CFRP加固局部薄弱混凝土桥墩非线性分析

环境或施工等因素导致的钢筋混凝土桥墩局部混凝土劣化会削弱桥墩的抗振承载能力亟待加固.进行了CFRP加固局部薄弱桥墩的压弯性能试验研究,并分别采用FRP约束混凝土轴压偏压应力-应变关系对CFRP加固局部薄弱桥墩进行了非线性分析.结果表明,采用偏压模型预测的方法比传统预测方法更接近试验结果,采用FRP约束混凝土偏压本构关系进行非线性分析比传统预测适用性更强.讨论了传统采用轴压模型对CFRP加固局部薄弱桥墩进行非线性分析的局限性.     

矩形不锈钢管混凝土短柱轴压性能试验研究

为了研究矩形不锈钢管混凝土短柱轴压承载力性能,对7组不同截面尺寸的矩形不锈钢管混凝土短柱进行轴压试验,得到了不同试件的破坏模式、荷载-位移曲线、荷载-横向应变曲线、荷载-纵向应变曲线、荷载-长宽比曲线,分析了矩形截面长宽比对试件承载力的影响. 研究结果表明:矩形不锈钢管混凝土短柱在轴向压力作用下,其典型破坏模式为试件局部向外屈曲破坏;在相同长宽比的情况下,壁厚由4 mm增加到6 mm时,试件承载力增加25%~57%;在相同壁厚的情况下,长宽比由1增加到2,试件承载力减小22%~30%;将本文试验数据与国内外普通碳钢钢管混凝土柱的相关规范和标准的计算结果进行对比分析,发现不锈钢管混凝土短柱轴压承载力较相同截面的普通碳钢钢管混凝土短柱承载力平均高出14%;通过数值拟合得到了轴压承载力计算公式,该计算公式能较好地预测矩形不锈钢管混凝土短柱轴压承载力.      

方中空不锈钢管混凝土短柱轴压承载力性能

为促进方中空不锈钢管混凝土构件在土木工程中的应用，以不锈钢外管厚度和混凝土强度为变量的6组试件为研究对象，首先，进行轴压试验，得到了不同试件在轴压荷载作用下的破坏模式、荷载-位移曲线、荷载-应变曲线，并进一步分析了不锈钢方管宽厚比、核心混凝土强度以及不锈钢方管约束效应系数对方中空不锈钢管混凝土短柱极限承载力的影响；然后，初步讨论了倒角对强度和延性的影响，提出了避免内管先于外管屈曲的最小厚度计算方法；最后，基于试验结果以及已有文献数据，采用拟合方法推导了方中空不锈钢管混凝土短柱的抗压承载力计算式，并与已有文献的简化模型及国外主要规范的计算结果进行对比.研究结果表明：试件宽厚比由34.9降至20.9，极限承载力的提升率平均为98.5%，核心混凝土强度由C40提升至C60时，试件极限承载力的提升率平均为7.3%；短柱的轴压极限承载力随约束效应系数近似呈线性增加，约束效应系数ξ越大，短柱的承载力越高；本文得到的计算式可以较好地预测方中空不锈钢管混凝土短柱的轴压承载力.     

轴心受压FRP约束混凝土柱应力-应变关系曲线计算

采用多轴应力下Ottosen混凝土应力一应变关系及Ottosen破坏准则，以核心混凝土与FRP约束层变形协调为边界条件，通过编制程序对FRP约束混凝土轴压短柱应力一应变关系曲线进行了计算，并与试验结果进行了对比，结果表明理论计算方法与实验结果吻合良好．     

圆钢管H型钢再生混凝土短柱的轴压承载力分析

为了研究圆钢管H型钢再生混凝土短柱轴压力学性能，对此类构件轴压承载力计算公式进行了理论推导，基于极限分析法，运用双剪统一强度理论，并依据H型钢和钢管对核心区再生混凝土约束效果的不同，分别计算H型钢约束区再生混凝土和钢管约束区再生混凝土承载力，提出一套圆钢管H型钢再生混凝土短柱轴压承载力计算公式，考虑了钢管内径厚比、套箍系数、H型钢配钢指标以及再生粗骨料取代率对短柱轴压承载力的影响, 同时也适用于无H型钢的圆钢管再生混凝土短柱轴压承载力计算. 将推导得到的钢管有效约束力代入承载力计算公式所得结果与相关试验结果对比误差在10%以内，吻合较好，验证了承载力计算公式的有效性和精确度.      

新型五螺箍矩形短柱轴压承载力计算分析

螺旋箍筋应用于钢筋混凝土柱能明显提高柱的承载力及延性,为了研究五螺箍矩形混凝土短柱在轴心受压荷载作用下的力学性能和轴压承载力计算方法,首先,结合已有文献中的试验建立有限元模型,并将有限元分析结果与试验结果进行对比,以验证有限元模型的正确性;其次,基于材料用量相等的原则,设计了4种不同配箍形式的矩形截面柱,基于已验证了的有限元模型开展了不同混凝土强度对上述4种柱的轴压承载力和延性的影响研究;最后,通过对五螺箍柱进行参数分析,提出了基于体积配箍率的轴压承载力计算方法. 研究结果表明:五螺箍较五环箍、矩形箍和矩形螺旋箍柱构件承载力均值分别提高0.78%、6.70%和13.73%,延性系数均值分别提高2.00%、10.32%和10.41%,说明五螺箍柱有较高的承载力和延性;与各国规范提出的公式进行对比,本文建议的轴压承载力计算方法较为简便,且与试验值的误差均值仅为2.83%.      

钢套管再生混凝土加固柱轴压试验

为实现建筑业节能减排的目标,提出了钢套管再生混凝土加固柱的新加固方法,对1个未加固柱、12个钢套管再生混凝土加固柱以及2个钢管混凝土柱进行轴压试验,并对试件的承载力和变形特点进行分析,并讨论了该加固柱的承载力计算方法.研究结果表明:加固后试件的承载力提高2.19～3.98倍,且加固柱的刚度、延性均比原柱有明显提高;钢套管再生混凝土加固柱的承载力为钢套管普通混凝土加固柱承载力的91.8%～97.0%;当填充再生混凝土强度由27.0 MPa增加到32.9 MPa时,加固柱的承载力仅提高2.67%;对于再生粗骨料取代率为50%的试件,当钢套管厚度由1.81 mm增加到3.84 mm和5.84 mm时,承载力分别提高了34.0%和77.8%;考虑原柱初始应力后,试件峰值应变减小47.1%～59.3%;钢套管加固柱与钢管混凝土柱具有类似的受力性能.采用不同规范计算试件的承载力,结果表明EC4规范公式的计算精度最高,稳定性最佳.      

装配式圆钢管约束混凝土柱的轴压性能

为了研究钢套管及套筒连接装配式圆钢管约束混凝土柱轴压性能，基于试验研究结果，对钢套管及套筒连接装配式圆钢管约束混凝土柱轴压性能进行了有限元分析. 首先通过有限元建立了现浇式和装配式圆钢管约束混凝土柱模型；然后从承载力-平均纵向应变关系曲线、钢管应力、钢筋应力和混凝土应力方面对比了现浇式与装配式柱的轴压性能；其次分析了装配式柱变形形态及受力机理；最后提出了装配式柱轴压承载力计算方法. 研究结果表明:与现浇式柱相比，装配式柱也具有良好的轴压性能和延性性能，钢管及钢套管对核心混凝土的约束作用更强，轴压承载力提高幅度为1.94%～6.17%；增加钢管厚度对提高装配式圆钢管约束混凝土柱轴压承载力最有效，提高幅度达59.15%，增加箍筋间距对其轴压承载力影响较小，减小幅度为2.91%；钢管纵向应力在靠近钢套管与钢管连接处较大，钢管环向应力在钢管通缝上、下附近区域较大，在钢套管装配处也较大；所提装配式柱轴压承载力公式计算值（N_uc）与有限元值（N_uf）、试验值（N_ut）的比值均值分别为0.964、1.014，方差分别为0.003 5、0.002 9.      

绕丝加固钢管混凝土柱轴压承载力计算

通过对缠绕不同间距钢丝绳的钢管混凝土柱试件进行轴心受压试验,研究绕丝加固钢管混凝土柱的承载力、强度、变形能力以及破坏的发展形态,并与普通钢管混凝土柱对比,研究钢丝绳用量(不同间距)对其力学性能的影响。研究结果表明:缠绕钢丝绳可以明显提升钢管混凝土柱的承载能力,提升幅度随着缠绕钢丝绳间距的减小而增大,缠绕钢丝绳对钢管混凝土柱起到了很好的约束效果,且间距越小,其约束效果越好,承载力性能提升越明显。基于相关试验结果,预测绕丝加固钢管混凝土柱的承载力计算模型,验证了该预测模型与试验结果总体一致。     

超高性能砂浆砌体短柱轴压试验

为改善砌体柱的受力性能,提出了采用新型超高性能砂浆(UHPM)的砌体柱(UMC),以烧结砖和混凝土砖为研究对象,分别进行了2组UMC的轴压试验,通过与传统砂浆砌体柱(MC)进行对比,探讨了UMC轴压受力机理与破坏模式,评估了现行规范关于砌体轴压承载力计算公式对UMC的适用性,提出了UMC轴压承载力预测公式.研究结果表明...     

