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

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.hqwc.cn/news/298007.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

第二十一章博客

计算机应用实现了多台计算机间的互联,使得它们彼此之间能够进行数据交流。网络应用程序就是在已连接的不同计算机上运行的程序,这些程序借助于网络协议,相互之间可以交换数据。编写网络应用程序前,首先必须明确所要使用的网络协议…

C语言中常见的笔试题(二)

题目一: 问题: 在C语言中,const关键字有哪些用途?请列举出至少三种用途,并给出相应的代码示例。 答案: 定义常量:使用const关键字可以定义常量,它们的值在程序运行期间不能被修改…

SpringMVC核心处理流程梳理

1、处理流程图展示 当我拿出这张图,阁下又该如何应对呢?执行流程是不是一目了然了。 2、DispatcherServlet:中央处理器或者中央调度器 下图官方的解释应该最完善了。 3、SpringMVC三大核心组件 HandlerMapping 处理器映射器,…

[机器人-2]:开源MIT Min cheetah机械狗设计(二):机械结构设计

目录 1、四肢朝向的选择 2、电机布局形式的选择 3、电机的选型及测试(非常重要) 4、结构优化 5、尺寸效应 6、其他 1、四肢朝向的选择 机械狗的结构设计,第一个摆在我们面前的就说四肢的朝向问题,如下图,我们是…

Spark集群部署与架构

在大数据时代,处理海量数据需要分布式计算框架。Apache Spark作为一种强大的大数据处理工具,可以在集群中高效运行,处理数十TB甚至PB级别的数据。本文将介绍如何构建和管理Spark集群,以满足大规模数据处理的需求。 Spark集群架构…

SLAM算法与工程实践——SLAM基本库的安装与使用(6):g2o优化库(4)构建g2o的边

SLAM算法与工程实践系列文章 下面是SLAM算法与工程实践系列文章的总链接,本人发表这个系列的文章链接均收录于此 SLAM算法与工程实践系列文章链接 下面是专栏地址: SLAM算法与工程实践系列专栏 文章目录 SLAM算法与工程实践系列文章SLAM算法与工程实践…

Kubernetes(K8S)快速入门

概述 在本门课程中,我们将会学习K8S一些非常重要和核心概念,已经操作这些核心概念对应组件的相关命令和方式。比如Deploy部署,Pod容器,调度器,Service服务,Node集群节点,Helm包管理器等等。 在…

​【C语言】乘法表

题目要求: 实现一个函数,打印乘法口诀表,口诀表的行数和列数自己指定 如:输入9,输出9 * 9口诀表,输出12,输出12 * 12的乘法口诀表。 题目分析: 我们观察乘法口诀表可以发现&#x…

力扣题目学习笔记(OC + Swift)17. 电话号码的字母组合

17. 电话号码的字母组合 给定一个仅包含数字 2-9 的字符串,返回所有它能表示的字母组合。答案可以按 任意顺序 返回。 给出数字到字母的映射如下(与电话按键相同)。注意 1 不对应任何字母。 关键字:所有组合 模式识别&#xff1a…

【Qt之Quick模块】6. QML语法详解_1 基础语法与三种导入语句

前言 通过以上1-5文档的介绍,Quick与QML的概念及QML语法、类型、文件作用等已叙述个大概,接下来是对QML语法进行展开来说。 其实,学习任何一门语言或者做任何一件事情,并不用一开始就要求尽善尽美,做个无懈可击&…

大数据----基于sogou.500w.utf8数据的MapReduce编程

目录 一、前言二、准备数据三、编程实现3.1、统计出搜索过包含有“仙剑奇侠传”内容的UID及搜索关键字记录3.2、统计rank<3并且order>2的所有UID及数量3.3、上午7-9点之间&#xff0c;搜索过“赶集网”的用户UID3.4、通过Rank&#xff1a;点击排名 对数据进行排序 四、参…

POE API 驱动 OpenAI API 依赖服务

本文主要是介绍了如何利用 POE 提供的 API 服务来驱动原来依赖 OpenAI 的 API 服务 AIGC 的大模型已经火了很久&#xff0c;但是众所周知的原因 OpenAI 的服务订阅对于大陆用户很不友好。而另一个 AIGC 聚合平台 POE 则对大陆用户比较友好&#xff0c;招行的 VISA 和 Master 卡…