بررسی رفتار قاب جزء در سازه های بتن مسلح در برابر خرابی پیشرونده
Publish place: 5th National Conference of Concrete
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,442
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCICI05_022
تاریخ نمایه سازی: 22 فروردین 1393
Abstract:
در سال های اخیر آسیب پذیری ساختمان ها در برابر خرابی پیشرونده مورد توجه بسیاری از محققین قرار گرفته است. خرابی پیشرونده عبارت است از شکست در کل سازه یا بخش نسبتاً وسیعی از آن، ناشی از حوادثی که به بخشی از سازه آسیب می زند و عدم توانایی اعضای مجاور برای بازتوزیع اضافه بار از طریق مسیری که بتواند پایداری و پیوستگی کلی سازه را حفظ کند. خرابی پیشرونده ممکن است در اثر بارگذاری غیرعادی نظیر انفجار، آتش سوزی شدید، برخورد وسایل نقلیه به قسمتی از سازه و غیره اتفاق بیفتد. در این مطالعه رفتار کلی قاب جزء در خرابی پیشرونده از طریق مدلسازی با استفاده از نرم افزار المان محدود ABAQUS بررسی شده است، این قاب جزء شامل دو تیر و سه ستون می باشد و از یک ساختمان ده طبقه انتخاب شده که توسط انجمن ملی استاندارد و تکنولوژی آمریکا طراحی گردیده است، در این قاب جزء ستون میانی حذف می گردد و بارگذاری بصورت تغییر مکان روی آن اعمال می شود. نتایج مدلسازی با نتایج آزمایشگاهی ارائه شده توسط انجمن ملی استاندارد و تکنولوژی آمریکا شامل دوران انتهای تیرها، جابجایی قائم در نقاط مختلف و نمودار بار تغییر مکان ستون میانی - مقایسه گردیده است و تطابق مناسبی بین نتایج آزمایشگاهی و نتایج بدست آمده از مدلسازی مشاهده می گردد. این مطالعه نشان می دهد که مدلسازی انجام شده می تواند با دقت بالایی پاسخ قاب جزء مورد بررسی را پیش بینی کند و با توجه به در اختیار نبودن نتایج آزمایشگاهی برای حالت سهبعدی و بالا بودن هزینه مطالعات آزمایشگاهی میتوان از این مدل برای پیش بینی رفتار قاب جزء مذکور در حالت سه بعدی استفاده کرد.
Keywords:
Authors
رضا عباس نیا
دانشیار گروه مهندسی عمران دانشگاه علم و صنعت ایران
سید سبحان حسینی
دانشجوی کارشناسی ارشد مهندسی عمران دانشگاه علم و صنعت 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 :