首页/文章/ 详情

颗粒力学(particle mechanics)的前沿研究分享

7天前浏览188
文一:
 

欧拉和拉格朗日方法在运动列车产生的微粒浓度数值研究中的比较

摘要:

最近的研究表明,由于颗粒物的连续产生和积累,地铁系统内的空气质量较差。其中许多颗粒是由刹车片磨损产生的含铁空气磨损颗粒。本研究调查了列车制动过程中列车制动片排放的磨损颗粒的浓度分布。由于列车在地铁系统的大几何形状内运动引起的非定常三维湍流,这种数值模拟需要很高的计算成本,特别是在使用跟踪每个粒子的拉格朗日方法时。因此,采用将颗粒相视为连续体的成本较低的欧拉方法更为可取。然而,应研究使用欧拉方法代替拉格朗日方法的可行性,特别是对于列车诱导湍流流场内运动物体发射的大颗粒。因此,在本工作中,对通过这两种方法获得的颗粒浓度预测进行了比较。欧拉方法的预测更加连续和均匀,而基于单个粒子累积的拉格朗日方法的预测则更加分散。结果表明,欧拉方法可以在保持计算效率的同时提供合理的预测。

 

图:a隧道和车站计算域。b列车(初始位置)和隧道模型示意图。c显示计算域横截面几何形状和隧道沿线网格界面的示意图。

 

图:a列车模型的速度。b列车乘客车厢示意图,重点是刹车片位置。

 

图:位于左右平台人类呼吸区的表面示意图。比较左表面b右表面归一化平均颗粒浓度时变的欧拉和拉格朗日方法的结果。

 

图:比较欧拉和拉格朗日方法对车站隧道连接表面归一化平均颗粒浓度时变的结果:a隧道入口1和b隧道入口2。

 

图:比较通过欧拉和拉格朗日方法获得的人类呼吸表面归一化粒子浓度轮廓的结果。

 

图:比较通过欧拉和拉格朗日方法获得的距离站入口74米处人类呼吸表面b a表面t=102秒归一化粒子浓度轮廓的结果。


文二:

 

颗粒性质异质性对砂土材料力学性质的影响

摘要:

颗粒组成的随机排列或颗粒固有性质的异质性是导致砂土力学参数变化的原因。将离散元法与随机场理论相结合,改进了一种随机离散耦合建模方法,其中使用滚动阻力接触模型来考虑砂土颗粒的滚动摩擦特性。考虑到两个随机场因素,即变异系数和波动范围,为典型工作情况开发了四个随机离散元模型(RDEM)。采用蒙特卡洛方法模拟了三轴RDEM,分析了应力-应变关系、强度和变形参数。研究了变异系数(Cov)和波动范围(δ)对力学特性变异性的影响。结果表明,随着Cov的增加,随机非均质样品的平均剪切模量G、峰值摩擦角φp和临界摩擦角φc下降,而平均泊松比μ增加。随着δ的增加,随机非均质样品的变形和强度参数的平均值最终接近均质样品的平均值。

 

图:滚动阻力模型图。

 

图:随机离散耦合过程原理。

 

图:三轴试验模型。

 

图:不同Cov和δ粒子的典型随机场模型。

 

图:非均质土样直剪试验结果比较。

 

图:代表性均匀和非均匀试样的平均法向接触力。


文三:

 

颗粒形状对颗粒材料剪切行为影响的DEM研究

摘要:

本研究使用二维离散元法模拟研究了颗粒凸度、球形度和纵横比(AR)对剪切颗粒材料行为的影响。制备了具有不同颗粒形状的各向同性、致密和松散的组件,并通过双轴压缩进行排水剪切,直至达到临界状态。介绍了强度和剪胀性等宏观特征。然后通过考虑配位数、织物各向异性、颗粒力矩、接触处的摩擦运动和颗粒旋转来研究宏观行为背后的因素。对于这里考虑的形状范围,数据表明,剪切强度随着颗粒凸度和球度的增加而降低,而剪切强度随着AR的增加而增加。剪切强度和凸度之间的相关性较弱,但AR和强度之间的相关性更强。随着AR的增加,大应变下的体积应变趋于增加。临界状态强度与临界状态配位数和临界状态机械孔隙比之间的相关性比临界状态孔隙比与临界状态强度之间的相关性更强。接触织物各向异性、颗粒传递的力矩大小和接触处产生的摩擦力是影响强度的重要因素。临界状态强度随着平均颗粒力矩和平均移动摩擦的增加而增加。颗粒旋转分析为颗粒材料对剪切的响应提供了见解。

