变本构模型论文; 神经网络论文; 路基沉降论文; 有限元论文;