Исследователи из Томского государственного университета создали компьютерную программу для анализа разрушения льда под воздействием динамических нагрузок. Они изучили, как конструкции из ледяных блоков и металлических пластин разрушаются при ударе. Об этом «Жуковский.Life» рассказали в пресс-службе Российского научного фонда.
Оказалось, что пористость льда и параметры удара влияют на разрушение: высокопористый лед ломается на крупные куски, а низкопористый — на множество мелких. Эти данные важны для борьбы с ледовыми заторами в Сибири, где они могут достигать сотен километров, и для обеспечения безопасного судоходства в Арктике. Исследование опубликовано в журнале «Механика композиционных материалов и конструкций».
Северные территории активно развиваются, добыча ресурсов на Крайнем Севере растет, и проблема ледовых заторов становится актуальной. Для понимания разрушения льда важны его прочностные характеристики. Ранее лед изучали в лабораториях, но компьютерное моделирование с использованием численных алгоритмов оказалось более доступным и дешевым методом. Оно особенно полезно для анализа воздействия ледоколов и разрушения ледовых заторов на реках.
Ученые из Томского университета разработали численные алгоритмы и программу для моделирования разрушения льда под ударными и взрывными нагрузками. Они исследовали, как металлический ударник, двигаясь со скоростью 600 м/с, пробивает конструкции из льда и металлических пластин.
Исследование показало, что увеличение количества пластин подо льдом с одной до одиннадцати увеличивает время пробития с 105 до 250 микросекунд. Низкопористый лед (до 0,5% газа) разрушается на множество осколков, а высокопористый (до 30% воздуха) — на крупные куски. Стальные пластины разрушаются без трещин. Эти результаты подтвердили корректность предложенных алгоритмов моделирования, точно описывающих поведение льда и металла.
Результаты будут полезны для планирования противопаводковых мероприятий на сибирских реках, уменьшения использования взрывчатки при разрушении льда. В будущем ученые планируют улучшить модели и алгоритмы, проводя лабораторные и полевые эксперименты.
Ранее сообщалось, что