可靠度理论中“设计基准期”、“设计使用年限”、“使用寿命”几个概念的区分

news2024/9/29 5:31:23

文章目录

  • 0. 背景
  • 1. 重现期
  • 2. 设计基准期
  • 3. 设计使用年限调整系数
  • 4. 一把杆秤
  • 5. 调整系数的补充说明
  • Last

0. 背景

在可靠度理论中,经常遇见“设计基准期”、“设计使用年限”、“使用寿命”几个概念。这些概念搞不清楚对于梳理结构荷载组合而言就是致命的。本文也是源自网友总结,想要看原文的可以点击这里。感谢原作者分享。

1. 重现期

荷载的重现期是指“某事件出现或发生的平均时间间隔”,以“年”为单位度量的重现期和荷载的年超越概率成反比。比如50年重现期的风荷载,年超越概率是2%;而100年重现期的风荷载,年超越概率则为1%。对于年超越概率为p的风荷载,某一年不超过该风速的概率就是1-p,则N年都不超过的概率是(1-p)的N次方。所以该风速在N年内的超越概率可以用下式计算:

p N = 1 − ( 1 − p ) N p_N=1-(1-p)^N pN=1(1p)N

按照这个公式:50年重现期的风荷载,年超越概率为 p = 2 % p=2\% p=2%,则在50年内的超越概率是:
1 − ( 1 − 2 % ) 50 = 63 % 1-(1-2\%)^{50}=63\% 1(12%)50=63%

100年的超越概率增加为:

而200年的超越概率将达到:

2. 设计基准期

从上面的例子我们可以发现,对于可变荷载,只说超越概率而不提对应的时间长度,是没有意义的。毕竟,长远来看人是会死的、可变荷载的超越概率是会接近100%的、建筑也是会塌的(除非塌之前就被拆了)。所以为了统一衡量标准,就必须规定一个统一的时间尺度,作为可变荷载取值的时间参数。这个时间尺度,就是“设计基准期”。 《建筑结构荷载规范》第3.1.3条规定“确定可变荷载代表值时应采用50年设计基准期。”这是一条强制条文。之所以要强制,就是因为“没有规矩,不成方圆”,不把时间基准定下来,讨论荷载的超越概率以及结构的可靠指标(失效概率)就失去意义。

3. 设计使用年限调整系数

这就带来一个问题,按照50年设计基准期确定的可变荷载大小是确定的,而当一栋建筑的设计使用年限分别为50年和100年时,它的可变荷载超越概率就不一样了,那怎么办呢?《工程结构可靠性设计统一标准》和《建筑结构荷载规范》引入了“设计使用年限调整系数”来解决这个问题。《建筑结构荷载规范》第3.2.5条规定:

在这里插入图片描述
以风荷载为例,对于设计使用年限为50年的结构,其基本风压应按照规范要求取50年重现期;而对设计使用年限为100年的结构,则应按照荷载规范的规定,将风荷载重现期取为100年。前面已经说过,50年重现期的风荷载在50年内的超越概率是63%,而100年重现期的风荷载在100年内的超越概率也正好是
1 − ( 1 − 1 % ) 100 = 63 % 1-(1-1\%)^{100}=63\% 1(11%)100=63%

这样就保证了两种不同设计使用年限的结构,在设计使用年限内的风荷载的超越概率是相同的。

4. 一把杆秤

其实,“重现期和设计使用年限取为相同”的规定可以用上面的超越概率计算公式推导出来。假定设计基准期内可变荷载的超越概率为 P T P_T PT,荷载重现期为R年,设计使用年限为L年,则这3个参数满足:
1 − p T = ( 1 − 1 R ) L 1-p_T=(1-\frac{1}{R})^L 1pT=(1R1)L

两边取对数,并根据Taylor公式,当重现期较长时,有:

l n ( 1 − 1 R ) ≈ − 1 R ln(1-\frac{1}{R})\approx -\frac{1}{R} ln(1R1)R1

从而得出:
R ≈ − L l n ( 1 − p T ) R \approx -\frac{L}{ln(1-p_T)} Rln(1pT)L

根据这个公式,当给定了设计基准期内的超越概率PT后,对于不同的设计使用年限L,都可以得出对应的荷载重现期R的取值。当设计基准期内可变荷载超越概率定为63%时,上式即为:
R ≈ − L l n ( 1 − p T ) = − L l n ( 0.37 ) = L R \approx -\frac{L}{ln(1-p_T)}=-\frac{L}{ln(0.37)}=L Rln(1pT)L=ln(0.37)L=L

