Discrete element modeling of ice failure against an inclined structure - Statistical analyses of peak loads and the failure process
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Engineering |
Doctoral thesis (article-based)
| Defence date: 2018-12-21
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2018
Major/Subject
Mcode
Degree programme
Language
en
Pages
99 + app. 57
Series
Aalto University publication series DOCTORAL DISSERTATIONS, 249/2018
Abstract
The Arctic is a sensitive environment and requires high standards for all operations. One of the main factors in developing safe Arctic operations is a reliable prediction of sea ice loads on structures. This thesis focuses on an ice failure process and on mechanisms and limits for the peak ice load values. The study relies on two-dimensional combined finite-discrete element method simulations of the failure process of level ice against an inclined marine structure. The complexity of the deterministic failure process forces to use statistical methods in the analysis of the output data. The used computer model is sensitive to initial conditions which allowed to create well-controlled ice load data sets. The work describes the evolution of the ice failure process by deriving the mean, the standard deviation, and the maximum loads from concurrent load outputs of different simulations within each data set. All these loads increased throughout the ice failure process, and the process did not reach a stationary stage. An extreme value analysis of the ice load data showed that ice loads could be limited by the ice crushing even if the structure has an inclined wall. Besides the failure process statistics, the work also examined peak ice loads. The Gumbel extreme value distribution fitted well on global peak load observations. The study also showed that scatter in the output data stem from the complex ice-structure interaction process itself. Due to high scatter in peak load observations, this type of analyses require large samples for observing small parameter effects which are typically caused by other parameters than the ice thickness. Despite challenges in regard to the high scatter in the process, this work presents a simple buckling model that normalized the peak load observations well. The buckling model connects the peak ice load observations to so-called force chains which have been argued to have an important role in the ice-structure interaction process.Arktisen alueen luonnonvarojen, kuten öljyn ja kaasun, teollinen hyödyntäminen lisääntyy. Kasvavaan toimintaan liittyviä riskejä voidaan pienentää esimerkiksi merirakenteisiin kohdistuvia jääkuormia tutkimalla. Uusi tutkimustieto mahdollistaa sekä taloudellisesti että teknisesti parempien rakenteiden suunnittelun. Tässä työssä tarkastellaan kaltevaa tasoa vasten tapahtuvaa jään murtumisprosessia. Rakennetta vasten tapahtuva jään murtuminen on monimutkainen ajasta riippuva prosessi, josta saataviin mittaustuloksiin liittyvä hajonta on suurta. Tutkimuksessa tarvittavat jäänmurtoprosessit luotiin kaksiulotteista numeerista diskreettielementtimenetelmään perustuvaa mallia apuna käyttäen. Murtumisprosessin monimutkaisuudesta johtuen malli on herkkä pienille alkutilan muutoksille. Tätä herkkyyttä hyödynnettiin tuottamalla suuri määrä vakioparametrisia jään murtumisprosesseja, joista tutkittiin rakenteesen kohdistuvaa vaakasuuntaista kokonaiskuormitusta. Työssä kuvataan kuormitusaikasarjoja tilastollisia menetelmiä käyttäen. Toistokokeista määritetyt keskimääräiset kuormat ja kuormien hajonta suurenivat koko jäänmurtoprosessin ajan. Prosessit eivät saavuttaneet stationaarista tilaa. Kuormitusaikasarjojen lisäksi tutkittiin rakenteeseen vaikuttavia lyhyempikestoisia maksimikuormia. Jään paksuudella havaittiin olevan selvästi muita malliparametreja suurempi vaikutus jääkuormiin. Työn keskeinen johtopäätös on, että jää-rakenne vuorovaikutusprosessin hajonta on suurelta osin seurausta monimutkaisesta jään murtumisprosessista, mistä johtuen monien malliparametrien muutosten aiheuttamia vaikutuksia ei voida luotettavasti todentaa ilman suurta näytemäärää. Toistetuista prosesseista mitattujen maksimikuormien havaittiin noudattavan melko hyvin Gumbel-ääriarvojakaumaa. Työssä kehitettiin rikkoutuneen jään nurjahdukseen perustuva malli, joka kykeni normalisoimaan ja selittämään maksimijääkuormahavainnot hyvin kuormien suuresta hajonnasta huolimatta. Nurjahdusmalli kytkee maksimikuormat niin kutsuttuihin voimaketjuihin, joilla on jo aiemmin havaittu olevan tärkeä rooli jää-rakenne vuorovaikutusprosesseissa ja jääkuormien määrittämisessä.Description
Supervising professor
Tuhkuri, Jukka, Prof., Aalto University, Department of Mechanical Engineering, FinlandThesis advisor
Tuhkuri, Jukka, Prof., Aalto University, Department of Mechanical Engineering, FinlandPolojärvi, Arttu, Asst. Prof., Aalto University, Department of Mechanical Engineering, Finland
Keywords
ice mechanics, arctic technology, combined finite-discrete element method, ice loads, jäämekaniikka, arktinen teknologia, yhdistetty diskreetti- ja elementtimenetelmä, jääkuormat
Other note
Parts
-
[Publication 1]: Ranta, J., Polojärvi, A., Tuhkuri, J. The statistical analysis of peak ice loads in a simulated ice-structure interaction process. Cold Regions Science and Technology, 2017, 133:46–55.
DOI: 10.1016/j.coldregions.2016.10.002 View at publisher
-
[Publication 2]: Ranta, J., Polojärvi, A., Tuhkuri, J. Scatter and error estimates in ice loads—Results from virtual experiments. Cold Regions Science and Technology, 2018, 148:1–12.
DOI: 10.1016/j.coldregions.2018.01.002 View at publisher
-
[Publication 3]: Ranta, J., Polojärvi, A., Tuhkuri, J. Ice loads on inclined marine structures—Virtual experiments on ice failure process evolution. Marine Structures, 2018, 57:72–86.
DOI: 10.1016/j.marstruc.2017.09.004 View at publisher
-
[Publication 4]: Ranta, J., Polojärvi, A., Tuhkuri, J. Limit mechanisms for ice loads on inclined structures: Buckling. Cold Regions Science and Technology. 2018, 147:34–44.
DOI: 10.1016/j.coldregions.2017.12.009 View at publisher