双向水平加载下钢筋混凝土柱抗震性能的数值模拟

为了研究双向水平荷载作用下钢筋混凝土柱的抗震性能,基于地震工程模拟平台OpenS-ees,采用纤维模型对钢筋混凝土柱空间受力性能进行了数值模拟,模拟结果与已有试验结果吻合较好.在此基础上,讨论了双向水平加载下轴压比、体积配箍率等参数对柱抗震性能的影响规律.结果表明:双向水平加载对柱构件的界限轴压比几乎没有影响,界限轴压比为0.4～0.5;轴压比小于0.1时,柱斜向水平承载力较主轴方向略有提高;在界限轴压比附近,柱斜向水平承载力下降10%左右,主轴方向水平承载力下降幅度达35%左右,同时主轴方向上柱的极限位移角及滞回耗能均随轴压比的增大而显著降低,故实际设计时应充分考虑空间作用对单一主轴方向的不利影响;体积配箍率对柱的延性有较大影响,但对峰值承载力的影响不明显.     

桥梁监测数据的动态线性建模与可靠性预测

引入贝叶斯动态线性模型(BDLM),建立桥梁监测应力的状态方程和观测方程,并利用贝叶斯因子监控监测应力.通过监测应力和应力状态的先验信息,对监测应力的状态参数进行贝叶斯后验概率推断,并不断进行"概率预测-修正"递推运算,获得最优监测应力的状态概率估计来预测桥梁的应力.基于贝叶斯动态修正的应力概率模型,建立桥梁结构可靠性的预测公式.最后,通过实例验证了本文所建模型的合理性和适用性.     

基于多个BDLM的桥梁结构可靠度实时预测

基于桥梁的极值应力监测信息,采用贝叶斯动态线性模型(BDLM),建立了监测应力的贝叶斯动态线性组合预测模型;采用该模型对结构的可靠指标进行实时预测,并通过工程实例进行了极值应力的组合预测和单个预测的精度分析.结果表明:所建立的组合预测模型的一步预测值与单个预测模型、取平均值的点预测模型的都很接近,但组合预测模型具有较高的预测精度;相对于确定性的监测极值应力的可靠指标而言,组合预测模型考虑了监测应力的随机性和不确定性,所得的可靠度较小,可以更好地对结构的安全状态进行评定.     

基于随机响应面法的RC框架抗震全局灵敏度分析

实际工程中,结构整体响应往往受大量输入参数的影响,若将全部参数视为随机变量,会导致分析过程十分复杂。因此需要进行参数灵敏度分析,确定各参数对结构整体响应的影响,从而减少需要考虑的变量个数,简化分析过程。以往的方法在计算灵敏度指标时需要大量的分析计算,为解决该问题本文了采用基于多项式混沌展开的随机响应面法,通过该方法建立输出响应的替代模型,进而求得基于方差分析（Analysis of Variance, ANOVA）的全局灵敏度指标。之后本文以钢筋混凝土框架结构为应用对象,采用该方法对其整体承载能力极限状态进行抗震全局灵敏度分析,并将各输入变量的灵敏度指标绘于同一图中。从本文求得的灵敏度指标可知,影响结构抗震可靠度的主要因素为地震作用的不确定性,该结果符合工程经验判断,说明本文采用的方法具有较高的可行性和计算精度。     

采用随机响应面法钢筋混凝土框架抗震全局灵敏度分析

采用基于多项式混沌展开的随机响应面方法,建立结构输出响应的代理模型,求得各输入变量的基于方差分析的全局灵敏度指标.之后以层数不同的三个钢筋混凝土框架结构为应用对象,使用Open Sees软件进行有限元建模,并采用该方法对结构进行整体承载能力极限状态下的抗震全局灵敏度分析,将求得的各输入变量的灵敏度指标绘于同一图中,比较不同输入变量对结构响应的影响大小.从求得的全局灵敏度指标可知,影响结构抗震可靠度的主要因素为地震作用的不确定性以及结构的钢筋屈服强度.该结果符合工程经验判断,进一步说明所采用的方法具有较高的可行性和计算精度.     

基于区间有限元的结构广义可靠度分析

相对于只考虑随机性的狭义(或经典)结构可靠度理论,进一步考虑随机性、模糊性、未确知性的结构可靠度理论称为"结构广义可靠度",最早由王光远院士于20世纪80年代提出.本文介绍了作者所在团队近年来在结构广义可靠度理论方面所取得的一些成果.首先介绍了区间数学和区间有限元的基本概念,然后以区间有限元为工具,重点研究了3种类型不确定性情况下结构广义可靠度分析方法:第一种情况同时考虑基本变量的随机性与未确知性,未确知性以区间变量形式体现在随机变量的参数中;第二种情况为随机性与模糊性处于分离状态,即基本变量是随机的,而失效准则是模糊的;第三种情况为随机性与模糊性处于耦合状态,模糊性以模糊数形式体现在随机变量的参数中.采用区间蒙特卡罗模拟(IntMCS)技术和区间一次可靠度方法(IntFORM),提出并发展了上述3种情况下结构广义可靠度的分析方法.以一个平面桁架结构为例,展示了上述方法的适用性和有效性.     

桥梁极值应力的改进高斯混合粒子滤波器动态预测

为合理地动态预测在役桥梁的极值应力信息,应用桥梁健康监测(BHM)系统的长期日常监测极值应力数据,建立非线性动态模型,引入扩展卡尔曼滤波器(EKF)与高斯混合粒子滤波器(GMPF)相结合的改进高斯混合粒子滤波器(IGMPF)预测算法,对监测极值应力的一步向前预测分布参数及其状态变量的后验分布参数进行预测分析,并进行了实例验证.IGMPF不仅可以得到实测极值应力状态的合理重要性函数,还可以解决传统预测方法的短期性和精度不高的问题,为实际BHM系统的动力响应预测提供了理论基础.