所以,对于设计基准期内可变荷载的超越概率取63%的情况,只要把重现期取为和设计使用年限相同,就可以保证超越概率的一致性了。 如果用杆秤来打比方,设计基准期就好比秤砣(固定不变的基准值),当设计使用年限变长或变短时(要称的东西更重或者更轻),就必须相应的增长或缩短可变荷载重现期(调整秤砣的位置),杆秤才能平衡(如下图)。

在这里插入图片描述

5. 调整系数的补充说明

楼面和屋面活荷载的设计使用年限调整系数,其原理和风荷载、雪荷载类似,都是为了保证荷载在不同设计使用年限内的超越概率相同。它们的取值,也是根据概率分布算出来的。那么为什么可变作用要考虑调整,而永久作用和偶然作用不需要考虑调整呢?这是因为,永久作用指的是在设计考虑的时间范围内,其量值变化与平均值相比可以忽略不计的作用,所以不需要根据设计使用年限进行调整。而偶然作用是在设计使用年限内不一定出现,而一旦出现其量值很大,且持续时间很短的作用。换句话说,偶然作用本来就难得一见,即使设计使用年限有所调整,偶然作用仍然是“稀有事件”,所以也不需要根据设计使用年限对其量值进行调整。

Last

最后,再次感谢原作者分享。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1333713.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

关联规则+聚类分析+分类算法(数据挖掘)

3.关联规则 经典案例 : 尿布与啤酒的故事; 基本概念 : 设I {i1,i2,....im}是项(Item)的集合。 D 是 事务(transaction)的集合(事务数据库)。 事务T是项的集合,且对每个事务具有唯一的标识: 事务号,记作TID; 设A是I中的一个项集&#xf…

恶意软件分析沙箱在网络安全策略中处于什么位置?

恶意软件分析沙箱提供了一种全面的恶意软件分析方法,包括静态和动态技术。这种全面的评估可以更全面地了解恶意软件的功能和潜在影响。然而,许多组织在确定在其安全基础设施中实施沙箱的最有效方法方面面临挑战。让我们看一下可以有效利用沙盒解决方案的…

【动态规划】11简单多状态 dp 问题_按摩师_C++(easy)

题目链接:leetcode按摩师 目录 题目解析: 算法原理 1.状态表示 2.状态转移方程 3.初始化 4.填表顺序 5.返回值 编写代码 题目解析: 题目让我们求按摩师找到最优的预约集合(总预约时间最长) 由题可得&#xff…

Java - 工厂设计模式

Java - 工厂设计模式 一. 简介二. 例子2.1 定义抽象类2.2 定义子类2.3 创建工厂2.4 测试 三. JDK中使用工厂模式的案例 前言 这是我在这个网站整理的笔记,有错误的地方请指出,关注我,接下来还会持续更新。 作者:神的孩子都在歌唱 工厂设计模式…

复分析——第1章——复分析准备知识(E.M. Stein R. Shakarchi)

第一章 复分析准备知识 (Preliminaries to Complex Analysis) The sweeping development of mathematics during the last two centuries is due in large part to the introduction of complex numbers; paradoxically, this is based on the seemingly absurd no…

[机器人-3]:开源MIT Min cheetah机械狗设计(三):嵌入式硬件设计

目录 概述: 1、硬件组成 2、通信速率 3、通信协议 4、mbedOS 概述: 以1条腿进行设计,其它腿也一样: 腿部硬件组成 1、硬件组成 1)UP board计算机板卡(Linux OS): 腿部控制器…

YOLOv8改进 | 主干篇 | 利用SENetV2改进网络结构 (全网首发改进)

一、本文介绍 本文给大家带来的改进机制是SENetV2,其是2023.11月的最新机制(所以大家想要发论文的可以在上面下点功夫),其是一种通过调整卷积网络中的通道关系来提升性能的网络结构。SENet并不是一个独立的网络模型,而是一个可以和现有的任何…

ubuntuxu双系统安装+git/g++/vim+pytorch+opencv+yolo+sitl相关学习

multirotor The first day ——12.10 1.install vmware-workstation and ubuntu swap sources and 换输入法 2.learn git github关联远程仓库 3.install and use Typora Git codemeaningmkdir test创建目录cd test进入目录git init初始化仓库ls ;ls -ah查看目…

CGAL的三维点集

CGAL提供了几种处理点集的算法,从形状检测到通过标准点集处理工具进行的表面重建。 虽然这些算法不强制使用特定的数据结构,但该软件包提供了一个3D点集结构,使用户更容易处理附加属性,如法向量、颜色、标签,并在其上调…

ES的安装和RestClient的操作

目录 初识elasticsearch 什么是elasticsearch elasticsearch的发展 Lucene的优缺点 elasticsearch的优势 倒排索引 es与mysql的概念对比 文档 索引 概念对比 架构 安装es 安装kibana 安装ik分词器 分词器 安装ik分词器 ik分词器的拓展和停用词典 操作索引库…

【文本处理】正则表达式

一、简介 正则表达式,又称规则表达式,(Regular Expression,在代码中常简写为regex、regexp或RE),是一种文本模式,包括普通字符(例如,a 到 z 之间的字母)和特殊字符&…

工具系列:PyCaret介绍_编写和训练自定义机器学习模型

文章目录 PyCaret安装PyCaret👉 让我们开始吧👉 数据集👉 数据准备PyCaret中的设置函数👉 可用模型👉 模型训练与选择👉 编写和训练自定义模型👉 GPLearn模型👉 NGBoost 模型&#x…

半导体晶圆制造SAP:助力推动新时代科技创新

随着科技的迅猛发展,半导体行业成为了推动各行各业进步的重要力量。而半导体晶圆制造作为半导体产业链的核心环节,其效率和质量的提升对于整个行业的发展起着决定性的作用。在这个高度竞争的行业中,如何提升制造过程的效率、降低成本&#xf…

Bellman_Ford算法总结

知识概览 Bellman_Ford算法适合解决存在负权边的最短路问题,时间复杂度为O(nm)。在存在负权边的最短路问题中,Bellman_Ford算法的效率虽然不如SPFA算法,但是Bellman_Ford算法能解决SPFA算法不能解决的经过不超过k条边的最短路问题。 例题展示…

RPN网络在图像处理中的应用

RPN(Region Proposal Network,区域建议网络)是深度学习中用于目标检测的关键组件之一,它通常与后续的目标检测网络(如Fast R-CNN、Faster R-CNN等)结合使用。RPN的主要作用是生成候选目标区域,从…

OpenGL 绘制Mesh数据(Qt)

文章目录 一、简介二、实现代码三、实现效果一、简介 Mesh数据的结构主要就是点与三角面片,因此本质上仍然是对三角面片进行绘制。这里我们借助VCG这个库实现对Mesh数据的读取,这个库相对简单轻巧,很方便使用。 二、实现代码 由于修改的部分很多,我们逐一进行解释一下: --…

快速入门学习定时任务框架-xxljob

定时任务框架-xxljob 简介 主要用于分布式任务调度,可以将任务调度和执行分布在多个节点上。它提供了一个集中式的管理平台,支持动态添加、修改、删除任务,以及任务的分片执行,确保任务在分布式环境中的高可用性的一个框架 spr…

【刷题篇】动态规划(八)

文章目录 1、最长定差子序列2、 最长的斐波那契子序列的长度3、最长等差数列4、等差数列划分 II - 子序列5、回文子串6、最长回文子串 1、最长定差子序列 给你一个整数数组 arr 和一个整数 difference,请你找出并返回 arr 中最长等差子序列的长度,该子序…

Python爬虫中文乱码处理实例代码解析

更多Python学习内容:ipengtao.com 大家好,我是彭涛,今天为大家分享 Python爬虫中文乱码处理实例代码解析。全文2800字,阅读大约8分钟 在进行网络数据抓取时,常常会遇到中文乱码的问题,这可能导致数据无法正…

编程规范:长函数的思考

在工作,我们应该都不想看到非常的长函数。对于一个运行5年左右的项目,极有可能出现这种情况。由于长函数的长、if/else嵌套,导致代码的可读性非常差,这对于项目的维护和开发带来了极大的困难。所以我们应该避免写长函数&#xff0…