当前位置: 首页 > news >正文

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。
在这里插入图片描述

1、结论及概述

  1. 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);
  2. 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。

在这里插入图片描述

图1 混凝土失效的模型

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:

  1. l o g N = 0 logN=0 logN=0 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
  2. 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+cSc,min+dSc,min2a+bSc,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。
在这里插入图片描述

图2 新疲劳模型与实验的对比

关于上面的验证,有下面两点结论需要格外关注:

  1. MC90给出的SN曲线偏于保守
  2. 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:

  1. MC90给出的SN曲线偏于保守

具体情况看图3:
在这里插入图片描述

图3 不同文献中的SN曲线对比

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:
在这里插入图片描述

图4 MC90和MC10的SN曲线对比

可以看出,在循环次数较低的区间里( l o g N ≤ 8 logN \le 8 logN8),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=0.85βcc(t)γcfck(1250fck)(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}) (0.85βcc(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}) (1250fck)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 (1250120)=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。
在这里插入图片描述

图5 不同情况下强度特征值与疲劳强度设计值的对比

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=0.85βcc(t)γcfck(1400fck)(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&#xf…...

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&#xff0c;elementui的input组件有已经封装好的el-autocomplete可以使用&#xff0c;但是在使用中发现一些问题&#xff0c;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&#xff1a;在单例类的私有构造方法中&#xff0c;可以添加逻辑来检查是否已经存在实例&#xff0c;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&#xff0c;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&#xff0c;本想查看源代码&#xff0c;然后点击下载源码&#xff0c;总是报找不到此对象的源代码。百度找了半天&#xff0c;GPT问了半天还是解决不了&#xff0c;直到遇到了这篇&#xff1a;idea中无法下载源码问题解决&#xff0c;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&#xff01;&#xff01;&#xff01;&#xff01; 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&#xff1a;探索Python文本分类器的开发与应用&#xff1a;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&#xff0c;提供多种文本分类和聚类算法&#xff0c;支持句子和文档级的文本分类任务&#xff0c;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&#xff0c;我们会使用框架 (React、Vue) &#xff0c;ES6 模块化语法&#xff0c;Less/Sass 等 CSS 预处理器等语法进行开发&#xff0c;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&#xff0c;以隐瞒通信的存在而闻名。该技术涉及在适当的载体&#xff08;如图像&#xff0c;音频或视频&#xff09;中插入秘密消息。在这些载体中&#xff0c;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&#xff1a;&#xff08;1&#xff09;参会前&#xff0c;&#xff08;2&#xff09;参会中&#xff0c;&#xff08;3&#xff09;参会后 参会前 参会前&#xff0c;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&#xff1a; Runoob.ts 文件代码&#xff1a; const hello : string "Hello World!" console.log(hello) 以上代码首先通过 tsc 命令编译&#xff1a; tsc …...

问道管理:网上如何打新股?

随着资本市场的不断敞开&#xff0c;越来越多的人开始重视股票市场&#xff0c;并想经过网上打新股来取得更大的出资收益。但是&#xff0c;网上打新股的办法并不简略&#xff0c;怎样才能成功地打新股呢&#xff1f;本文将从多个角度剖析&#xff0c;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&#xff0c;高性能集群&#xff0c;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&#xff0c;支持对应用服务&#xff0c;数据库&#xff0c;操作系统&#xff0c;中间件&#xf…...

.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&#xff0c;追求使用率的营销能发挥强大的功效&#xff0c;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&#xff0c;首先要知道&#xff0c;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&#xff0c;类 定义类 部分与ES6用法基本一致。通过class定义类名&#xff0c;并通过constructor定义构造函数&#xff0c;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&#xff0c;矩阵&#xff0c;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&#xff0c;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&#xff0c;…...

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&#xff08;VSCode&am…...

Neo4j之Aggregation基础

在 Neo4j 中&#xff0c;聚合&#xff08;Aggregation&#xff09;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&#xff0c;以及它们的解释&#xff1a; 计算节点数量&#xff1a; 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&#xff08;高性能&#xff09;的 Web 框架&#xff0c;用于构建 API&#xff0c;支持 Python 3.6。它基于标准 Python 类型提示&#xff0c;易于学习且功能强大。以下是一个完整的 FastAPI 入门教程&#xff0c;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

&#x1f31f; 什么是 MCP&#xff1f; 模型控制协议 (MCP) 是一种创新的协议&#xff0c;旨在无缝连接 AI 模型与应用程序。 MCP 是一个开源协议&#xff0c;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&#xff0c;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&#xff1a;说说对 IP 数据报中 TTL 的理解&#xff1f;我们都知道&#xff0c;IP 数据报由首部和数据两部分组成&#xff0c;首部又分为两部分&#xff1a;固定部分和可变部分&#xff0c;共占 20 字节&#xff0c;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&#xff0c;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&#xff0c;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&#xff0c;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&#xff0c;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&#xff0c;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&#xff1a;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&#xff0c;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&#xff0c;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&#xff0c;并结合内网…...

[拓扑优化] 1.概述

常见的拓扑优化方法有&#xff1a;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&#xff1a;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&#…...