Оценка индекса надежности стальных ферм по критерию жесткости при интервальной неопределенности данных

Обложка

Цитировать

Полный текст

Аннотация

Представлен новый подход к оценке индекса надежности стальных ферм по критерию жесткости с учетом неопределенности случайных величин, выраженной в интервальной форме. Классические вероятностно-статистические методы анализа надежности требуют выбора и обоснования законов распределения случайных величин и их параметров. Субъективное принятие статистических гипотез может привести к большим ошибкам в анализе надежности строительных конструкций. В исследовании представляются случайные величины в виде интервалов, которые характеризуют границы их изменчивости. Такие интервалы могут быть получены как допуски в рамках технической документации, по опыту строительных работ или путем анализа данных. Показана возможность использования неравенства Высочанского - Петунина для получения границ изменчивости случайной величины без гипотезы о конкретном распределении вероятностей. Анализ надежности стержневых систем усложняется за счет неопределенности данных в каждом элементе системы. Для инженерного решения этой проблемы представлен аналитический подход к задаче оптимизации, на основе которой вычисляется индекс надежности. Получение индекса надежности фермы позволяет в количественной форме сравнить несколько проектных решений ферм по критерию безопасности эксплуатации.

Об авторах

Сергей Александрович Соловьев

Вологодский государственный университет

Email: solovevsa@vogu35.ru
ORCID iD: 0000-0001-7083-7963
SPIN-код: 4738-8927

кандидат технических наук, доцент кафедры промышленного и гражданского строительства

Российская Федерация, 160000, Вологда, ул. Ленина, д. 15

Александр Эдуардович Иньков

Вологодский государственный университет

Автор, ответственный за переписку.
Email: inkovaie@vogu35.ru
ORCID iD: 0000-0002-7034-8606
SPIN-код: 7977-7778

аспирант, ассистент кафедры промышленного и гражданского строительства

Российская Федерация, 160000, Вологда, ул. Ленина, д. 15

Анастасия Андреевна Соловьева

Вологодский государственный университет

Email: solovevaaa@vogu35.ru
ORCID iD: 0000-0002-5285-5882
SPIN-код: 5162-9279

аспирант, преподаватель кафедры промышленного и гражданского строительства

Российская Федерация, 160000, Вологда, ул. Ленина, д. 15

Список литературы

  1. Mkrtychev O.V., Rajzer V.D. Reliability theory in structural design. Moscow: ASV Publ.; 2016. (In Russ.)
  2. Klevtsov V.A., Kuzevanov D.V. Structural design issues using reliability theory. Beton i Zhelezobeton [Concrete and Reinforced Concrete]. 2009;(2):9-13. (In Russ.)
  3. Faes M.G., Daub M., Marelli S., Patelli E., Beer M. Engineering analysis with probability boxes: a review on computational methods. Structural Safety. 2021;93:102092. https://doi.org/0.1016/j.strusafe.2021.102092
  4. Huang H.Z., Wang Z.L., Li Y.F., Huang B., Xiao N.C., He L.P. A nonprobabilistic set model of structural reliability based on satisfaction degree of interval. Mechanika. 2011;17(1):85-92. https://doi.org/10.5755/j01.mech.17.1.208
  5. Solovev S.A., Soloveva A.A. A research into the development of models of random variables as part of the structural reliability analysis performed in the absence of some statistical information. Vestnik MGSU (Monthly Journal on Construction and Architecture). 2021;16(5):587-607. (In Russ.) https://doi.org/10.22227/1997-0935.2021.5.587-607
  6. Jiang C., Zheng J., Han X. Probability-interval hybrid uncertainty analysis for structures with both aleatory and epistemic uncertainties: a review. Structural and Multidisciplinary Optimization. 2018;57(6):2485-2502. https://doi.org/10.1007/s00158-017-1864-4
  7. Ben-Haim Y., Elishakoff I. Convex models of uncertainty in applied. Amsterdam: Elsevier; 1990.
  8. Utkin V.S., Solovyov S.A. Calculation of the residual bearing capacity of reinforced concrete beams by the rigidity (deflection) criterion. Magazine of Civil Engineering. 2015;(4):45-53. (In Russ.) https://doi.org/10.5862/MCE.56.6
  9. Kirsanov M.N. Analytical calculation of deflection of a planar truss with a triple lattice. Magazine of Civil Engineering. 2021;102(2):10211. https://doi.org/10.34910/MCE. 102.11
  10. Soloveva A.A., Solovev S.A. Structural reliability analysis of steel truss elements on buckling using p-box approach. Structural Mechanics and Analysis of Constructions. 2021;(1):45-53. (In Russ.) https://doi.org/10.22227/1997-0935.2021.2.153-167
  11. Shpete G. Reliability of load-bearing structures. Moscow: Stroyizdat Publ.; 1994. (In Russ.)
  12. Motra H.B., Hildebrand J., Dimmig-Osburg A. Assessment of strain measurement techniques to characterise mechanical properties of structural steel. Engineering Science and Technology, an International Journal. 2014;17(4):260-269. https://doi.org/10.1016/j.jestch.2014.07.006
  13. Adishchev V.V., Shmakov D.S. Method of constructing the membership function with “direct” processing of initial data. Proceedings of the Novosibirsk State University of Architecture and Civil Engineering (Sibstrin). 2013;16(2):45-66. (In Russ.)
  14. Xin T., Zhao J., Cui C., Duan Y. A non-probabilistic time-variant method for structural reliability analysis. Proceedings of the Institution of Mechanical Engineers. Part O: Journal of Risk and Reliability. 2020;234(5):664-675. https://doi.org/10.1177/1748006X2092819
  15. Jiang C., Zhang Q.F., Han X., Qian Y.H. A non-probabilistic structural reliability analysis method based on a multidimensional parallelepiped convex model. Acta Mechanica. 2014;225(2):383-395. https://doi.org/10.1007/s00707-013-0975-2
  16. Li K., Liu H. Structural reliability analysis by using non-probabilistic multi-cluster ellipsoidal model. Entropy. 2022;24(9):1209. https://doi.org/10.3390/e24091209
  17. Hong L., Li H., Fu J., Li J., Peng K. Hybrid active learning method for non-probabilistic reliability analysis with multi-super-ellipsoidal model. Reliability Engineering & System Safety. 2022;222:108414. https://doi.org/10.1016/j.ress.2022.108414
  18. Cao L., Liu J., Xie L., Jiang C., Bi R. Non-probabilistic polygonal convex set model for structural uncertainty quantification. Applied Mathematical Modelling. 2021;89:504-518. https://doi.org/10.1016/j.apm.2020.07.025
  19. Wang L., Liu Y., Wang X., Qiu Z. Convexity-oriented reliability-based topology optimization (CRBTO) in the time domain using the equivalent static loads method. Aerospace Science and Technology. 2022;123:107490. https://doi.org/10.1016/j.ast.2022.107490
  20. Qiao X., Song L., Liu P., Fang X. Invariance problem in structural non-probabilistic reliability index. Journal of Mechanical Science and Technology. 2021;35(11):4953-4961. https://doi.org/10.1007/s12206-021-1014-1
  21. Chen X., Tang C.Y., Tsui C.P., Fan J. Modified scheme based on semi-analytic approach for computing non-probabilistic reliability index. Acta Mechanica Solida Sinica. 2010;23(2):115-123. https://doi.org/10.1016/S0894-9166(10)60013-4
  22. Liu H., Xiao N.C. An efficient method for calculating system non-probabilistic reliability index. Eksploatacja i Niezawodność. 2021;23(3):498-504. https://doi.org/10.17531/ein.2021.3.10
  23. Guo S.X., Lu Z.Z. A non-probabilistic robust reliability method for analysis and design optimization of structures with uncertain-but-bounded parameters. Applied Mathematical Modelling. 2015;39(7):1985-2002. https://doi.org/10.1016/j.apm.2014.10.026
  24. Tang Z.C., Xia Y., Xue Q., Liu J. A non-probabilistic solution for uncertainty and sensitivity analysis on techno-economic assessments of biodiesel production with interval uncertainties. Energies. 2018;11(3):588. https://doi.org/10.3390/en11030588

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».