英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料

不同加载条件下再生钢管混凝土性能评价:数据库分析与建模

徐锦军a, b, 王玉梅 c, 任睿 d, 吴占景 d, Togay Ozbakkaloglu e,*

a International Center of Integrated Protection Research of Engineering Structures, College of Civil Engineering, Nanjing Tech University, Nanjing, 211816, PR China

b State Key Laboratory of Green Building in Western China, Xian University of Architecture and Technology, Xirsquo;an, 710055, PR China

c Department of Structural Engineering, Tongji University, Shanghai, 200092, PR China

d School of Civil Engineering, Xirsquo;an University of Architecture and Technology, Xirsquo;an, 710055, PR China

e Ingram School of Engineering, Texas State University, San Marcos, TX, 78666, USA

关键词:

再生骨料混凝土钢管混凝土

参数敏感性

灰色关联建模

BP神经网络

结构性能

摘要

本文利用灰色关联评价和BP神经网络对再生钢管混凝土(RACFSTs)的结构性能进行了数据挖掘分析。综合实验数据库包含20个弯曲的结果,105抗压和85侧循环荷载测试RACFSTs生产再生骨料使用常规(RAs)(例如,筛分级不同从5毫米到31.5毫米)和拆除混凝土块(也就是说,筛分级不同从50 mm到300 mm)被编译通过关键的文献综述。有影响力的实验变量通过评审确定的文学,即几何比率(即,钢管diameter-to-wall厚度比和长径比),钢管强度等级,有效水灰比、RA内容和轴向载荷比被选为输入参数来评估对结构性能的影响(即负荷承载能力、刚度、峰值应变,梁和柱的延性和耗能)。灰色灵敏度分析结果表明，有效水灰比、钢管强度等级、管径壁厚比和长径比对混凝土结构性能影响最大;而与其他参数相比，RACFSTs的整体性能对RA含量的敏感性较低。结果还表明，在混凝土中掺入常规掺入剂对混凝土抗震性能的影响较大。为了扩展实验数据库的参数范围，采用BP神经网络对RACFSTs的承载能力进行估计，结果表明，该机器学习算法能够模拟RA含量对RACFSTs承载能力的影响。基于扩展后的数据库，提出了两种简单的RA含量对RACFST柱轴向和横向承载能力的影响模型。

介绍

利用再生骨料(RAs)对废弃混凝土进行回收和再利用，已被广泛认为是替代天然骨料用于新混凝土的一种有前景的技术，以减少对环境的影响并促进建筑的可持续性(如参考文献)。[1 - 3])。正如文献中所确定的，如果采用相同的混合比例，整体机械(如参考文献。[4-7])，耐久性(如参考文献。[8-10])和长期(如参考文献。[11,12])再生骨料混凝土(RAC)的性能略低于天然骨料混凝土。众所周知，普通RAC固有的低强度和脆性可以通过多轴应力状态(如参考文献。[13-17])，这是由于侧应力产生的约束作用限制了混凝土的膨胀。特别是tube-confined混凝土是一种技术,它是高度有效地补偿下属性(例如,胶老砂浆的脆性,迫击炮和新老砂浆之间弱键,在粉碎过程中产生的裂缝的rca)下的RAC压缩通过外部约束的行动提供的外管[29]。钢管混凝土

构件具有高度延性，非常适合抗震设计应用[30,31]。采用再生骨料的钢管混凝土结构，即再生骨料钢管混凝土(RACFST)，可以促进废弃混凝土的再利用，从而降低混凝土对环境的影响。最近关于RACFST结构构件静力和抗震性能的实验研究已经在文献中报道。杨和汉族[32]和杨和马[33]进行了一系列实验测试调查RACFST梁的挠曲响应,和实验输出表明,负荷能力和抗弯刚度的RACFSTs低于钢管同行与内部混凝土强度等级相同。大量的轴向加载试验(如参考文献。[33-39])，考察RA含量对RACFST短柱同心加载性能的影响。试验结果表明:(1)相同混凝土强度等级下，RACFST的抗压破坏特性与等效常规CFST相似;(2)增加RA含量会降低RACFST柱的抗压承载力;(iii)与普通RAC相比，管约束RAC的整体力学性能得到了显著提高。杨et al。[40],杨朱[41],小et al。[42],唐等。[43],Chen等人[44],Zhang et al。[45]和吴et al。(46岁,47岁)进行了准静态循环加载测试检查RACFST梁和柱的抗震性能,和可用的实验结果表明,增加RA内容导致减少横向荷载承载力、延性和能量耗散的列。此外，Yang等人[48]和Li等人[49,50]分别研究了RACFSTs的横向碰撞和轴向碰撞。结果表明:在相同强度等级的天然骨料混凝土中，混凝土的冲击破坏与天然骨料混凝土的冲击破坏相似，且随着RA含量的增加，其动态增加系数减小;鉴于RAC和RACFST的行为在过去的几十年里得到了广泛的研究，开发一种可靠的、统一的分析方法来模拟它们的行为是及时的。人工智能技术在评估混凝土性能方面的应用已经受到了重要的研究关注，并被认为是一种可行的分析工具。采用人工神经网络、模糊逻辑、模型树算法、多变量回归、遗传规划和灰色关联分析等计算机辅助智能方法模拟了影响因素与RAC目标性能之间的关系(如参考文献)。[51-59])。灰色关联分析是一种新的模糊分析方法，它根据自变量对因变量的灰色关联度(GC)[60]来评价自变量对因变量的敏感性。利用灰色关联分析对目标性能和各变量之间的GC进行排序，可以评价各变量对目标参数的影响。作者[5,21,61]成功地采用了这种方法来评估变量对RACs及相关结构构件静力和循环行为的敏感影响。然而，文献中关于评价参数敏感性以及使用这种有效的人工智能算法预测RACFSTs的综合结构性能的可用信息非常有限。在本研究中，采用灰色关联分析和BP神经网络来评估RACFSTs的结构性能。通过对文献的仔细研究，我们收集并编制了一个综合的实验数据库，其中包含了20个RACFSTs的弯曲、105个压缩和85个横向循环加载试验的结果

