采用改进钢筋恢复力模型的抗震分析方法技术

本发明专利技术公开了采用改进钢筋恢复力模型的抗震分析方法，以搭建的数字化构件试验数据库为基础，以改进钢筋恢复力模型和可考虑受拉特性的混凝土本构模型为材料本构，采用基于刚度法的纤维单元建立构件纤维单元自动弹塑性分析模型，并进行控制参数的最优解辨识，搭建以构件设计特征参数为输入、改进钢筋恢复力模型控制参数为输出的构件钢筋本构参数预测模型并进行训练。本发明专利技术可以考虑不同材料之间的相互作用以及构件宏观特征对材料力学性能的影响，进而考虑构件的复杂滞回特性，通过将改进钢筋恢复力模型内嵌于纤维单元进行结构抗震中的构件弹塑性分析，在提高弹塑性计算精度的同时保证计算效率。同时保证计算效率。同时保证计算效率。

【技术实现步骤摘要】
采用改进钢筋恢复力模型的抗震分析方法


[0001]本专利技术涉及结构抗震分析和数值模拟的
，尤其涉及采用改进钢筋恢复力模型的抗震分析方法。

技术介绍

[0002]目前，结构抗震分析工作主要通过对结构建立精细的有限元模型并进行准确高效的弹塑性分析，国内外逐渐形成了趋于完善的抗震设计方法。其中，基于性能的抗震设计方法作为抗震分析方法中的主流，越发受到学者和工程人员的青睐。
[0003]结构抗震性能设计的实现依赖于可靠的弹塑性分析方法。选择单元本构模型是有限元弹塑性模型建立过程中的关键一环，单元本构模型的优劣直接影响到数值分析的准确度。目前国内外主流的单元本构模型包括纤维单元和集中塑性铰单元。与集中塑性铰单元相比，纤维单元允许塑性在单元内任意位置发展，被广泛应用于梁柱构件弹塑性响应的模拟。纤维单元通过平截面假定和钢筋、混凝土的单轴本构关系模拟钢筋混凝土构件在往复荷载下的弹塑性响应，但难以描述如剪切效应、粘结滑移等因材料间相互作用所造成的复杂滞回特性，这使得使用纤维单元的有限元模型的力学性能无法得到准确评估。尽管众多学者通过添加粘结滑移单元或者修正钢筋恢复力模型的方式考虑粘结滑移效应，但仍存在计算效率低下或修正模型参数定义复杂等问题。
[0004]综上所述，钢筋混凝土构件在往复荷载作用下的弹塑性响应多采用纤维单元进行模拟。为解决经典纤维模型受制于单轴拉压本构而无法准确模拟剪切效应和粘结滑移效应等材料间相互作用的不足，进一步提高计算精度，且同时兼顾计算效率，需要基于构件试验数据采用更加高效准确的方法修正钢筋恢复力模型以有效提高纤维单元的模拟精度，进而考虑不同材料之间的相互作用以及构件宏观特征对材料力学性能的影响。

