体外预应力预制节段高强混凝土梁的抗剪性能研究的抗剪性能研究

来源 :广东工业大学 | 被引量 : 0次 | 上传用户:laowangtou2
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
体外预应力预制节段高强混凝土干接缝梁(PrecastHSCsegmentalbeamswithexternaltendonsanddryjoints下文缩写为ETDJ-PHCSBs)凭借自重轻、施工便捷的优势,已经成为多数工程快速施工的竞争方案。在已有的研究中,针对预应力预制节段混凝土梁的抗弯性能的研究较多,针对其抗剪性能的研究相比较为匮乏,对ETDJ-PHCSBs的研究更少,而对于预应力预制节段梁而言,其抗剪性能较为薄弱,是桥梁设计中不容忽视的点。
  拉压杆模型(STM模型)是从连续体内抽象出的离散桁架模型,是由压杆、拉杆和节点组成,用以反映内部力流的传递。是目前用于分析D区(截面应变分布呈现明显非线性的结构区域)内部受力状态的常用工具。
  为了研究体外预应力预制节段高强混凝土干接缝梁的斜截面抗剪性能,本文依托国家自然科学基金预制节段UHPC梁接缝直剪破坏机理和设计理论(500170105),进行了一系列的试验研究。本试验共制作了8根体外束预应力节段式高强混凝土干接缝简支T型截面梁和1根体外束预应力高强混凝土整体式简支T型截面梁,并进行了四点加载测试。试验以混凝土强度、剪跨比、配箍率、接缝数量、接缝位置等作为主要的试验研究参数。试验结果表明:
  (1)提高混凝土强度或配箍率可以有效地提高体外预应力预制节段高强混凝土干接缝梁(ETDJ-PHCSBs)的抗剪承载力。
  (2)所有试验的试件的剪跨比均与抗剪强度成反比,同等条件下,剪跨比越大,则试件的抗剪承载力越低。
  (3)接缝的数目对体外预应力预制节段高强混凝土干接缝梁(ETDJ-PHCSBs)的挠度变化以及体外预应力束的应力有显著的影响。
  (4)结合美国规范AASHTO2017和中国规范JTG3362-2018提出的公式对试验结果进行了比较和验算。通过计算,该试验的结果与AASHTOLRFD和JTG3362-2018预测值之比的平均值分别为2.125和1.36,标准偏差分别为0.549和0.316。
  (5)计算发现,ACI318-14附录A规定的拉压杆原理的计算方法对体外预应力预制节段高强混凝土梁的适用性较差,试验抗剪强度试验值与计算值的比值的平均数为1.506,比值的标准偏差为0.205。其中,压杆的强度远大于实际值,拉杆的实际应力远小于实际值,这导致拉杆强度成为决定梁抗剪承载力的唯一因素,这不符合试验的实际情况。
  最后,本文根据试验梁梁的实际破坏模式的特点,利用了一种基于拉压杆模型的修正计算方法。本文使用的公式综合考虑了混凝土剪切破坏和钢绞线断裂两种破坏情况,计算结果显示,试验抗剪强度的试验值与该方法的计算值的平均值为1.04,标准差为0.135。这个比值说明了所用的公式对体外束预应力预制阶段高强混凝土T型截面简支梁的抗剪承载力具有较好的适用性,预估值与实际值较为接近。同时,该计算方法基本能准确反映试件真实的破坏模式。
其他文献
随着数据密集型应用内存消耗逐渐增大,现有的动态随机存储器(Dynamic Random Access Memory, DRAM)作为计算机内存已经难以满足大容量、高密度以及低能耗等需求。新兴的非易失性内存技术(Non-Volatile Memory, NVM)具有大容量、高密度和低功耗等特点,可以与DRAM共同组成大容量的混合内存以满足应用需求。但由于当前NVM在读写性能上与DRAM尚存在差距,在
学位
云服务商需要高性价比的大规模存储,通常采用混合存储节点,也就是使用高速固态硬盘(Solid State Drive, SSD)作第一级快速存储,机械硬盘(Hard Disk Drive, HDD)作第二级后端存储。但是SSD存在写磨损和写延迟相对高的问题,因此如何尽量减少SSD写入数据量,并充分发挥其读性能优势,成为了研究热点。  为了理解大规模商业云系统中的数据存取行为,本文分析了阿里巴巴公司盘
