As inelastic design for wind is embraced by the engineering community, there is an increasing demand for computational tools that enable the investigation of the nonlinear behavior of wind-excited structures and subsequent development of performance criteria. To address this need, a probabilistic collapse assessment framework for steel structures is proposed in this paper. The framework is based on the integration of a high-fidelity fiber-based nonlinear structural modeling environment with a wind-tunnel-informed stochastic wind load model to perform nonlinear time history analysis. General uncertainty is propagated using a stratified sampling scheme enabling the efficient estimation of reliabilities associated with rare events. The adopted models for simulating high-fidelity nonlinear structural behavior were found, in general, to be adequate for capturing phenomena, including progressive yielding, buckling, and low-cycle fatigue, that are essential for wind induced collapse analysis. In particular, the adopted fatigue model was found to be capable of predicting damage and potential fiber/section fracture associated with non-fully reversing stress-strain cycles that are characteristic of wind loading. Through illustration on a 45-story archetype steel building, critical discussions on the types of observed collapse mechanisms, the difference between alongwind and acrosswind nonlinear behavior, reliabilities associated with first yield, and collapse are presented. A probabilistic description of the residual and peak story drifts is also provided through development of fragility functions.


翻译:由于工程界接受风的弹性设计,对计算工具的需求日益增加,这些工具有助于调查风刺激结构的非线性行为,并随后制定性能标准。为解决这一需要,本文件提出了钢结构的概率崩溃评估框架。框架的基础是将高纤维纤维纤维型非线性结构模型环境与风洞知情的随机风负载模型相结合,以进行非线性时间历史分析。一般不确定性的传播采用分层抽样计划,以便能够有效估计与稀有事件有关的再生性。为模拟高纤维性非线性非线性结构行为而采用的模式,一般而言足以应对钢结构的概率崩溃评估框架。这一框架的基础是将高纤维性纤维性纤维型非线性结构模型与风引发性崩溃分析所必不可少的一个高纤维性纤维型结构模型结合起来。所采用的疲劳模型被认为能够预测与非线性逆转性压力紧张性循环相关的损害和潜在纤维/部门性骨折,而这种循环是风力装载特征的特征。所特有的模拟高纤维性非线性结构结构结构结构的模拟模型和低周期性结构结构结构图解是第45型结构型结构型结构结构结构结构结构结构结构的缩。通过观察式结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构的缩缩图解,通过观察,在所观察到的图式结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构结构上进行初步分析中进行初步分析中进行中进行演示。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年9月27日
Arxiv
0+阅读 · 2022年9月26日
Stochastic Inverse Reinforcement Learning
Arxiv
0+阅读 · 2022年9月23日
Arxiv
14+阅读 · 2020年12月17日
VIP会员
相关资讯
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员