振动荷载下粗粒土颗粒运动行为的形状与尺寸耦合效应研究

本文通过离散元法(DEM)和机器学习技术，系统研究了粗粒土在振动荷载下的颗粒运动行为，揭示了颗粒形状(Form/Sphericity/Roundness)和尺寸(分形维度D)的耦合作用机制。研究发现：1)颗粒尺寸对运动影响显著强于形状，尤其在表层竖向位移中；2)当D<2.25时尺寸效应更显著；3)不同深度层受控于不同形态参数。研究为路基工程填料优化提供了理论依据。

　　

Highlight

本研究通过创新性地结合离散元模拟(DEM)和机器学习算法，首次系统揭示了粗粒土颗粒在振动荷载下的"形状-尺寸"协同作用规律，为路基填料的智能设计与性能调控提供了全新视角。

主要发现

• 颗粒尺寸效应主导运动行为，尤其在表层竖向位移中表现显著

• 分形维度D=2.25是尺寸影响的临界阈值

• 不同深度层存在形态参数控制分化现象

Influence of shape and size on particle translations

振动荷载作用下，颗粒平移运动表现出明显的层状分化特征。通过构建多元回归模型发现：

• 表层(L₁)颗粒运动主要受Form参数控制

• 中层(L₂)则由球形度(Sphericity)和圆度(Roundness)共同调控

• 扁平/细长/棱角状颗粒会显著抑制竖向位移

Influence of shape and size on particle rotations

角速度分析显示：

• 尺寸效应在D<2.5时更为显著

• 高宽比较大的颗粒旋转更活跃

• 棱角状颗粒会产生"旋转阻滞"效应

Interaction between particle size and shape features

SHAP依赖图揭示了有趣的交互作用：

• 小尺寸(d<5mm)颗粒的运动对形状变化更敏感

• 当D>2.25时，尺寸-形状的协同效应减弱

• Form参数与尺寸的交互贡献度最高达38%

Conclusion and outlook

1. 首次量化了"尺寸优先，形状调制"的颗粒运动控制规律

2. 建立了分形维度D的阈值效应判据

3. 为发展智能压实技术提供了理论支撑

   未来可结合深度学习进一步优化颗粒数据库，并开展多物理场耦合研究。

（注：根据要求已去除文献引用标识，专业术语保留英文原名并标注，数学符号使用_{/^{规范表示）}}