学位
基于日志结构合并树(Log-Structured Merged Tree,LSM-Tree)的键值存储系统由于良好的读写性能,受到越来越多的关注,已经成为近期存储系统研究的一个热点。然而,当前的LSM-Tree键值存储系统无法高效地处理频繁更新的倾斜负载,数据会频繁地写入到底层持久化设备,影响前台键值对的插入性能;同时,其内部存在写放大问题,并且文件元数据读取效率也存在改善的空间。  考虑到上述问
随着现代游戏行业的飞速发展,玩家对于游戏品质的要求也越来越高。在游戏中,智能寻路是人工智能的重要应用之一,而A*算法则是智能寻路算法中最热门的算法之一。A*算法结合了启发式搜索的思想,筛选出当前“最优”节点,从而能够大大提升搜索效率。但是A*算法由于需要扩展“最优”节点的所有后继节点,因此在地图较大且复杂的情况下,会面临节点搜索效率低且内存占用大的情况。同时,A*算法仅使用了距离维度的启发函数来评
随着人工智能的兴起和移动互联网的发展,对话系统这一新型人机交互方式逐渐走入人们的生活,并受到学术界和工业界的持续关注。意图识别是人机对话系统中自然语言理解部分的关键子任务,主要用于对话系统正确理解用户语言,意图识别的准确性影响对话系统的合理回复生成以及整个对话系统的服务质量。近年来,深度学习模型在单意图识别任务上有较好的表现,然而在多轮对话中如何利用当前对话的历史信息来理解当前对话的多个意图,是对
数据去重技术广泛应用于存储系统之中,以降低数据存储开销,但是同时也带来了系统可靠性问题。纠删码作为一种数据冗余技术,具有存储开销小、容错率高的特点,因此被引入到数据去重系统中用来提高存储系统可靠性。但当数据节点失效时,采用纠删码的去重系统,降级读性能会随数据块引用次数的增加而降低,进而影响了系统的整体读取性能。  为了提高基于纠删码的去重系统降级读性能,开展了以下研究工作。  设计并实现了数据去重
学位
许多数据去重备份系统在消除重复数据之后应用纠删码,以提高系统可靠性。而最近提出的容器内编码具有较高的降级读性能和较低的存储开销。但是,现有的容器内编码和数据去重相结合的系统可扩展性较差,无法满足随着数据规模和业务复杂度增长而产生的集群频繁伸缩的需求。  基于上述问题,提出了一种用于数据去重备份系统的优化存储扩展方案(Optimized Erasure-Coded Deduplicated Back
学位
近年来,随着非易失内存技术快速发展,动态随机存取存储器(Dynamic Random Access Memory,DRAM)和非易失性存储器(Non-Volatile Memory, NVM)构成混合存储设备来扩展计算机的内存成为一种趋势。传统的Cache替换算法未考虑NVM操作与DRAM操作之间的显著不对称性,因而无法获得较好的性能。  针对上述问题,提出了一种适用于混合内存架构的末级缓存(La
基于闪存的固态盘(Flash-based Solid State Drive,SSD)已广泛使用,然而I/O瓶颈问题依然严峻,且由于SSD有限的擦写次数,寿命也成为突出问题。基于3DXPoint新型介质的存储设备OptaneMemory加速盘(下文简称加速盘)已开始应用,且凭借时延、读性能、寿命等优势,为传统SSD提速和延长寿命提供了可能。加速盘与闪存固态盘构成混合存储系统,为系统性能提升带来了新
随着自动化技术的不断提高,为自动化技术下的可移动装置规划合理的路径就变得尤为重要,全覆盖路径规划算法就是其中的一个分支,它要求规划的路径要覆盖给定区域的所有位置,而且更优的路径可以进一步节省资源、提高效率。现有的全覆盖路径规划算法中大多是在栅格地图上来规划路径,且在栅格地图中根据方向的优先级来规划路径的时候大多数算法只考虑了四个方向。针对这些问题,本文在两种地图上提出了不同的全覆盖算法,并总结了区