基于域分解物理信息神经网络的载荷传递方法分析模型 贾晓茹， 张克申， 刘俊伟， 尚文昌， 张亚辉， 丁玉星， 齐光宇

《Buildings》：Analysis Model of Load Transfer Method Based on Domain Decomposition Physics-Informed Neural Networks Xiaoru Jia, Keshen Zhang, Junwei Liu, Wenchang Shang, Yahui Zhang, Yuxing Ding and Guangyu Qi

　　

摘要

负载传递方法是预测轴向受荷桩基沉降的重要手段，但在多层复杂土层中，目前尚缺乏解析解。传统的数值方法如有限元法存在对网格生成依赖性强、迭代计算耗时以及反分析时计算成本高的问题。本文提出了一种基于域分解物理信息神经网络的负载传递分析模型。该模型采用多子网并行架构来模拟多层土层，通过界面耦合和梯度连续性约束解决层间应力-应变不连续性问题；同时引入无量纲化系统和硬约束机制以提高训练效率与物理一致性；此外还建立了包含替代模型正向分析及现场数据反演的两阶段分析框架。数值实验结果表明，该模型的正向分析结果与有限元法模拟结果高度一致，且计算效率提升了六个数量级；仅需少量现场静载试验数据，即可准确反演多层土层参数，从而实现比有限元法更精确的桩基沉降预测。对比分析验证了域分解多子网结构相较于单一网络的优势，同时也表明该模型具有扩展到双曲型及指数型多土层本构模型的潜力。