采用BP神经网络和Burgers模型的细观参数标定

摘要：

PFC软件作为一款成熟的离散元分析软件,由于在处理连续与非连续介质方面的出色表现,得到了广泛的应用.但PFC软件所需要的细观参数均需要采用室内试验数据通过试错法反复调试才能获得,效率低、盲目性高,严重影响后续试验数据,因此需要细观参数校准方法标定PFC.该研究以玉米秸秆颗粒的单轴蠕变试验为基础,结合离散元软件PFC 2D,通过正交试验多因素方差分析方法分析了Burgers模型宏细观参数之间的影响关系,从而证明宏细观参数之间存在着复杂关系,不宜采用通过回归分析获得宏细观参数之间的关系式的方式标定细观参数,适合利用BP神经网络进行参数标定,利用创建的BP神经网络对细观参数进行标定,根据测试组的标定结果分析得出Burgers模型各细观参数的标定精度均在92％以上,且误差较为稳定,而且训练好的神经网络相关系数R>0.96,从而证明BP神经网络的细观参数标定性能较为可靠.将玉米秸秆单轴蠕变试验的宏观参数带入训练好的BP神经网络中进行细观参数标定,比对模拟蠕变试验与物理蠕变试验发现,两者的蠕变曲线基本一致,应变量的最大误差为2％,证明了BP神经网络具有良好的参数标定能力,方法可为PFC参数标定提供一定的参考价值.

关键词：离散元法、神经网络、PFC软件、参数标定

所属期刊栏目：38

分类号：TD849.2(矿山开采)

资助基金：国家重点研发计划;内蒙古自治区自然科学基金项目

在线出版日期：2023-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：152-161