钢筋混凝土混合风力涡轮机塔体混凝土疲劳失效的模型构建与验证
《Case Studies in Construction Materials》:Model and test verification for concrete fatigue failure of the steel-concrete hybrid wind turbine tower
【字体:
大
中
小
】
时间:2026年05月05日
来源:Case Studies in Construction Materials 6.6
编辑推荐:
黄思荣|张东亮|王宇航|杨林|李天浩|傅坤|张嘉伟|李俊林
中国华东工程股份有限公司,杭州311122
**摘要**
随着钢结构-混凝土混合风力发电机塔的广泛应用,混凝土疲劳设计已成为工程设计中的一个挑战,也是影响成本的主要因素之一。混凝土疲劳受许多相互关联的非线性
黄思荣|张东亮|王宇航|杨林|李天浩|傅坤|张嘉伟|李俊林
中国华东工程股份有限公司,杭州311122
**摘要**
随着钢结构-混凝土混合风力发电机塔的广泛应用,混凝土疲劳设计已成为工程设计中的一个挑战,也是影响成本的主要因素之一。混凝土疲劳受许多相互关联的非线性因素的影响,目前尚无关于这些因素的定量测量共识。为了开发更准确的方法来描述混凝土材料的S-N曲线和数值计算方法,本研究采用了反向传播神经网络(BPNN),并利用包含558个恒幅疲劳试验结果的扩展实验数据库来预测混凝土疲劳行为。在测试集上,BPNN的预测达到了0.926的决定系数(R2)、0.352的均方根误差(RMSE)和0.244的平均绝对误差(MAE),显著优于现有的基于代码的方法(NEN 6723:R2 = 0.411,RMSE = 1.894,MAE = 1.640;EN 1992:R2 = 0.410,RMSE = 1.312,MAE = 1.085;fib Model Code 2010:R2 = 0.056,RMSE = 5.755,MAE = 2.011)。此外,还设计并测试了一个基于工程原型的1:5比例缩比试样,对其进行变幅高周疲劳加载。在fe-safe中评估了三种平均应力修正方法(Goodman、Gerber和R-ratio),以确定最适合混凝土疲劳分析的方法。观察到的疲劳损伤演变过程分为三个阶段——应力重新分布、稳定损伤积累和快速失效——BPNN基的有限元模型准确捕捉了这一过程,平均刚度误差为9.43%,与实验测量结果相当。因此,当有足够的数据支持时,可以应用BPNN方法来计算混凝土的S-N曲线,并且可以使用fe-safe有效地设计承受复杂应力结构的疲劳性能。
**总结:**
- 使用BPNN描述了混凝土疲劳的S-N曲线。
- 选择了处理混凝土疲劳中平均应力的最佳方法。
- 完成了基于工程原型的塔体疲劳试验。
- 在fe-safe中评估了BPNN和代码的S-N曲线。
**1. 引言**
随着钢结构-混凝土混合塔结构在风能工程中的广泛应用,混凝土疲劳失效问题已成为一个紧迫的设计难题。在风能工程中,混凝土的疲劳性能尤为重要,因为风力发电机塔需要承受长期的循环风荷载[1],[2],[3],这可能会逐渐导致混凝土构件的疲劳损伤,从而引发严重的安全隐患。因此,理解和预测不同风荷载条件下的混凝土疲劳性能至关重要。与钢等材料不同,由于混凝土是一种复杂的多相复合材料,其疲劳失效表现出很强的变异性。由于疲劳寿命与其影响因素之间的非线性映射关系,使得在设计中准确考虑这些特性变得具有挑战性。为了解决这一问题,研究人员和工程师不断努力开发更精确的模型和方法,以评估长期风荷载下混凝土结构的疲劳性能[4],[5],[6],[7],[8],[9]。他们结合实验测试和数值模拟来研究混凝土在各种荷载历史下的疲劳行为,并提出相应的设计建议和改进措施[10],[11],[12],[13]。
确定混凝土疲劳寿命的主要难点在于影响因素的复杂性和材料的强非线性。混凝土的疲劳强度主要受几个参数的影响。第一个参数是应用周期内的最大和最小应力水平(Smin和Smax)。最小应力Smin的增加会导致失效周期数的增加。第二个参数是混凝土的强度等级。在疲劳试验中,观察到在给定应力水平下,失效周期数(N)存在显著分散,这种分散归因于混凝土抗压强度的可变性。虽然水泥比、水泥含量、包裹空气含量、养护条件和加载龄期等因素对混凝土疲劳强度有不可忽视的影响,但从工程应用的角度来看,纳入这些因素会导致模型过于复杂[14],[15],[16]。这种简化符合当前的设计标准,这些标准仅考虑了混凝土的强度和应力效应。
传统的疲劳寿命分析依赖于数学统计,将实验数据拟合到特定的回归方程中。最初,疲劳寿命方程中考虑的参数只有应力水平。随后,应力比(R)[17],[18]、失效概率(P)[19]和加载频率[18],[20]等活动逐渐被整合到实际应用中。例如,以前的荷兰国家标准NEN 6723:2009 [21]、NEN-EN 1992-1–1+C2:2011 [22]和fib Model Code 2010 [23]提供了混凝土的S-N曲线。尽管提出的方程全面而复杂,但它们不能应用于所有疲劳分析,且难以保证其准确性。此外,目前尚无关于这些因素的定量测量的共识。表1提供了本研究中使用的代码方程的概览,包括当前和之前使用的方程。
**表1. 代码方程概览**
| 代码 | 方程 | itational Metric | |
