The 7th National Conference on Computational Mechanics of Granular Materials in conjunction with The 4th International Symposium on Computational Particle Technology (CMGM-2024 & CPT-2024)

颗粒滑坡现象是自然界常见的物理现象之一，对其运动规律与动力学性质的研究在工业过程和地质灾害等方面都具有非常广泛的应用。然而，由于实验技术的缺乏与颗粒流本身的复杂性，目前对于颗粒滑坡动力学演化机制的研究还存在很大的局限性。在本研究中，课题组主要针对二维颗粒滑坡体系中的力链结构进行了准确预测与分析。一方面，通过离散元方法模拟了二维水平旋转滚筒中的颗粒滑坡过程，并利用图神经网络模型成功预测出整个滑坡过程中的力链网络结构。通过改变滚筒内不同的模型参数，如相互作用势、颗粒尺寸的多分散度以及颗粒之间的摩擦系数等，课题组进一步证明图神经网络预测方法对这些模型参数的变化具有鲁棒性。另一方面，利用所预测出来的力链结构，课题组初步分析了旋转滚筒内颗粒滑坡不同时刻的力链网络变化与颗粒速度之间的关系，以及底部强力链与局部结构序参量之间的紧密联系，该分析结果为后续进一步揭示颗粒滑坡动力学演化机制奠定了坚实的基础。
 

颗粒材料，颗粒滑坡，离散元方法，图神经网络，力链网络