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...
零门槛NAS搭建:WinNAS如何让普通电脑秒变私有云?
一、核心优势:专为Windows用户设计的极简NAS WinNAS由深圳耘想存储科技开发,是一款收费低廉但功能全面的Windows NAS工具,主打“无学习成本部署” 。与其他NAS软件相比,其优势在于: 无需硬件改造:将任意W…...

python打卡day49
知识点回顾: 通道注意力模块复习空间注意力模块CBAM的定义 作业:尝试对今天的模型检查参数数目,并用tensorboard查看训练过程 import torch import torch.nn as nn# 定义通道注意力 class ChannelAttention(nn.Module):def __init__(self,…...
1688商品列表API与其他数据源的对接思路
将1688商品列表API与其他数据源对接时,需结合业务场景设计数据流转链路,重点关注数据格式兼容性、接口调用频率控制及数据一致性维护。以下是具体对接思路及关键技术点: 一、核心对接场景与目标 商品数据同步 场景:将1688商品信息…...

ESP32读取DHT11温湿度数据
芯片:ESP32 环境:Arduino 一、安装DHT11传感器库 红框的库,别安装错了 二、代码 注意,DATA口要连接在D15上 #include "DHT.h" // 包含DHT库#define DHTPIN 15 // 定义DHT11数据引脚连接到ESP32的GPIO15 #define D…...

全球首个30米分辨率湿地数据集(2000—2022)
数据简介 今天我们分享的数据是全球30米分辨率湿地数据集,包含8种湿地亚类,该数据以0.5X0.5的瓦片存储,我们整理了所有属于中国的瓦片名称与其对应省份,方便大家研究使用。 该数据集作为全球首个30米分辨率、覆盖2000–2022年时间…...

SAP学习笔记 - 开发26 - 前端Fiori开发 OData V2 和 V4 的差异 (Deepseek整理)
上一章用到了V2 的概念,其实 Fiori当中还有 V4,咱们这一章来总结一下 V2 和 V4。 SAP学习笔记 - 开发25 - 前端Fiori开发 Remote OData Service(使用远端Odata服务),代理中间件(ui5-middleware-simpleproxy)-CSDN博客…...
Java求职者面试指南:计算机基础与源码原理深度解析
Java求职者面试指南:计算机基础与源码原理深度解析 第一轮提问:基础概念问题 1. 请解释什么是进程和线程的区别? 面试官:进程是程序的一次执行过程,是系统进行资源分配和调度的基本单位;而线程是进程中的…...

【从零开始学习JVM | 第四篇】类加载器和双亲委派机制(高频面试题)
前言: 双亲委派机制对于面试这块来说非常重要,在实际开发中也是经常遇见需要打破双亲委派的需求,今天我们一起来探索一下什么是双亲委派机制,在此之前我们先介绍一下类的加载器。 目录 编辑 前言: 类加载器 1. …...

阿里云Ubuntu 22.04 64位搭建Flask流程(亲测)
cd /home 进入home盘 安装虚拟环境: 1、安装virtualenv pip install virtualenv 2.创建新的虚拟环境: virtualenv myenv 3、激活虚拟环境(激活环境可以在当前环境下安装包) source myenv/bin/activate 此时,终端…...

在 Visual Studio Code 中使用驭码 CodeRider 提升开发效率:以冒泡排序为例
目录 前言1 插件安装与配置1.1 安装驭码 CodeRider1.2 初始配置建议 2 示例代码:冒泡排序3 驭码 CodeRider 功能详解3.1 功能概览3.2 代码解释功能3.3 自动注释生成3.4 逻辑修改功能3.5 单元测试自动生成3.6 代码优化建议 4 驭码的实际应用建议5 常见问题与解决建议…...