技术实现思路

[0005]本专利技术的目的是为了克服以上现有技术存在的不足，提供了采用改进钢筋恢复力模型的抗震分析方法。
[0006]本专利技术的目的通过以下的技术方案实现：采用改进钢筋恢复力模型的抗震分析方法，包括以下步骤：
[0007]S1、对低周往复试验数据进行收集，对所述低周往复试验数据进行构件加载方式的等效转换得到构件设计特征参数，再对PEER结构性能数据库进行转化和提取，得到滞回曲线和骨架曲线，根据所述构件设计特征参数、所述滞回曲线和所述骨架曲线搭建数字化构件试验数据库；
[0008]S2、根据步骤S1的所述骨架曲线进行无量纲化转换，得到骨架控制参数；
[0009]S3、根据步骤S1的所述滞回曲线进行单因素分析，得到滞回控制参数，以所述滞回控制参数作为改进钢筋恢复力模型的滞回规则；
[0010]S4、根据步骤S2的所述骨架控制参数和步骤S3的所述滞回控制参数，建立所述改
进钢筋恢复力模型；
[0011]S5、根据混凝土本构模型和步骤S4的所述改进钢筋恢复力模型，建立构件纤维单元自动弹塑性分析模型，所述构件纤维单元自动弹塑性分析模型符合结构概念则执行步骤S6，否则返回步骤S4；
[0012]S6、确定步骤S1的所述骨架曲线的关键目标参数，以步骤S2的所述骨架控制参数的目标误差函数为依据，利用三分查找算法对步骤S4的所述改进钢筋恢复力模型进行骨架控制参数最优解辨识，得到骨架控制参数最优解；
[0013]S7、确定步骤S1的所述滞回曲线的关键目标参数，以步骤S3的所述滞回控制参数的目标误差函数为依据，基于改进钢筋恢复力模型，利用差分进化算法对所述步骤S4的所述改进钢筋恢复力模型进行滞回控制参数最优解辨识，得到滞回控制参数最优解；
[0014]S8、以步骤S1中的所述构件设计特征参数作为输入参数，以步骤S6的所述骨架控制参数最优解和步骤S7的所述滞回控制参数最优解作为输出参数，得到构件钢筋本构参数预测模型，所述构件钢筋本构参数预测模型进行训练和预测效果评估，得到预测效果优良的所述改进钢筋恢复力模型；
[0015]S9、对步骤S8的所述改进钢筋恢复力模型进行构件弹塑性分析。
[0016]更优的选择，步骤S1包括以下步骤：
[0017]S101、从PEER结构性能数据库和文献资料中采集构件低周往复试验数据；
[0018]S102、对所述构件低周往复试验数据进行构件加载方式的等效转换，得到基本特征参数；
[0019]S103、对所述基本特征参数进行计算，得到计算特征参数；
[0020]S104、从所述PEER结构性能数据库中进行提取，得到滞回曲线；
[0021]S105、通过所述滞回曲线进行提取，得到骨架曲线；
[0022]S106、通过对所述构件设计特征参数、所述滞回曲线和所述骨架曲线进行一一匹配，搭建数字化构件试验数据库。
[0023]更优的选择，步骤S102中的所述基本特征参数包括几何信息、混凝土信息、纵筋信息、箍筋信息和轴力信息。
[0024]更优的选择，步骤S103中的所述计算特征参数包括纵筋配筋率、体积配箍率、剪跨比、轴压力系数和弯剪比。
[0025]更优的选择，步骤S8包括以下步骤：
[0026]S801、确定所述构件钢筋本构参数预测模型的评估指标；
[0027]S802、以所述构件设计特征参数作为所述构件钢筋本构参数预测模型的输入参数；
[0028]S803、以所述骨架控制参数最优解和所述滞回控制参数最优解作为所述构件钢筋本构参数预测模型的输出参数；
[0029]S804、采用梯度提升回归树算法作为所述构件钢筋本构参数预测模型的核心智能算法，采用k折交叉验证法将所述输入参数和所述输出参数随机划分为训练集和测试集，采用训练集进行所述构件钢筋本构参数预测模型的数据训练，采用测试集进行所述构件钢筋本构参数预测模型的效果评估，得到所述预测效果优良的所述改进钢筋恢复力模型。
[0030]更优的选择，步骤S9的所述纤维单元进行构件弹塑性分析方法包括以下步骤：
[0031]S901、对步骤S8的所述改进钢筋恢复力模型进行模型预测精度与泛化能力评估，所述改进钢筋恢复力模型是精度良好则执行步骤S902，否则返回步骤S8；
[0032]S902、对步骤S5的所述构件纤维单元自动弹塑性分析模型进行构件弹塑性分析验证，所述构件纤维单元自动弹塑性分析模型是验证良好则执行步骤S903，否则返回步骤S8；
[0033]S903、基于机器学习，对步骤S8的所述改进钢筋恢复力模型进行参数预测。
[0034]更优的选择，步骤S2中所述骨架曲线的关键转折点包括屈服强度点、极限强度点和强度退化点。
[0035]更优的选择，步骤S2中所述骨架控制参数包括强度调整系数、强度硬化系数、延性系数、强度退化系数和残余强度系数。
[0036]更优的选择，步骤S3中的所述滞回控制参数包括损伤控制系数、捏缩控制系数和卸载刚度控制系数。
[0037]更优的选择，步骤S6中的所述骨架曲线的关键目标参数包括强度调整系数、延性系数和强度退化系数。
[0038]本专利技术相对现有技术具有以下优点及有益效果：...

