UHPC的疲劳计算——兼论ModelCode2010的适用性
文章目录
- 0. 背景
- 1、结论及概述
- 2、MC10对于SN曲线的调整(囊括NC、HPC、UHPC)
- 2.1 疲劳失效曲面的构建
- 2.2 新模型的验证
- 3、MC10对于疲劳设计强度的调整及其背后的原因
- 4. 结语
0. 背景
今年年初,有一位用UHPC做混凝土塔筒的同行告诉我,UHPC的疲劳不能用ModelCode的方法计算(感兴趣的可以点击这里),原因是UHPC的本构与一般混凝土的不一样,从而SN曲线也会不一样。
然而,我却找到了一篇文章(当时怎么找的我也记不清楚了,只是最近(202307)读的时候发现有料可爆!!!对原文感兴趣的可以点击这里),里面详细的介绍了ModelCode2010 是如何把UHPC的疲劳考虑进去,以及如何与ModelCode1990的疲劳计算方法进行兼容。这样,那位同行的观点就需要修改了。
本文主要是对这篇文章的描述和解释,可以算做是一篇阅读笔记吧!
下面的截图来自Concrete structures for wind turbines这本书,也就是参考文献[4] 中3.6.3节P105。
1、结论及概述
- Model Code 2010在疲劳的计算上覆盖了常规混凝土(NC),高强混凝土(HPC),超高性能混凝土(UHPC);
- 疲劳强度的设计值针对UHPC做了修正,对于NC和HPC会有提高,但是是合理的。
2、MC10对于SN曲线的调整(囊括NC、HPC、UHPC)
2.1 疲劳失效曲面的构建
首先,作者将Woehler曲线和Goodman曲线融合在了一起,构建起了包括最大应力、最小应力以及许用循环次数三个变量的疲劳失效曲面(failure surface),如图1所示。
这里体现出了一直在提到的一个观点,即混凝土的疲劳不仅和疲劳荷载的幅值有关系,还与荷载水平本身有着密切的关系。这一点与钢材大不相同。
在图1中粗实线代表着最小应力确定以后的SN曲线(Woehler 图),粗虚线代表着给定循环次数以后的应力限制情况(Goodman图)。通过维度拓展实现了对混凝土疲劳的描述。
通过假定对于任何最小应力水平 S c , m i n , i = c o n s t S_{c,min,i}=const Sc,min,i=const都有:
- 在 l o g N = 0 logN=0 logN=0到 l o g N = 8 logN=8 logN=8之间,SN曲线为下降直线,大于 l o g N = 8 logN=8 logN=8时为下降指数型曲线
- l o g N = 0 logN=0 logN=0对应 S c , m a x = 1 S_{c,max}=1 Sc,max=1,即当应力达到设计抗压强度时,只需一次即可压坏。这一点符合常识。
另一方面,假定了在 l o g N = 8 logN=8 logN=8时,选择此时表征应力水平关系的Goodman图的变量关系为一个有理分式(至于为什么要这么选以及相关的系数是怎么解出来的,文章中没有多说,我现在也不是很想做过深的追究。先这样吧~):
S c , m a x = a + b ⋅ S c , m i n 1 + c ⋅ S c , m i n + d ⋅ S c , m i n 2 (1) S_{c,max}=\frac{a+b \cdot S_{c,min}}{1+c \cdot S_{c,min} + d \cdot S_{c,min}^2} \tag{1} Sc,max=1+c⋅Sc,min+d⋅Sc,min2a+b⋅Sc,min(1)
通过选择四个已知点(即原文中 P 1 , f a t P_{1,fat} P1,fat、 P 2 , f a t P_{2,fat} P2,fat、 P 3 , f a t P_{3,fat} P3,fat、 P 4 , f a t P_{4,fat} P4,fat)的疲劳实验数据,然后反解出来式(1)中的4个参数 a a a、 b b b、 c c c、 d d d。
至此,整个疲劳失效曲面的构建已经完成。
2.2 新模型的验证
基于2.1给出的疲劳失效曲面模型,原文又给出了一共272个实验样本,包括了不同的强度等级,不同的加载频率以及UHPC是否加纤维,热养护等等。当然,最小应力水平 S c , m i n S_{c,min} Sc,min是给定的,等于0.05。具体可以看下面图2。
关于上面的验证,有下面两点结论需要格外关注:
- MC90给出的SN曲线偏于保守
