CN107229769B - 一种基于边界判别算法的混合料数值成型方法 - Google Patents

Abstract

本发明公开了一种基于边界判别算法的混合料数值成型方法，包括构建数值颗粒库；采用重力投放和墙加载压实的方法成型混合料试件的粗集料轮廓骨架；标定粗集料骨架的上边界，下边界，左边界以及右边界；基于边界判别算法，遍历试件内每一点位置，判断该位置是否在颗粒外部，成型细集料颗粒；边界筛除算法；识别并划分粗集料和细集料，赋予微观参数。该方法通过左右边界判别，完成极不规则形状且镂空的粗集料骨架区域判断，将重力投放粗集料骨架与原地判断生成细集料相结合，以达到快速成型高密实度试件的目标，解决了现有重力投放无法压实达到高密实度状态、原地生成细集料时间较长的缺陷。

Description

一种基于边界判别算法的混合料数值成型方法

技术领域

本发明涉及道路工程，特别是涉及一种基于边界判别算法的混合料数值成型方法。

背景技术

在道路工程数值离散模拟试验中，首先需要生成数值试件，无论是沥青混合料类、水泥稳定类还是碎石类材料，都含有众多大粒径的粗集料颗粒以及小粒径的细集料、胶结料颗粒。

在目前的道路工程数值模拟实验方法中，粗细混合的数值模型一般有两种生成方法，一是在试件内生成所有离散单元，通过切割判别，将所有的离散单元分别划分为粗集料与细集料，该种方法随机性较大，粗集料形态拟合极不准确，且在试件内全部生成离散单元费时费力；二是通过重力投放颗粒，实际模拟颗粒下落、压密过程，该种方法在模拟颗粒成型前的转动以及确定颗粒在试件内的最终形态、转动角度具有一定的优势，但采用重力投放、墙加载的方式存在重大缺陷，也是相关技术人员所知道的，就是仅仅采用重力投放成型的粗细集料混合的试件，试件非常难压实到指定的密实状态，低密实度的试件可以采用重力投放，但是高密实度的试件重力投放无法完成。

这是因为当试件内存在粗细集料或者胶结料时，若采用重力投放，投放概率较难控制，部分粗集料会率先形成嵌挤结构，细集料或者胶结料很难投放到形成嵌挤的空隙中去，这与实际不符合，另外和粗集料数量少不一样，细集料由于颗粒半径极小，数量巨大，采用重力投放，其下落总时间非常长，时间成本巨大。

发明内容

发明目的：提供一种快速、精确地成型任何数值实验试件的基于边界判别算法的混合料数值成型方法。

技术方案：本发明的一种基于边界判别算法的混合料数值成型方法，包括以下步骤：

(1)构建数值颗粒库；

(2)采用重力投放和墙加载压实的方法成型混合料试件的粗集料轮廓骨架；

(3)标定粗集料骨架的上边界，下下边界，左边界以及右边界；

(4)基于边界判别算法，遍历试件内每一点位置，判断该位置是否在颗粒外部，成型细集料颗粒；

(5)边界筛除算法；

(6)识别并划分粗集料和细集料，赋予微观参数。

进一步的，所述步骤(1)中，构建的数值颗粒库为二维颗粒库或三维颗粒库。

所述步骤(2)中，采用重力投放形成最初的粗集料试件，设定weight_4.75、weight_9.5、weight_13.2、weight_16以及weight_19分别表示每一步投放中二维试件内成型的4.75mm、9.5mm、13.2mm、16mm以及19mm粗集料颗粒累计质量；根据实验级配，计算4.75mm、9.5mm、13.2mm、16mm以及19mm粗集料要求生成质量，并分别以requireweight_4.75、requireweight_9.5、requireweight_13.2、requireweight_16以及requireweight_19表示；每当投放一个颗粒时，利用数颗粒库内相应颗粒面积和密度计算当前投放颗粒的质量；若每一种粒径颗粒的投放累计质量没有达到要求生成质量，则继续投放该粒径颗粒，若达到要求投放质量，则在后续的投放中停止投放该粒径颗粒。

