受侧向冲击的混凝土墩柱本构模型对比

采用ANSYS建模和LS-DYNA显式动力分析的方式,分别使用HJC、脆性损伤、盖帽和混凝土损伤等4种混凝土本构模型,对钢筋混凝土墩柱的侧向冲击过程进行仿真。从系统能量的角度验证数值计算的正确性;并将冲击过程中的冲击物块加速度和钢筋应变的历时值与试验值进行对比,进一步证实仿真计算的正确性。从各本构模型的计算结果、模拟所耗费的计算时间以及所需的参数数量等方面进行对比。     

战时桥梁损伤等级的初步评定

战时桥梁保障任务繁重,对遭袭损伤桥梁的保障步骤是:评定损伤等级、制定抢修或抢建方案、实施方案和验收通行,而对于如何"评定桥梁损伤等级"这一环节,并无评定规范或标准,使战时桥梁保障方案的选取与制定无法可依,无章可循,桥梁保障也就无法适应现代高技术条件下战争的需要。根据现有工程的验收评定方法并结合战争中桥梁快速保障的特点,初步进行战时桥梁损伤等级的划分,拟订了评定方法和评定过程,为实现评定的自动化打下了初步基础。     

基于声发射技术的钢桥面板疲劳损伤监测与评估

采用多种监测技术融合手段, 对正交异性钢桥面板开展了疲劳损伤监测与评估, 包括足尺正交异性钢桥面板节段模型疲劳试验与某公路斜拉桥正交异性钢桥面板运营阶段的疲劳损伤监测; 在正交异性钢桥面板疲劳试验中, 综合采用了美国物理声学(PAC)声发射(AE)传感器、智能锆钛酸铅压电漆(PZT)传感器和应变片进行了粘贴钢板冷加固前后的疲劳裂纹监测; 对处于运营阶段的斜拉桥钢桥面板疲劳开裂区域, 采用了粘贴角钢的冷加固方法进行加固, 并对加固前后的桥梁结构开展了AE监测和应变监测以研究疲劳裂纹状态与检验冷加固方法的效果。疲劳试验与监测结果表明: PAC的AE传感器和智能PZT传感器能有效捕捉具有突发峰值与快速衰减特征的疲劳扩展信号, 二者的协同应用实现了疲劳裂纹智能感知, PAC的AE传感器组能实时捕捉纵肋上的疲劳裂纹扩展长度和方向; 粘贴钢板冷加固后, 应力水平稳定在64.8 MPa, 直到继续循环加载至512万次仍无疲劳裂纹扩展, 验证了正交异性钢桥面板粘贴钢板疲劳冷加固措施的良好加固效果; 在疲劳试验过程中, PAC的AE传感器和智能PZT传感器监测疲劳裂纹扩展结果一致性良好, 与应变片相比可实时捕捉更丰富的疲劳裂纹动态信息。对运营阶段正交异性钢桥面板疲劳监测与评估结果表明: 加固前AE监测结果峰值能量是加固后峰值能量的5倍, AE累积信号由加固前的密集分布改变为加固后的稀散分布, 表明加固后的钢桥面板疲劳裂纹处于稳定状态; 随着加载车辆行驶通过, 冷加固后的疲劳裂纹尖端应力峰值降低40%至50%;对比加固前后的24 h疲劳应力连续监测结果, 疲劳细节附近应变片的应变水平从加固前的78 MPa下降至加固后的48 MPa; AE信号峰值能量、AE累积信号和应力水平的监测结果均证明了冷加固技术对正交异性钢桥面板疲劳开裂加固的有效性。      

基于柔度曲率矩阵的加筋板结构损伤识别方法

为了对船舶工程中典型结构即加筋板结构的损伤部位进行准确的损伤识别分析,文章提出了一种基于柔度曲率矩阵的损伤识别方法并进行了仿真分析。首先对加筋板结构进行单元划分,以结构响应通过矩阵的列最大值来建立节点柔度矩阵,并通过二阶微分对柔度值的变化进行放大进而得到柔度曲率矩阵,最后通过柔度曲率矩阵图或者柔度曲率矩阵的行(列)曲率图来判断损伤位置。算例分析表明,该方法损伤定位准确并且具有较高的灵敏度,避免了使用原未损结构的模态参数,只需损伤结构的一阶或者前几阶模态信息就可以有效地进行损伤识别分析。通过大量模拟,给出了加筋板结构损伤的判别图。     

船舶碰撞数值仿真的一种组合模型

根据船舶碰撞的运动滞后和局部损伤特性,采用附连水质量处理流体-结构耦合作用,用详细的有限元模型表达撞击船首和被撞船侧的直接涉撞区结构,而将非碰撞区的船体结构以具有相应质量分布和弯曲刚度的惯性等效模型来代表,并将之与碰撞区的局部模型适当地联接起来,形成一个组合模型用于碰撞仿真计算.该组合模型不仅建模工作量小,而且CPU时间也大大减少.算例表明,组合模型与流固耦合模型的分析结果具有良好的一致性,可以满足一般的工程精度要求.     