- 对于HPC和UHPC,添加纤维以后,疲劳性能是下降的(这一点对于风电混塔设计尤为重要!!!)
除此之外,原文还对比了过往文献中的数据,大致意思就是不同模型之间差别不是很大。但是:
- MC90给出的SN曲线偏于保守
具体情况看图3:
最后,作者还不太放心的把不同最小应力水平下,MC90和MC10的SN曲线放在了一起对比了一下,就是这样子的:
可以看出,在循环次数较低的区间里( l o g N ≤ 8 logN \le 8 logN≤8),MC90是保守的;在循环次数较高的区间里( l o g N > 8 logN> 8 logN>8),MC10是比较保守的。
3、MC10对于疲劳设计强度的调整及其背后的原因
前面的讨论都是基于荷载端的处理,本小节关于抗力端的处理方法给出一些说明。这一小节的内容,算是给之前关于ModelCode2010(MC10)正确版本的问题(对原问题感兴趣的可以点击这里)画上一个完美的句号。也算是我挖坟有功了。
在MC10正式版本发布之前(包括正式版的MC90以及最初几版MC10的草稿),关于混凝土的疲劳强度设计值都是长这样的:
f c d , f a t = 0.85 ⋅ β c c ( t ) ⋅ f c k γ c ⋅ ( 1 − f c k 250 ) (2) f_{cd,fat} = 0.85 \cdot \beta_{cc}(t) \cdot \frac{f_{ck}}{\gamma_c} \cdot (1-\frac{f_{ck}}{250}) \tag{2} fcd,fat=0.85⋅βcc(t)⋅γcfck⋅(1−250fck)(2)
上面式子中,因子 ( 0.85 ⋅ β c c ( t ) ⋅ f c k γ c ) (0.85 \cdot \beta_{cc}(t) \cdot \frac{f_{ck}}{\gamma_c}) (0.85⋅βcc(t)⋅γcfck)是混凝土强度设计值 f c d f_{cd} fcd,因子 ( 1 − f c k 250 ) (1-\frac{f_{ck}}{250}) (1−250fck)是用于疲劳强度的折减系数 α f a t \alpha_{fat} αfat。
在MC90的时代,强度等级最高的混凝土 f c k = 120 M p a f_{ck}=120Mpa fck=120Mpa,其疲劳强度折减了将近一半( ( 1 − 120 250 ) = 0.52 (1-\frac{120}{250})=0.52 (1−250120)=0.52)。而在MC10的时代,UHPC应用越来越广泛,这意味着当 f c k > 120 M p a f_{ck} > 120Mpa fck>120Mpa的情况下,其疲劳强度设计值折减过半。甚至面临强度等级越高,疲劳设计强度越低的情况,这显然和实际情况不太相符。图5中黑色虚线给出了MC90的情况,可以看出在 f c k > 120 M p a f_{ck} > 120Mpa fck>120Mpa的情况下,其取值变得不再合理。
基于上面提到的情况,原文给出了一个修正如下:
f c d , f a t = 0.85 ⋅ β c c ( t ) ⋅ f c k γ c ⋅ ( 1 − f c k 400 ) (3) f_{cd,fat} = 0.85 \cdot \beta_{cc}(t) \cdot \frac{f_{ck}}{\gamma_c} \cdot (1-\frac{f_{ck}}{400}) \tag{3} fcd,fat=0.85⋅βcc(t)⋅γcfck⋅(1−400fck)(3)
修正的总体思路就是,MC10的混凝土强度等级覆盖到了 f c k = 200 M p a f_{ck}=200Mpa fck=200Mpa的范围,那么就让 f c k = 200 M p a f_{ck}=200Mpa fck=200Mpa时疲劳强度折减系数 α f a t = 0.52 \alpha_{fat}=0.52 αfat=0.52。基于这一点,给出了式(3)。当然,文中还考虑了其他的因素,诸如安全可靠性,经济适用性等等。但主要做法就是基于上面的操作。
4. 结语
行文至此,基本把MC10中疲劳的计算方法来源捋了一遍。也搞清楚了为何当初我们大家手里拿着不同版本的ModelCode,同样强度等级的混凝土算出的疲劳结果有那么大的差异。当然,最重要的还是搞清楚了MC10的疲劳计算是适用于UHPC的。
同时也很感慨,老外做事真的很值得我们学习!他们把每一步掰开揉碎了讲的清清楚楚明明白白,是什么就是什么,绝对不会装神弄鬼。
最后,再拜!
相关文章:

UHPC的疲劳计算——兼论ModelCode2010的适用性
文章目录 0. 背景1、结论及概述2、MC10对于SN曲线的调整(囊括NC、HPC、UHPC)2.1 疲劳失效曲面的构建2.2 新模型的验证 3、MC10对于疲劳设计强度的调整及其背后的原因4. 结语 0. 背景 今年年初,有一位用UHPC做混凝土塔筒的同行告诉我…...
关于elementui的input的autocomplete的使用
项目中需要实现搜索框搜索时能自动提示可选项的功能,elementui的input组件有已经封装好的el-autocomplete可以使用,但是在使用中发现一些问题,记录一下 基础使用 // html部分 <el-autocompletev-model"name":fetch-suggestion…...
即然利用反射机制可以破坏单例模式,有什么方法避免呢?
私有构造方法中添加防止多次实例化的逻辑:在单例类的私有构造方法中,可以添加逻辑来检查是否已经存在实例,如果存在则抛出异常或返回已有的实例。这样即使通过反射创建了新的实例,也能在构造方法中进行拦截。 使用枚举实现单例&a…...

【IDEA问题】下载不了源代码
引出问题 最近不知道怎么打开 IDEA,本想查看源代码,然后点击下载源码,总是报找不到此对象的源代码。百度找了半天,GPT问了半天还是解决不了,直到遇到了这篇:idea中无法下载源码问题解决,终于得…...
代码随想录第四十八天
代码随想录第四十八天 Leetcode 198. 打家劫舍ILeetcode 213. 打家劫舍 IILeetcode 337. 打家劫舍 III Leetcode 198. 打家劫舍I 题目链接: 打家劫舍I 自己的思路:想不太出来递推公式!!!! 正确思路:这个题主要是看是否偷第下标为…...

书写自动智慧:探索Python文本分类器的开发与应用:支持二分类、多分类、多标签分类、多层级分类和Kmeans聚类
书写自动智慧:探索Python文本分类器的开发与应用:支持二分类、多分类、多标签分类、多层级分类和Kmeans聚类 文本分类器,提供多种文本分类和聚类算法,支持句子和文档级的文本分类任务,支持二分类、多分类、多标签分类…...

前端Webpack面试题
1.说说你对webpack的理解 开发时,我们会使用框架 (React、Vue) ,ES6 模块化语法,Less/Sass 等 CSS 预处理器等语法进行开发,这样的代码要想在浏览器运行必须经过编译成浏览器能识别的 JS、CSS语法才能运行。所以我们需要打包工…...

