Direct Shear Tests on Soft Clay Reinforced with Single Ordinary Granular Column: Discrete Element-Finite Difference Method
محل انتشار: ماهنامه بین المللی مهندسی، دوره: 37، شماره: 9
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 94
فایل این مقاله در 10 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_IJE-37-9_009
تاریخ نمایه سازی: 23 خرداد 1403
چکیده مقاله:
A great deal of research has been conducted on the performance of granular columns under vertical loads. However, in some situations, the movement of the soil mass can lead to lateral deformations and, as a result, shear stresses in the soil and columns. The primary objective of the present study is to numerically investigate the shear performance of soft clay soil improved with a single Ordinary Granular Column (OGC) in the direct shear test using a hybrid Discrete Element-Finite Difference Method (DEM-FDM). The numerical modeling method was first validated by simulating a direct shear test conducted previously on a soft clay-OGC composite in the laboratory. Afterward, an extensive parametric study was conducted to determine how various factors affect the shear strength of clay-OGC composites. According to the results, increasing the area replacement ratio from ۱۵ to ۳۵% can increase the peak shear strength of clay-OGC composites in the direct shear test by up to two times, depending on the level of applied normal stress. The micro-scale results also indicated that the surface roughness of soil particles in OGC has a greater effect on the shear strength of clay-OGC composites than their angularity. Furthermore, the results showed that the equivalent friction angle of clay-OGC composites should be calculated based on the residual friction angle of granular soil used in OGC.
کلیدواژه ها:
نویسندگان
M. Hazeghian
Department of Civil Engineering, Yazd University, Yazd, Iran
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 :