Prediction of Axial Capacity of Concrete-Filled Square Steel Tubes Using Neural Networks

The application of artificial neural network to predict the ultimate bearing capacity of CFST （ concrete-filled square steel tubes） short columns under axial loading is explored. Input parameters consiste of concrete compressive strength, yield strength of steel tube, confinement index, sectional dimension and width-to-thickness ratio. The ultimate bearing capacity is the only output parameter. A multilayer feedforward neural network is used to describe the nonlinear relationships between the input and output variables. Fifty-five experimental data of CFST short columns under axial loading are used to train and test the neural network. A comparison between the neural network model and three parameter models shows that the neural network model possesses good accuracy and could be a practical method for predicting the ultimate strength of axially loaded CFST short columns.     

水下不分散混凝土柱受压性能试验研究

基于跨江、跨海、深水港工程的环境特点,工程中采用大量水下不分散混凝土材料,进行了水下不分散混凝土短柱的轴心和偏心受压实验,分析了水下不分散混凝土的破坏形态和承载能力.试验结果表明,水下不分散混凝土的抗压性能与普通钢筋混凝土的抗压性能具有相似的特征.     

BFRP约束钢筋混凝土方柱轴压过程的有限元分析

采用ANSYS有限元软件,对玄武岩纤维布(BFRP)约束钢筋混凝土方柱轴压进行了有限元建模和数值计算,得到了BFRP约束混凝土的荷载-应变曲线,并与试验结果进行了对比分析。结果表明,有限元方法可较好地模拟BFRP约束混凝土柱的轴心受压力学性能。     

FRP约束超高性能混凝土圆柱轴压本构模型

为研究纤维增强复合材料(FRP)约束超高性能混凝土(UHPC)圆柱体的轴压性能,对30根FRP布约束和3根无约束UHPC圆柱体进行了轴心抗压试验,分析了FRP种类、纤维布层数和约束形式对UHPC轴压性能的影响规律.根据试验结果,同时考虑约束刚度和纤维布极限应变的影响,通过回归得到了约束试件强度和极限应变预测公式,并对Lam-Teng模型中的截距进行了修正.研究结果表明:约束比和侧向约束刚度是影响约束试件强度和极限应变的主要因素;约束试件的应力-应变曲线由抛物线和直线段组成;改进后Lam-Teng模型的拟合优度均值为0.96,能更精确地预测约束试件的应力-应变关系.      

基于损伤和能量耗散的钢筋混凝土柱抗震性能研究

从PEER数据库中选取7根钢筋混凝土柱在低周反复荷载作用下的试验数据,在分析了不同轴压比和配箍率下各试件的滞回特性、延性指标和割线刚度退化等的基础上,基于钢筋混凝土构件的Park-Ang双参数破坏准则,研究了构件损伤与耗能的关系、轴压比和配箍率对滞回耗能和损伤演化的影响。结果表明,轴压比较小和配箍率较高的试件,滞回曲线较为饱满,具有较好的延性性能;在一定范围内,增大轴压比或配箍率可以提高试件的屈服位移、屈服荷载和峰值荷载;加载前期,试件的损伤主要由位移首次超越引起,累积耗能对试件损伤影响相对较小,随着位移幅值的增大,累积耗能对试件损伤的贡献逐渐加大;配箍率相同的情况下,减小箍筋的间距对改善钢筋混凝土抗震性能有显著作用。     

高恢复性钢筋混凝土圆柱的抗震试验研究

为了使钢筋混凝土圆柱在遭遇超过现行规范设定水准的巨大地震时仍能保持正刚性且残余变形足够小，提出了采用高强低粘结的无预应力钢绞线作为柱纵筋的办法. 为了验证这种方法的有效性，进行了4根钢筋混凝土圆柱的常轴压低周水平往复试验，其中3根采用钢绞线纵筋，1根采用普通钢筋作纵筋，研究了剪跨比和塑性铰区横向约束方式对钢绞线混凝土柱抗震性能的影响. 试验结果表明:剪跨比为3和4的配置钢绞线为纵筋的钢筋混凝土圆柱位移角达6%时，仍保持正刚性，且残余位移角在2%以内；和普通钢筋混凝土圆柱相比，当位移角为6%时，钢绞线混凝土圆柱的侧向承载力提高了90%，残余变形降低了73%；在柱的塑性铰区（1.5D，D为截面直径）采用螺栓连接的钢板进行横向约束可将柱的侧向承载力进一步提高15%，残余变形进一步降低21%；由于钢绞线存在明显的粘结-滑移效应，基于平截面假定的分析方法不适用于采用钢绞线的钢筋混凝土柱侧向承载力的评估.      

Artificial Neural Network Model for Predicting Ultimate Tensile Capacity of Adhesive Anchors

To predict the tensile capacity of adhesive anchors, a multilayered feed-forward neural network trained with the back-propagation algorithm is constructed. The ANN model have 5 inputs, including the compressive strength of concrete, tensile strength of concrete, anchor diameter, hole diameter, embedment of anchors, and ultimate load. The predictions obtained from the trained ANN show a good agreement with the experiments. Meanwhile, the predicted ultimate tensile capacity of anchors is close to the one calculated from the strength formula of the combined cone-bond failure model.