预设V形缺口的单向拉伸岩样变形-开裂过程模拟——基于连续-非连续方法

利用自主开发的连续-非连续方法,通过在岩样左、右两侧预设V形缺口,开展了拉伸位移控制加载条件下岩样变形-开裂过程的数值模拟研究。研究发现:在节点分离前,最大主应力集中于V形缺口尖端附近;在节点分离后,最大主应力集中于裂缝尖端附近;岩样中节点分离是由外及里逐渐发生;由于岩样内部一定尺寸弹性核心的存在,即使岩样发生少许节点分离,岩样承载能力也不会下降,但刚度会劣化;在节点分离不久,分离节点的法向张开度和法向力均呈现一定的非线性,这可能与分离节点周围单元应力分布不均匀和未考虑切向力等因素有关;网格加密后,V形缺口的尺寸相应降低,这导致载荷-位移曲线的峰值提升,该曲线的峰前和峰后部分变陡;分离节点的法向张开度和法向黏聚力随时间的演变曲线几乎不存在网格依赖性。对文中的多种数值结果的正确性进行了检验。     

基于IWOA-PNN模型的管道焊缝腐蚀剩余强度预测

针对管道焊缝腐蚀问题构建基于改进鲸鱼优化算法(Improved Whale Optimization Algorithm, IWOA)的概率神经网络(Probabilistic Neural Network, PNN)剩余强度预测模型。首先，通过种群初始化、非线性收敛因子和惯性权重因子提高鲸鱼优化算法的寻优速度和精度；然后，利用IWOA算法优化PNN的光滑因子，构建IWOA-PNN预测模型；最后，以水压爆破试验数据为基础，使用MATLAB软件进行仿真试验，并与另外2个模型进行对比分析。结果表明：IWOA-PNN模型的E_RMS为0.633 1,E_AR为2.19%,R²为0.954 6,均优于PNN和鲸鱼优化算法(Whale Optimization Algorithm, WOA)-PNN模型；IWOA-PNN模型与传统模型相比误差更小，能够更为准确地预测焊缝腐蚀后剩余强度，为管道的维修和更换提供参考。