震后钢筋混凝土柱耐火性能有限元分析∗

地震次生火灾(post?earthquake fire)是震后间接引发的一种具有严重危害性的次生灾害,不仅造成远大于普通火灾的损失,亦会导致原本结构性能的改变,从而威胁到人们的生命财产安全。为研究钢筋混凝土柱震损后的耐火性能,选取了合理的损伤指数,采用有限元分析软件 ABAQUS 建立震损钢筋混凝土柱耐火极限模型,并对有限元分析模型与参数进行了验证。在此基础上分析了损伤程度、荷载比等参数对震损柱耐火性能的影响。结果表明：随着损伤程度和荷载比的增加,震损钢筋混凝土柱的耐火极限减小,且二者对震损柱的耐火极限影响较大;当损伤指数为 0.672 时,与无损伤柱相比,耐火极限下降了 41%;当荷载比为 0.6 时,轻微破坏的受损柱(即损伤指数为 0.132)耐火极限相较荷载比为 0.15 时下降了 48%。     

基于神经网络的跨越地裂缝框架结构地震损伤及预测研究∗

为开展特殊地质环境下结构的损伤分析,以一跨越西安f4地裂缝的五层框架结构为研究对象,基于振动台试验和ABAQUS 有限元分析结果,进行了BP 神经网络模型的模型训练,选取变形和能量组合形式的双参数损伤模型计算结构损伤指标,采用加权系数法,开展了构件、楼层、结构三个层面的损伤预测分析,给出了不同地震作用下结构损伤程度评估。结果表明：地裂缝场地结构表现出明显上下盘效应,结构首层为薄弱层。BP 神经网络损伤预测值与有限元计算值在不同工况下均较为一致,其对于构件、层间、整体结构损伤指数预测最大误差分别为8.86%、5.66%、7.57%,该研究成果为跨越地裂缝结构的性能评估提供一种准确且高效的研究方法。     

基于BP神经网络和VSM的台风灾害经济损失评估

统计了对广东省造成直接经济损失的台风数据,包括致灾因子、孕灾环境和承灾体等评估因子,对数据进行无量纲化、归一化处理,作为验证模型的数据集。建立BP神经网络和空间向量模型(VSM)相结合的综合评估模型,利用BP神经网络进行初步预测,基于VSM对预测结果进行修正,从而构建台风灾害经济损失评估模型。将收集的历史台风经济损失数据分为训练和测试集,对模型进行训练和检验。经验证,采用BP神经网络和VSM相结合的台风灾害经济损失评估模型能够有效降低训练数据不足对评估结果的影响,平均误差率由30%降低到14%。     

混凝土与钢筋混凝土结构抗火抗冲击研究评述

火灾高温和爆炸冲击荷载会对工程结构造成严重的破坏,二者通常相伴发生,对工程结构产生的破坏更为剧烈。从混凝土材料和钢筋混凝土构件两个层面,分别综述了火灾高温与爆炸冲击荷载单独及联合作用对混凝土与钢筋混凝土结构影响的物理试验、理论分析与数值模拟方面的研究进展,发现现有研究工作的特点为:火灾高温/爆炸冲击单独作用研究多,耦合或联合作用研究少;试验研究工作多,理论分析与数值模拟工作少;宏观均质数值模型多,微/细观非均质数值模型少。建议今后开展火灾高温与冲击荷载联合作用下混凝土材料及钢筋混凝土构件物理试验研究,建立钢筋混凝土构件全过程响应研究的多尺度分析理论与数值模型,揭示钢筋混凝土构件的损伤破坏机理,为灾后损伤评估及安全加固提供基本理论。     

带裂缝钢筋混凝土梁损伤诊断的振动方法

建立了健康的和带有理想裂缝的钢筋混凝土梁的分离式有限元模型,推导了其中四节点矩形粘结单元的刚度矩阵。利用该模型可以计算它们的振动特性参数,研究其局部损伤与振动特性参数的关系。有限元模型数值仿真计算结果与实际测试结果相吻合。数值仿真计算及实际测试结果均表明:固有频率是进行钢筋混凝土梁裂缝类损伤定性辨识的重要指标;曲率模态振型和应变模态振型是钢筋混凝土梁裂缝类局部损伤的敏感参数,利用它们的模态绝对残差向量可以实现实梁裂缝类损伤的准确定位识别;曲率模态振型和应变模态振型的绝对残差向量范数,与裂缝类损伤的严重程度具有单调性关系,可以基于其进行裂缝类损伤的定量辨识。     

