UHPC梁模型试验研究与优化设计

发布时间：2020-06-23 02:05

【摘要】：超高性能混凝土(Ultra-High Performance Concrete,UHPC)作为一种新型水泥基复合材料,具有优异的力学性能、耐久性能和低渗透性能,用UHPC代替普通混凝土进行结构设计,可以解决普通混凝土桥梁自重大、徐变效应大、易开裂、耐久性差等问题,可以提高结构的安全性能和使用寿命,极具应用前景。混凝土简支T梁桥,由于其结构简单、制作、运输及养护维修方便,是我国中小跨径桥梁的主要桥型,为了充分利用UHPC材料优越的力学性能,降低桥梁总体造价,本文用UHPC代替普通混凝土,满足规范标准要求的前提下,对公路常用跨度UHPC简支T梁进行优化设计与可靠度分析。本文的主要工作有:(1)完成三片UHPC简支T梁的全过程加载试验,获得了试验梁从加载到破坏的全过程的主要试验结果,分析其开裂过程及承载能力极限值。根据工程设计需要,提出了简化的极限承载能力计算公式,并验证了该计算方法的可靠性。(2)利用ABAQUS有限元软件模拟实验梁的整个加载过程,模拟结果与试验结果大致相符,表明有限元的模拟过程的参数的准确性与适应性。(3)本文以粒子群算法为优化方法为基础,采用本文提出的简化计算公式,对公路常用跨度的简支T梁进行了优化设计。为了提高收敛速度和收敛精度,借鉴遗传算法中选择杂交操作,对传统粒子群算法进行了改进。(4)优化结果表明,普通钢筋UHPC简支梁主要受抗弯承载能力和最大裂缝宽度的约束,对于挠度约束条件没有受到限制;预应力UHPC简支梁主要受抗弯承载能力和挠度的约束,正截面压应力约束条件没有受到限制,正截面压应力最大值仅为37.70MPa,远没有达到规范要求的限值,因此安全性能得到极大的提高。(5)确定UHPC简支T梁的承载能力和正常使用极限状态(抗裂和挠度)方程中基本随机变量,分别考虑影响它们的各种随机因素,给出影响抗力的随机变量的统计特征值,对优化结果在上述各极限状态的可靠度指标进行计算,得到承载能力的可靠度指标均高于规范要求的目标可靠度指标。预应力UHPC简支梁的经济梁高下挠度可靠度指标偏低,建议将预应力UHPC T梁的高跨比控制在1/25以内,能有效提高挠度可靠度指标。
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U446.1
【图文】：

UHPC 梁模型试验研究与优化设计年，我国发布的《活性粉末混凝土》（GB/T 31387-2015）,规定了活性粉末混凝土的定义、分类、性能等要素[6]。1.2 中小跨径桥梁的常见病害1. 混凝土缺陷由于普通混凝土施工过程中的振捣不到位，混凝土浇筑时坍落度过小，或者由于浇筑过程中落差太大，造成混凝土的离析现象，模板漏浆现象严重，都有可能引起的混凝土蜂窝麻面现象。如图 1.1 所示。

c）钢筋锈蚀膨胀 d）铰接缝裂缝图 1.2 典型裂缝病害a）桥面车辙 b）铺装碎裂图 1.3 常见桥面铺装病害1.3 超高性能混凝土概述超高性能混凝土（UHPC）源于 1991 年法国的活性粉末混凝土（Reactive Powder[7]

【相似文献】

相关期刊论文 前10条

1 陈建新;崔广才;;基于改进粒子群算法的函数优化研究[J];电脑迷;2018年01期

2 周慧;;基于粒子群算法的最优值求解[J];科技广场;2017年12期

3 吴丰;郭晓娟;;基于混合粒子群算法的船舶稳定性分析[J];舰船科学技术;2018年14期

4 邓广彪;;改进的粒子群算法在云计算下的数据挖掘中的研究[J];科技通报;2017年04期

5 张钊旭;王志杰;李建辰;王贵奇;许军;杨进候;;一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J];水下无人系统学报;2017年03期

6 朱俚治;王兴虎;;试谈粒子群算法[J];电脑编程技巧与维护;2017年11期

7 朱宝;;基于改进粒子群算法的盾构掘进施工优化研究[J];辽宁科技学院学报;2017年03期

8 袁正午;李君琪;;基于改进粒子群算法的云资源调度[J];计算机工程与设计;2016年02期

9 江嘉伟;毋文峰;;一种改进的粒子群算法[J];电脑编程技巧与维护;2016年06期

10 张卫明;周庆忠;黎武;;基于改进粒子群算法的野战油库选址优化[J];兵器装备工程学报;2016年08期

相关会议论文 前10条

1 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

2 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

3 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

4 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

5 王波;肖健梅;王锡淮;;基于改进粒子群算法的车辆路径问题研究[A];2007中国控制与决策学术年会论文集[C];2007年

6 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年

7 黄胜;任万龙;王超;何新;;多目标粒子群算法在翼型优化的应用[A];第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集（上册）[C];2013年

8 王莹;盛四清;;基于改进粒子群算法的电压薄弱区域恢复[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

9 孟繁敏;杨彬;张其林;;改进的粒子群算法在钢框架截面优化中的应用[A];第十三届全国现代结构工程学术研讨会论文集[C];2013年

10 孔宪仁;秦玉灵;罗文波;;带飞行因子的粒子群算法的铝蜂窝板模型修正[A];结构及多学科优化工程应用与理论研讨会’2009（CSMO-2009）论文集[C];2009年

相关博士学位论文 前10条

1 刘天宇;基于协作学习和文化进化机制的量子粒子群算法及应用研究[D];西安电子科技大学;2017年

2 孟丽;粒子群算法及其在分数阶系统辨识中的应用研究[D];华北电力大学(北京);2016年

3 韩佳伟;多层级苹果预冷过程模拟及预冷控制决策优化[D];北京工业大学;2018年

4 钟继如;基于混合粒子群算法的小冲杆试验预测材料强度的研究[D];华东理工大学;2019年

5 雷开友;粒子群算法及其应用研究[D];西南大学;2006年

6 王芳;粒子群算法的研究[D];西南大学;2006年

7 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

8 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

9 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年

10 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

相关硕士学位论文 前10条

1 崔权龙;基于意外流行决策的粒子群算法研究[D];吉林大学;2019年

2 赵艺;基于粒子群算法的超导瞬变电磁极化效应多参数提取[D];吉林大学;2019年

3 武海妮;改进的粒子群算法在求解非线性方程组中的应用[D];延安大学;2019年

4 余铖铨;考虑驾驶风格的混合动力汽车队列速度优化研究[D];江苏大学;2019年

5 张庆;基于改进型混沌映射的粒子群算法及其在天线参数优化中的应用[D];云南大学;2018年

6 陈涛;基于无标度网络的改进粒子群算法研究[D];云南大学;2018年

7 张贺;混合粒子群算法在水电站优化调度中的应用研究[D];新疆大学;2019年

8 李红魁;基于粒子群算法的公路工程多目标成本优化研究[D];广州大学;2019年

9 熊龙飞;基于CEEMDAN与粒子群算法的旋转机械故障诊断研究[D];南京农业大学;2017年

10 李东;改进粒子群算法及结构优化设计应用研究[D];浙江工业大学;2018年

本文编号：2726613