基于随机IDA的钢框架核心筒易损性分析

地震中的人员伤亡主要由于建筑物的倒塌所造成,合理评价建筑结构的抗震性能,有效分析结构的易损性,可以有效地减少人员损伤.由于钢框架的变形与混凝土核心筒存在较大差异,因此对于钢框架与混凝土核心筒的混合结构体系,如何评价其破坏程度存在较大难度.在混合结构中不同体系的损伤次序通常有先后之分,结构设计之初的设防理念是设置多道防线,保证主体结构在地震作用下不发生倒塌破坏,导致不同结构体系参与整体结构抗震的贡献在不同计算模型之间差异显著.为有效评价混合结构的地震易损性,文章提出,以弹性状态下2种体系所受剪力的比例关系为依据,对2种结构体系各自赋予不同的权重系数,建立混合结构体系的整体损伤模型,从而对混合结构的损伤极限状态进行量化.采用随机IDA方法对结构进行易损性分析,同时考虑结构的不确定性,分析钢框架混凝土核心筒结构在非倒塌与倒塌状态下的损伤破坏概率.

基于随机IDA和机器学习的盾构隧道地震易损性分析

在隧道地震易损性分析中,涉及地震动、结构、岩土参数的随机性和不确定性。当考虑多种参数不确定性时,基于数值法建立结构地震易损性曲线需要进行大量工况的随机地震响应计算,面临很高的计算成本。为兼顾隧道地震易损性结果的客观性和计算的高效性,基于Python语言编写自动随机IDA脚本程序,实现隧道随机地震响应的自动分析和后处理功能。在此基础上,结合10种机器学习算法和地震易损性分析理论,提出了基于随机IDA和机器学习的盾构隧道地震易损性分析框架。以某盾构隧道为例,在建立确定性动力响应计算模型基础上,采用拉丁超立方抽样方法并结合自动随机IDA程序,完成了隧道随机增量动力分析并形成机器学习算法的数据集。通过特征选择、数据集划分、预处理及参数调优,建立了预测结构地震损伤的10种机器学习算法模型,对比分析了不同机器学习算法的预测性能,进一步讨论了土层随机参数对结构易损性的敏感性。结果表明:各机器学习算法模型在数据集上均表现出较好的预测性能,其中BPNN模型的综合预测性能最好。基于机器学习模型预测建立的隧道易损性曲线,与数值法结果总体一致,说明采用机器学习算法预测隧道地震易损性是有效的,特别是BPNN算法模型,与数值法非常接近,体现较高的可靠性。对样本数量敏感性小的机器学习算法,如BPNN算法模型在易损性预测中具有很好的适用性和应用潜力。从土体物理力学参数对盾构隧道地震易损性影响的敏感性程度而言,由大至小依次为弹性模量、泊松比、密度、阻尼、摩擦角和黏聚力。

基于随机IDA的结构量化指标限值求解方法

该文基于数值模拟以5层、8层和12层钢筋混凝土框架结构为研究对象,对各结构进行了20条地震动作用下的随机增量动力分析,采用基于性能的抗震设计理论,提出了一种确定结构屈服和倒塌水平能力限值的方法。基于该方法,得到了各结构模型屈服和倒塌破坏水平的地震易损性曲线。分析结果表明,结构的屈服和倒塌能力限值可以由相应易损性曲线上95%置信水平下的具有5%屈服和倒塌概率时的限值求出;通过对比各结构屈服和倒塌的易损性曲线,揭示出结构层数的变化对易损性曲线的影响。

单地震动记录随机增量动力分析

传统增量动力分析(IDA)方法没有考虑结构的随机性,该文将基于Nataf变换的点估计法与单地震动记录增量动力分析相结合,提出了考虑结构随机性的IDA方法。将该方法应用于钢筋混凝土框架结构,分析得到随机IDA曲线。结果表明:该方法可有效地考虑结构随机性对IDA分析结果的影响。

地震作用下钢筋混凝土框架结构连续倒塌极限状态可靠度分析

将结构连续倒塌的全概率方法应用于地震作用下的结构整体连续倒塌极限状态可靠度分析,采用构件可靠度方法对结构进行地震作用下最可能失效构件的识别,基于改进点估计法的随机Pushdown方法和随机竖向增量动力分析(竖向IDA)方法,进行完好和损伤结构的概率抗竖向连续倒塌能力分析及参数灵敏度分析。采用整体可靠度方法,分析了损伤结构的竖向连续倒塌条件失效概率。基于系统可靠度理论和全概率方法,分析了RC框架结构发生侧向增量倒塌以及构件地震损伤引起的结构竖向连续倒塌的联合失效概率。分析结果表明,按照我国现行规范设计的钢筋混凝土框架结构具有良好的抗连续倒塌能力。