Soil Modeling
3.07K subscribers
458 photos
53 videos
324 files
231 links
مدلسازی خاک
کانال رسمی دکتر امیر حمیدی

استاد مهندسی ژئوتکنیک
دانشگاه خوارزمی

تماس با ادمین:
@Geotechnologist
Download Telegram
به‌عنوان نمونه در مسئله ساخت خاکریزها، ممکن است ملاحظات خاص مدل رفتاری مورد استفاده، رفتار با تابعیت زمانی باشد (ساخت خاکریز بر خاک‌های نرم و وقوع خزش)
یا در مسائل گودبرداری و یا ساخت سازه‌های حائل، نکته مهم در انتخاب مدل رفتاری، استفاده از سختی با تابعیت سطح تنش (و نه سختی ثابت) است. این مسئله سبب برآورد صحیح‌تر میزان بالازدگی خاک در کف گود خواهد شد.
✳️ 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?
✳️ 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
✳️ بطور کلی در خصوص ارزیابی پیش‌بینی‌های مدل عددی سه مرحله مهم وجود دارد:
1. مرحله اول شامل کالیبراسیون مدل رفتاری است که معمولا در این فاز از نتایج تستهای المان آزمایشگاهی استفاده می‌شود.
همانطور که قبلا هم گفته شد، لازم است پارامترهای مدل رفتاری معنی و مفهوم فیزیکی و مکانیکی مشخصی داشته باشند.
نکته مهم آنست که تستهایی که در این مرحله برای کالیبراسیون (Train) مدل رفتاری به‌کار می‌روند باید متفاوت از آزمایش‌هایی باشند که در نهایت برای بررسی عملکرد مدل عددی (Test) مورد استفاده قرار می‌گیرند.