进一步的，所述步骤(2)中，每次投放一个颗粒，每种粒径粗集料的重力投放采用两种概率嵌套判别，记为P_1(r)、P_2(r)，其中r为粒径大小，P_1(r)为投放r粒径概率，P_2(r)为r粒径下棱角度分布概率；计算颗粒库内不同粒径颗粒的平均质量，记为ave_4.75、ave_9.5、ave_13.2、ave_16和ave_19，混合料试件内各粒径颗粒预估数量分别记为n_4.75、n_9.5、n_13.2、n_16和n_19，并满足以下公式：

投放时，首先判别P_1(r)，来确定下一个投放颗粒的粒径大小，再根据P_2(r)来确定调用该粒径下不同棱角度颗粒，直至该粒径达到要求质量；投放完成后，将投放的颗粒定义为clump；采用墙加载的方式形成稳定的粗集料骨架结构，根据不同实验的要求，可以分多次投放和压实。采用重力投放和墙加载的方式建立试件的粗集料骨架结构，粗集料形态高度一致，内部无填充，提高精度同时降低离散单元数量，由于粗集料数量较少，时间成本较低。

进一步的，所述步骤(3)中，标定粗集料骨架四周边界，作为细集料生成位置空间，分别以aggre_top、aggre_bottom、aggre_left和aggre_right标记粗集料上边界、下边界、左边界和右边界，设定细集料半径为binder_rad，通过遍历比较每一个粗集料中离散单元的位置，确定最左、最右、最上、最下的单元位置，并通过加减细集料半径，确定最终的骨架空间，该骨架空间作为细集料圆心分布区域，并分别以aggre_top_1、aggre_bottom_1、aggre_left_1和aggre_right_1标记细集料上边界、下边界、左边界和右边界，并满足下式：

aggre_left_1＝aggre_left+binder_rad；

aggre_right_1＝aggre_right+binder_rad；

aggre_bottom_1＝aggre_bottom+binder_rad；

aggre_top_1＝aggre_top+binder_rad。

进一步的，所述步骤(4)中，以aggre_left_1、aggre_right_1、aggre_top_1和aggre_bottom_1所确定的空间为遍历区域，以两倍的binder_rad为步长，从左往右，从下往上遍历每一个点位，并以该点位置与粗集料边界轮廓关系判断是否属于粗集料外部区域；以dis_min_right、dis_min_left分别标记与该点位置右侧和左侧最近的离散单元距离，以k_right、k_left、k_mid分别在内部循环内计数，其初始值为0；当判断第一个点位时，依次遍历比较试件内的所有离散单元，如果离散单元属于粗集料，判断其在位置左侧还是右侧，通过设定的高度控制，找到该位置水平方向上左侧和右侧距离该位置最短的两个离散单元，每当找到一个最右侧或者最左侧的离散单元，参数k_right和k_left分别增加1，如果在判断第一个位置结束时，k_right和k_left都不为0，则k_mid增加1；完成第一个位置判断后，得到一组k_right、k_left和k_mid值，通过该组值判断位置能否生成细集料，位置判断完成后，依次按照顺序从下往上，从左往右判断其它点的位置，并得到其他点的k_right、k_left和k_mid值。

进一步的，所述步骤(4)中，每当判断一个点位置的有效性时，根据得到的k_right、k_left和k_mid值判断所属区域；当k_right＝0，k_left≠0时，表明该点右侧为试件右侧墙，左侧为粗集料骨架，该点属于粗集料骨架外部区域；当k_right≠0，k_left＝0时，表明该点左侧为试件左侧墙，右侧为粗集料骨架，该点属于粗集料骨架外部区域；当k_mid≠0时，判断该点左右两侧的离散单元，若离该位置最近的左右两侧单元分别属于不同的clump，则该点在粗集料骨架外部区域，若属于同一个clump，则该点在粗集料骨架内部区域。