 

图:DEM研究中使用的粒子类型及其球度S值。

 

图:双轴剪切下的样品图示。

 

图:颗粒形状对堆积的影响:a凸度b球度c纵横比(“2D-DEM”表示当前的研究。)

 

图:三维团簇致密样品的粒子取向彩色图。


文四:

 

通过光滑粒子流体力学(SPH)模拟和实验研究研究横向速度对Al-16Si合金摩擦堆焊的影响

摘要:

移动速度对Al-16Si合金摩擦片显微组织、力学性能及耐磨性能的影响 使用平滑粒子流体动力学 (SPH) 模拟和实验评估 AA1050 合金表面 结果显示,随着移动速度的增加,涂层的高度和宽度分别减少了 54% 和 20% 速度从 75 毫米/分钟增加到 115 毫米/分钟。此外,观察到界面处的未粘合区域相应增加 模拟结果显示了以横向速度涂覆的样品在涂层/基材界面处的最大剪切应力 75、95 和 115 mm/min 分别为 83、95 和 112 MPa。随着移动速度从 75 增加到 115 mm/min, 摩擦堆焊所需的预测扭矩和垂直力分别增加了92%和22%。当移动速度从 75 至 115 毫米/分钟。移动速度从 75 至 95 毫米/分钟增加导致晶粒尺寸减小 11% 和 13%, 与 AA1050 基材相比,硬度、强度和耐磨性分别提高 12% 和 8%。

 

图:显微组织检查、SPT试验、磨损试验和试样提取位置推压的示意图。突出显示的区域显示了检查的位置。

 

图:不同样品的横截面;a样品C-75,b样品C-95,C样品C-115。

 

图:不同样品涂层过程中的预测扭矩和垂直力。

 

图:A390消耗棒和样品C-75不同区域的光学显微镜图像。

 

图:不同放大倍数下A390自耗棒的SEM图像。

 

图:磨损表面的SEM图像;a AA1050基板,b A390耗材棒,c样品c-75,d样品c-95,e样品c-115。


文五:

 

基于SPH的流体和结构力学修正输运速度公式

摘要:

为了提高光滑粒子流体力学(SPH)方法的计算精度,采用了粒子移动技术(PST)。移动确保了粒子在空间中的均匀分布。这可以通过使用输运速度移动粒子来实现。在本文中,我们提出了一类扩展的输运速度公式(TVF)方法。我们以一致的方式导出了方程,并且证明了还有一些额外的项显著地提高了方法的精度。特别地,我们将其应用于熵阻尼人工压缩 SPH 方法。我们用一种简单的方法来识别自由表面的粒子及其法线,从而使这种方法适用于自由表面问题。我们展示了新方法如何应用于弹性动力学问题。我们考虑了一组基准问题,包括流体力学和固体力学,以证明该方法的准确性和适用性。实现是开源的,手稿是完全可重复的。

 

图:流体圆环自由表面粒子的识别。描绘流体粒子的法线,b流体粒子的边界粒子。

 

图:溃坝模拟中流体法线的识别。向我们显示所有流体粒子的法线。

 

图:雷诺数为1000的泰勒-格林涡旋的粒子图,分辨率为150×150。颜色代表压力。

 

图:Re=100的空腔的粒子图,粒子排列为150×150,左侧有校正项,右侧没有校正项。



来源:STEM与计算机方法
湍流光学离散元理论自动驾驶材料数字孪生试验人工智能
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-11-14
最近编辑:7天前
江野
博士 等春风得意,等时间嘉许。
获赞 48粉丝 47文章 308课程 0
点赞
收藏
作者推荐

支持量子计算的硬件可否运行力学仿真的模型呢?

