بررسی نوع بتن مصرفی مناسب در اثر انفجار بمب GBU 28 بر سازه های مدفون در زیرزمین
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,062
فایل این مقاله در 16 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:
AUUM02_235
تاریخ نمایه سازی: 6 اسفند 1395
چکیده مقاله:
از جمله اقداماتی که می توان برای جلوگیری از برخورد مستقیم عوامل تهدید به سازه انجام داد ساخت پناهگاه بر روی سازه ها و یا مدفون کردن سازه ها در خاک می باشد. از آنجایی که خاک می تواند محیطی امن و دور از دسترس مستقیم موشک ها و راکت ها را تولید نماید و با توجه به ماهیت رفتاری خاک ها، دفن سازه ها درون خاک می تواند به طور قابل توجهی از اثر انفجارات سطحی بر سازه ها بکاهد. در این مقاله، نوع سازه و خاک اطراف و همچنین انفجار مورد نظر با استفاده از اطلاعات موجود و برای خاک و انفجار متداول صورت می پذیرد و اثر انفجار بمب GBU28 به عنوان نقودگر در زمین بر سازه ی بتن مسلح مدفون در عمق مشخصی که به صورت متداول در نظر گرفته می شود، مورد بررسی قرار می گیرد. مدلسازی ماده منفجره ی مورد بررسی براساس TNT معادل در نظر گرفته خواهد شد. مدلسازی عددی پناهگاه بتنی مورد نظر به صورت المان محدود و یا روش هایی که بتوانند با دقت بالا مقاومت و سختی خاک و بتن و همچنین رفتار غیرخطی هر کدام از المان های موجود را مدل نماید، انجام خواهد شد. در این مطالعه با استفاده از نرم افزار Autodyne مدل دقیق مبتنی بر روش المان محدود ساخته شده و میزان اثر کاهندگی خاک و همچنین منحنی برازش داده شده ی مناسب برای طراحی سازه های مدفون در برابر فشار انفجار موشک ارایه می شود . از فناوری های جدید جهت بهبود عملکرد بتن استفاده می کنیم. به دلیل مقاومت بالا، شکل پذیری در برابر ضربه به مدل سازی و مقایسه ی حداقل چند نوع از پرمقاومت، الیافی و بتن معمولی می پردازیم.. همچنین مدل سازی و اثر نفوذ، انفجار و ضربه ی بمب های GBU28 در سازه با ابعاد، شکل مشخص، لایه بندی خاک و مصالح با مشخصه ی بهینه بدست امده در نرم افزار ABAQUS مدل سازی و آنالیز می شود.
کلیدواژه ها:
نویسندگان
آرش تقی نیا
دانشجوی دکتری پژوهشگاه بین المللی زلزله شناسی
جواد بیدگلی
کارشناس ارشد علم و صنعت
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 :