【技术保护点】

【技术特征摘要】
1.采用改进钢筋恢复力模型的抗震分析方法，其特征在于，包括以下步骤：S1、对低周往复试验数据进行收集，对所述低周往复试验数据进行构件加载方式的等效转换得到构件设计特征参数，再对PEER结构性能数据库进行转化和提取，得到滞回曲线和骨架曲线，根据所述构件设计特征参数、所述滞回曲线和所述骨架曲线搭建数字化构件试验数据库；S2、根据步骤S1的所述骨架曲线进行无量纲化转换，得到骨架控制参数；S3、根据步骤S1的所述滞回曲线进行单因素分析，得到滞回控制参数，以所述滞回控制参数作为改进钢筋恢复力模型的滞回规则；S4、根据步骤S2的所述骨架控制参数和步骤S3的所述滞回控制参数，建立所述改进钢筋恢复力模型；S5、根据混凝土本构模型和步骤S4的所述改进钢筋恢复力模型，建立构件纤维单元自动弹塑性分析模型，所述构件纤维单元自动弹塑性分析模型符合结构概念则执行步骤S6，否则返回步骤S4；S6、确定步骤S1的所述骨架曲线的关键目标参数，以步骤S2的所述骨架控制参数的目标误差函数为依据，基于步骤S4的所述改进钢筋恢复力模型，利用三分查找算法对步骤S4的所述改进钢筋恢复力模型进行骨架控制参数最优解辨识，得到骨架控制参数最优解；S7、确定步骤S1的所述滞回曲线的关键目标参数，以步骤S3的所述滞回控制参数的目标误差函数为依据，基于步骤S4的所述改进钢筋恢复力模型，利用差分进化算法对所述步骤S4的所述改进钢筋恢复力模型进行滞回控制参数最优解辨识，得到滞回控制参数最优解；S8、以步骤S1中的所述构件设计特征参数作为输入参数，以步骤S6的所述骨架控制参数最优解和步骤S7的所述滞回控制参数最优解作为输出参数，得到构件钢筋本构参数预测模型，所述构件钢筋本构参数预测模型进行训练和预测效果评估，得到预测效果优良的所述改进钢筋恢复力模型；S9、对步骤S8的所述改进钢筋恢复力模型进行构件弹塑性分析。2.根据权利要求1所述采用改进钢筋恢复力模型的抗震分析方法，其特征在于，步骤S1包括以下步骤：S101、从PEER结构性能数据库和文献资料中采集构件低周往复试验数据；S102、对所述构件低周往复试验数据进行构件加载方式的等效转换，得到基本特征参数；S103、对所述基本特征参数进行计算，得到计算特征参数；S104、从所述PEER结构性能数据库中进行提取，得到滞回曲线；S105、通过所述滞回曲线进行提取，得到骨架曲线；S106、通过对所述构件设计特征参数、所述滞回曲线和所述骨架曲线进行一一匹配，搭建数字化构件试验数据库。3.根...

【专利技术属性】
技术研发人员：韩小雷，林静聪，林翰彬，吴梓楠，马建峰，季静，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：