本發(fā)明屬于植物建模分析，尤其涉及一種用于離散元仿真的小麥葉片力學(xué)參數(shù)確定方法。
背景技術(shù)：
1、為了準(zhǔn)確模擬葉片的宏觀力學(xué)行為，需要在仿真前對所使用的力學(xué)模型中的微觀參數(shù)進(jìn)行準(zhǔn)確標(biāo)定。目前主流的離散元接觸和粘接力學(xué)參數(shù)標(biāo)定方法為試驗(yàn)設(shè)計(jì)法(doe)，近年來隨著機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，也有學(xué)者利用神經(jīng)網(wǎng)絡(luò)和優(yōu)化算法進(jìn)行參數(shù)標(biāo)定，并與現(xiàn)有參數(shù)標(biāo)定方法進(jìn)行了對比，結(jié)果表明基于神經(jīng)網(wǎng)絡(luò)的方法能夠快速準(zhǔn)確地得到參數(shù)標(biāo)定結(jié)果且誤差小于現(xiàn)有其他參數(shù)標(biāo)定方法。
2、利用神經(jīng)網(wǎng)絡(luò)的非線性擬合能力以及算法的全局優(yōu)化能力，提高了參數(shù)標(biāo)定的效率和結(jié)果可靠性。但是在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中，初始參數(shù)的選擇對訓(xùn)練效果影響較大，因此待標(biāo)定參數(shù)的初始范圍的確定還需要進(jìn)一步研究。目前也還缺少關(guān)于小麥葉片接觸和粘接力學(xué)參數(shù)的標(biāo)定方法，這對于研究小麥植株整體建模及小麥葉片與農(nóng)機(jī)部件的接觸作用的仿真十分重要。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明實(shí)施例的目的在于提供一種用于離散元仿真的小麥葉片力學(xué)參數(shù)確定方法，旨在解決上述背景技術(shù)中提出的問題。
2、本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的，一種用于離散元仿真的小麥葉片力學(xué)參數(shù)確定方法，包括以下步驟：
3、步驟1：通過斜面法測量葉片-葉片以及葉片-邊界間的靜摩擦系數(shù)；
4、步驟2：通過跌落法測量葉片-葉片以及葉片-邊界間的碰撞恢復(fù)系數(shù)；
5、步驟3：利用葉片堆積角試驗(yàn)對滾動摩擦系數(shù)進(jìn)行標(biāo)定，經(jīng)過擬合后得到葉片-葉片間的滾動摩擦系數(shù)；
6、步驟4：利用質(zhì)構(gòu)儀進(jìn)行葉片拉伸和剪切過程的物理試驗(yàn)，測量葉片受到的拉力、剪切力和變形；
7、步驟5：通過理論計(jì)算確定葉片粘接參數(shù)的初始標(biāo)定范圍；
8、步驟6：利用離散元軟件建立葉片拉伸和剪切試驗(yàn)的仿真模型；
9、步驟7：采用拉丁超立方采樣方法對待標(biāo)定粘接參數(shù)進(jìn)行采樣，作為構(gòu)建神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集的基礎(chǔ)；
10、步驟8：以待標(biāo)定粘接參數(shù)作為模型的輸入，最大拉力和剪切力作為模型的輸出，建立bp神經(jīng)網(wǎng)絡(luò)模型，并通過遺傳算法對其進(jìn)行優(yōu)化；
11、步驟9：基于遺傳算法對優(yōu)化后的神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)進(jìn)行優(yōu)化，最終得到粘接力學(xué)參數(shù)測標(biāo)定結(jié)果。
12、進(jìn)一步的技術(shù)方案，在所述步驟4中，每組試驗(yàn)重復(fù)進(jìn)行20次并取平均值作為試驗(yàn)結(jié)果。
13、進(jìn)一步的技術(shù)方案，在所述步驟5中，葉片粘接力學(xué)模型選用bonding模型，該模型中的粘接參數(shù)包括強(qiáng)度參數(shù)和剛度參數(shù)；為了確保參數(shù)標(biāo)定結(jié)果的準(zhǔn)確性，需要對參數(shù)標(biāo)定初始值的范圍進(jìn)行確定，bonding模型中的粘接鍵存在于相鄰兩個(gè)產(chǎn)生相互作用力的顆粒之間，該作用力能夠抵抗顆粒間的法向運(yùn)動與切向運(yùn)動，使得兩顆粒在不受到其他外力的情況下運(yùn)動狀態(tài)保持一致，當(dāng)顆粒間的法向和切向應(yīng)力超過臨界應(yīng)力時(shí)，粘接鍵將會發(fā)生斷裂：
14、；
15、；
16、其中：
17、；
18、；
19、；
20、；
21、；
22、；
