[发明专利]一种基于人工智能算法的土体本构模型参数确定方法

说明书

技术领域

本发明涉及土体本构模型领域，具体涉及根据室内三轴试验数据确定土体本构模型参数的方法，用于解决土体本构模型参数取定困难的问题。

背景技术

土体本构模型参数一般根据常规三轴试验确定，试样加载应力路径如图7，即首先对土体试样施加初始固结压力σ₃，待试样固结稳定后，再施加剪切偏应力Δσ₁进行剪切，量测剪切过程中试样的应变和体积变化，并绘制典型三轴试验曲线如图8。在常规三轴试验中，第一主应变为轴向应变即ε₁＝ε_a，体积应变ε_v＝ε₁+2ε₃。

当前土工试验数据整理过程通用方法是在获得三轴试验数据后，根据不同模型提出者建议的方法进行人工本构模型参数确定，由于土工试验自身的复杂性和离散性，人工整理试验参数在试验点选取、参数拟合方面有一定的人为经验因素，不同技术人员确定的模型指标往往有不小出入，更有甚者，可能从试验数据确定的模型参数，其“反算”曲线和原试验曲线并不能很好地吻合。也有一些将优化算法用于本构模型参数确定的尝试，但是采用的优化算法为传统的复合形算法等，其在计算效率、寻优能力、鲁棒性方面存在一些不足，使得该方法难以推广使用。

综合以上分析，现有的人工确定土体本构模型参数的方式主要缺陷有两点：1)土工试验数据离散性大，参数拟合和取定时需要一定的人为经验，另外，有些本构模型参数没有明确的物理意义，需要人为估算，这些因素导致同样的试验数据不同人员可能整理得到不同的本构模型参数，这些人为的误差可能导致根据试验数据取定的模型参数并不能与原始的试验数据很好吻合，使得本构模型预测精度严重恶化；2)土体本构模型参数数量多，不同参数之间存在一定的关联性，有些甚至需要试算和反复调整，采用常规方法取定本构模型参数工作任务繁重，且精度低。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种基于人工智能算法的土体本构模型参数确定方法，以提高本构模型参数取定效率和精度。

实现本发明目的的技术方案是：一种基于人工智能算法的土体本构模型参数确定方法，包括：

步骤100：确定本构模型参数数目；

确定本构模型参数数目后，部分参数通过三轴试验试验数据直接确定，其余的n个参数变量x₁～x_n通过下述算法确定；

步骤200：产生初代种群；

设种群数目为N，经过基因编码得到N个个体X₁～X_N的基因型，其中每个个体X＝{x₁,x₂,...,x_n}；

步骤300：构建适应度函数；

步骤400：通过适应度函数对初代种群的N个个体X₁～X_N分别进行适应度评价，根据适应度由高到低对N个个体进行重新排序；

步骤500：设置阈值ε_uv，评价个体适应度是否满足要求，若排序中最高适应度个体对应的适应度≤ε_uv，则停止计算，将该个体作为最优个体输出，否则执行步骤600；

步骤600：根据遗传概率，通过下述操作产生新种群；

步骤601：基于浓度进行个体选择，得到子代种群N个个体；

步骤602：对子代种群N个个体进行个体交叉、变异，形成新的个体；

步骤603：子代种群N个个体经过交叉变异后，形成新的种群，跳转步骤400继续计算；反复执行步骤400至步骤603，依次形成第2代、第3代……第m代新种群，直至满足条件后终止。

作为本发明的进一步改进，所述步骤200中，个体基因型的获取方式如下：

设置[U_1,min,U_1,max]，[U_2,min,U_3,max]……[U_n,min,U_n,max]依次为变量x₁,x₂,...,x_n的上限和下限，生成一个随机参数a_ij∈[0,1]，i＝1,2,...,N；j＝1,2,...,n；则：