A numerical simulation-based ANN method to determine the shear strength parameters of rock minerals in nanoscale

纳米压痕 凝聚力(化学) 材料科学 缩进 长石 弹性模量 云母 摩擦角 复合材料 石英 模数 材料性能 岩土工程 地质学 物理 量子力学
作者
Qing Lü,Shihao Liu,Wei-ze Mao,Yang Yu,Xu Long
出处
期刊:Computers and Geotechnics [Elsevier]
卷期号:169: 106175-106175 被引量:13
标识
DOI:10.1016/j.compgeo.2024.106175
摘要

Rock is a heterogeneous material composed of multiple minerals, whose microscopic mechanical properties have a significant impact on the macroscopic mechanical properties of rocks. The elastic modulus and hardness of minerals could be measured by nanoindentation tests. However, determination of shear strength parameters (e.g., the cohesion and friction angle) of minerals in nanoscale is still a challenging work. In this paper, an elasto-plastic numerical model with Drucker-Prager failure criterion is established to simulate the nanoindentation tests. Uniform design is adopted to generate typical input parameters (e.g., elastic modulus, cohesion and friction angle) for the numerical model, by which the indentation load-penetration depth curve (P-h curve) corresponding to the typical input parameters are calculated. The artificial neural network (ANN) is trained to quantify the relationship between the input parameters and the P-h curve with high efficiency and accuracy. With a proposed optimization algorithm, the optimal input parameters such as the cohesion and friction angle, that achieve the minimum error between the simulated P-h curve by the ANN and the measured P-h curve by nanoindentation tests, could be determined. The proposed method is applied to determine the cohesions and friction angles of quartz, feldspar, and mica in granite. The results show that quartz exhibits the highest mechanical strength among the three minerals, and mica shows a greater discreteness. The results of this study will provide an effective method to obtain the microscopic mechanical properties of minerals and help to study the macroscopic mechanical properties of rock from microscopic perspective in the future.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
情怀应助wenming采纳,获得10
刚刚
刚刚
yukeshou完成签到 ,获得积分10
1秒前
黎威完成签到 ,获得积分10
2秒前
向往生活完成签到,获得积分10
2秒前
Fei发布了新的文献求助10
2秒前
小白完成签到 ,获得积分10
2秒前
iiiiiimax完成签到,获得积分10
3秒前
Nathan完成签到 ,获得积分10
3秒前
xyx完成签到,获得积分10
3秒前
陈军完成签到,获得积分0
4秒前
wangli完成签到,获得积分10
4秒前
科研通AI2S应助丝丢皮的采纳,获得10
4秒前
丘比特应助lanshuitai采纳,获得10
4秒前
CipherSage应助FunnyL采纳,获得10
5秒前
5秒前
左丘完成签到,获得积分10
6秒前
coolru发布了新的文献求助50
6秒前
loveananya完成签到,获得积分10
6秒前
俭朴钢铁侠完成签到 ,获得积分10
6秒前
7秒前
哈哈哈完成签到,获得积分10
7秒前
hhh发布了新的文献求助10
7秒前
7秒前
7秒前
黑暗系完成签到,获得积分10
8秒前
一一风荷举完成签到,获得积分10
8秒前
铂铑钯钌完成签到,获得积分10
8秒前
雪菜完成签到 ,获得积分10
8秒前
orixero应助呆萌棒棒糖采纳,获得10
9秒前
10秒前
超级台灯完成签到 ,获得积分10
10秒前
豪杰发布了新的文献求助10
11秒前
11秒前
11秒前
取什么好呢完成签到,获得积分10
11秒前
tjunqi完成签到,获得积分10
11秒前
Qingcyx完成签到,获得积分10
11秒前
小林完成签到,获得积分10
11秒前
sunshitao发布了新的文献求助10
12秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099895
求助须知:如何正确求助?哪些是违规求助? 2751334
关于积分的说明 7613172
捐赠科研通 2403314
什么是DOI,文献DOI怎么找? 1275235
科研通“疑难数据库(出版商)”最低求助积分说明 616318
版权声明 599053