【技术实现步骤摘要】
本专利技术涉及建筑与土木工程领域，具体涉及一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法。
技术介绍
1、钢管混凝土具有良好的结构性能和经济性能，因为钢管与混凝土之间的组合作用能延缓钢管屈曲并改善混凝土延性，同时也无需使用模板。因此，钢管混凝土在大跨重载结构如高层建筑及大跨桥梁中得到广泛使用。准确评估钢管混凝土的承载力是结构设计的重要内容。目前，塑性应力分布方法因其物理意义明确、计算方便等优点而广泛用于各国主流规范以计算钢管混凝土的截面塑性承载力。在塑性应力分布方法中，假定截面中的钢材在受拉或者受压时均达到屈服强度，混凝土在受压时达到混凝土抗压强度，在受拉时忽略混凝土的抗拉应力。
2、然而，塑性应力分布方法仅适用于满足径厚比或宽厚比限值的构件，且未考虑钢管与混凝土之间组合作用。对于不满足径厚比或宽厚比限值的构件，主流规范中仅有美国规范给出了设计指导，但是计算方法相对复杂。因此，提出一种简单且与塑性理论兼容的方法来计算不同几何形状和材料的钢管混凝土承载力具有重要意义。
技术实现思路
1、为解决上述技术背景中提出的问题，本专利技术提供一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法。
2、为实现上述目的，本专利技术提供如下技术方案，具体包括以下步骤：
3、s1、采集钢管混凝土试验数据；
4、s2、根据钢管混凝土截面轴力-弯矩曲线的特征，建立截面塑性应力参数识别目标函数；
5、s3、采用粒子群优化算法识别钢
6、s4、将塑性应力参数反演识别结果输入纤维截面模型，预测轴力-弯矩曲线。
7、优选的，步骤s1中，所述采集钢管混凝土试验数据，具体为：
8、采集钢管混凝土试验数据，主要包括试件计算长度l、圆钢管混凝土直径d、矩形钢管混凝土宽度b及长度h、钢管厚度t，混凝土抗压强度fct、钢材屈服强度fyt、轴压承载力nt、以及弯矩承载力mt；
9、优选的，步骤s2中，所述建立截面塑性应力参数识别目标函数为：
10、
11、其中(mt,nt)为试验数据点坐标，(mc,nc)为计算点坐标。
12、优选的，步骤s3中，采用粒子群优化算法识别钢管混凝土截面塑性应力参数并输出结果，具体为：
13、步骤s301、提取钢管混凝土试验数据中l，d，b，h，t，fyt，fct，nt，mt等参数；
14、步骤s302、输入塑性应力参数上/下限；
15、步骤s303、设置粒子群优化算法初始参数；
16、步骤s304、粒子群优化算法在搜索空间识别塑性应力参数；
17、步骤s305、将搜寻的塑性应力参数代入纤维截面模型，确定fyc，fcc，nc和mc；
18、步骤s306、判断目标函数minf是否小于阈值ε，若是，执行步骤s307，否则返回步骤s304；
19、步骤s307、输出塑性应力参数最优值。
20、优选的，步骤s302中，所述塑性应力参数上/下限包括：对于紧凑型截面，混凝土强度系数φ1范围为1.0≤φ1≤7.0；对于非紧凑型及细长型截面，混凝土强度系数φ1范围为0.7≤φ1≤1.0，钢材受压强度系数φ2范围为0.0<φ2≤1.0。
21、优选的，步骤s303中，所述设置粒子群优化算法初始参数包括：粒子数量n、最大迭代次数t、加速度系数c1和c2、和阈值ε。
22、优选的，步骤s304中，所述粒子群优化算法粒子位置更新的控制方程为：
23、(1)粒子位置初始化：
24、xij(1)＝lj+randij[0,1]×(uj-lj) (11)
25、(2)粒子位置更新：
26、
27、xij(k+1)＝vij(k+1)+xij(k) (13)
28、其中惯性矩w计算如下：
29、
30、
31、
32、其中加速度系数c1和c2计算如下：
33、
34、
35、式中randij[0,1]、dmin和dmin均为[0,1]之间的随机数，表示第k次迭代中的最优值，表示前k次迭代中的最优值，[lj,uj]表示第j个参数的上下边界，vij(k)和xij(k)分别表示第k次迭代计算中第j个参数的第i个粒子的移动速度和位置，dmin、dmax和dg分别表示各个粒子之间的最小距离、最大距离以及与最优粒子之间的距离，t表示最大迭代次数。
36、优选的，步骤s305中，所述纤维截面模型为：对截面划分若干纤维即纤维离散化，为钢材受拉纤维赋予屈服强度fyt，为钢材受压纤维赋予强度fyc，为混凝土受压纤维赋予强度fcc，通过对横截面上的应力进行积分来计算轴向载荷nc及其相应的弯矩mc，并通过使用不同的塑性中性轴位置可计算得到轴力-弯矩相关曲线。其中fyc＝φ1fyt，fcc＝φ2fct。
37、本申请的有益效果在于：
38、(1)本专利技术采用的改进塑性应力分布方法不仅考虑了钢管与混凝土之间的组合作用，还考虑了钢管局部屈曲的影响，使得其应用范围拓宽至不同径厚比或宽厚比的钢管混凝土截面承载力计算；
39、(2)本专利技术采用的粒子群优化算法克服了传统优化算法容易陷入局部最优的缺点，能精准、高效地识别钢管混凝土塑性应力数值，从而极大改善地钢管混凝土承载力的计算结果，对提高结构的计算精度具有重要的现实意义。
本文档来自技高网...【技术保护点】
1.一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法，其特征在于，步骤S1中，所述采集钢管混凝土试验数据，具体为：
3.根据权利要求1所述的一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法，其特征在于，步骤S2中，所述建立截面塑性应力参数识别目标函数为：
4.根据权利要求1所述的一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法，其特征在于，步骤S302中，所述塑性应力参数上/下限包括：混凝土强度系数φ1以及钢材强度系数φ2。
5.根据权利要求1所述的一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法，其特征在于，步骤S303中，所述设置粒子群优化算法初始参数包括：粒子数量N、最大迭代次数T、加速度系数c1和c2、和阈值ε。
6.根据权利要求1所述的一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法，其特征在于，步骤S304中，所述粒子群优化算法粒子位置更新的控
7.根据权利要求1所述的一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法，其特征在于，步骤S305中，所述纤维截面模型为：对截面划分若干纤维即纤维离散化，为钢材受拉纤维赋予屈服强度Fyt，为钢材受压纤维赋予强度Fyc，为混凝土受压纤维赋予强度Fcc，通过对横截面上的应力进行积分来计算轴向载荷Nc及其相应的弯矩Mc，并通过使用不同的塑性中性轴位置可计算得到轴力-弯矩相关曲线。其中Fyc＝φ1Fyt，Fcc＝φ2Fct。
...【技术特征摘要】
1.一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法，其特征在于，步骤s1中，所述采集钢管混凝土试验数据，具体为：
3.根据权利要求1所述的一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法，其特征在于，步骤s2中，所述建立截面塑性应力参数识别目标函数为：
4.根据权利要求1所述的一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法，其特征在于，步骤s302中，所述塑性应力参数上/下限包括：混凝土强度系数φ1以及钢材强度系数φ2。
5.根据权利要求1所述的一种基于粒子群优化算法的钢管混凝土截面塑性应力参数识别方法，其特征在于，步...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。