مدل ارتجاعی خمیری چند صفحه ای جهت پیش بینی رفتار ماسه در پدیده روانگرائی
Publish place: 6th International Conference on Civil Engineering
Publish Year: 1382
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,863
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCE06_289_6372073410
تاریخ نمایه سازی: 25 مهر 1384
Abstract:
خاکها از جمله مصالح مهندسی هستند که رفتار پیچیده ای را از خود نشان می دهند. بنابراین بررسی رفتارخاکهاپس از بارگذاری استاتیک ودینامیک از جمله مسائل پر اهمیت درکارهای مهندسی ژئومکانیک می باشد. رابطه تنش-تغییرشکل نسبی به عوامل زیادی بستگی دارد. به همین دلیل بدون استفاده از مدلهای ریاضی مناسب و قدرتمند، پیش بینی رفتار خاک تحت اثر بارگذاری های مختلف دشوار است.با به کار گیری روشهای ریاضی وعددی می توان رفتارتغییرشکل- بار خاک را پیش بینی نمود. اغلب مدلهای خاک که تا کنون ارائه شده است با استفاده از مستقلهای تنش و کرنش میباشد که این روند باعث حذف بسیاری از ویژگیهای رفتاری خاک می گردد.رفتار ماسه پس از روانگرایی بطور معمول، حالت بسیار ویژه و خاصی نسبت به تغییر حجم و مقاومت برشی داشته ولازم است که در این حالت مطالعات بیشتری در قالب رفتار ارتجاعی ماسه وخمیری (لغرشی) دانه ها روی یکدیگر صورت پذیرد. تاکنون مدلهای اندکی جهت بیان پدیده روانگرایی ارائه گردیده است که اغلب توانائی پیش بینی رفتار خاک در قالب سه بعدی وآثار تغییرات درصد تخلخل (فراسنج ریزسنجی) و تنش همه جانبه(فراسنج درشت سنجی) را ندارند.در این مقاله مدلی جدید بر مبنای نظریه چند صفحه ای ارائه گردیده است که با در نظر گرفتن فراسنج اتساع در رفتار ماسه وارتباط دادن این فراسنج با خصوصیتهای ریزسنجی و درشت سنجی سعی بر بیان رفتار خاک بصورت دقیقتررادارد،همچنین مدل قادر به ارائه چگونگی پدیده روانگرائی و مسیر لغزش تحت اثر بارهای متفاوت میباشد. نتایج مدل، در مقایسه با نتایج آزمایشگاهی مورد قبول می باشد
Keywords:
Authors
سیدامیرالدین صدرنژاد
دانشیار دانشکده مهندسی عمران ، دانشگاه صنعتی خواجه نصیرالدین طوسی
پروین صفاپور
عضو هیئت علمی بخش مهندسی کامپیوتر، دانشگاه شهید باهنر، کرمان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :