基于改进IMK恢复力模型的应用与参数识别

摘要

改进Ibarra-Medina-Krawinkler(IMK)恢复力模型能较好地反映钢筋混凝土构件退化行为的滞回特征，对结构倒塌的模拟具有很好的效果，对倒塌安全性的评估，尤其是对于在相对较小变形下就开始退化的现有老建筑具有重要的意义。本文基于OpenSees软件，运用改进IMK模型，对柱构件及整体框架结构进行了在拟静力加载下的建模分析，并与广泛运用于数值模拟的纤维模型进行了分析对比，对改进IMK模型的优势与局限性进行了研究。之后提出了一种利用柱子拟静力试验实测数据识别改进IMK模型骨架曲线参数，进而提高柱构件以及整体框架结构非线性模拟精度的方法。本文的主要研究内容如下：　　介绍了改进IMK模型的骨架曲线、滞回规则以及退化模式。首先介绍了改进IMK模型的骨架曲线以及改进IMK模型的三种滞回模型即双线型滞回模型、峰值指向型模型和捏拢型模型，之后对改进IMK模型中引入的四种退化模式进行了介绍即基本强度退化、软化段强度退化、卸载刚度退化和再加载刚度退化，最后对骨架曲线中各个参数的计算取值进行了详细的介绍。该部分内容为本文后续改进IMK模型的建模分析以及参数识别部分的内容提供基础。　　基于OpenSees软件运用改进IMK模型对柱构件以及一榀3层3跨的整体框架结构进行了有限元建模分析，之后同样基于OpenSees软件运用纤维模型对柱构件及整体框架结构进行了有限元建模分析，并将改进IMK模型的模拟结果与纤维模型的模拟结果进行了分析对比，对改进IMK模型的优势与不足进行了讨论。　　基于抗差SVD-UKF算法，提出了一种利用柱构件拟静力试验实测数据识别改进IMK模型骨架曲线参数，进而提高框架结构非线性模拟精度的方法。在MATLAB仿真中验证了参数识别方法的可行性，并分析了抗差SVD-UKF算法的抗差效果，之后在MATLAB中实现了柱滞回特征正负向对称与非对称两种情况下改进IMK恢复力模型骨架曲线参数的识别。对钢筋混凝土柱实测滞回曲线的模型骨架曲线参数识别结果及其在框架结构非线性模拟中的应用结果验证了参数识别方法的有效性。

目录

声明

第 1 章 绪论

1.1 研究的背景及意义

1.2 钢筋混凝土构件的恢复力模型研究现状

1.2.1 材料本构模型

1.2.2塑性铰恢复力模型

1.3 参数识别研究现状

1.3.1 最小二乘法

1.3.2 卡尔曼滤波器

1.3.3 扩展卡尔曼滤波器

1.3.4 无迹卡尔曼滤波器

1.4 本文的主要研究内容

第 2 章 改进 Ibarra-Medina-Krawinkler 恢复力模型

2.1 引言

2.2 改进 IMK 模型的骨架曲线以及滞回规则

2.2.1 改进 IMK 模型的骨架曲线

2.2.2 改进 IMK 模型中的三类滞回模型

2.3 改进 IMK 模型的四种退化模式

2.4改进IMK模型参数的计算

2.5 本章小结

第3章 改进Ibarra-Medina-Krawinkler恢复力模型的应用及对比

3.1 引言

3.2 OpenSees 计算软件

3.3 OpenSees 中的指令

3.3.1 维度和节点的设定

3.3.2单轴材料的定义

3.3.3 单元的设定

3.3.4 重力加载分析

3.3.5 拟静力加载分析

3.3.6 分析结果记录

3.4试验概况

3.4.1 柱构件试验概况

3.4.2整体结构试验概况

3.5柱构件的数值模拟

3.5.1 基于改进 IMK 模型的柱构件数值模拟

3.5.2基于纤维模型的柱构件数值模拟

3.5.3 改进 IMK 模型与纤维模型模拟结果的对比

3.6 整体结构的数值模拟

3.6.1 基于改进 IMK 模型的整体结构数值模拟

3.6.2 基于纤维模型的整体结构数值模拟

3.6.3改进IMK模型与纤维模型模拟结果的对比

3.7本章小结

第 4 章 改进 IMK 模型的参数识别及应用

4.1引言

4.2无迹卡尔曼滤波（UKF）算法

4.2.1 UKF 原理

4.2.2 无迹变换

4.2.3 UKF 流程

4.2.4 PSO 在 UKF 中的应用

4.3基于SVD分解的抗差UKF算法

4.3.1 SVD 分解

4.3.2抗差模块

4.4 改进 IMK 模型的仿真

4.4.1 MATLAB 中改进 IMK 模型仿真的实现

4.4.2 MATLAB 中改进 IMK 模型的仿真分析

4.5 柱构件参数识别

4.5.1 基于柱试验结果的对称改进 IMK 模型骨架曲线参数识别

4.5.2 基于柱试验结果的非对称改进 IMK 模型骨架曲线参数识别

4.6 柱构件参数识别结果的应用

4.7 本章小结

结论与展望

参考文献

致谢

附录 A 攻读学位期间所发表的学术论文