SIIBED: Numerical Modeling of Subsea Pipelines and Cables in Ice Prone Region
Notice bibliographique
Résumé
Abstract The objective of this paper is to incorporate the outcomes of laboratory and physical testing carried out under the SIIBED program in order to develop, calibrate and validate a design tool for assessment of risk to subsea infrastructure due to ice keel interaction with pipelines, flexible flowlines, and electrical cables. This tool could then also be used to investigate load transfer to other subsea structures and facilities. A numerical modeling procedure is developed using the finite element analysis software Abaqus where the large deformation process of iceberg-pipe-soil interaction can be accommodated using the Coupled Eulerian Lagrangian (CEL) technique. The complexity of the ice-pipe-soil interaction is captured by appropriate and varied contact strategies in different areas of the model. Details of the model are discussed, including advancements of soil behavior and flexible flowline mechanical response, where it is desirable for the design tool to be optimized for computational efficiency while retaining reliable predictions of response. Case studies are presented for thick walled pipeline, flexible flowlines and electrical cables. Typically, the ice is modeled as a rigid body with unlimited strength. Limiting ice interaction forces, via pressure, is shown to have an effect on the displaced shape of the pipeline and flexible. Including radial compliance of the electrical cable is also shown to have an effect. With mesh refinement and retaining sufficient complexity in key areas, the complex model can be analyzed with a reasonable amount of computational cost. Advancements in the modeling of the ice feature strength limits are highlighted as well as application of large deformation modeling of electrical cables, which is atypical.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».