结构局部损伤诊断的应变模态方法--分析与应用

监测和诊断大型工程结构的健康状况，评估其安全性已成为未来工程的必然要求。基于利用局部反应监测结构局部性能的设想，利用应变模态的局部性特点进行结构的局部损伤诊断。首先由传递函数对应变模态进行贝叶斯区间估计，通过一混凝土框架模型的模态试验，分析应变模态测试的不确定性；然后对混凝土框架柱进行局部加强，考察应变模态界定损伤的能力。结果显示，固有频率的不确定性程度最小，应变模态振型与位移模态振型相比，各测点的变异程度差异较大，而阻尼比受不同类型测试系统影响较大；在高阶应变模态对结构局部损伤发生误判的情况下，一阶应变模态可以界定损伤，准确指示损伤部位。     

深水高桩承台基础损伤分析模型研究∗

深水高桩承台基础结构柔，长期处于深水激流恶劣工作环境中，对其进行准确而有效的损伤分析非常重要。首先对深水高桩承台基础受力变形特征进行分析，找出单桩损伤与弯矩曲率的关系，在Park?Ang的双参数损伤模型基础上建立了适用于深水高桩承台基础损伤曲率模型，并给出5种损伤程度的定量描述；应用美国加州大学伯克利分校的钢筋混凝土试件损伤模型试验结果进行分析和比对，验证了损伤曲率模型的损伤程度划分是符合桩基实际受力变形损伤的，最后通过工程实例的实践应用验证了损伤曲率模型的可行性和工程适用性。     

带有耗能连梁的钢筋混凝土剪力墙结构地震损伤评估

为了评估目前广泛研究的新型带有耗能连梁的剪力墙结构损伤程度,提出了一种适用于该结构的损伤模型,并通过低周反复试验结果对损伤模型进行验证。提出了该结构的地震性能等级及相应的损伤指数范围,并通过地震作用的增量动力分析得到该结构的易损性曲线,对该结构进行地震损伤评估。结果表明:提出的损伤模型能较好描述带有耗能连梁的钢筋混凝土剪力墙结构的损伤发展,地震性能等级及相应的损伤指数范围能较好反映该种结构的破坏等级,得到的易损性曲线能较为有效评估该种结构的损伤程度,为基于性能的新型带有耗能连梁的剪力墙结构的抗震设计及损伤评估提供了参考。     

锈蚀钢筋混凝土框架柱恢复力模型研究

在对锈蚀钢筋混凝土框架柱进行低周往复荷载试验和滞回性能数值模拟研究的基础上,通过理论分析和数据拟合建立了能较好地反映锈蚀钢筋混凝土框架柱滞回性能的退化三线形恢复力模型。该模型主要包含屈服剪力Py、屈服位移Δy、峰值剪力Pu、峰值位移Δu、破坏剪力Pcu和破坏位移Δcu6个关键参数。在确定模型骨架线上的承载力和位移特征点参数时考虑了钢筋锈蚀率、轴压比等因素的影响。根据拟合恢复力模型计算得到的骨架曲线与试验结果较为接近,最大误差在10%以内。     

基于时频变换和卷积神经网络的结构损伤识别∗

为了解决将单传感器时域数据直接作为卷积神经网络（CNN）的输入所引起的损伤识别精度不高的问题，提出基于小波包变换（DWPT）和快速傅里叶变换（FFT）的卷积神经网络识别方法。以短钢梁桥现场试验测得的数据集为例，将单传感器数据样本分别进行 DWPT 和 FFT 变换，使用变换后的特征训练 1D‐CNN 网络，训练好的网络测试精度有明显的提升，其识别精度均高于多个传感器数据直接作为输入的识别精度。同时分析了对噪声样本和异源（结构上未曾参与网络训练的传感器）数据的识别情况，结果表明对含噪声样本先进行时频变换再训练网络能显著提升对噪声样本的识别精度，而且能改善训练好的网络难以对异源传感器数据进行识别的问题，最后通过卡塔尔大学看台现场试验数据进一步论证上述结论。