✳️ دلیل اصلی آن است که عمده مدلهای رفتاری ارائه شده بر اساس چارچوبهای متفاوت، در نهایت برای یک یا چند مسیر تنش مشخص کالیبره و امتحان میشوند. وقتی پروسه Train و Test مدل رفتاری برای مسیر تنش خاصی انجام شده باشد و پاسخهای مناسبی هم دریافت کرده باشیم، نهایتا میتوان انتظار داشت که در عمل، مدل مذکور برای همان مسیر تنش (stress path) به شکل مناسب جوابگو باشد. بدون درنظرگیری این بخش در زمان بررسی عملکرد مدل، جامعیتبخشی به عملکرد آن در شرایط متفاوت بارگذاری صحیح نیست.
✳️ در این تصویر هم ویژگیهای مسائل مختلف مهندسی ژئوتکنیک، از نظر نوع بارگذاری، سطح کرنش، تسلیم (کرنشهای پلاستیک) و نیازهای اصلی در مدل رفتاری مورد بحث قرار گرفته است.
✳️ لطفا به جهت مسیرهای تنش نشان داده شده در گوشه شکلها هم توجه بفرمایید. در مسائل گودبرداری، با توجه به ترخیص تنش، مقدار تنش موثر میانگین ('p) قطعا کاهش خواهد یافت و این وجه تمایز آن با مسیر تنش در مسائل ساخت خاکریز است.
✳️ این مورد نیز اسلاید جالبی است. در واقع، مدلهای رفتاری موجود در نرمافزارهای مختلف ژئوتکنیکی نشان داده شدهاند.
✳️ طبق توضیحات زیر شکل، تاریخ تهیه اسلاید سپتامبر 2021 است. علت ذکر تاریخ آن است که با گذشت زمان، مدلهای رفتاری بیشتری به هر یک از این نرمافزارها اضافه میشوند.
✳️ نکته دیگر آنکه دو مدل Mohr-Coulomb و Modified Cam Clay در تمامی نرمافزارهای نوشته شده در شکل موجود و قابل کاربرد هستند.
✳️ در این اسلاید هم پاسخ ChatGPT در خصوص مدلهای رفتاری موجود در نرمافزاهای معمول مهندسی ژئوتکنیک مشاهده میشود.
✳️ جالب است که پای ChatGPT و هوش مصنوعی به Rankine Lecture سنتی هم باز شده!
سوال پرسیده شده از قرار زیر است:
Which commercial finite element or finite difference software packages include constitutive models for soil?
سوال پرسیده شده از قرار زیر است:
Which commercial finite element or finite difference software packages include constitutive models for soil?
✳️ در پاسخ، ChatGPT از نرمافزاهایی چون ABAQUS، ANSYS، LS-DYNA، MIDAS، PLAXIS، FLAC و COMSOL نام برده است...
✳️ پروفسور کارتر در ادامه سخنرانی به بررسی و ارزیابی کاربرد مدلهای رفتاری پرداخت.
✳️ جمله ای که از وینستون چرچیل در این اسلاید نقل شده نیز جالب توجه و بسیار مرتبط است.
✳️ نکته مهمی که در خصوص ارزیابی عملکرد مدلهای رفتاری حائز اهمیت است آنست که دقت پیشبینی روشهای عددی (مانند اجزای محدود) به شدت وابسته به دو موضوع ذیل است:
1. انتخاب مدل رفتاری مناسب
2. نحوه کالیبراسیون مدل رفتاری منتخب
1. انتخاب مدل رفتاری مناسب
2. نحوه کالیبراسیون مدل رفتاری منتخب