进行灰色关联建模。为了扩展实验数据库的参数范围，采用BP神经网络对RACFSTs的承载能力进行预测，结果表明，该机器学习算法能够模拟RA含量对RACFSTs结构性能的影响。在扩展数据库的基础上，建立了考虑RA含量影响的两种简单的承载能力计算公式。本研究的意义(i)是为评价参数对RACFSTs结构性能的影响提供了一种定量分析方法;(ii)突出混凝土配合比替代RA的作用，建立统一的RACFSTs承载能力估算公式;(iii)是获得足够的信心，使RAC在CFST中的大规模结构应用成为可能。

实验数据库和灰色关联建模

• 1. 实验数据库

这项研究的第一个实施是建立一个综合的实验研究数据库进行的RACFST梁和柱的结构性能。一项对现有文献[32 - 38,40 - 43,46,47]的批判性回顾得出，共有203个RACFST标本在13个研究中进行，并在各种加载条件下进行了测试。附录A1-A4中的RACFST数据库是根据20个弯曲性能结果、105个压缩性能结果和85个抗震性能结果编制的。每个数据集中的所有研究都是CFST和RACFST的比较试验。结构部件几何数据收集(直径D或宽度B,壁厚t,和长度L),横截面形状(即圆形和正方形),diameter-to-wall厚度比(D / t),长径比(L / D),钢管强度等级(例如,屈服强度财政年度),RA内容(r)、混凝土混合比例(即,水泥、细骨料、粗骨料和水,公斤/立方米),有效水灰比(w / c),混凝土抗压强度(fcu),轴向负荷比(nfrac14;n / (n frac14; N/(frsquo;c � Ac thorn; fy � A),交流是混凝土截面面积,是钢管截面面积,n是轴向载荷,f c圆柱体混凝土抗压强度、f cfrac14;0.8 fcu根据fib模型代码2010[62],和结构性能(即负荷承载能力、刚度、峰值应变(即,相对应的轴向应变峰值负载),延性和能量耗散)。需要强调的是，该数据库中的标本是使用两种一般的RA尺寸制作的，即常规RAs(即筛级从5毫米到31.5毫米)和拆卸的混凝土块(即筛级从50毫米到300毫米)。表1总结了各实验数据集的水泥类型、粗骨料性能及重要参数的变化范围。从表1可以看出，在每个数据集中，RAC抗压强度(fcu)的变化范围非常有限;在这方面，fcu对RACFSTs结构性能的敏感性在下一节中不再讨论，但在对柱体承载能力建模时考虑了这个有影响的参数。对于该参数的进一步详细讨论可以在作者之前的研究中找到[63]。

• 1. 灰色建模的原理

GRA方法的特点是对一小组统计样本进行定量参数评价，这种方法可以帮助工程师快速掌握参数之间的关系

Table 1

Summary of aggregate properties and variation ranges of important parameters compiled from literature.

Source

Section

Cement type

Bulk (Apparent) density of NCA [kg/m3]

Bulk (Apparent) density of RCA [kg/m3]

Water absorption of NCA [%]

Water absorption of RCA [%]

w/c

D/t

L/D

r [%]

f_cu [MPa]

f_y [MPa]

n

Flexure

Yang and Han [32] Yang and Han [32] Yang and Ma [33] Yang and Ma [33] Compression

Yang and Han [32] Yang and Han [32] Yang and Ma [33] Yang and Ma [33] Xiao et al. [34] Wang et al. [35] Tam et al. [36] Chen et al. [37] Chen et al. [37] Shi et al. [38]

Shi et al. 剩余内容已隐藏，支付完成后下载完整资料

资料编号：[261753]，资料为PDF文档或Word文档，PDF文档可免费转换为Word