کاربرد روش آنالیز حساسیت سیستماتیک در تعیین پارامترهای یک مدل رفتاری الاستو-پلاسیتک خاک

هر مدل رفتاری قبل از اینکه مورد استفاده قرار گیرد، بایستی بر اساس نتایج آزمایشات آزمایشگاهی کالیبره شود. در روشهای کالیبراسیون سنتی، از سطوح تنش و کرنش در حالتهای خاصی که خاک در طی انواع مشخصی از آزمایشات آزمایشگاهی متحمل آن میشود، استفاده میگردد. گاهی اوقات، این روش کالیبراسیون مدلهای رفتاری (روش سنتی)، قادر نیست رفتار کلی خاک (رفتار خاک در هر نقطه ای از منحنی تنش-کرنش) را پوشش دهد. در این پایان نامه، یک تکنیک جستجوی سیستماتیک برای کالیبراسیون مدلهای رفتاری، بر مبنای الگوریتم ژنتیک، معرفی شده است. در این روش، بر خلاف روشهای سنتی که رفتار خاک را در بعضی حالتهای خاص مبنای کالیبراسیون قرار میدادند، رفتار کلی خاک مبنای کار در نظر گرفته میشود. از دیگر مزایای این روش آن است که میتوان مدل رفتاری مورد نظر را با استفاده از نتایج هر آزمایش دلخواهی کالیبره کرد. تا قبل از این، محققان دیگر، چنین آنالیز معکوسی را به کمک ابزارهای بهینه یابی کلاسیک که بر اساس مشتقات تابع هدف کار میکنند، انجام میدادند. در این تحقیق، از الگوریتم ژنتیک به عنوان یک ابزار بهینه یابی غیرکلاسیک، که برای بهینه یابی تنها به خود تابع نیاز دارد و نه مشتقاتش، استفاده شده است. اما، در استفاده از این روش، با مشکلی مواجهیم و آن عبارت است از تابع برازندگی. تابع برازندگی از اجرای یک برنامه المان محدود به دست میآید در صورتی که برنامه الگوریتم ژنتیک مجزا از آن است. بنابراین، بایستی بین این دو برنامه یک راه ارتباطی ایجاد کنیم و یا از راه دیگری برای حل مسئله اقدام کنیم. در این پایان نامه، دو روش برای حل این مشکل پیشنهاد شده است. در روش اول، برنامه ای توسط ویژوال بیسیک برای الگوریتم ژنتیک نوشته شده است. در این کد نوشته شده، هر جا که در حین اجرای برنامه الگوریتم ژنتیک لازم باشد، نرم افزار المان محدود فراخوانده شده و مدل شبیه سازی شده باز میشود. سپس، تغییرات لازم بر مدل المان محدود ساخته شده اعمال شده، تغییرات ذخیره میشوند و محاسبات مدل شروع میشود. پس از آن، تابع برازندگی محاسبه شده و فرآیند محاسباتی الگوریتم ژنتیک دنبال میشود. این فرآیند تا زمانی ادامه پیدا میکند که به جواب مطلوب دست یابیم. در روش دوم، برای محاسبه تابع برازندگی از یک شبکه عصبی مصنوعی استفاده میشود. بنابراین در این روش، نیازی به استفاده از نرم افزار المان محدود در حین اجرای الگوریتم ژنتیک نخواهیم داشت. در این پایان نامه، از یک روش آنالیز حساسیت بخصوص نیز، جهت تعیین درجه اهمیت هر یک از پارامترهای مدل رفتاری خاک، استفاده شده است. روش آنالیز حساسیت مذکور بر پایه روش تاگوچی، که سابق بر این برای طراحی و تحلیل آزمایشات مورد استفاده قرار میگرفت، قرار دارد. روش ابداعی کالیبراسیون مدلهای رفتاری خاک که موضوع اصلی این پایان نامه بوده است در قالب یک مثال ارائه شده است. مدل رفتاری الاستو-پلاستیکی که در این پایان نامه، به عنوان مثال، کالیبره شده است، مدلی است موسوم به "مدل خاک سخت-شونده". این مدل، برای نتایج به دست آمده از آزمایشات پرسیومتری که بر روی خاک ماسه رس دار منطقه “le rheux” انجام گرفته، کالیبره شده است. شبیه سازی عددی آزمایش پرسیومتری، توسط نرم افزار المان محدود plaxis انجام شده است. در نهایت، مشاهده میشود که روش آنالیز معکوس پیشنهاد شده پارامترهای رفتاری مورد نظر خاک را به طرز موثری کالیبره میکند بنحوی که پارامترها از لحاظ عددی به سمت مقادیر نهاییشان همگرا شده و خطای مابین پاسخهای محاسبه شده و مشاهدات برجا به حداقل مقدار ممکن میرسد.