点击上方蓝字了解更多计算力学领域前沿研究笔者最近在网上看到了很多相关的量子计算和计算力学结合的研究: 相关研究各位可以在网上找到,出现这种“一切皆可量子计算”的趋势,一方面量子计算在处理大量数据的计算方面确实具有优势,另一方面可能也是学术界和产业界对量子计算技术的追捧。根据笔者的初步了解,当前的量子计算研究集中在CFD领域,很少有和固体力学、分子动力学、流固耦合仿真的结合。因此,笔者这篇文章将重点围绕量子计算在计算力学领域应用的可能性以及相比传统的并行计算的优势。什么是量子计算?量子计算利用量子比特(qubits)来处理信息,能够在某些特定问题上显著提升计算能力。量子计算机的潜力来自于量子态的独特性质:叠加、纠缠和量子并行性。量子叠加是指一个量子系统可以同时处于多个状态的叠加态。这是量子计算的基础特性之一,与经典计算机中比特只能处于0或1两种状态不同,量子比特(qubit)可以同时处于0态、1态及其线性组合的状态。量子纠缠是一种量子态之间的特殊关联性。当两个或多个量子比特纠缠在一起时,它们的状态会紧密联系在一起,无论它们之间的距离多远。量子纠缠的特点是,如果你对一个量子比特进行测量,它的状态会立即决定另一个纠缠量子比特的状态。量子纠缠的核心在于,纠缠的量子比特在逻辑上并不独立,操作一个比特会直接影响纠缠比特的状态。这种现象在经典物理中是不存在的。量子并行性是指量子计算机能够通过量子叠加的特性,在同一时间内并行处理多个计算路径。这种并行性并不是像经典计算那样将任务分配给多个处理器,而是通过量子比特的叠加态,使得一个量子处理器可以同时探索多个解空间。在经典计算中,一个处理器一次只能执行一个计算步骤,而量子计算通过量子叠加,使得一个量子算法在某些特定问题(例如搜索、因数分解等)中可以同时处理大量状态的组合,进而显著加速计算过程。举个例子,考虑一个n比特的问题,如果使用经典计算,必须依次尝试所有2^n个可能的解,而量子计算通过叠加态可以在同一个量子电路中并行地操作所有这些状态。不过,量子并行性不能直接给出问题的解,因为量子测量会使叠加态坍缩为某个确定的经典状态(0或1)。为此,量子算法需要设计得当,利用量子干涉的原理,通过构造性干涉强化正确解的概率,并通过破坏性干涉削弱错误解的概率,从而在测量时获得高概率的正确解。计算固体力学和计算流体力学的区别总的来说,固体力学和流体力学的控制方程来源于不同的物理规律:固体力学侧重于应力-应变关系,流体力学侧重于动量、质量和能量守恒。在数值计算方法上,固体力学主要使用有限元法,而流体力学使用有限体积法较多。在求解形式上,固体力学问题多为静态或准静态问题,而流体力学问题多为动态、瞬态问题,尤其涉及复杂的流动模式如湍流和多物理场耦合。但需要注意,固体力学中大多数问题,比如弹性、塑性、断裂力学等,涉及相对规则的几何结构和材料属性。这些问题通常可以通过经典计算方法(如有限元法、边界元法等)得到高效处理。当前的量子计算技术优势更多体现在处理非线性和非规则系统上,因此固体力学领域的需求可能相对较低。而流体力学中的问题常常涉及大量的变量,如速度场、压力场、温度场等,尤其在湍流和复杂几何体的模拟中,维度的增加会导致计算复杂度急剧上升。传统数值方法在处理这些高维问题时,计算资源和时间需求都会快速增加。量子计算在CFD中的优势量子计算基于量子叠加原理,可以同时表示和处理多个状态。因此,它在理论上能够在指数级维度上进行并行计算,潜在地更高效地解决CFD中的多变量问题。量子算法可以加速求解特定类型的偏微分方程(PDE),如Navier-Stokes方程。