进一步的，所述步骤(4)中，细集料投放顺序为：

(a)找到细集料区域初始位置；

(b)遍历构成粗集料的离散单元，找到该位置的k_right、k_left和k_mid值；

(c)根据k_right、k_left和k_mid值，判断该位置属于的区域；

(d)若点位属于粗集料骨架外部区域，则以binder_rad为半径，该点位置为圆心，生成圆盘；

(e)若点位置属于粗集料骨架外部区域，则不生成圆盘，并跳过；

(f)寻找下一个点，循环以上步骤。

其中，每当循环进行点的位置判断时，应该将之前生成的细集料离散单元以一定的特征标记，当查找一个点的位置最左最右离散单元时，应该通过细集料特征标记，忽略细集料，只判断属于CLUMP的粗集料离散单元，其中，CLUMP为离散元中定义刚体的命令。

进一步的，所述步骤(5)中，当投放完细集料后，应该对试件内细集料进行补充筛除，因为细集料只是未能投放在粗集料骨架内部区域，在粗集料骨架边缘处仍有重叠，通过判断细集料与骨架离散单元的位置关系，进一步筛除位于骨架轮廓边缘上的细集料。

进一步的，所述步骤(6)中，粗集料的微观参数的赋予包括：构建数值颗粒库，进行单一粒径粗集料室内单轴贯入实验与仿真实验对比，确定不同粒径和不同棱角度的推荐微观参数；建立粗细混合的试件，在试件内通过特征标记区分出细集料，赋予一定的微观参数，通过动模量实验，修正并确定不同半径细集料最佳的微观参数。

有益效果：与现有技术相比，本发明的一种基于边界判别算法的混合料数值成型方法，可以快速判断粗集料内部和外部区域，其中所判断的粗集料是极不规则并且“镂空”的形状，离散单元只存在颗粒轮廓处，内部无填充；通过重力投放所构建的粗集料和原地判别生成细集料结合的方式成型混合料数值试件，解决了仅采用重力投放无法将粗细集料压密的缺陷，可以根据空隙率大小，在粗集料骨架之间快速填充细集料。所提出的方法对道路工程中的数值模拟具有重要意义，较好的控制数值试件的离散单元数量，并极大提高效率。

附图说明

图1为本发明方法的流程图。

图2为本发明方法的粗集料骨架图。

图3为本发明方法中粗细集料混合试件示意图。

图4为本发明方法中k_right＝0，k_left≠0时判断点位置图。

图5为本发明方法中k_right≠0，k_left＝0时判断点位置图。

图6为本发明方法中k_mid≠0时，判断点位于粗集料内部和外部区域示意图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1所示，本发明的一种基于边界判别算法的混合料数值成型方法，包括以下步骤：

(1)构建数值颗粒库

采用专利CN201610410103.4构建数值颗粒库，包括二维颗粒库或三维颗粒库，所提出的边界判别算法适用于二维颗粒和三维颗粒，本实施例以二维混合料试件成型为例说明，三维试件成型方法及边界判断算法与二维一致。

(2)采用重力投放和墙加载压实的方法成型混合料试件的粗集料轮廓骨架

如图2和图3所示，粗集料骨架2无规则设于试件墙体1内，各粗集料骨架之间形成无规则的粗集料骨架空隙21；细集料或胶结料3填充于粗集料骨架空隙。设定weight_4.75、weight_9.5、weight_13.2、weight_16和weight_19分别表示每一步投放中二维试件内成型的4.75mm、9.5mm、13.2mm、16mm和19mm粗集料颗粒累计质量，根据实验级配，计算4.75mm、9.5mm、13.2mm、16mm和19mm粗集料要求生成质量，并以requireweight_4.75、requireweight_9.5、requireweight_13.2、requireweight_16和requireweight_19表示。每当投放一个颗粒时，利用颗粒库内相应颗粒面积和密度计算当前投放颗粒的质量，若每一种粒径颗粒的投放累计质量没有达到要求生成质量，则继续投放该粒径颗粒，若达到要求投放质量，则在后续的投放中停止投放该粒径颗粒。

每次投放一个颗粒，每种粒径粗集料的重力投放采用两种概率嵌套判别，记为P_1(r)、P_2(r)，其中r为粒径大小，P_1(r)为投放r粒径概率，P_2(r)为r粒径下棱角度分布概率。计算颗粒库内不同粒径颗粒的平均质量，分别记为ave_4.75、ave_9.5、ave_13.2、ave_16、ave_19，混合料试件内各粒径颗粒预估数量分别记为n_4.75、n_9.5、n_13.2、n_16、n_19，并满足以下公式：