23、其中，為顆粒間相對運(yùn)動的法向速度，為顆粒間相對運(yùn)動的切向速度，為顆粒間相對運(yùn)動的法向角速度，為顆粒間相對運(yùn)動的切向角速度， j為極慣性矩， a為接觸面積，為時(shí)間步長， f n為法向作用力， f t為切向作用力，為法向作用力的增量，為切向作用力的增量， m n為法向扭矩， m t為切向扭矩，為法向扭矩的增量，為切向扭矩的增量， s n為單位面積法向剛度， s t為單位面積切向剛度，為單位面積法向應(yīng)力，為單位面積切向應(yīng)力， r b為顆粒粘接鍵半徑；
24、將每條葉脈中粘接鍵模型均簡化為梁單元模型，根據(jù)材料力學(xué)的相關(guān)理論，彈性梁的剛度系數(shù) k的計(jì)算公式為：
25、；
26、其中， e為粘接鍵的彈性模量， l s為粘接鍵長度；
27、由于bonding模型中法向和切向作用力以及扭矩是通過增量的方式進(jìn)行計(jì)算，使得葉片相鄰組成球之間可以具有一定間隔排列，因此 l s為葉片模型中相鄰組成球具有一定間隔排列的實(shí)際距離；
28、模型參數(shù)中單位面積的法向剛度根據(jù)彈性梁的剛度系數(shù)進(jìn)行計(jì)算：
29、；
30、粘接鍵的等效單位面積切向剛度表示為：
31、；
32、其中， g為粘接鍵的剪切模量（pa）， v為泊松比；
33、模型參數(shù)中的臨界法向應(yīng)力和臨界切向應(yīng)力通過葉片的拉伸和剪切試驗(yàn)得到：
34、；
35、式中， f n為葉片拉伸過程中受到的法向作用力， f t為葉片剪切過程中受到的切向作用力，單位：n，為葉片橫截面積。
36、進(jìn)一步的技術(shù)方案，在建立bp神經(jīng)網(wǎng)絡(luò)模型時(shí)，將數(shù)據(jù)集劃分為訓(xùn)練集占比70%、測試集占比15%以及驗(yàn)證集占比15%，并規(guī)定迭代次數(shù)為2000次，誤差學(xué)習(xí)率為0.01。
37、進(jìn)一步的技術(shù)方案，所述bp神經(jīng)網(wǎng)絡(luò)的輸入層設(shè)定5個(gè)神經(jīng)元：單位面積法向剛度、單位面積切向剛度、臨界法向應(yīng)力、臨界切向應(yīng)力和貝塞爾曲線中t的倍數(shù)，輸出層為葉片拉伸和剪切試驗(yàn)的結(jié)果：最大拉力和最大剪切力。
38、進(jìn)一步的技術(shù)方案，所述bp神經(jīng)網(wǎng)絡(luò)的隱含層拓?fù)浣Y(jié)構(gòu)選取的依據(jù)是隱含層首層的神經(jīng)元數(shù)量為2×輸入維數(shù)＋1，中間各層的神經(jīng)元數(shù)量均為輸入的維數(shù)，最后一層的神經(jīng)元數(shù)量不超過2×輸入維數(shù)；
39、然后利用定義的bp神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，通過比較訓(xùn)練集、驗(yàn)證集和測試集的決定系數(shù)r2以及整體的均方根誤差rmse，來選取較優(yōu)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
40、進(jìn)一步的技術(shù)方案，所述神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)優(yōu)化，是以待標(biāo)定的粘接參數(shù)作為模型的輸入，以對應(yīng)的拉伸和剪切試驗(yàn)仿真中的最大拉力和最大剪切力作為輸出構(gòu)建兩者之間的映射關(guān)系，將經(jīng)過ga優(yōu)化后的神經(jīng)網(wǎng)絡(luò)預(yù)測得到的輸出參數(shù)與實(shí)際葉片的最大拉力和最大剪切力的誤差平方和作為優(yōu)化目標(biāo)，對模型的輸入進(jìn)行尋優(yōu)，尋優(yōu)結(jié)果作為粘接力學(xué)參數(shù)標(biāo)定結(jié)果。
41、本發(fā)明實(shí)施例提供的一種用于離散元仿真的小麥葉片力學(xué)參數(shù)確定方法，其有益效果如下：
42、（1）該方法具有一定的通用性，同樣適用于其他農(nóng)業(yè)物料在離散元仿真中的接觸和粘接力學(xué)參數(shù)確定；
43、（2）采用基于bp-ga的粘接力學(xué)參數(shù)標(biāo)定方法，相比于現(xiàn)有參數(shù)標(biāo)定方法，具有準(zhǔn)確性高以及標(biāo)定速度快等優(yōu)勢；
44、（3）該方法進(jìn)行了接觸和粘接力學(xué)參數(shù)驗(yàn)證試驗(yàn)和仿真，對參數(shù)確定結(jié)果的準(zhǔn)確性進(jìn)行了驗(yàn)證，為小麥葉片的建模提供了重要的數(shù)據(jù)支撐。