基于深度强化学习算法的颗粒材料应力-应变关系数据驱动模拟研究1)

狄少丞 冯云田 瞿同明 于海龙

* (哈尔滨工程大学船舶工程学院,哈尔滨 150001)

† (斯旺西大学辛克维奇工程计算中心,英国斯旺西,SA1 8EP)

引言

在研究泥沙、岩土、粉体等颗粒材料宏观力学行为时,通常在连续介质力学框架下建立其唯象本构模型,通过引入内变量来描述颗粒材料的路径相关、历史相关等特性[1-5].虽然基于连续假设的唯象本构模型在描述颗粒材料宏观力学特性时具备很好的工程适用能力,但是颗粒材料由于其自身的离散特性,具有摩擦性,剪胀性,压硬性,各向异性,荷载路径和历史相关性等典型特征,并且在外载作用下还会呈现出应变局部化等复杂的演化机制,连续模型要体现出颗粒材料精细的宏观特性就不得不引入繁杂的唯象假设和众多待标定的自由参数.

离散元方法[6](DEM)可跟踪并计算每个散体单元的运动信息及单元间的接触作用力,在颗粒材料力学行为研究中得到了广泛的应用.随着计算机硬件计算能力的提升,以及颗粒几何特征的精准刻画[7-9]和高精度接触算法的提出[10-12],使得离散元方法的应用领域和计算精度得到大幅提升.然而离散元方法用于直接模拟较大空间尺度和时间尺度的工程问题仍需要巨大的计算成本.为此,人们提出了多尺度计算方法以提升颗粒材料问题的计算效率[13-14].在此框架中,通常基于均匀化思想采用低尺度的离散元计算在宏观模拟中替代传统的唯象本构关系.均匀化即从……