预制装配式型钢混凝土梁抗剪承载力的智能模型研究

通过建立计算预制装配式型钢混凝土(PSRC)梁抗剪承载力的智能模型,在一定程度上提高了计算精度与适用性。基于BP人工神经网络算法,通过对影响PSRC梁抗剪承载力的相关参数进行梳理,选取14个主要影响参数作为输入层,以试算法确定隐含层节点数为5,初步构建了3层结构人工神经网络系统;以收集的76组试验数据作为学习样本,对构建的神经网络系统进行训练,建立了对PSRC梁及SRC梁抗剪承载力计算的N14-5-1智能模型。使用智能模型对6个PSRC梁构件及6个SRC梁构件进行抗剪承载力计算,并通过与规范公式计算结果、试验结果的对比分析,证明了智能模型具有良好的计算精度及较好的泛化能力,具有一定的工程参考意义。运用Garson算法对输入参数进行敏感性分析,结果表明箍筋间距、型钢屈服强度、箍筋屈服强度、型钢腹板含钢率对抗剪承载力影响较大。随着研究试验的开展,在收集更多具有代表性的试验数据以扩充学习样本后,可对智能模型进一步优化。

圆钢管约束型钢再生混凝土短柱抗震性能

针对圆钢管约束型钢再生混凝土短柱的抗震性能进行研究,在验证了分析模型合理性的前提下,考虑了圆钢管径厚比、再生粗骨料取代率和轴压比等设计参数对试件力学性能的影响规律,获取了试件滞回曲线、骨架曲线、延性系数、等效黏滞阻尼系数等抗震性能指标和试件的峰值承载力,并与已有试验进行了对比分析。结果表明:在再生混凝土取代率、轴压比、含钢率等参数基本相同时,圆钢管约束型钢再生混凝土短柱比型钢再生混凝土柱和圆钢管型钢再生混凝土柱表现出更好的变形和耗能能力;再生粗骨料取代率对滞回曲线等抗震性能指标影响不大,可基本满足工程抗震要求,并可广泛应用于工程的承重结构中;在取代率和轴压比相同时,随着径厚比的增大,试件弹性阶段初始刚度、峰值承载力和耗能能力逐渐下降,但延性会有一定幅度的提升,延性变形能力可提高30%~40%;在取代率和径厚比相同时,随着轴压比的增大,试件的峰值承载力和耗能能力变化不大,延性越来越差。

外伸端板半刚性钢结构连接节点的弯矩-转角智能模型研究

为了寻找一种耗费人力更少、预测效果更好的外伸端板半刚性钢结构连接节点的弯矩-转角(M-θr)关系模型,提出将智能模型引入对该种半刚性连接节点M-θr曲线的预测。首先对现有钢结构梁柱半刚性连接节点M-θr关系经典模型进行了评述,采用其中的幂函数模型对一组试验做了计算并与试验结果进行对比;然后用非线性有限元法对外伸端板半刚性钢结构连接节点进行了计算,并把分析所得M-θr曲线与试验曲线做了比较分析;基于大量试验数据,研究确定了对该种半刚性连接节点M-θr性能影响较大的11个主要参数,并用MATLAB数值计算软件建立了智能模型,对外伸端板半刚性钢结构连接节点的M-θr关系进行了预测,将预测结果与试验值对比。最后发现智能模型不论是定性的曲线变化趋势、还是定量的数值大小,都优于现有幂函数模型和非线性有限元分析,具有更好的可靠性、实用性。所得结论,可为该类半刚性钢结构连接节点M-θr关系研究提供新的思路。

高强钢管高强混凝土短柱力学性能智能模型研究

为研究超出规范范围材料强度的高强钢管高强混凝土短柱承载力在规范范围外拓展应用的相关问题,搜集61组试验及有限元数据,利用神经网络智能技术研究了在不同的截面尺寸、高强材料、含钢率、偏心率和长细比等影响因素下的高强钢管高强混凝土短柱的极限承载力及荷载-位移曲线,将承载力预测结果与规范EC4、规范ACI及规范GJB 4142—2000的计算结果进行了对比分析,并预测了试件的荷载-位移曲线,对各阶段各模型的切线刚度进行了分析研究。研究结果表明:所述规范可以在一定程度上继续延伸使用,而神经网络智能模型不仅与试验数据吻合度较高、精确度高,还考虑了规范没有考虑的约束效应减弱及两种材料强度匹配程度对承载力的影响,承载力会随着混凝土强度和钢材强度的提高而减缓增强速度;神经网络智能模型非常适合用于预测高强钢管高强混凝土短柱承载力,可以为实际工程和规范延伸拓展提供设计参考;神经网络智能模型相比于现有组合构件应力-应变理论公式会更加简便准确,以切线刚度的对比结果可知,其可以更加准确地反映和再现轴压作用下高强钢管高强混凝土短柱荷载-位移曲线的特征,对构件的力学性能研究有一定的参考作用。

钢管约束型钢混凝土圆柱承载力的神经网络分析模型研究

根据轴心受压和偏心受压的钢管约束型钢混凝土(TSRC)圆柱承载力现有计算公式,提出了轴压和偏压TSRC圆柱承载力的神经网络分析模型。选取10个影响承载力的敏感参数来确定输入层的节点个数,以轴压或偏压TSRC圆柱承载力作为输出层;隐含层节点数采用试凑法,根据均方误差MSE与相关系数R确定为12,由此建立了N10-12-1神经网络分析模型。该神经网络分析模型对承载力的预测结果显示,最大误差仅为6.08%,说明建立的轴压和偏压TSRC圆柱承载力神经网络分析模型是一种较好的方法。最后基于Garson算法进行敏感性分析,得到了各输入参数对TSRC圆柱承载力的影响程度,可供工程设计参考。