投放时，首先判别P_1(r)，来确定下一个投放颗粒的粒径大小，再根据P_2(r)来确定调用该粒径下不同棱角度颗粒，直至该粒径达到要求质量，投放完成后，将投放的颗粒定义为clump。采用墙加载的方式形成稳定的粗集料骨架结构，根据不同实验的要求，可以分多次投放和压实。

(3)标定粗集料骨架的上边界，下边界，左边界以及右边界；

标定粗集料骨架四周边界，作为细集料生成位置空间，分别以aggre_left、aggre_right、aggre_top和aggre_bottom标记粗集料左右上下边界，设定细集料半径binder_rad,通过遍历比较每一个粗集料中离散单元的位置，确定最左、最右、最上、最下的单元位置，并通过加减细集料半径，确定最终的骨架空间，该骨架空间作为细集料圆心分布区域，并分别以aggre_left_1、aggre_right_1、aggre_top_1和aggre_bottom_1标记左右上下，并满足以下公式：

aggre_left_1＝aggre_left+binder_rad；aggre_right_1＝aggre_right+binder_rad；aggre_bottom_1＝aggre_bottom+binder_rad；aggre_top_1＝aggre_top+binder_rad；

(4)基于边界判别算法，遍历试件内每一点位置，判断该位置是否在颗粒外部，成型细集料颗粒

如图4、图5和图6所示，以aggre_left_1、aggre_right_1、aggre_top_1和aggre_bottom_1所确定的空间为遍历区域，以两倍的binder_rad为步长，从左往右，从下往上遍历每一个点4的位置，并以该点位置与粗集料边界轮廓关系判断是否属于粗集料外部区域。以dis_min_right和dis_min_left分别标记与该点位置右侧、左侧最近的离散单元距离，以k_right、k_left和k_mid分别在内部循环内计数，其初始值为0。当判断第一个点位时，依次遍历比较试件内的所有离散单元，如果离散单元属于粗集料，判断其在位置左侧还是右侧，通过设定一定的高度控制线5，找到该位置水平方向上左侧和右侧距离该位置最短的两个离散单元，每当找到一个最右侧离散单元6或者最左侧离散单元7，参数k_right和k_left分别增加1，如果在判断第一个位置结束时，k_right和k_left都不为0，则k_mid增加1。完成第一个位置判断后，得到一组k_right、k_left和k_mid值，通过该组值判断位置能否生成细集料，位置判断完成后，依次按照顺序从下往上从左往右判断其它点的位置，并得到其他点的k_right、k_left和k_mid值。

每当判断一个点位置的有效性时，根据得到的k_right、k_left和k_mid值判断所属区域。当k_right＝0，k_left≠0时，表明该点右侧为试件右侧墙，左侧为粗集料骨架，该点属于粗集料骨架外部区域，如图4所示；当k_right≠0，k_left＝0时，表明改点左侧为试件左侧墙，右侧为粗集料骨架，该点属于粗集料骨架外部区域，如图5所示；当k_mid≠0时，判断该点左右两侧的离散单元，若离该位置最近的左右两侧单元分别属于不同的clump，则该点在粗集料骨架外部区域，若属于同一个clump，则该点在粗集料骨架内部区域，如图6所示。

按照以下顺序完成细集料投放，(a)找到细集料区域初始位置；(b)遍历构成粗集料的离散单元，找到该位置的k_right、k_left和k_mid值；(c)根据k_right、k_left和k_mid值，判断该位置属于的区域；(d)若点位属于粗集料骨架外部区域，则以binder_rad为半径，该点位置为圆心，生成圆盘；(e)若点位置属于粗集料骨架外部区域，则不生成圆盘，并跳过；(f)寻找下一个点，循环以上步骤。

每当循环进行点的位置判断时，应该将之前生成的细集料离散单元以一定的特征标记，当查找一个点的位置最左最右离散单元时，应该通过细集料特征标记，忽略细集料，只判断属于CLUMP的粗集料离散单元，其中，CLUMP为离散元中定义刚体的命令。