LabVIEW使用边缘检测技术实现彩色图像隐写术
LabVIEW使用边缘检测技术实现彩色图像隐写术 隐写术是隐藏信息的做法,以隐瞒通信的存在而闻名。该技术涉及在适当的载体(如图像,音频或视频)中插入秘密消息。在这些载体中,数字图像因其在互联网上的广泛使用而受到青睐…...
第一次参加计算机会议报告注意事项以及心得
计算机会议参会报告 注意事项参会前参会中参会后 参会心得 注意事项 接下来的会议注意事项分为:(1)参会前,(2)参会中,(3)参会后 参会前 参会前,一般被邀请…...
TypeScript教程(二)基础语法与基础类型
一、基础语法 TypeScript由以下几个部分组成 1.模块 2.函数 3.变量 4.语句和表达式 5.注释 示例: Runoob.ts 文件代码: const hello : string "Hello World!" console.log(hello) 以上代码首先通过 tsc 命令编译: tsc …...

问道管理:网上如何打新股?
随着资本市场的不断敞开,越来越多的人开始重视股票市场,并想经过网上打新股来取得更大的出资收益。但是,网上打新股的办法并不简略,怎样才能成功地打新股呢?本文将从多个角度剖析,协助广阔出资者处理这一问…...

重磅更新,HertzBeat 集群版发布,易用友好的开源实时监控系统!
什么是 HertzBeat? HertzBeat 赫兹跳动 是一个拥有强大自定义监控能力,高性能集群,无需 Agent 的开源实时监控告警系统。 特点 集 监控告警通知 为一体,支持对应用服务,数据库,操作系统,中间件…...
.NET6使用微信小程序授权登录,获取手机号
1.在appsettings配置你的小程序配置信息 //微信小程序信息配置"WechatConfig": {"appid": "", //小程序ID"secret": "" //小程序秘钥},2.请求接口时先获取Access_token #region 获取小程序的Access_tokenpublic object GetA…...

游戏类APP如何提升用户的活跃度?
移动游戏行业,追求使用率的营销能发挥强大的功效,可帮助减少玩家流失、追回流失的玩家、提高活跃玩家所带来的价值以及增加付费玩家贡献的收入。 一、了解玩家需求 想要提升玩家的活跃,首先要知道,玩家喜欢玩哪些平台的游戏&…...
【Sklearn】基于支持向量机算法的数据分类预测(Excel可直接替换数据)
【Sklearn】基于支持向量机算法的数据分类预测(Excel可直接替换数据) 1.模型原理1.1 数学模型1.2 模型原理2.模型参数3.文件结构4.Excel数据5.下载地址6.完整代码7.运行结果1.模型原理 支持向量机(Support Vector Machine,SVM)是一种用于分类和回归的监督学习算法,其基本…...
抽象类与接口
一,类 定义类 部分与ES6用法基本一致。通过class定义类名,并通过constructor定义构造函数,通过super关键字来调用父类的方法。 class Person {name: string; // 属性constructor(name: string) { // 构造函数this.name name;}eat()…...
第三章,矩阵,09-线性方程组解的判断与求法、矩阵方程
第三章,矩阵,09-线性方程组解的判断与求法、矩阵方程 定理推论1推论2推论3推论4 矩阵方程AXB解法解的存在性推论 玩转线性代数(21)线性方程组解的判断与求法的笔记,相关证明以及例子见原文 定理 对n元线性方程组 A x b Axb Axb,…...

Vue-4.编译器VsCode
准备 Vue-1.零基础学习Vue Vue-2.nodejs的介绍和安装 Vue-3.vue简介 为什么用VsCode VsCode 是Vue官网首推的编译器它是完全免费的 下载安装VsCode 下载地址 安装的时候不停地下一步直到完成即可 安装插件 安装汉化插件 要将 Visual Studio Code(VSCode&am…...
Neo4j之Aggregation基础
在 Neo4j 中,聚合(Aggregation)是对数据进行计算、汇总和统计的过程。以下是一些使用聚合函数的常见例子,以及它们的解释: 计算节点数量: MATCH (p:Person) RETURN count(p) AS totalPersons;这个查询会计…...