相比之下,经典的数值方法需要大量的计算时间和迭代过程,尤其在高分辨率模拟中,GPU集群虽然能并行化计算,但仍然受限于硬件能力。量子计算的并行性不是通过任务划分实现的,而是通过量子位的叠加和量子纠缠,这种机制使得量子计算能够在理论上实现指数级别的并行处理,从而大幅度缩短解决复杂问题的时间。量子计算可以通过量子傅里叶变换等算法来加速矩阵运算。量子计算的多尺度模拟能力和处理复杂性方面的潜力可以帮助更有效地处理这些大规模、多尺度问题。量子算法能够高效地表示和模拟多个尺度上的相互作用,从而有可能更快速地模拟湍流等复杂现象。量子计算在固体力学量子力学在固体力学中的应用相对较少,但有一些领域开始逐渐受到关注,特别是在微观尺度下的材料特性分析和复杂物理现象的模拟方面。相比于传统的数值计算方法,特别是多GPU计算,量子计算在固体力学中的潜在优势主要体现在其处理复杂性、量子效应和材料的微观结构方面。然而,当前量子计算技术尚不成熟,因此在固体力学中的实际优势仍然主要是理论层面的。下面将详细探讨两者的对比和潜在优势。固体力学涉及材料的微观结构和原子层面的相互作用,尤其在纳米尺度或极端条件下,量子效应变得显著。例如,晶体缺陷、界面现象、原子级别的应力与应变等问题,传统的连续体力学模型难以描述这些现象。基于量子力学的第一性原理计算(如密度泛函理论,DFT)可以精确描述材料的电子结构、能带结构、以及材料的量子力学行为。量子计算可以更有效地处理这些基于量子力学的复杂计算,特别是对多体系统的模拟,可以在处理分子动力学和晶格缺陷等问题上有潜在优势。复杂材料的行为,如断裂力学中的裂纹扩展、塑性形变和局部应力集中现象,在经典计算中往往需要复杂的本构模型和数值模拟,这些模型依赖大量的近似和经验参数。量子计算可以通过量子模拟或基于量子力学的算法直接求解材料的微观结构行为,从而避免传统数值计算中的近似模型。例如,在纳米材料中,量子效应的显著性可能导致经典模型失效,而量子计算可以直接模拟这些材料在原子尺度下的行为,提升计算精度。此外,在固体力学的多尺度模拟中,通常需要跨越从原子级别到宏观结构的多个尺度。传统数值计算方法需要通过多层次迭代和优化来求解,这对计算资源要求非常高。量子计算理论上可以通过其并行处理能力更快地解决多尺度问题,尤其是对于那些涉及复杂耦合和非线性相互作用的问题,如在晶体缺陷或裂纹扩展中存在的局部量子效应。与多GPU并行计算相比,量子计算在理论上可以以指数级的速度同时处理多个量子态,从而有潜力在特定类型的多尺度问题上显著加速求解。固体力学中的一些复杂几何和拓扑问题(如位错、晶界、缺陷态等)通常涉及高维的几何和物理结构描述,这对传统数值计算方法带来巨大挑战,尤其是在计算复杂材料的应力应变分布时。总结具体看来,有一下具体的应用:数据驱动力学方面:流场预测,AI预测分子动力学等会产生大量数据的高维问题。湍流建模和大涡仿真:高度非线性问题多尺度大规模问题:大量原子分子,大量的离散网格等大量数据的高效处理 计算机技术在科学&技术&工程&数学中得到了广泛的应用,力学方面,计算机技术成为了科学的第四次革命性技术,现在基于计算机的数据科学已经逐步成为力学等其他科学发现的第四范式。人工智能、大数据、数字孪生等概念已经逐步成为当今时代的主题。智能制造、智能算法、数据驱动力学、大语言模型、自动驾驶在当今社会展现出巨大潜力,吸引了大量的研究人员。同时高性能显卡和多核中央处理器的出现为大规模数值模型的高性能计算提供了强大算力。 来源:STEM与计算机方法

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