(5)边界筛除算法

当投放完细集料后，应该对试件内细集料进行补充筛除，因为细集料只是未能投放在粗集料骨架内部区域，在粗集料骨架边缘处仍有重叠，通过判断细集料与骨架离散单元的位置关系，进一步筛除位于骨架轮廓边缘上的细集料。

(6)识别并划分粗集料和细集料，赋予微观参数。

粗集料的微观参数应根据专利CN201610410103.4构建数值颗粒库，进行单一粒径粗集料室内单轴贯入实验与仿真实验对比，确定不同粒径、不同棱角度的推荐微观参数；建立粗细混合的试件，在试件内通过特征标记区分出细集料，赋予一定的微观参数，通过动模量实验，修正并确定不同binder_rad细集料最佳的微观参数。

本实施例采用重力投和放墙加载的方式建立试件的粗集料骨架结构，粗集料形态高度一致，内部无填充，提高精度同时降低离散单元数量，由于粗集料数量较少，时间成本较低；结合边界判别算法，在粗集料骨架间隙中原地生成细集料，所判断的区域是极不规则形状并且“镂空”的粗集料，粗集料内部没有填充的离散单元。通过重力投放与边界判断算法相结合，快速、精确地成型任何数值实验试件，为道路工程数值模拟提供巨大帮助。

Claims (6)

1.一种基于边界判别算法的混合料数值成型方法，其特征在于，包括以下步骤：

(1)构建数值颗粒库；

(2)采用重力投放和墙加载压实的方法成型混合料试件的粗集料轮廓骨架；

(3)标定粗集料骨架的上边界，下边界，左边界以及右边界；具体为：

标定粗集料骨架四周边界，作为细集料生成位置空间，分别以aggre_top、aggre_bottom、aggre_left和aggre_right标记粗集料上边界、下边界、左边界和右边界，设定细集料半径为binder_rad，通过遍历比较每一个粗集料中离散单元的位置，确定最左、最右、最上、最下的单元位置，并通过加减细集料半径，确定最终的骨架空间，该骨架空间作为细集料圆心分布区域，并分别以aggre_top_1、aggre_bottom_1、aggre_left_1和aggre_right_1标记细集料上边界、下边界、左边界和右边界，并满足下式：

aggre_left_1＝aggre_left+binder_rad；

aggre_right_1＝aggre_right+binder_rad；

aggre_bottom_1＝aggre_bottom+binder_rad；

aggre_top_1＝aggre_top+binder_rad；

(4)基于边界判别算法，遍历试件内每一点位置，判断该位置是否在颗粒外部，成型细集料颗粒；具体的：

以aggre_left_1、aggre_right_1、aggre_top_1和aggre_bottom_1所确定的空间为遍历区域，以两倍的binder_rad为步长，从左往右，从下往上遍历每一个点位，并以该点位置与粗集料边界轮廓关系判断是否属于粗集料外部区域；以dis_min_right、dis_min_left分别标记与该点位置右侧和左侧最近的离散单元距离，以k_right、k_left、k_mid分别在内部循环内计数，其初始值为0；当判断第一个点位时，依次遍历比较试件内的所有离散单元，如果离散单元属于粗集料，判断其在位置左侧还是右侧，通过设定的高度控制，找到该位置水平方向上左侧和右侧距离该位置最短的两个离散单元，每当找到一个最右侧或者最左侧的离散单元，参数k_right和k_left分别增加1，如果在判断第一个位置结束时，k_right和k_left都不为0，则k_mid增加1；完成第一个位置判断后，得到一组k_right、k_left和k_mid值，通过该组值判断位置能否生成细集料，位置判断完成后，依次按照顺序从下往上，从左往右判断其它点的位置，并得到其他点的k_right、k_left和k_mid值；

每当判断一个点位置的有效性时，根据得到的k_right、k_left和k_mid值判断所属区域；当k_right＝0，k_left≠0时，表明该点右侧为试件右侧墙，左侧为粗集料骨架，该点属于粗集料骨架外部区域；当k_right≠0，k_left＝0时，表明该点左侧为试件左侧墙，右侧为粗集料骨架，该点属于粗集料骨架外部区域；当k_mid≠0时，判断该点左右两侧的离散单元，若离该位置最近的左右两侧单元分别属于不同的clump，则该点在粗集料骨架外部区域，若属于同一个clump，则该点在粗集料骨架内部区域；

