Applicability of Numerical Simulation by Particle Method to Unconfined Compression Tests on Geomaterials
محل انتشار: ژورنال مهندسی عمران، دوره: 10، شماره: 1
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 35
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CEJ-10-1_001
تاریخ نمایه سازی: 2 اردیبهشت 1403
چکیده مقاله:
This study emphasizes the importance of accurate input parameters for ensuring the precision and reliability of simulations by conducting a sensitivity analysis to determine the calculation and material parameters. The aim is to determine the exact material parameters, for two different soil samples in a rigid state, by comparing the results of a sensitivity analysis with the unconfined compression test benchmark data for each sample. The moving particle semi-implicit (MPS) method, one of the particle methods, was chosen to reproduce the unconfined compression test simulation. The soil particles were assumed to be in the rigid state of the Bingham fluid bi-viscosity model. The first part of the study focuses on a sensitivity analysis of the basic simulation parameter values inputted during the simulation setup for the calculation procedure and the selection of the criteria for the calculation method, and then recommends the optimum values for a higher degree of accuracy based on the results. The second part of the study uses the results to analyze the sensitivity of each influencing parameter of the bi-viscosity Bingham fluid. In the final section, this study will provide a general guideline for selecting the optimum values for the MPS parameters and will recommend approximate values for other soil samples in future research with properties similar to those used in this study. Doi: ۱۰.۲۸۹۹۱/CEJ-۲۰۲۴-۰۱۰-۰۱-۰۱ Full Text: PDF
کلیدواژه ها:
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
