基于电磁控制的颗粒动力学响应试验装置及方法

    公开(公告)号:CN112146843B

    公开(公告)日:2021-09-24

    申请号:CN202011014892.2

    申请日:2020-09-24

    Abstract: 本发明提供了基于电磁控制的颗粒动力学响应试验装置及方法,能够实现无干扰的颗粒柱自然坍塌试验,获得准确、真实的试验数据。颗粒动力学响应试验装置包括:多个颗粒单元,每个该颗粒单元均包括:在电磁的作用下能够产生磁性的嵌入体,和密封包裹在该嵌入体外的包裹体;颗粒流动槽,具有用于容纳颗粒单元进行试验的槽体,槽体的一侧作为吸附侧,另一侧透明作为观察侧;挡板构件,与颗粒流动槽相匹配,与颗粒流动槽共同围成让多个颗粒单元排列堆积的空间;以及电磁吸盘,设置在颗粒流动槽的吸附侧,通过产生电磁力将颗粒单元吸附在颗粒流动槽的吸附侧上形成稳定的颗粒柱,通过关闭电磁力使颗粒柱自由坍塌。

    基于电磁控制的颗粒动力学响应试验装置及方法

    公开(公告)号:CN112146843A

    公开(公告)日:2020-12-29

    申请号:CN202011014892.2

    申请日:2020-09-24

    Abstract: 本发明提供了基于电磁控制的颗粒动力学响应试验装置及方法,能够实现无干扰的颗粒柱自然坍塌试验,获得准确、真实的试验数据。颗粒动力学响应试验装置包括:多个颗粒单元,每个该颗粒单元均包括:在电磁的作用下能够产生磁性的嵌入体,和密封包裹在该嵌入体外的包裹体;颗粒流动槽,具有用于容纳颗粒单元进行试验的槽体,槽体的一侧作为吸附侧,另一侧透明作为观察侧;挡板构件,与颗粒流动槽相匹配,与颗粒流动槽共同围成让多个颗粒单元排列堆积的空间;以及电磁吸盘,设置在颗粒流动槽的吸附侧,通过产生电磁力将颗粒单元吸附在颗粒流动槽的吸附侧上形成稳定的颗粒柱,通过关闭电磁力使颗粒柱自由坍塌。

    一种基于深度学习和数据驱动的岩土颗粒材料本构建模方法

    公开(公告)号:CN112163328B

    公开(公告)日:2022-03-04

    申请号:CN202010985296.2

    申请日:2020-09-18

    Applicant: 武汉大学

    Abstract: 本发明提供了基于深度学习和数据驱动建立岩土颗粒材料本构模型的方法,包括:采用离散元数值试验代替室内试验进行岩土颗粒材料的宏细观力学特性研究;对具有不同结构特征的颗粒材料数值试样进行不同加载路径下的离散元数值试验,得到大量的应力应变关系数据;采用累积绝对应变作为岩土颗粒材料的状态变量,用于描述颗粒材料的当前状态;采用改进的长短期记忆神经网络单元,搭建深度学习网络,将数值试样的结构特征和初始状态等非时序数据输入到网络的首个单元,将加载过程中的应变增量依次输入到网络中,输出颗粒材料当前的应力和其他状态量;采用基于奇异值分解的降噪方法对训练数据进行降噪处理,防止网络训练不收敛或误差过大。

    一种基于深度学习和数据驱动的岩土颗粒材料本构建模方法

    公开(公告)号:CN112163328A

    公开(公告)日:2021-01-01

    申请号:CN202010985296.2

    申请日:2020-09-18

    Applicant: 武汉大学

    Abstract: 本发明提供了基于深度学习和数据驱动建立岩土颗粒材料本构模型的方法,包括:采用离散元数值试验代替室内试验进行岩土颗粒材料的宏细观力学特性研究;对具有不同结构特征的颗粒材料数值试样进行不同加载路径下的离散元数值试验,得到大量的应力应变关系数据;采用累积绝对应变作为岩土颗粒材料的状态变量,用于描述颗粒材料的当前状态;采用改进的长短期记忆神经网络单元,搭建深度学习网络,将数值试样的结构特征和初始状态等非时序数据输入到网络的首个单元,将加载过程中的应变增量依次输入到网络中,输出颗粒材料当前的应力和其他状态量;采用基于奇异值分解的降噪方法对训练数据进行降噪处理,防止网络训练不收敛或误差过大。

    一种基于深度学习网络的堆石体填筑密实度快速检测方法

    公开(公告)号:CN112884739B

    公开(公告)日:2023-08-18

    申请号:CN202110191647.7

    申请日:2021-02-19

    Applicant: 武汉大学

    Abstract: 本发明提出了一种基于深度学习网络的堆石体填筑密实度快速检测方法,采用无人机航拍堆石坝填筑过程中的碾压作业面,通过卷积神经网络进行图像处理,获得其颗粒级配曲线,根据颗粒堆积预测模型预测最小孔隙比。采用该方法对在建堆石坝工程的堆石体填筑密实度进行快速检测,实时跟踪检测填筑碾压质量。该方法仅需要通过无人机或其他设备拍摄堆石坝碾压作业面,采用深度学习算法对照片进行图像处理,结合颗粒堆积预测模型,即可检测堆石体填筑密实度,工程实践证明该检测方法高效便捷、检测精度较高,具有较强的工程应用推广价值。

    一种基于深度学习网络的堆石体填筑密实度快速检测方法

    公开(公告)号:CN112884739A

    公开(公告)日:2021-06-01

    申请号:CN202110191647.7

    申请日:2021-02-19

    Applicant: 武汉大学

    Abstract: 本发明提出了一种基于深度学习网络的堆石体填筑密实度快速检测方法,采用无人机航拍堆石坝填筑过程中的碾压作业面,通过卷积神经网络进行图像处理,获得其颗粒级配曲线,根据颗粒堆积预测模型预测最小孔隙比。采用该方法对在建堆石坝工程的堆石体填筑密实度进行快速检测,实时跟踪检测填筑碾压质量。该方法仅需要通过无人机或其他设备拍摄堆石坝碾压作业面,采用深度学习算法对照片进行图像处理,结合颗粒堆积预测模型,即可检测堆石体填筑密实度,工程实践证明该检测方法高效便捷、检测精度较高,具有较强的工程应用推广价值。

Patent Agency Ranking