轻钢增层结构的实用抗震设计方法

轻钢增层结构属于复合结构，我国建筑抗震规范尚未对复合结构的抗震设计方法作出具体规定，传统的抗震设计方法偏于不安全。本文提出了轻钢增层结构的实模态强振型解耦法，并对现行规范的地震影响系数提出了修订意见。     

新型外包加强型节点抗震性能试验研究

为了减小钢筋混凝土(RC)框架-轻钢增层混合结构的鞭梢效应,本文提出了一种用于该类结构的新型外包加强型节点,旨在加强对上部结构的约束,减小上下部结构的刚度突变。为了深入研究其抗震性能,与另一种外包锚固式节点进行了低周往复荷载作用下的对比性试验研究。结果表明:两种节点均表现为梁端塑性铰破坏,并能有效控制裂缝开展;新型外包加强型节点滞回曲线饱满,捏拢速度较慢,并能将塑性铰外移,有效保护了节点核心区,其刚度退化、等效黏滞阻尼系数、耗能能力等各项指标都较外包锚固式节点有不同程度的提升,提高了节点的承载力和刚度,具有更好的抗震性能。本文的研究可以为轻钢增层混合结构的推广应用提供科学依据和技术支持。     

偏心支撑对轻钢结构住宅抗震性能的影响

偏心支撑钢框架是一种新型的偏心支撑结构,具有良好的刚度、延性及耗能能力。采用非线性有限元分析软件Sap2000建立了一个6层的轻钢结构框架模型,对框架结构分别布置中心支撑、偏心支撑,分别计算了3种结构模型在水平地震作用下的抗震性能,通过对比3种结构模型在荷载作用下的自振周期、加速度及其地震响应,分析了偏心支撑对轻钢住宅抗震性能的影响。     

轻钢加层钢筋混凝土框架结构地震反应非线性分析

利用SAP2000结构有限元分析软件,对一采用轻钢材料加层的框架结构建立三维非线性有限元模型,基于数值模型,对加层后结构的抗震性能进行比较和深入分析。结果表明,加层后结构的固有频率、层间剪力、相对层间位移和层间位移都有显著改变。总体上来说,加层后结构的安全性可以满足现行国家规范要求。     

利用结构增层聚焦和耗散能量

本文采用能量集中与耗散的方法，提出了增层结构的优化刚度和质量，降低原结构的动力反应、达到了利用增层减振的效果。     

低周反复荷载下两跨两层轻钢框架抗震性能试验研究

本文通过两跨两层轻钢框架试件的低周反复加载试验,研究了轻钢框架结构在地震作用下的滞回性能、耗能机制、耗能能力、刚度退化和破坏形态,结果显示轻钢框架具有很好的抗震性能,节点域耗能能力强。论文结论可为多层轻钢框架的抗震设计提供依据。     

较小剪跨比轻钢-尾砂微晶发泡板组合墙抗震性能试验

提出了一种轻钢-尾砂微晶发泡板组合墙结构,首次进行了4个较小剪跨比轻钢-尾砂微晶发泡板组合墙试件的低周反复荷载试验,试件区分在于尾砂微晶发泡板强度、龙骨间是否填充砌块及有无拼接板缝。分析了各试件的强度、刚度、延性、滞回特性、耗能能力及破坏特征。研究结果表明:轻钢与尾砂微晶发泡板具有良好的共同工作性能;弹性阶段尾砂微晶发泡板呈剪切变形,且其变形发展受轻钢龙骨和镶嵌的分布钢筋制约;尾砂微晶发泡板强度可以明显提高结构的承载力;构件拼缝对结构的承载力有降低作用;轻钢龙骨间填充轻质砌块可显著提高其抗震性能。     

水平风振对门式刚架轻钢厂房的影响

门式刚架轻型钢结构是单层工业厂房中应用最广泛的一种结构形式,因其用钢量少,结构自重轻,施工速度快,综合效益高,近年来得到迅速发展,同时其安全性和可依赖性在近年自然灾害频发的情况下也备受关注。由于门式刚架轻型钢结构厂房的梁柱截面尺寸小,屋面轻,结构刚度小,自振周期长,对风荷载作用敏感,水平风振的影响显著。本文针对某一工程实例,建立变截面门式刚架轻钢厂房结构的模型,并对其进行了水平风振数值模拟分析,计算结果与按基本风压作用下的内力和变形进行比较。算例结果表明,水平风振对门式刚架轻钢厂房结构的影响较大,在设计中应予以考虑。     

浅谈建筑物加层中的抗震问题

叙述了建筑物增层的现实情况，提出建筑物尤其是处于地震重点监视防御区的建筑物增层时，必须考虑建筑物的场地、结构、材料等抗震因素。     

频高图F层异常分层现象的自动识别

频高图F层异常分层(增层)是指在常规电离层结构的基础上,由于电子密度被扰动而在频高图中出现多层回波结构,该F层异常分层(增层)现象在白天和晚上均可观测到.电离层异常分层(增层)主要由某种电动力学或者突发电离源导致电子密度出现扰动而形成,已经引起国内外学者的广泛关注和研究.目前从频高图中识别F层异常分层(增层)主要还是通过人工的方法,海量的频高图数据使该方法在研究F层异常分层(增层)统计特征时变得非常困难.有别于传统的图像分类算法中需要对图像特征进行提取,本文通过引入卷积神经网络(Convolution Neural Network, CNN),设计开发出一种能够自动识别存在F层异常分层(增层)频高图的方法,该方法可以直接输入频高图样本数据,省去了复杂的图像特征提取过程.本文设计的卷积神经网络经过训练以后F层异常分层(增层)识别率为85.82%,准确率90.36%.实验结果表明该卷积神经网络可以较好地自动识别出F层异常分层(增层)的频高图.