论文部分内容阅读
无粘性颗粒材料包含自然界中存在的形状不规则的岩石、钙质砂等，当然在研究岩土工程问题时也采用一些人造材料如玻璃球等。探究无粘性颗粒材料与水的相互作用规律，将有助于了解岛礁填筑工程中填筑体的固结沉降等岩土工程问题。由于拖曳力表示流体对固体表面的作用力，而拖曳力系数则反映了拖曳力与作用在颗粒表面上流体动压力之比，所以将拖曳力系数作为切入点会有效推进对土水相互作用规律的研究。 本文正是在考虑了形状系数的单颗粒拖曳力系数模型的基础上，首先将其嵌入到开源流固耦合程序CFD-DEM中，通过数值模拟单颗粒沉降试验，对比试验中颗粒的最终沉降速度与数值模拟结果，证明了所嵌入模型的有效性，同时进一步对比已有球形颗粒拖曳力系数模型数值模拟结果，揭示了数值模拟土水相互作用时考虑颗粒形状差异的必要性。为进一步实现考虑颗粒堆积体更多物理属性的土水相互作用数值模拟打下基础。 为了研究颗粒堆积体在非线性流中的渗流特性，开展了颗粒组合体的沉降试验研究，研究中主要考虑了目标颗粒受周围颗粒的数量及相对距离等因素的影响，通过数组沉降试验，发现了周围颗粒数量及与目标颗粒距离等因素对颗粒组合体拖曳力系数的影响规律，并依据规律建立了颗粒组合体拖曳力系数模型。这一过程实际上也说明了孔隙率等因素将影响无粘性颗粒材料的土水相互作用。 经过以上研究，为了探究颗粒堆积体等效粒径、密度、形状系数、孔隙率对非线性流中土水相互作用规律的影响，在开展了多种自然及人造颗粒渗流试验基础上引入BP神经网络，多组试验中不断改变以上四个变量的变化范围，并获得了相应渗流试验中的渗流曲线及渗流曲线上斜率和截距两个特征值。而通过构建以等效粒径、密度、形状系数、孔隙率为输入变量，渗流曲线中斜率和截距两特征值为输出变量的神经网络，不仅可以获得一个预测颗粒堆积体非线性流特性的网络模型，通过对神经网络中输入变量的敏感性分析还可以了解四个变量对土水相互作用过程的影响程度。 在土水相互作用的理论模型建立中，首先以钙质砂颗粒的渗流数据为基础，结合单颗粒拖曳力系数模型到颗粒堆积体拖曳力系数模型的理论框架推导。发现了孔隙率函数中指数随孔隙率变化的规律，并最终确定了不规则钙质砂颗粒堆积体的拖曳力系数模型。 因此，本文在单颗粒拖曳力系数模型的基础上，逐步递进式开展了单颗粒拖曳力系数模型的数值模拟验证工作，通过沉降试验构建了颗粒组合体的拖曳力系数模型，并进一步展开颗粒堆积体非线性渗流试验，利用试验规律搭建了神经网络，获得了可以预测颗粒堆积体非线性流特性的神经网络模型。并最终以钙质砂颗粒堆积体土水相互作用规律为突破点，建立起反映钙质砂颗粒堆积体土水相互作用的拖曳力系数模型，这对以后构建其他颗粒或者适用于多种颗粒的土水作用力模型打下基础。以上工作的完成对于岩土工程领域涉及土水相互作用的工程问题有极大的参考和指导意义。但对于复杂的岩土工程问题而言，本文所建立的相关拖曳力系数模型是否有效，仍然需要进一步了解。