توسعه مدل خرپایی برای تخمین ظرفیت برشی تیرهای دارای بازشوی لوبیایی در جان
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 225
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSEC-8-5_010
تاریخ نمایه سازی: 11 مهر 1400
Abstract:
ایجاد بازشو در جان تیر یکی از امور متداول در سازه های فولادی می باشد. در حال حاضر برآورد مقاومت این نواحی بر اساس روابطی استوار می باشد که مبتنی بر اندرکنش خمش، برش و نیروی محوری در ناحیه مذکور است. با توجه به بررسی های به عمل آمده عملکرد این نواحی را می توان به صورت رفتار خرپایی جان تیر تحت نیروهای وارده توصیف نمود. بر همین اساس، هدف تحقیق حاضر توسعه یک مدل خرپایی برای نواحی یاد شده از تیرها و ارائه روابط حاکم برای برآورد ظرفیت باربری آنها می باشد. بدین منظور، ابتدا هندسه و ابعاد خرپای مذکور شرح داده شده و ظرفیت برشی تیر در ناحیه با جان کاهش یافته بر حسب پارامترهای هندسی المان های قطری خرپا محاسبه شده است. برای بررسی دقت هندسه پیشنهادی، دو مدل المان محدود تیر با ابعاد مختلف بازشو در نرم افزار آباکوس تولید و با استفاده از بهینه سازی پارامترهای هندسی مجهول، ابعاد و هندسه المان های خرپایی مد نظر تعیین و با مقادیر تعیین شده توسط روابط پیشنهادی مقایسه شده است. طبق نتایج این مقایسه، هندسه پیشنهادی برای مدل خرپایی مطابقت مناسبی با نتایج حاصل از بهینه سازی هندسی توسط نرم افزار دارد. در ادامه، نمودارهای طراحی برای محاسبه ظرفیت برشی مقطع با جان کاهش یافته به صورت تابعی از مشخصات هندسی تیر و بازشوی جان ارائه شده و پیش بینی های حاصل با نتایج تحلیل مدل المان محدود مقایسه شده است. بر همین اساس و با مقایسه پیش بینی های روش پیشنهادی با نتایج حاصل از ۱۲۰ نمونه المان محدود، میانگین قدر مطلق خطا برابر با ۶% و انحراف از معیار آن برابر با ۷/۳ % تعیین گردید. علیرغم سادگی و سهولت کاربرد مدل پیشنهادی، می توان گفت که دقت آن در محدوده قابل قبولی قرار داشته و استفاده از آن برای برآورد ظرفیت برشی مقاطع با جان کاهش یافته قابل توصیه می باشد.
Keywords:
Authors
وحید اکرمی
عضو هیات علمی، دانشکده فنی و مهندسی، دانشگاه محقق اردبیلی، اردبیل، 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 :