شناسایی خرابی سکوی دولفین اسکله پهلوگیری کشتی از طریق بهنگام سازی مدل اجزا محدود | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 8، دوره 51، شماره 3، مرداد و شهریور 1398، صفحه 479-490 اصل مقاله (1.71 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2018.13674.5458 | ||
| نویسندگان | ||
| مسعود پدرام1؛ محمدرضا خدمتی* 2؛ اکبر اسفندیاری3؛ حسین کاظم4 | ||
| 1دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر | ||
| 2دانشگاه صنعتی امیرکبیر، دانشکده دریا | ||
| 3دانشکده مهندسی دریا-دانشگاه صنعتی امیرکبیر | ||
| 4شرکت ملی و مهندسی ساختمان نفت ایران دانشگاه آزاد اسلامی واحد تهران-جنوب | ||
| چکیده | ||
| سازه های مستقر در تاسسیسات ساحلی نظیر اسکله های پهلوگیری کشتی در طول عمر خود شرایط کارکرد سختی را تحمل می نمایند و بنابراین در معرض خرابی و افت سختی در اجزا قرار دارند. در این مقاله، کارکرد روش شناسایی خرابی مبتنی بر طیف چگالی توان پاسخ ، در مورد سکوی دولفین اسکله تامین خوراک نفت خام پاالیشگاه مورد بررسی قرار گرفته است. این بررسی با استفاده از مدل سازی عددی صورت گرفته و خرابی به صورت افت درصدی از سختی اجزا لحاظ شده است. مدل اجزا محدود دولفین توسط نرم افزار متلب ایجاد شده و اثر آب مجاور به صورت جرم افزوده بر المانها افزوده شده است. چند سناریوی خرابی فرضی برای بررسی کارکرد روش در مورد خرابی های کم و زیاد در مناطق مختلف سازه در نظر گرفته شده است. بعلاوه، راهکاری برای محاسبه طیف چگالی توان نیروی تحریک با استفاده از تابع پاسخ فرکانسی تقریبی معرفی شده است. نتایج به دست آمده نشان دهنده آن است که روش در شناسایی پارامترهای این مدل علیرغم صلبیت زیاد آن، موفق است. همچنین، بررسی ها نشان می دهد که جرم افزوده آب تاثیر زیادی بر شناسایی پارامترها دارد. کیفیت نتایج به دست آمده در مطالعه عددی، الهام بخش برای توسعه روش در فاز عملیاتی با داده برداری از سازه سکوی دولفین می باشد. | ||
| کلیدواژهها | ||
| شناسایی خرابی؛ بهنگامسازی مدل اجزا محدود؛ سکوی دولفین؛ اسکله پهلوگیری کشتی؛ طیف چگالی توان پاسخ | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,358 تعداد دریافت فایل اصل مقاله: 1,638 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 464 |
| تعداد مقالات | 5,823 |
| تعداد مشاهده مقاله | 8,707,820 |
| تعداد دریافت فایل اصل مقاله | 7,303,655 |