使用群优化算法和最佳超参数校准DEM模型的微参数
Pingyang Fan1, Junhua Chen1, Yongjun Liao1
1Urban Geological Survey and Monitor Institute of Hunan Province, Changsha, 410000, China.
Scientific reports
|May 14, 2025
概括
本研究介绍了一种使用群优化的自动化框架,用于校准粒子流代码 (PFC) 模拟的微参数. 这种方法消除了对数据集和手动干预的需求,提高了颗粒材料分析的效率.
科学领域:
- 计算力学是计算力学.
- 颗粒状材料的模拟模拟.
- 数字建模 数字建模
背景情况:
- 粒子流代码 (PFC) 是一种常用的离散元素方法 (DEM),用于模拟颗粒状材料.
- 对于PFC,传统的微参数校准是劳动密集型,用户依赖,并且计算成本昂贵.
- 现有的方法通常需要大量的数据集,这增加了校准过程的复杂性.
研究的目的:
- 在PFC模拟中开发一个自动化和高效的框架来校准微参数.
- 为了克服试错校准技术的局限性.
- 为了提高精度和降低颗粒材料建模的计算成本.
主要方法:
- 在Python脚本环境中实现群优化算法.
- 整合模拟化以优化群算法的超参数.
- 通过脚本控制的自动校准过程,消除了人类干预和数据集要求.
主要成果:
- 拟议的群优化框架有效校准PFC微参数,而不需要预定义的数据集.
- 模拟回火的整合大大减少了校准代的数量.
- 通过两个实例的验证证实了该方法在数值模拟中的有效性.
结论:
- 自动校准框架为PFC微参数确定传统方法提供了强大而高效的替代方案.
- 群优化和模拟回火的联合使用提供了一个计算上有利的方法.
- 这种方法提高了对颗粒状材料的离散元素方法模拟的可靠性和可访问性.
