基于滑移连接的分阶屈服型消能连梁-联肢墙结构抗震性能研究

来源 :青岛理工大学 | 被引量 : 0次 | 上传用户:HUAXIAHK
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
剪力墙结构是高层建筑中采用较为广泛的结构体系。传统的“强墙肢,弱连梁”抗震设计理念将连梁作为剪力墙结构抗震设防的第一道防线,在结构遭受地震作用时,先于墙肢破坏。然而,传统的钢筋混凝土连梁的耗能能力较弱,且地震作用后,连梁发生较大损伤,修复困难,甚至无法修复,影响了整体结构的地震恢复能力。基于此,本文拟基于剪切和弯曲钢板的组合,改变传统阻尼器分阶屈服的设计思路,提出一种基于滑移连接的分阶屈服型消能连梁,优化阻尼器在工作过程中的刚度配置,以降低剪力墙结构的残余变形,提高结构的地震恢复能力。本文的主要研究工作如下:(1)提出了一种新型基于滑移连接的分阶段屈服金属阻尼器,介绍了其耗能机理,根据理论分析,建立了基于双线性模型的恢复力模型,并对其各阶段力学性能指标进行了推导。设计了4个不同滑移距离、不同二阶屈服比的试件,利用ABAUQS对其进行了有限元数值模拟,得到了其滞回曲线、骨架曲线,展现了该阻尼器优越的滞回性能,良好的耗能能力,初步探究了滑移距离、二阶屈服比对其性能的影响。(2)设计、制作了4个基于滑移连接的分阶段屈服金属阻尼器试件并进行了拟静力试验,得到各个试件的滞回曲线、骨架曲线及等效粘滞阻尼比,通过对比分析,进一步探讨了滑移距离、二阶屈服比对其性能的影响。将试验结果与数值模拟结果对比,验证了有限元数值模拟的准确性、可靠性。(3)将基于滑移连接的分阶段屈服金属阻尼器应用于连梁跨中,构成组合消能连梁,提出了其设计原则和设计步骤。基于一个12层联肢墙原型结构,设计了1个基于滑移连接的分阶屈服阻尼器新型消能结构、1个传统普通消能结构、1个原始联肢墙结构,通过有限元动力时程分析,对其层间位移角、残余变形、损伤分布等进行了分析,结果表明基于滑移连接的分阶段屈服金属阻尼器能够在结构遭遇罕遇地震时,有效地控制结构最大层间位移,降低结构的残余变形,使结构体系震后恢复能力大大提高。
其他文献
视频质量增强算法一直以来是音视频研究领域的一个热点,传统的方法都是使用编码压缩算法对视频文件进行编码压缩,经过这种有损压缩的方式后,虽然视频文件的大小显著降低,但其在解码端呈现的图像质量却有待加强。一般来说,视频压缩算法的压缩比越高,那么节省的空间就越大,而损失的图像信息也就越多。由于深度学习技术的逐渐流行,越来越多的学者尝试在视频图像质量增强方面使用深度学习算法来寻找突破。本文提出了一种领域自适
学位
随着工业4.0的发展,信息化技术逐渐运用到工业,使得工业逐步向智能制造的方向发展,这也要求工业软件向智能化和云服务化的方向发展。NX平台也在向该方向发展。但是由于NX平台非开源、缺乏数据集,智能化仍处于探索阶段。NX Measurement是NX平台的测量系统,是NX平台的核心系统之一,如果能提高其智能化程度,就可以提高NX平台的便利性和用户体验感。基于以上背景,本文将通过推荐系统,对用户预期的测
学位
“固化/稳定化+填埋”是我国主流的垃圾焚烧飞灰处理技术路线。针对稳定化飞灰填埋区可能存在的覆盖层老化、破损,防水、防雨、防渗措施不完善等情况,构建了“模拟酸雨”和“模拟渗滤液”两种入侵外环境。以分阶段进水方式探究了模拟酸雨(硫酸-硝酸溶液)和模拟渗滤液(醋酸溶液)在6种典型渗流路径下对填埋螯合剂稳定化飞灰中重金属(Pb、Cd、Zn、Cu、Cr、Ni)浸出行为影响,并评估了液相和固相中重金属的潜在环
