排序方式: 共有99条查询结果,搜索用时 15 毫秒
11.
12.
13.
基于摩尔-库仑模型的非线性本构模型的开发及其在应变局部化中的应用 总被引:1,自引:0,他引:1
以FLAC中的Mohr-Coulomb(M-C)本构模型为基础,在C++环境下实现了考虑拉伸截断的非线性本构模型的二次开发。针对应力及位移的分布规律,将理想弹塑性的Hoek-Brown(H-B)本构模型、M-C本构模型及自定义本构模型的数值解及H-B本构模型的理论解进行了比较,验证了自定义本构模型的正确性。采用弹-脆-塑性的自定义本构模型,以先加载,后挖洞的方式模拟了圆形巷道围岩的应变局部化过程,在计算模型的边界条件对称及均质本构参数的条件下,模拟出了4个对称的V型坑,模拟结果与静水压力条件下岩爆的现场观测及试验结果吻合,而采用接近脆性的H-B应变软化模型所得结果的对称性较差 相似文献
14.
15.
超声激励增透煤层是一种不受甲烷储层地质条件和气源特性限制,具有普遍应用价值的增采技术.但由于煤岩致密、裂隙发育,煤岩孔隙度存在多尺度效应,受储层介质尺度效应影响的增透促吸机理尚不明确.本文通过CT观测实验和渗透率测定实验,对超声波作用下煤样不同尺度裂隙发展规律进行了分析,对比测定超声作用煤样渗透率变化规律,建立了超声增透煤层甲烷渗透率的修正公式.研究结果表明:CT观测实验很好地证明了超声的机械震碎作用;在声场衰减范围内,煤体损伤和机械震碎作用明显;超声波作用后的煤层渗透率有平均135%~169%的提高.研究工作为超声激励增加煤层的渗透率提供了实验基础. 相似文献
16.
本文将岩石视为颗粒体材料,采用两种模型对巷道围岩的应力、应变及破坏区的分布规律进行了数值模拟。第一种模型是连续介质模型,其中考虑了颗粒、界面及基体。第二种模型是将第一种模型中的基体去掉。研究结果表明:当基体强度参数降低较少时,巷道围岩中的环向和径向应力在传统结果附近波动;当基体强度参数降低较多时,两种应力的波动幅度提高,而且,基体位置的应力向其周围的颗粒或界面转移。第二种模型结果的波动幅度更大。随着基体强度参数的降低,巷道围岩中的应变集中区向深部转移,形成相互交织的滑移线网,滑移线网的位置主要位于基体和界面中,这与第二种模型的结果有明显的差异(多个环向的应变集中区)。 相似文献
17.
峰后的刚度劣化现象(渐进损伤)在多种煤、岩石、混凝土、土和砂子的循环加载实验中已被观察到。本文考虑了剪切带及带外弹性体的不同的刚度劣化现象,推导了剪切带(断层)-弹性围岩系统在直剪条件下的应力-变形曲线。剪切带的刚度劣化不改变剪切带的总变形,但使剪切带的弹性变形增加、塑性变形降低。考虑弹性体的刚度劣化现象之后,系统的峰后应力-变形曲线呈现非线性特征,这不同于过去忽略刚度劣化现象的结果。在应变软化过程中,剪切带之外弹性体的刚度劣化,使系统的峰后响应由负斜率(Ⅰ类行为)变为正斜率(Ⅱ类变形行为)。较高的弹性体尺寸、较高的脆性、较小的内部长度、较低的围岩初始弹性模量、较高的抗剪强度、较低的残余剪切应力及较高的残余剪切弹性模量,使系统的峰后响应变得陡峭,甚至发生Ⅱ类行为,使系统的失稳(岩爆、冲击地压、采矿诱发地震或矿震)易于发生。 相似文献
18.
断层构造对北票矿区煤层气地表泄漏的影响 总被引:2,自引:0,他引:2
针对北票矿区台吉井田断层地质分布状况和关井后煤层气由地表泄漏的实际情况,从数值分析角度,利用ANSYS有限元软件,建立三维有限元模型,模拟了不考虑断层构造和考虑断层构造情况下,不同断层组合在开采前后的地应力场和位移场变化规律,得到了开采前后断层剖面应力场和特定水平剖面垂向位移等值线图等模拟结果,及一些有价值的结论。断层构造对开采前后应力场和位移场均有影响,应力场数值模拟得到采空区为原生气源集聚区;断层与采空区交界处的上、下端头位置所受应力最大,导致富集于采空区的煤层气向此处扩散运移,并通过断层中贯通裂隙向地表逸散,断层即是煤层气向地表逸散的重要通道;采空区上方的冒落带、裂隙带和弯曲带是次生气源集聚区。该数值模拟为搞清断层构造对北票矿区煤层气泄漏规律的影响和原生、次生气源集聚位置的确定提供了科学依据,对有效进行煤层气开发利用具有一定指导意义。 相似文献
19.
20.
基于异步迭代算法的冲击地压预测 总被引:1,自引:0,他引:1
采用三层BP神经网络方法对冲击地压建立了数学模型。网络的训练算法采用具有松弛因子的动态异步迭代法,该算法在克服网络的麻痹现象及局部极小问题上都优于目前常用的训练方法,因而,采用此算法对网络进行了训练及震级的预报。基于新汶矿务局华丰煤矿1999~2000年的冲击地压现场监测数据,把冲击地压的能量、产生波的幅值、频次做为输入数据,相应期间的最大震级为输出数据,组成神经网络的训练样本及测试样本,对原始数据进行了数学预处理,网络结构采用了输入层3个结点,中间层7个结点,输出层1个结点的前向神经网络;网络最终的训练误差为0.06,预测结果的相对误差率平均为 9.2 %,预测效果比较理想。 相似文献