边坡条件下埋地管道的地震响应分析

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:jonathanwu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
我国已建或在建的重大管道工程有很多,这些管道连绵几百公里,甚至数千公里,不可避免地要穿越一些工程地质条件极为恶劣、复杂的地区,如滑坡地段、沉陷地区、断裂带等。其中,滑坡是威胁油气长输管道完整性的主要地质灾害之一。同时我国地处环太平洋地震带和欧亚地震带之间,地震区域广,强度大,频率高,活动断层分布广。一旦管道在地震导致滑坡失稳时发生破坏,会造成巨大的经济损失甚至危及人民的生命安全。因此,研究边坡地形条件下,埋地管道的地震响应就十分必要了。本课题将基于ABAQUS有限元软件,建立适当的边坡埋地管道模型进行数值分析研究。本文的主要研究内容如下:(1)首先,本文分析总结了目前地震的边坡场地效应和埋地管道地震响应的研究成果以及不足之处,并在此基础上阐述了本课题的研究意义。本文采用ABAQUS有限元软件进行数值模拟,对材料的本构模型以及边界条件的选取进行了分析,给出了本文建模所用到的管土接触模型以及ABAQUS模型的建立方法。(2)然后,运用ABAQUS有限元软件建立边坡场地条件的数值模型,并对该场地条件下的边坡地形效应进行分析,同时考虑不同坡高坡角的情况下边坡地形放大效应的规律。之后,计算出坡底段形变场,根据形变场的分布规律给出最佳埋设位置的建议。同时考虑不同坡高和坡角的情况下坡底段变形场的变化规律,从而给出不同边坡工况下管道埋设位置的选择。(3)之后,运用ABAQUS有限元软件建立边坡场地条件下埋地管道的数值模型,通过分析管道的应力和位移的变化规律,得出管道的破坏机制。之后分析了场地条件参数包括坡高坡角和管道参数包括管径壁厚改变时,管道响应的变化规律。(4)最后,利用强度折减法分析在边坡失稳的条件下管道的地震响应。与此同时,研究了管道在滑动体下方、内部和上方三种不同的情况时的内力和变形变化规律,最后通过分析不同埋置位置管道的受力情况,得到最佳的埋置选择。
其他文献
汞是污染环境的有毒物质,经食物链富集在人体内,会对人体健康造成严重的危害。因此,分离富集环境中的汞对生态环境及人类的健康举足轻重。将当前已成功应用于分离富集金属离
降雨诱发滑坡是全球广泛分布危害严重的地质灾害。传统岩土反分析方法一般采用单一类型监测数据对计算模型参数进行反演分析,无法充分有效地利用多种不同类型数据对计算模型进行校准。针对现有降雨滑坡反分析研究的局限性,基于贝叶斯理论提出了时变监测数据的多目标随机反分析方法,建立了降雨入渗边坡流固耦合的多目标随机反演模型,以某公路试验段路基工程和降雨入渗边坡为算例进行了多目标反演分析。主要工作内容与研究成果如下
自然界植物的多尺度结构与其力学性能之间的良好自适应关系为工程仿生设计提供了灵感,而植物中尺度下的组织重建及力学性能计算是实现多尺度仿生设计的重要纽带。本文针对现
在自然界中的鸟类以及鱼类都是通过翅膀以及身体的摆动来获得运动的动量,并且它们总是成群结队的运动,我们发现,当他们成群结队的移动时可以节省自身的能量。这项发现能推动
目的:造血干细胞(Hematopoietic stem cells,HSCs)是有自我更新潜力,并能够在人的一生中持续多向分化以形成多谱系血液细胞的一种成体干细胞。临床上主要是用造血干细胞移植(
化学工业过程的故障诊断一直都是整个行业的重要组成部分,更是国家经济、安全的强有力保证。同时由于化工行业的生产模式注定了其生产过程不直观,人们对于生产过程的状态只能通过数据间接观察,而化工生产过程拥有庞大的变量环境,传统意义上的故障诊断和监控方法效果并不理想。能够处理高维大数据的故障诊断需求也越来越强。本文针对现代化工生产需求提出了基于TE过程的高维大数据真实化工故障模型,并设计了改进的Fisher
围绕圆柱体的流动已经被广泛研究,有着了一百多年的历史,尽管它的模型较为简单但它包含各种复杂的流动特性。由于其广泛的工程应用以及由流体,尾流紊流,声学噪声等引起的振动
背景与目的改革开放以来,我国经济水平持续快速增长,人民生活质量、生活方式、保障水平得到了不断改善与提高。但随着生活方式及营养水平的改变,越来越多的中老年人出现了营
随着自动铺放技术的逐步发展,现有的铺放设备已经可以实现纤维丝束的变角度铺放,使得铺放角度在同一铺层内连续变化。相比于固定角度的传统铺放模式,纤维的变角度铺放不仅可以增大设计的灵活性,而且还能够更加充分地利用复合材料的方向特性,使得提高构件的性能或减小构件的重量成为可能。本文针对利用自动铺丝技术制备的变角度层合板,旨在研究铺放轨迹的测地曲率对复材构件抗拉、抗弯性能的影响,主要研究内容如下:首先,研究
当前有很多射电设备投入到脉冲星巡天观测,生成候选体图像越来越多,其中大部分是背景噪声或无用信息。人工识别方法效率低且主观性强,现有机器学习模型依赖于人工设计特征。本文的研究目的是:搭建高效的脉冲星候选体智能筛选模型且直接使用候选体图像作为模型训练的样本,实现直接对候选体图像的识别分类。支持向量机(SVM)具有明确的数学解释、无局部极小值问题和泛化能力强等优点。相比全连接神经网络,卷积神经网络(CN