钢筋混凝土空心梁疲劳性能试验研究

对6根大比例钢筋混凝土空心梁进行静载和疲劳性能试验研究,每根梁取不同荷载幅度,研究不同疲劳次数下梁受压区混凝土和受拉区的钢筋的应变、梁的跨中挠度以及裂缝发展情况,得到不同的疲劳荷载应力幅作用下钢筋混凝土空心梁的疲劳寿命;根据试验结果拟合得到钢筋混凝土空心梁疲劳荷载作用下的S-N曲线,为由钢筋混凝土空心梁构成的桥梁结构寿命预测提供依据。对钢筋混凝土空心梁疲劳破坏后的钢筋进行静力学性能试验研究,了解钢筋混凝土空心梁疲劳破坏后钢筋力学性能的退化情况。     

结构智能健康诊断的理论与方法

对近20年来国际上在基于动力学参数的结构健康诊断方面的成就与问题进行了系统的回顾和总结，扩展了目前流行的一些结构健康诊断方法，建立了一系列新的结构健康诊断公式，从中发现：（1）结构的总体刚度矩阵[K]，模态特征值λj和模态振型[φ]j之间存在以下关系δλj=[φ]^Tj[δK][φ]j和δλj≤0。（2）对于损伤结构，[δφ]=0和｛δλ｝＝0同时发生的情况一定不存在。也就是说，结构损伤必然会在结构的内禀动力特征｛φ，λ｝上得到完整的反映，这一发现回答了人们长期以来的一项争论，即结构的内禀动力特征｛φ，λ｝是否足以作为结构损伤识别和定位的充分条件，答案是肯定的。（3）通常应变类结构动力学参数比位移类结构动力学参数对结构损伤更敏感。（4）利用多层前向人工神经网络的自组织学习功能和广义遗传算法的全局优化功能，设计一个基于广义遗传算法和人工神经网络的混合结构智能健康诊断演化系统是可行的，且该系统的知识库可实现自主进化。     

梁体结构损伤识别的样条函数方法

针对样条函数方法在梁体结构分析中具有未知量少、求解规模小,精度较高等特点,在梁体结构参数识别过程中引入样条函数方法,避免了传统有限元方法带来的庞大刚度矩阵的负面影响,从而提高了识别过程的计算稳定性及计算效率。算例表明识别结果能够应用于结构损伤部位及程度的判别。     

基于自回归条件异方差转换指标的非线性损伤识别

为了解决时域非线性损伤的识别问题,基于自回归条件异方差（ARCH）模型的基本理论给出了ARCH模型建模的定阶方法及模型参数估计的极大似然估计法;分析了结构非线性损伤的特性,提出了基于ARCH模型的非线性损伤识别原理;考虑到基于自由度的损伤指标难于判断损伤位置,故提出了一种自回归条件异方差转换指标;在测量误差和模型误差的影响下,使用3层框架结构的非线性损伤试验来验证该损伤指标的有效性. 试验结果表明:非线性间隙距离为0.05 mm和0.10 mm时,损伤位置第3层的自回归条件异方差转换指标值比传统的倒谱测距转化指标值高21.7%以上;当非线性间隙距离为0.20 mm时,第3层的自回归条件异方差转换指标值比倒谱测距转化指标值高3.7%.      

基于小滚轮高频激励的高速列车齿轮箱箱体振动试验

为探究高速列车齿轮箱箱体振动特性和疲劳损伤, 应用小滚轮高频激励台架试验, 将滚轮表面加工成径跳量幅值为0.05 mm的13阶多边形, 可等效成20阶车轮多边形, 研究了某型齿轮箱箱体在不同垂向载荷与速度工况下的振动特性; 通过雨流计数法及Miner线性损伤法则, 分析了齿轮箱箱体单位时间应力累计损伤。研究结果表明: 受齿轮箱箱体共振影响, 不同垂向载荷与速度工况下, 高速列车运行速度为200 km·h-1时, 齿轮箱箱体各测点的垂、横向加速度均方根值均为最小; 当垂向载荷为23 t时, 大部分测点的垂、横向加速度均方根值均为最大; 齿轮箱箱体存在573 Hz的局部固有频率被激发共振, 其原因是试验速度为100 km·h-1时试验台发生共振, 以及试验速度为300 km·h-1时, 受到20阶多边形车轮转频约580 Hz的主频激扰; 车轮初始速度从0加速到200 km·h-1及从300 km·h-1减速至0的速度等级之间时, 齿轮箱箱体各测点的单位时间应力累计损伤波动较大, 其余速度等级段各测点的单位时间应力累计损伤波动很小; 单位时间应力损伤最大值出现在大齿轮箱齿面观察孔, 为3.72×10-10, 损伤最小值位于小齿轮箱轴承正上方, 仅为8.29×10-18。可见, 箱体共振、试验台减速运行、速度等级对齿轮箱箱体振动加速度影响较大; 非共振、试验台不减速运行、相同速度等级下, 垂向载荷对单位时间应力累计损伤影响甚微。