【技术实现步骤摘要】
本专利技术涉及材料学领域，具体涉及一种基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法。
技术介绍
1、当前，泡沫轻质土路基结构性能均基于宏观材料和结构加载试验，单纯基于宏观数据预测泡沫轻质土路基性能的方法很难具备代表性，首先，宏观试验是小样本数据，很难适应现有机器学习模型对大数据的需求；另外，宏观试验缺乏泡沫轻质土直接相关的细观参数，进而缺乏将宏细观特性试验数据和力学理论结合的性能预测方法，难以获取精准的泡沫轻质土性能。
2、泡沫轻质土是一种常见的填料材料，由水泥、沙子、发泡剂等成分混合而成。其具有低密度、良好的吸能性能和较高的抗压强度，因此被广泛应用于公路、铁路、机场等基础设施的路基工程中。
3、传统的泡沫轻质土路基设计方法通常基于经验和试验，缺乏智能化和高效性。这些方法往往依赖于专家经验和有限的试验数据，难以全面准确地评估泡沫轻质土在不同工况下的性能。同时，由于泡沫轻质土的组成和处理工艺复杂多样，传统方法往往难以覆盖所有可能的情况，导致设计结果的不稳定性和不确定性。
4、深度学习凭借其预测材料属性、设计新材料和发现新的材料机制的能力，近年来逐渐成为材料和工程领域里重要的研究工具。随着深度学习技术的发展，利用大规模试验数据和力学理论模型对泡沫轻质土路基进行智能设计成为可能。深度学习模型能够自动学习和提取泡沫轻质土的复杂特征，从而实现对其性能的精准预测。与传统的基于经验的设计方法相比，考虑细观结构参数的泡沫轻质土路基材料性能智能预测方法具有更高的准确性和可靠性，能够充分发挥泡沫轻质土的优
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供了一种基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法。
2、为了达到上述专利技术目的，本专利技术采用的技术方案为：
3、一种基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法，其特征在于，包括如下步骤：
4、s1、建立泡沫轻质混凝土考虑泡孔结构参数的数据驱动智能本构方程；
5、s2、基于随机集合与数值仿真对路基泡沫轻质土细观数据进行处理，生成训练数据；
6、s3、利用前馈神经网络构建单轴荷载下的路基泡沫轻质土本构模型，并对模型进行准确性优化；
7、s4、利用优化后的模型进行泡沫轻质土路基性能预测。
8、进一步的，所述s1中本构方程表示为：
9、
10、式中，λu为泡沫轻质土路基材料轴向拉伸比，λl为泡沫轻质土路基材料侧向的拉伸比，为泡沫轻质土在未变形状态下的初始孔隙率，θ为泡沫轻质土的孔径大小。
11、进一步的，所述s2中生成训练数据的具体方式为：
12、s21、定义结构参数，基于所定义的结构参数设计空间的上下界；
13、s22、基于所设计的空间进行泡沫轻质土的结构建模；
14、s23、在所构建的结构模型的基础上进行多次模拟大形变，每次模拟大形变在加载路径上取应变计算其对应的平均柯西应力和平均侧向应力得到结构参数与对应的柯西应力的输入输出对，将所得到的输入输出对存入数据集得到训练数据。
15、进一步的，所述s21中结构参数包括孔隙率、孔径、和轴向拉伸。
16、进一步的，所述s22中基于所设计的空间进行泡沫轻质土的结构建模具体包括如下步骤：
17、s221、从所定义的结构参数中均匀采样多个不同孔隙率和孔径的泡沫结构；
18、s222、将泡沫轻质土中的固体材料和气体材料互换，完成泡沫轻质土模型创建；
19、s223、在所创建的泡沫轻质土模型上建立x-y坐标系，以泡沫孔隙互不重叠、泡沫孔隙在x、y方向上满足高斯随机分布为原则进行自动生成孔隙，完成满足条件的泡沫轻质土的结构建模。
20、进一步的，所述s23中应变计算的具体方式为：
21、
22、式中，u为应变量，是等容左柯西格林变形张量的第一不变量，j为度量体积变化的变量，c1和d1为材料常数且：
23、
24、e为杨氏模量，v为泊松比。
25、进一步的，所述s3具体包括如下步骤：
26、s31、使用pr-ann网络训练结束后，将此网络参数固定；
27、s32、侧向拉伸pr-ann网络的输出，将其转换为pr-ann网络和sp-ann网络的中间变量并作为sp-ann网络的输入对sp-ann网络进行训练；
28、s33、训练完成后由sp-ann所有隐藏层的权重参数和偏执共同决定了本构方程公式的具体形式；
29、s34、利用均方误差作为损失函数对pr-ann网络和sp-ann网络进行参数优化，选择决定系数r2对模型预测的拟合程度进行准确性评估，并选择平均百分比误差mape对预测值和真实值的相对误差进行准确性评估。
30、进一步的，所述s33中本构方程公式的具体形式表示为：
31、
32、式中，λu为泡沫轻质土路基材料轴向拉伸比，为泡沫轻质土在未变形状态下的初始孔隙率，θ为泡沫轻质土的孔径大小。
33、本专利技术具有以下有益效果：
34、建立泡沫轻质土路基材料性能预测方法，通过三个输入变量工程师就能获得路基泡沫轻质土的材料性能，为高性能泡沫轻质土路基智能设计提供参考。
本文档来自技高网...【技术保护点】
1.一种基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法，其特征在于，所述S1中本构方程表示为：
3.根据权利要求1所述的基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法，其特征在于，所述S2中生成训练数据的具体方式为：
4.根据权利要求3所述的基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法，其特征在于，所述S21中结构参数包括孔隙率、孔径、和轴向拉伸。
5.根据权利要求4所述的基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法，其特征在于，所述S22中基于所设计的空间进行泡沫轻质土的结构建模具体包括如下步骤：
6.根据权利要求3所述的基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法，其特征在于，所述S23中应变计算的具体方式为：
7.根据权利要求1所述的基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法，其特征在于，所述S3具体包括如下步骤：
8.根据权利要求7所述的基
...【技术特征摘要】
1.一种基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法，其特征在于，所述s1中本构方程表示为：
3.根据权利要求1所述的基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法，其特征在于，所述s2中生成训练数据的具体方式为：
4.根据权利要求3所述的基于物理信息数据联合驱动的泡沫轻质土路基性能预测方法，其特征在于，所述s21中结构参数包括孔隙率、孔径、和轴向拉伸。
5.根据权利要求4所述的...
【专利技术属性】
技术研发人员：黄俊杰，葛萌，范荣威，裴彦飞，张宗宇，王迅，马玲，苏谦，罗爱博，苏芮，黄志超，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。