学位
基于机器学习的智能模型在出行、消费、医疗等领域已经有了广泛的应用,对人们的生活、学习以及工作都产生了深远影响,这都得益于人工智能的三大支柱算法、算力、数据的飞速发展。当人类思考问题时,会结合问题相关的空间关系、因果关系、科学事实和社会习俗常识等背景知识来分析问题,这类知识对人类来说微不足道,但是目前的人工智能模型仍然无法获取,近年来大量的研究开始尝试向智能模型中融入常识知识,常识推理问答成为了人工
学位
在这个信息“大爆炸”的时代,每天都会产生大量的信息,而图像是信息的重要载体。现实中许多图片包含丰富的信息量,往往有着不止一个标签,因此多标签图像的分类问题受到许多学者的重视。得益于深度学习的崛起,多标签图像分类也有了丰富的研究成果,并在医疗图像、智慧交通等领域成功应用。然而,深度学习方法普遍高度依赖于大量的标注数据,但在实际应用中,获取高质量的标注数据成本十分高昂。主动学习的核心目标在于通过合适的
学位
近年来,深层的脉冲神经网络由于其强大的特征提取能力,逐渐得到学者们的重视。训练高性能的深度脉冲神经网络(Spiking Neural Networks:SNNs)需要大量的标记数据,但在实验过程中给海量数据打标签是耗时耗力且高成本的一项工作。为了减少训练深度脉冲学习模型所需要的已标记数据量,提升训练模型的效率,本文旨在研究脉冲神经网络上的主动学习方法。目前基于传统人工网络的主动学习策略研究较多,却
学位
近年来,随着机器学习技术的不断发展,更多具有挑战性的机器阅读理解数据集不断被提出,机器阅读理解技术成为了热门研究方向。近期,两个考验机器逻辑推理能力的阅读理解数据集Re Clor和Logi QA受到了研究者们的关注,当前主流的预训练模型更多关注单词级语义,对文本逻辑关系的捕捉能力较弱导致逻辑推理能力较低。本论文结合预训练模型和符号模型的优势,提出基于混合推理的阅读理解模型,并通过加深预训练模型网络
学位
事件抽取的本质是从大量非结构化、未经处理的信息中抽取出完整事件,包括事件触发词和一系列事件要素,并以结构化形式存储和展示。事件抽取技术为当代社会中态势感知、社会治理、决策辅助和应急处突等重大需求提供了技术支撑,有着重要研究意义和价值。当前事件抽取领域存在着对复杂语义环境抽取效果不佳等问题。故本文围绕事件抽取任务,进行了如下主要研究:1.针对事件触发词抽取定位和分类不准确等问题,现有方法主要利用句子
学位
在现今大数据时代中,互联网上的信息数据量成爆炸式增长,异构数据规模庞大,真假信息相互混杂。人们可以从各种来源处获得需要的信息,但这些网络开源数据成长尾分布,且来源之间关系隐含且复杂。本文围绕网络开源信息的真值发现问题开展研究,基于深度学习方法,面向无标签多源文本数据以及单个文本数据,分别提出了基于GCN的无监督多源真值发现模型与基于外部信息融合的单源真值发现模型,并设计实现了基于真值发现的网络信息
学位
试验旨在研究玉米蛋白粉对海兰褐蛋鸡产蛋性能、养分消化率及蛋品质的影响。选取1 500只海兰褐蛋鸡随机分为4组,每组5个重复,每个重复75只鸡。对照组蛋鸡饲喂基础日粮,试验Ⅰ组、Ⅱ组、Ⅲ组分别在基础日粮中添加3%、6%、9%玉米蛋白粉。预试期7 d,正式试验期35 d。结果显示,试验Ⅱ组蛋鸡的产蛋率显著高于其他组(P<0.05),对照组蛋鸡的产蛋率最低,为81.46%。试验Ⅱ组、试验Ⅲ组的蛋重显著低
期刊