[发明专利]基于离散元法的物料参数标定方法

说明书

本发明公开了一种基于离散元法的物料参数标定方法，包括如下步骤根据物料物性参数构建离散元本构模型；设定待标定参数及范围；根据待标定参数及范围进行LHS抽样；将LHS抽样的抽样结果作为输入数据导入离散元本构模型进行离散元模拟；根据LHS抽样结果和离散元模拟的输出数据建立训练集；根据训练集进行神经网络训练以得到待标定参数与离散元模拟的输出数据之间的近似模型；验证近似模型是否满足第一预设条件，若不满足，则扩大LHS抽样的样本量；对近似模型进行遗传算法寻优；根据遗传算法的输出结果进行物料参数的标定。本发明基于离散元法的物料参数标定方法，提高参数标定的效率，通过多种方式对参数标定结果进行验证，提高参数标定的准确性。

技术领域

本发明涉及物料加工技术领域，具体涉及一种基于离散元法的物料参数标定方法。

背景技术

离散元法DEM(Discrete element method)作为粉体和散体物料数值模拟研究重要方法之一，目前已广泛应用于多个领域，该方法同样以其高效率、高精度等优点已逐渐应用于矿物加工颗粒运动行为仿真研究，为优化选矿工艺参数、提高工艺技术指标提供了有效手段。而作为数值模拟技术基础的颗粒物性参数是数值模拟研究的基本依据，对数值模拟研究具有至关重要的作用，准确合理的颗粒模型参数是保证数值模拟结果高精度的必要条件。

在当前颗粒运动行为数值模拟研究中，较为易测的颗粒参数一般采取常规测量手段获取，如颗粒密度和粒度可分别通过比重瓶和激光粒度分析仪进行测定，而颗粒与颗粒间的摩擦系数、颗粒与颗粒间的弹性恢复系数等接触系数很难通过常规物理试验方法获得，即便通过复杂方法测定，其测定结果的精度也存在很大偏差，进而直接影响数值模拟结果的准确性，不能为工艺参数的设置和优化提供科学有效的指导依据。

相关技术中公开一种利用响应曲面法对物料参数进行标定的方法，如图12所示，然而利用响应曲面法标定参数时因素编码数量有限,选取数据样本不具有广泛代表性。

发明内容

本发明是基于发明人对以下事实和问题的发现和认识做出的：

相关技术中，提供了一种基于离散元法的矿物颗料模型参数标定方法，主要通过物理试验测定和初步拟定方法构建基于离散元法的矿物颗粒模型参数本构模型，利用本构模型结合休止角测定进行物理和数值模拟双向试验，在初步验证结果基础上，以矿物颗粒模型参数为自变量进行正交数值试验，以休止角测定值为评价指标进行回归分析，并以休止角物理试验测量为目标值，建立回归模型，确定矿物颗粒模型参数优化组合，再次通过数值试验验证所确立的优化组合，最终确定基于离散元法的矿物颗粒模型参数，然而本申请的发明人研究发现，该相关技术中缺乏广泛的试验验证，并且研究中未考虑标定的接触参数对堆积高度的影响，同时，同一休止角数值、堆积高度往往可以由不同的接触参数组合得到。因此该技术在物料参数标定中缺乏可靠性和准确性。

相关技术中，提出了一种基于LHS的BP神经网络参数标定方法，该相关技术包括建立有限元模型；参数敏感度分析；确定待标定参数及其范围；LHS抽样；建立训练集；训练BP神经网络；验证BP神经网络；土体力学参数标定。本发明利用了LHS抽样能够构造出数量少却极具代表性样本的特点和BP神经网络强大的非线性映射能力，给土体力学参数标定带来了新的模式。这种标定方法既避免了基于梯度优化算法易陷入局部最优的缺点也弥补了随机优化算法需要大量有限元计算的不足，可以较好地应用到土体力学参数标定中，并且可以推广到其他需要进行参数标定的领域。然而，本申请的发明人研究发现，该相关技术的参数标定结果并没有进行物理验证，从而影响虚拟模拟结果的准确性。

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明提出一种基于离散元法的物料神经网络模型参数标定方法，能够提高参数标定的效率，并通过多种方式对参数标定结果进行验证，提高参数标定的准确性。