Python 函数
Built-in Functions — Python 3.11.4 documentation...
FastAPI 教程:从入门到实践
FastAPI 是一个现代、快速(高性能)的 Web 框架,用于构建 API,支持 Python 3.6。它基于标准 Python 类型提示,易于学习且功能强大。以下是一个完整的 FastAPI 入门教程,涵盖从环境搭建到创建并运行一个简单的…...

理解 MCP 工作流:使用 Ollama 和 LangChain 构建本地 MCP 客户端
🌟 什么是 MCP? 模型控制协议 (MCP) 是一种创新的协议,旨在无缝连接 AI 模型与应用程序。 MCP 是一个开源协议,它标准化了我们的 LLM 应用程序连接所需工具和数据源并与之协作的方式。 可以把它想象成你的 AI 模型 和想要使用它…...
unix/linux,sudo,其发展历程详细时间线、由来、历史背景
sudo 的诞生和演化,本身就是一部 Unix/Linux 系统管理哲学变迁的微缩史。来,让我们拨开时间的迷雾,一同探寻 sudo 那波澜壮阔(也颇为实用主义)的发展历程。 历史背景:su的时代与困境 ( 20 世纪 70 年代 - 80 年代初) 在 sudo 出现之前,Unix 系统管理员和需要特权操作的…...

用docker来安装部署freeswitch记录
今天刚才测试一个callcenter的项目,所以尝试安装freeswitch 1、使用轩辕镜像 - 中国开发者首选的专业 Docker 镜像加速服务平台 编辑下面/etc/docker/daemon.json文件为 {"registry-mirrors": ["https://docker.xuanyuan.me"] }同时可以进入轩…...

如何理解 IP 数据报中的 TTL?
目录 前言理解 前言 面试灵魂一问:说说对 IP 数据报中 TTL 的理解?我们都知道,IP 数据报由首部和数据两部分组成,首部又分为两部分:固定部分和可变部分,共占 20 字节,而即将讨论的 TTL 就位于首…...

什么是Ansible Jinja2
理解 Ansible Jinja2 模板 Ansible 是一款功能强大的开源自动化工具,可让您无缝地管理和配置系统。Ansible 的一大亮点是它使用 Jinja2 模板,允许您根据变量数据动态生成文件、配置设置和脚本。本文将向您介绍 Ansible 中的 Jinja2 模板,并通…...

Linux nano命令的基本使用
参考资料 GNU nanoを使いこなすnano基础 目录 一. 简介二. 文件打开2.1 普通方式打开文件2.2 只读方式打开文件 三. 文件查看3.1 打开文件时,显示行号3.2 翻页查看 四. 文件编辑4.1 Ctrl K 复制 和 Ctrl U 粘贴4.2 Alt/Esc U 撤回 五. 文件保存与退出5.1 Ctrl …...
Python 训练营打卡 Day 47
注意力热力图可视化 在day 46代码的基础上,对比不同卷积层热力图可视化的结果 import torch import torch.nn as nn import torch.optim as optim from torchvision import datasets, transforms from torch.utils.data import DataLoader import matplotlib.pypl…...

Neko虚拟浏览器远程协作方案:Docker+内网穿透技术部署实践
前言:本文将向开发者介绍一款创新性协作工具——Neko虚拟浏览器。在数字化协作场景中,跨地域的团队常需面对实时共享屏幕、协同编辑文档等需求。通过本指南,你将掌握在Ubuntu系统中使用容器化技术部署该工具的具体方案,并结合内网…...

[拓扑优化] 1.概述
常见的拓扑优化方法有:均匀化法、变密度法、渐进结构优化法、水平集法、移动可变形组件法等。 常见的数值计算方法有:有限元法、有限差分法、边界元法、离散元法、无网格法、扩展有限元法、等几何分析等。 将上述数值计算方法与拓扑优化方法结合&#…...