سال انتشار: ۱۳۸۶

محل انتشار: دومین کنفرانس ملی سازه های فضا کار

تعداد صفحات: ۱۳

نویسنده(ها):

اصغر رسولی – دانشجوی کارشناسی ارشد عمران، گرایش سازه، دانشگاه شهید باهنر کرمان
محمدجواد فدایی – استادیار دانشکده مهندسی عمران، دانشگاه شهید باهنر کرمان

چکیده:

گسترش استفاده از سازههای فضاکار به دلایل سبکی، زیبایی ، رفتار مناسب در برابر زلزله های به وقوع پیوسته و پوشش دهانه های بزرگ بدون استفاده از ستونهای میانی باعث توجه محققین و مهندسین به این گونه سازهها گردیده است. سازهها در هنگام وقوع زلزله های متوسط و شدید وارد محدوده غیرخطی می گردند و برای طراحی آنها نیاز به تحلیل غیرخطی می باشد. ولی بدلیل پرهزینه بودن روش تحلیل غیرخطی و عدم سهولت استفاده از آن، روشهای تحلیل و طراحی بر اساس تحلیل خطی سازه با نیروی کاهش یافته زلزله صورت می گیرد. جهت کاهش مقاومت سازه نسبت به مقاومت الاستیک عموما از ضرایب کاهش مقاومت )ضریب رفتار( استفاده می شود. هدف از این تحقیق تعیین ضریب رفتار شبکه های تخت سه لایه سازههای فضاکار تحت اثر نیروهای قائم زلزله با استفاده از تحلیل استاتیکی غیرخطی با می باشد. تاثیر ارتفاع لایه ها، طول اعضای شبکه های فوقانی ، تحتانی و میانی در ضریب رفتار این سازهها (Pushover) نیروهای فزاینده
بررسی خواهد شد. لذا شبکه های سه لایه مدلسازشده و با استفاده از آیین نامه های موجود، طراحی شده و مقاطع مناسب برای اعضای سازه مشخص می شوند. با توجه به اینکه از خصوصیات مهم سازههای فضاکار درصد مشارکت مدی بالا در مدهای بالاتر می باشد جهت تعیین توزیع نیرو در تحلیل استاتیکی غیرخطی از آنالیز مدال استفاده گردیده است. برای مدلسازی هندسی از نرمافزار ۲٫۰ ،Formianاستفاده شده است. Ansys و برای تحلیل مدال و تحلیل غیرخطی مدلها از نرمافزار ۹٫۰ Sap برای طراحی سازه از نرمافزار ۲۰۰۰ سپس تحلیل غیرخطی هندسی )تحلیل تغییرمکانهای بزرگ( و تحلیل غیرخطی مصالح )تحلیل الاستوپلاستیک( با توزیع نیروی مدی زیادشونده روی مدلها انجام گرفته و از روی نتایج تحلیل ها با رسم منحنی برشپایه قائم در مقابل تغییرمکان نقطه کنترل ضریب رفتار محاسبه شده و با توجه به مشخصات سازههای مطالعه شده و مقادیر بدست آمده برای ضریب رفتار از شبکه عصبی تابع بنیادی شعاعی (RBF)و شبکه عصبی رگرسیون توسعه یافته۷٫۰ (GRNN)و ضریب رفتار (Matlab استفاده شده )برنامه نویسی در محیط نرمافزارسازههای فضاکار تخت سه لایه بدون استفاده از تحلیل های غیرخطی و به کمک شبکه های عصبی آموزش دیده محاسبه شده است.