细集料投放顺序为：

(a)找到细集料区域初始位置；

(b)遍历构成粗集料的离散单元，找到该位置的k_right、k_left和k_mid值；

(c)根据k_right、k_left和k_mid值，判断该位置属于的区域；

(d)若点位属于粗集料骨架外部区域，则以binder_rad为半径，该点位置为圆心，生成圆盘；

(e)若点位置属于粗集料骨架外部区域，则不生成圆盘，并跳过；

(f)寻找下一个点，循环步骤(a)至(f)；

其中，每当循环进行点的位置判断时，应该将之前生成的细集料离散单元以一定的特征标记，当查找一个点的位置最左最右离散单元时，应该通过细集料特征标记，忽略细集料，只判断属于CLUMP的粗集料离散单元，其中，CLUMP为离散元中定义刚体的命令；

(5)边界筛除算法；

(6)识别并划分粗集料和细集料，赋予微观参数。

2.根据权利要求1所述的一种基于边界判别算法的混合料数值成型方法，其特征在于：所述步骤(1)中，构建的数值颗粒库为二维颗粒库或三维颗粒库。

3.根据权利要求1所述的一种基于边界判别算法的混合料数值成型方法，其特征在于：所述步骤(2)中，采用重力投放形成最初的粗集料试件，设定weight_4.75、weight_9.5、weight_13.2、weight_16以及weight_19分别表示每一步投放中二维试件内成型的4.75mm、9.5mm、13.2mm、16mm以及19mm粗集料颗粒累计质量；根据实验级配，计算4.75mm、9.5mm、13.2mm、16mm以及19mm粗集料要求生成质量，并分别以requireweight_4.75、requireweight_9.5、requireweight_13.2、requireweight_16以及requireweight_19表示；每当投放一个颗粒时，利用数颗粒库内相应颗粒面积和密度计算当前投放颗粒的质量；若每一种粒径颗粒的投放累计质量没有达到要求生成质量，则继续投放该粒径颗粒，若达到要求投放质量，则在后续的投放中停止投放该粒径颗粒。

4.根据权利要求3所述的一种基于边界判别算法的混合料数值成型方法，其特征在于：所述步骤(2)中，每次投放一个颗粒，每种粒径粗集料的重力投放采用两种概率嵌套判别，记为P_1(r)、P_2(r)，其中r为粒径大小，P_1(r)为投放r粒径概率，P_2(r)为r粒径下棱角度分布概率；计算颗粒库内不同粒径颗粒的平均质量，记为ave_4.75、ave_9.5、ave_13.2、ave_16和ave_19，混合料试件内各粒径颗粒预估数量分别记为n_4.75、n_9.5、n_13.2、n_16和n_19，并满足以下公式：

投放时，首先判别P_1(r)，来确定下一个投放颗粒的粒径大小，再根据P_2(r)来确定调用该粒径下不同棱角度颗粒，直至该粒径达到要求质量；投放完成后，将投放的颗粒定义为clump；采用墙加载的方式形成稳定的粗集料骨架结构，根据不同实验的要求，可以分多次投放和压实。

5.根据权利要求1所述的一种基于边界判别算法的混合料数值成型方法，其特征在于：所述步骤(5)中，当投放完细集料后，应该对试件内细集料进行补充筛除，因为细集料只是未能投放在粗集料骨架内部区域，在粗集料骨架边缘处仍有重叠，通过判断细集料与骨架离散单元的位置关系，进一步筛除位于骨架轮廓边缘上的细集料。

6.根据权利要求1所述的一种基于边界判别算法的混合料数值成型方法，其特征在于：所述步骤(6)中，粗集料的微观参数的赋予包括：构建数值颗粒库，进行单一粒径粗集料室内单轴贯入实验与仿真实验对比，确定不同粒径和不同棱角度的推荐微观参数；建立粗细混合的试件，在试件内通过特征标记区分出细集料，赋予一定的微观参数，通过动模量实验，修正并确定不同半径细集料最佳的微观参数。

Images