Modelowanie konstytutywne z uwzględnieniem mikrostruktury mediów ziarnistych pod obciążeniami wielokierunkowymi: od skali ziaren do kontinuum

Dlaczego grunt pod turbinami ma znaczenie

W miarę jak budujemy więcej farm wiatrowych, tuneli i skarp, polegamy na gruncie, by bezpiecznie przenosił zmienne siły wywołane wiatrem, falami i trzęsieniami ziemi. Jednak gleba pod naszymi stopami nie jest jednorodnym blokiem; to mieszanina piasku i ziaren, których kształty i ułożenie nieustannie się zmieniają pod wpływem nacisków i rozciągania. W artykule wyjaśniono, jak badacze łączą szczegółowe symulacje komputerowe pojedynczych ziaren z nowoczesną sztuczną inteligencją, aby przewidzieć, jak takie ziarniste podłoże zachowa się pod złożonymi, rzeczywistymi warunkami obciążenia.

Od sypkich ziaren do rzeczywistych konstrukcji

Materiały ziarniste, takie jak piasek, odpady kopalniane czy podsypka kolejowa, zachowują się w zaskakująco złożony sposób. W przeciwieństwie do kryształów czy metali, nie istnieje proste równanie opisujące, jak kupa ziaren zareaguje na ściskanie z kilku kierunków jednocześnie. W praktyce projektanci polegają na badaniach laboratoryjnych i wzorach empirycznych, które mogą mieć zastosowanie tylko do konkretnego miejsca lub typu gleby. Rzeczywiste grunty natomiast powstają wskutek sedymentacji grawitacyjnej, są kształtowane przez wcześniejsze obciążenia i poddawane działaniu sił w różnych kierunkach ze strony wiatru, fal i drgań sejsmicznych. Na przykład turbina wiatrowa na nachylonym dnie morskim doświadcza ciągle zmieniających się kombinacji sił pionowych, poziomych i skręcających, których tradycyjne testy często nie uchwytują.

Obserwacja każdego ziarna w ruchu

Aby wypełnić tę lukę, autorzy sięgają po metodę elementów dyskretnych — technikę numeryczną traktującą każde ziarno jako odrębny, sztywny element. W ich wirtualnym laboratorium tysiące ziaren są wsypywane do małego pudełka, a następnie ściskane w trzech niezależnych kierunkach, podczas gdy komputer śledzi każdą siłę kontaktu i każdą drobną reorganizację. Zespół systematycznie zmienia kluczowe czynniki kontrolujące zachowanie gleby: początkowe ciśnienie otaczające ziarna, stopień upakowania, kierunek stosowanych naprężeń, układ warstw wewnętrznych (tzw. pokrywy) oraz kształty ziaren, od niemal kulistych po wyraźnie wydłużone. W toku 260 szczegółowych symulacji obserwują, jak te czynniki usztywniają lub osłabiają materiał, powodują jego kurczenie się lub pęcznienie oraz prowadzą do powstawania struktury wewnętrznej o wyraźnej anizotropii kierunkowej.

Jak kształt ziaren i struktura wpływają na wytrzymałość

Symulacje wykazują, że kilka często pomijanych cech może silnie zmienić wytrzymałość gruntu. Przy wyższym średnim ciśnieniu otaczającym wirtualny piasek staje się bardziej sztywny i może przenosić większe naprężenia ścinające, zanim zacznie się reorganizować. Gęstsze upakowania lepiej opierają się ścinaniu i mają tendencję do rozszerzania się, podczas gdy luźne upakowania ulegają zagęszczeniu, gdy ziarna znajdują nowe pozycje. Zmiana orientacji ścieżki naprężeń — opisywanej wielkością zwaną kątem Lode’a — może zwiększać lub zmniejszać szczytową wytrzymałość oraz przesuwać równowagę między kurczeniem a rozluźnianiem. Podobnie obrót płaszczyzn utworzenia warstw z poziomych na pionowe zmniejsza maksymalny opór na ścinanie, pokazując, że historia sedymentacji ma znaczenie. Nawet kształt ziaren odgrywa istotną rolę: zbiory złożone z bardziej wydłużonych ziaren przenoszą wyższe naprężenia szczytowe i podlegają mniejszym zmianom objętości niż ziarna niemal kuliste przygotowane w tej samej względnej gęstości.

Nauka sieci neuronowej myślenia jak gleba

Choć te wysokorozdzielcze symulacje dostarczają głębokich wglądów, są zbyt kosztowne obliczeniowo, by uruchamiać je w ramach modeli inżynierskich obejmujących całą fundamentację czy skarpę. Aby pokonać ten problem skalowania, autorzy budują model uczący się głęboko — wielowarstwową sieć neuronową — która uczy się naśladować odpowiedź symulowanej gleby. Zamiast otrzymywać jedynie proste wyniki testów, sieć dostaje bogate deskryptory stanu materiału: kształty cząstek, początkowe ciśnienie i gęstość, miary struktur warstwowych oraz bieżące odkształcenia w każdym kierunku. Przy zastosowaniu starannie zaprojektowanej strategii treningowej i funkcji straty kładącej nacisk na początkowe, najbardziej krytyczne fazy odkształcenia, sieć uczy się przewidywać trzy składowe naprężeń zgodne z symulacjami, w tym subtelne efekty kierunkowe i zmiany długoterminowej wytrzymałości.

Od wirtualnych ziaren do bezpieczniejszych projektów

Efektem końcowym jest nowy rodzaj modelu konstytutywnego — zasady łączącej naprężenie z odkształceniem — oparty na fizyce skali ziarnistej, lecz działający równie szybko jak konwencjonalne formuły inżynierskie. Potrafi uchwycić, jak wytrzymałość gleby zależy od kształtu ziaren, uwarstwienia i złożonego, trzy-kierunkowego obciążenia, bez potrzeby dziesiątek ręcznie dostrajanych parametrów czy badań specyficznych dla danego miejsca. Autorzy przewidują osadzenie tego wyuczonego modelu w standardowym oprogramowaniu elementów skończonych, tak by projektanci fundamentów turbin wiatrowych, skarp i obiektów podziemnych mogli uwzględniać realistyczne obciążenia wielokierunkowe i ewoluującą strukturę gruntu. Mówiąc prościej: praca ta pokazuje, jak obserwacja każdego ziarna w wirtualnym eksperymencie i sprowadzenie tego zachowania do wytrenowanej sieci neuronowej może prowadzić do bardziej niezawodnych i wydajnych projektów infrastruktury wspierającej transformację energetyczną.

Cytowanie: Irani, N., Golestaneh, P., Salimi, M. et al. Microstructure-informed constitutive modeling of granular media under multidirectional loading: From particle-scale to continuum. Commun Eng 5, 80 (2026). https://doi.org/10.1038/s44172-026-00652-1

Słowa kluczowe: gleby ziarniste, uczenie głębokie, fundamenty turbin wiatrowych, symulacje metodą elementów dyskretnych, obciążenia wielokierunkowe