Mikrostruktur-informerad konstitutiv modellering av granulära medier under multidirektionell lastning: Från partikelskala till kontinuerlig skala

Varför marken under turbinerna har betydelse

När vi bygger fler vindparker, tunnlar och slänter förlitar vi oss på att marken säkert kan bära skiftande krafter från vind, vågor och jordbävningar. Marken under våra fötter är dock inte en homogen klump; den består av ett virrvarr av sand och korn vars former och arrangemang ständigt förändras när de pressas och dras i olika riktningar. Den här artikeln förklarar hur forskare kombinerar detaljerade datorbaserade simuleringar av enskilda korn med modern artificiell intelligens för att förutsäga hur sådan granulär mark kommer att bete sig under komplexa, verklighetsnära lastfall.

Från lösa korn till verkliga konstruktioner

Granulära material som sand, gruvavfall och ballast i järnvägsspår beter sig på förvånansvärt invecklade sätt. Till skillnad från kristaller eller metaller finns det ingen enkel ekvation som talar om för ingenjörer hur en hög av korn reagerar när den kläms från flera håll samtidigt. I praktiken förlitar sig konstruktörer på laboratorietester och empiriska formler som kanske bara gäller för en viss plats eller jordart. Verklig jord avsätts däremot av gravitationen, formas av tidigare belastningar och utsätts för krafter i flera riktningar från vind, vågor och seismisk påverkan. Ett vindkraftverk på en sluttande havsbotten utsätts till exempel för ständigt skiftande kombinationer av vertikala, horisontella och vridande krafter som traditionella tester ofta missar att fånga.

Att observera varje korn i rörelse

För att ta sig an denna lucka använder författarna den diskreta elementmetoden, en numerisk teknik som behandlar varje korn som en separat stel partikel. I sitt virtuella laboratorium hälls tusentals korn ner i en liten låda som sedan pressas i tre oberoende riktningar medan datorn spårar varje kontaktkraft och varje liten omfördelning. Teamet varierar systematiskt de viktigaste faktorerna som styr jordens beteende: det initiala omgivande trycket, hur tätt kornpaketet är, riktningen för de applicerade spänningarna, orienteringen av interna skikt (kallade sänglager) och kornens former, från nästan sfäriska till tydligt förlängda. I 260 detaljerade simuleringar observerar de hur dessa faktorer gör materialet styvare eller svagare, får det att krympa eller expandera och gör att dess interna struktur blir riktad.

Hur kornform och struktur förändrar hållfastheten

Simuleringarna visar att flera ofta förbisett egenskaper starkt kan påverka markens hållfasthet. När det omgivande medeltrycket är högre blir den virtuella sanden styvare och kan bära mer skjuvspänning innan den börjar omorganiseras. Tätare packningar motstår skjuvning bättre och tenderar att expandera, medan lösa packningar komprimeras när korn söker nya positioner. Att ändra orienteringen av spänningsvägen—kodat av en kvantitet som kallas Lode-vinkel—kan antingen öka eller minska toppstyrkan och förskjuta balansen mellan kontraktion och dilatation. På samma sätt minskar en rotation av sänglagren från horisontell till vertikal det maximala skjuvmotståndet, vilket visar att avsättningshistoriken har betydelse. Även kornformen spelar en betydande roll: sammanställningar av mer förlängda korn klarar högre toppspänningar och genomgår mindre volymförändringar än de som består av nästan sfäriska korn förberett vid samma relativa densitet.

Lära ett neuralt nätverk att tänka som jord

Även om dessa högupplösta simuleringar ger djup insikt är de för beräkningskrävande för att köras inom storskaliga ingenjörsmodeller av ett helt fundament eller en slänt. För att överbrygga detta skalhinder bygger författarna en djupinlärningsmodell—ett flerskiktigt neuralt nätverk—som lär sig efterlikna det simulerade jordbeteendet. Istället för att matas med enbart enkla testresultat får nätverket rika beskrivare av materialtillståndet: partiklarnas former, starttryck och densitet, mått på intern lagring, och de pågående deformationerna i varje riktning. Med en noggrant utformad träningsstrategi och en förlustfunktion som betonar de initiala, mest kritiska faserna av deformation lär sig nätverket att producera de tre spänningskomponenterna som väl överensstämmer med simuleringarna, inklusive subtila riktningseffekter och förändringar i långtidshållfasthet.

Från virtuella korn till säkrare konstruktioner

Slutresultatet är en ny typ av konstitutiv modell—en regel som kopplar spänning och deformation—som är informerad av kornskalig fysik men som körs lika snabbt som en konventionell ingenjörsformel. Den kan fånga hur jordens hållfasthet beror på kornform, lagring och komplex tredimensionell lastning, utan behov av dussintals handjusterade parametrar eller platspecifika tester. Författarna föreställer sig att införa denna inlärda modell i standardprogram för ändlig elementanalys så att konstruktörer av fundament för vindkraftverk, slänter och underjordiska konstruktioner kan ta hänsyn till realistisk multidirektionell lastning och utvecklande jordstruktur. I enkla termer visar detta arbete hur man genom att observera varje korn i ett virtuellt experiment och destillera det beteendet till ett tränat neuralt nätverk kan nå mer tillförlitliga och effektiva utformningar för den infrastruktur som stöder energiomställningen.

Citering: 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

Nyckelord: granulära jordar, djupinlärning, fundament för vindkraftverk, diskret element-simuleringar, multidirektionell lastning