بررسی رفتار سیستم قاب ستون پیوند شده فولادی جهت تقویت قاب های بتن آرمه
Publish place: KARAFAN، Vol: 18، Issue: 1
Publish Year: 1400
Type: Journal paper
Language: Persian
View: 345
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_KARFN-18-1_003
Index date: 7 June 2021
بررسی رفتار سیستم قاب ستون پیوند شده فولادی جهت تقویت قاب های بتن آرمه abstract
یکی از جدیدترین زمینه های مطالعات در حوزه مهندسی سازه و زلزله، دستیابی به سیستم های سازه ای است که پس از وقوع زلزله، به سرعت به وضعیت پیش از زلزله و خدمت رسانی بازگردد. سیستم قاب ستون پیوند شده فولادی (LCF) یکی از جدیدترین این سیستم ها است که با داشتن اعضای تیر پیوند قابل تعویض به عنوان عضو فیوز هنگام زلزله از سیستم باربر قائم محافظت می کند. پایین بودن زمان، هزینه و سهولت تعمیر در این سیستم ها، سبب بازگشت سریع ساختمان به خدمت رسانی خواهد شد. در این سیستم، تیرهای پیوند قابل تعویض به کار رفته، در ابتدا سختی اولیه سیستم را تامین می کنند و سپس با استهلاک انرژی ناشی از تسلیم، رفتار غیرخطی نرم و شکل پذیری از خود به نمایش میگذارند. در این تحقیق، به بررسی رفتار سیستم قاب ستون پیوند شده فولادی برای تقویت قابهای بتنآرمه در دو ساختمان پنج و ده طبقه پرداخته شده است. براساس نتایج تحلیل استاتیکی غیرخطی، از دو سازه بتن آرمه پنج و ده طبقه تقویت شده با سیستم LCF، میزان ظرفیت باربری و قابلیت استهلاک انرژی نسبت به سازه بدون تقویت به طور میانگین در حدود ۱/۳ برابر افزایش می یابد؛ به طوری که مفاصل پلاستیک ابتدا در قابهای فولادی (LC) تشکیل میشوند و سازه بتنآرمه در حالت الاستیک باقی میماند. همچنین حداکثر و حداقل مقدار درصد جذب برش برای قاب های LC به طور متوسط به ترتیب در طبقات پایین در حدود ۸۰ درصد و در طبقات بالا در حدود ۱۳ درصد از نیروی زلزله را جذب میکنند.
بررسی رفتار سیستم قاب ستون پیوند شده فولادی جهت تقویت قاب های بتن آرمه Keywords:
بررسی رفتار سیستم قاب ستون پیوند شده فولادی جهت تقویت قاب های بتن آرمه authors
علیرضا عزالدین
استادیار، گروه مهندسی عمران، آموزشکده فنی سمنان، دانشگاه فنی و حرفه ای استان سمنان، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :