ANSYS/LS-dyna模拟:地应力作用下巷道爆破泄压及损伤分析

ANSYS/LS-dyna地应力作用下巷道爆破泄压及损伤分析模拟 建立了考虑地应力作用下的三维巷道爆破模型,了复杂三维模型的建立和网格划分,运用了体积填充方法完成空气、炸药、堵塞的建立,可随意调整炸药量、不耦合系数、堵塞比等参数,且不需要重新建立模型网格。 对应力平衡方法进行了,对应力初始化原理及方法进行了优化,可实现稳定地应力加载后爆破计算。

巷道爆破作业中地应力场的平衡与控制是个头疼的技术活。最近搞了个三维巷道爆破模型,直接把地应力加载和爆破损伤分析串起来了。这模型有意思的地方在于,不需要每次改参数都重新建模------炸药的装药量、空气间隙的不耦合系数、堵塞段长度这些参数随便调,网格都不用动。

建模阶段用了个取巧的方法:用Python脚本自动划分六面体网格。炸药、空气、堵塞这三个区域的体积填充直接用LS-PrePost的脚本批量处理。举个栗子,这段代码实现了炸药段装药量的参数化调整:

python 复制代码
def generate_explosive(ele_size, charge_length):
    mesh_count = int(charge_length / ele_size)
    for i in range(mesh_count):
        create_element(type=8, material=3, 
                       coords=[x0, y0, z0 + i*ele_size],
                       size=ele_size)

通过调节elesize控制网格尺寸,chargelength决定装药长度,这比传统建模软件手动拖拽坐标系快多了。不耦合系数调整更简单,直接把空气层的网格数量乘以单元尺寸就完事了,完全不需要修改几何模型。

地应力初始化这块搞了个黑科技------动力松弛法搭配接触力修正。传统的应力加载经常遇到边界反弹问题,这里用LS-DYNA的*STRESS_INITIALIZATION关键字配合自定义的接触算法:

k 复制代码
*STRESS_INITIALIZATION
$#   psid      sid    lciddr
         1         0         0
$#  lcidx    lcidy    lcidz   lcidxy   lcidxz   lcidyz
         0         0         0         0         0         0
$#   icid    lcids
         0         0

关键是在动力松弛阶段加入了接触面力平衡监测,当监测到巷道壁面节点力波动超过5%时自动触发刚度调整。实测数据显示,这种方法能把初始应力场的误差控制在3%以内,比常规方法收敛速度快了40%左右。

爆轰波传播模拟结果挺有意思的。当地应力方向与巷道轴向呈30度夹角时,损伤区会呈现明显的蝴蝶状分布。用Python后处理提取的损伤云图显示,最大主应力方向上的裂隙扩展长度比垂直方向多了近两倍。这验证了地应力对爆破效果的控制作用------怪不得现场施工总要搞应力测试。

相关推荐
路径规划6664 天前
(MATLAB代码) 船舶轨迹聚类:K-means 算法(260912)
算法·matlab·kmeans
计算机源码社4 天前
【大数据项目实战】基于K-Means的科技公司裁员特征分群与规模信号挖掘系统 基于数据挖掘的科技企业裁员事件异常检测与可视化研究
大数据·python·数据挖掘·毕业设计·kmeans·课程设计·数据可视化
BYSJMG5 天前
计算机毕业设计选题推荐:基于大数据的水质多指标关联分析与可视化的设计与实现,Spark 加 K-Means 做水质分群
大数据·hadoop·信息可视化·数据分析·spark·kmeans·课程设计
小O的算法实验室6 天前
IEEE TEVC,基于K-means与DQN辅助元启发式算法的多目标两栖无人艇调度模型
算法·kmeans·启发式算法
BYSJMG7 天前
计算机毕设选题推荐:基于大数据的公共交通运营数据分析与可视化,Spark+K-Means聚类城市运营模式
大数据·hadoop·信息可视化·数据分析·spark·kmeans·课程设计
啥都想学点的研究生9 天前
一篇文章讲清楚:K-Means聚类算法
算法·kmeans·聚类
BYSJMG11 天前
大数据毕业设计选题推荐:基于大数据的全球气温历史演变分析与可视化,用Hadoop+Spark处理
大数据·hadoop·分布式·信息可视化·spark·kmeans·课程设计
BYSJMG12 天前
计算机毕业设计选题推荐|【基于大数据的植被光谱特征与环境因子关联分析及可视化】Spark+K-Means
大数据·python·信息可视化·数据分析·spark·kmeans·课程设计
BYSJMG13 天前
计算机毕设选题|基于大数据与文本挖掘的自动驾驶事故成因分析及可视化研究|Hadoop+PySpark+Django+Vue
大数据·hadoop·信息可视化·django·自动驾驶·kmeans·课程设计
泡干脆面就番茄20 天前
机器学习:K-means 聚类与 DBSCAN 聚类
机器学习·kmeans·聚类