基于微观结构的颗粒介质本构建模在多向加载下：从颗粒尺度到连续介质

为什么涡轮下的地基很重要

随着我们建设越来越多的风电场、隧道和边坡，地基必须安全地承受来自风、波浪和地震的不断变化的力。然而，脚下的土壤并非一个均匀的整体；它是由砂粒和颗粒构成的杂乱集合，这些颗粒的形状与排列在受到挤压或拉扯时会持续改变。本文解释了研究者如何将对单个颗粒的精细计算机模拟与现代人工智能相结合，以预测这种颗粒状地基在复杂真实工况下的力学表现。

从松散颗粒到真实结构

砂、尾矿和道砟等颗粒材料表现出令人意外的复杂性。与晶体或金属不同，没有一个简单的方程可以告诉工程师当一堆颗粒在多个方向同时受压时会如何响应。实际上，设计者常依赖实验室试验和经验公式，而这些方法可能只适用于特定场地或土壤类型。但真实土体是由重力沉积、受过去荷载影响并被风、波与地震在多个方向上推动的。例如，位于倾斜海床的风力机会承受持续变化的竖向、水平和扭转力的组合，传统试验往往难以捕捉这种情况。

观察每一粒颗粒的运动

为弥补这一空白，作者采用了离散元方法，这是一种将每个颗粒视为单独刚性颗粒的数值技术。在他们的虚拟实验室中，数千个颗粒被倒入一个小箱体，然后沿三个相互独立的方向被挤压，计算机跟踪每一次接触力和每一次微小重排。团队系统地改变影响土体行为的关键因素：颗粒周围的初始压力、致密度、施加应力的方向、内部层理（称为层理面）的取向，以及颗粒本身的形状，从近球形到明显拉长。在260次详细模拟中，他们观察到这些因素如何使材料变硬或变软、收缩或膨胀，以及如何使其内部结构产生方向性偏置。

颗粒形状与结构如何改变强度

模拟结果表明，若干常被忽视的特征会显著改变地基的强度。当周围平均压力增大时，虚拟砂体变得更刚，能在开始重排之前承受更大的剪应力。更致密的堆积对剪切更有抵抗力并倾向膨胀，而松散堆积在颗粒寻找新位置时会压缩。应力路径的取向变化——由称为Lode角的量来编码——可以增加或降低峰值强度，并改变收缩与膨胀之间的平衡。同样，将层理面从水平旋转到垂直会降低最大剪切阻力，表明土体的沉积历史很重要。甚至颗粒形状也起着显著作用：由更拉长颗粒组成的组合体比在相同相对密度下制备的近球形颗粒承受更高的峰值应力并发生更小的体积变化。

教神经网络“像土壤一样思考”

尽管这些高分辨率模拟提供了深刻见解，但它们在计算上过于昂贵，无法直接用于整个基础或边坡的大尺度工程模型中。为弥合这一尺度差距，作者构建了一个深度学习模型——多层神经网络——让其学习模拟土体响应的行为。网络并非只输入简单的试验结果，而是获得丰富的材料状态描述符：颗粒形状、初始压力和密度、内部层理的度量以及各方向的进行中应变。通过精心设计的训练策略和强调变形初期关键阶段的损失函数，网络学会输出与模拟紧密匹配的三个应力分量，包括微妙的方向效应和长期强度变化。

从虚拟颗粒走向更安全的设计

最终成果是一类新的本构模型——连接应力与应变的规则——它以颗粒尺度物理为依据，但运行速度可与传统工程公式相当。它能够捕捉土体强度如何依赖于颗粒形状、层理和复杂的三向加载，而无需数十个手工调校的参数或特定场地的试验。作者设想将这一学习到的模型嵌入标准有限元软件，使风机基础、边坡和地下结构的设计者能够考虑到现实的多向加载和不断演化的土体结构。简而言之，这项工作展示了如何通过观察虚拟试验中每一粒颗粒并将其行为蒸馏为训练好的神经网络，从而为支撑能源转型的基础设施提供更可靠、更高效的设计。

引用: 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

关键词: 颗粒土, 深度学习, 风力机基础, 离散元模拟, 多向加载