冻融与锈蚀耦合损伤下预应力混凝土梁安全可靠性研究

来源 :重庆交通大学 | 被引量 : 0次 | 上传用户:zhangqiang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
预应力混凝土构件在使用过程中,不但要承受外力的作用,而且还要受到有害化学物质的损伤,加上结构自身性能的退化,很多的预应力混凝土结构出现了不同程度的病害情况,主要体现在裂缝过大,挠度不断增加等,使得许多的钢筋混凝土结构的承载能力达不到要求。钢筋锈蚀与冻融循环破坏是影响混凝土结构可靠性的两个极其主要的因素,因此研究钢筋锈蚀与冻融循环损伤下的预应力混凝土构件的安全可靠性就显得尤为重要。国内外对结构单个因素损伤下的可靠度研究相对较多,而对于耦合损伤下的结构可靠度研究较少,尤其是预应力混凝土构件在耦合损伤下的相关研究就更少。本文基于课题组开展的无粘结预应力混凝土梁的预应力筋锈蚀与冻融循环耦合损伤试验,并且结合已有的研究成果,研究钢绞线锈蚀与冻融循环耦合损伤下预应力混凝土梁安全可靠性。主要研究内容为:(1)可靠性基本理论研究。主要论述了可靠性的基本概念、可靠性的发展方向、可靠性的评估方法、可靠度的基本原理、可靠度的计算方法。着重讲解了JC法以及蒙特卡洛法计算可靠指标的原理及步骤。(2)重点介绍了课题组开展的相关试验,包括:无粘结预应力混凝土梁的钢绞线锈蚀试验、冻融循环损伤试验和钢绞线锈蚀与冻融循环耦合损伤试验。然后根据试验结果,揭示了损伤后的构件有效预应力与锈蚀率、冻融循环次数以及二者耦合的关系,根据数据处理软件分别拟合出了相应的函数模型,拟合效果较好,可以为承载能力极限状态损伤后的结构抗力研究做基础。(3)介绍了预应力筋锈蚀与冻融循环耦合损伤后的预应力梁的静载试验,根据试验结果,发现冻融循环后的梁体的破坏随着冻融循环次数的增加逐渐变为超筋破坏特征,钢绞线锈蚀后的梁体破坏随着锈蚀率的增加逐渐变为少筋破坏特征。(4)耦合损伤下预应力混凝土梁承载能力极限状态可靠性研究。统计了荷载效应概率模型,分析了耦合损伤下构件混凝土及钢筋的力学性能指标与锈蚀率和冻融循环次数的关系,据此推导出了含有锈蚀率和冻融循环次数的构件抗弯抗力表达式,然后建立了含有损伤因素的承载能力极限状态功能函数,给出了采用JC法求解可靠指标的程序流程。运用JC法对本试验中16根损伤梁体进行了可靠度计算及分析,验证了本章所推导的损伤下的可靠度计算公式,分析了可靠指标随着锈蚀率和冻融循环次数变化的规律,分析表明耦合损伤对结构可靠性的影响要大于单一因素叠加作用下的影响。(5)耦合损伤下预应力混凝土梁正常使用极限状态可靠性研究。把结构构件的最大裂缝宽度和最大挠度作为可靠性研究的对象,推导得到含有损伤因素的预应力混凝土梁最大裂缝宽度以及最大挠度的计算公式,建立了以规范规定的限值作为构件的抗力,以最大裂缝宽度和挠度作为荷载效应时的结构功能函数,把功能函数中每个参数都看作随机变量,引入采用蒙特卡洛法求解结构失效概率的方法,这样就解决了把规范规定的限值当作常量的问题,并且给出了计算步骤。
其他文献
企业的生产经营会受到各种各样的因素的影响,经营中各种风险也是难以避免的。铅酸蓄电池以及电子零配件企业的财务风险都有一个逐渐暴露,逐渐恶化的过程,陷入经营危机的企业
随着计算能力的提高和越来越多的新算法被提出,机器学习技术已经开始广泛地应用在实际生活中,而相比于实验室环境,在将机器学习算法应用到现实场景时,我们仍然面临着很多需要
股指成份股调整是一个信息事件,不仅引起股价波动,而且对企业经济行为产生重要影响,但是相关研究缺乏对企业环境行为的关注。环境信息披露作为企业向外界传递其环境表现的工
随着无线传感器网络(WSN)的发展有了新的机遇和挑战,许多研究人员也致力于WSN的研究。无线传感器网络是由许多传感器节点组成的,负责收集感兴趣的数据,这些节点能量有限,并且
图像的重对焦技术的目标一般是在一张没有焦点的图像中,选择一定区域进行局部对焦,对其余部分进行模糊的柔焦处理,使该区域作为前景从背景中突出出来,整张图像更具有美学感受
创造力是国家科学技术进步和经济发展的源泉。目前,个体创造性的高低一般通过各种问卷来测量及评定。其测量和评定过程可能夹杂着许多的主观性和不确定性。近年来,开始有学者
砖石古塔作为我国古代高层建筑的杰出代表,不仅具有极高的文化艺术价值,更是我们研究古代建筑施工与结构构造不可多得的珍贵文物。但随着近年地震频发,仅在汶川地震后,便有几
级联型多电平变换器具有模块化、易扩展的优点,但级联多电平拓扑主要应用在高压大功率场合,且开关器件工作在高频开关状态,损耗较大,发热严重,发生故障的概率最大,实际运行情
在机器学习中,聚类是一项重要的算法。不同于分类算法,聚类算法在所提供的数据没有标签的情况下,将数据中的各个样本点按照它们的相似度程度划分到不同的族类中。同一个簇类
随着大数据与人工智能的发展,深度学习模型面对的问题越来越复杂,模型参数越来越多,处理的数据集规模也越来越大。为了突破单机计算资源的限制,构建一个高效易用的分布式深度