|------|-----------------------------------------|----------------------------------------------------------------------------------------------------------------------------| | | | | | | |
| NEN 6723:2009 | logN = 10^(-R(1-σmax/(fb,v′)) | for σmax ≤ fb,v′ ≥ 0.25 | | | | | | | |
| | | | | | | | | | | | |
| | R = σmax / (fb,v′ * γm) | with γm = 1.2 | | | | | | | | | | | | | | | |
| | fb,v′ = fb,rep,v′ | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |
| | fb,rep,v′ = 0.5 * fb,rep,k′ + 1 | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 与Smax相比,ΔS对混凝土疲劳寿命的影响更为显著。然而,相关性分析仅是一种线性依赖性分析,未能充分考虑特征之间的所有相互作用以及非线性的影响[53]。下载:下载高分辨率图片(103KB)下载:下载全尺寸图片图2. 相关系数的热图。应当注意的是,当前数据库仅包含恒幅疲劳试验结果。虽然这种方法与大多数设计规范一致,并允许与已建立的S-N曲线直接比较,但实际工程载荷(如风力涡轮机塔架上的风和波浪作用)的幅度本质上是可变的。在变幅载荷下,应力循环的顺序和幅度会显著影响疲劳寿命,通常由于高应力峰值而加速损伤。恒幅和变幅疲劳结果之间的等效关系通常通过损伤累积规则来确定,例如Palmgren-Miner线性损伤假设。然而,这些规则在应用于混凝土时存在局限性,因为混凝土的损伤演化和非线性应力水平依赖性。
2.2. 反向传播神经网络模型的构建
反向传播神经网络(BPNN)是一种使用反向传播算法训练的多层前馈网络[54]。BPNN由接收外部数据的输入层、通过非线性变换提取特征的隐藏层以及生成最终预测的输出层组成。神经元之间的连接由权重表示,偏差用于调整激活阈值。激活函数引入非线性。损失函数用于衡量预测准确性,通过梯度下降等算法进行优化。这些组件构成了核心结构,适用于不同类型神经网络中的各种问题和任务。本文中使用的神经网络结构如图3所示,包括一个输入层、三个隐藏层和一个输出层。输入层有三个节点,分别对应混凝土的平均抗压强度、应力比的上限和下限。输出层有一个节点,对应混凝土的疲劳寿命。下载:下载高分辨率图片(310KB)下载:下载全尺寸图片图3. 反向传播神经网络的结构。
由于网络规模对提高模型泛化和加速收敛有显著影响,初步分析表明,当隐藏层1和隐藏层3相对于隐藏层2较小时,表现出更好的鲁棒性。因此,本研究研究了21种不同规模的隐藏层的训练效果,主要参数如下:(1)隐藏层1中的神经元数量从10增加到410,每次增加20个。(2)隐藏层2中的神经元数量从10增加到1010,每次增加50个。(3)隐藏层3中的神经元数量从10增加到410,每次增加20个。这样就得到了21个不同的网络模型。模型网格参数列在表3中。表3. BPNN的模型网格参数。
索引 隐藏层1 隐藏层2 隐藏层3
1 10 10 10
11 21 05 10 23
06 03 01 23
05 60 23 03 50
11 05 01 32
50 61 02 50 47
06 10 27 06 60
27 05 90 21 09
01 52 90 71 02 90 61
11 02 60 11 01 63
10 76 03 10 71 30 31
03 10 13 03 17 33
08 10 33 08 15 03 60 15
09 17 04 10 17 01 93 70
10 37 09 10 37 01 90 46
01 90 20 39 09 60 39
02 14 10 10 41 0
数据集被划分为训练集和测试集,比例为9:1。训练集分为141批,每批包含128个数据点,而测试集分为32批,每批包含64个数据点。每批的迭代次数为1000次,总共进行了141,000次迭代。BPNN的初始学习率设置为0.001,每次迭代次数达到总数的25%时,学习率会调整0.5倍。该模型采用Adam优化器来最小化损失函数,激活函数使用Tanh。根据上述设置,模型在测试集上的均方误差(MSE)如图4所示。根据测试结果,本研究选择了第13个网络结构。
本研究在Python 3.11中使用torch库实现了BPNN。测试平台包括一台配备第11代Intel(R) Core (TM) i7-11700@3.60 GHz处理器和64 GB RAM内存的戴尔台式机。下载:下载高分辨率图片(60KB)下载:下载全尺寸图片图5. Goodman方法和Gerber方法的比较。
2.3. 实验设置
本研究调查的混凝土塔结构基于一个经过认证的风力涡轮机塔,其设计方法参考了IEC标准系列[55]、[56]和既定的设计规范[57]。为了验证不同混凝土疲劳S-N曲线的计算效果,根据现有塔架设计了一个1:5缩比的混凝土塔样品。样品的中间部分是一个圆形混凝土结构,高度为500毫米,外径为1000毫米,壁厚为60毫米。在中间部分的顶部和底部放置了厚度为300毫米的混凝土板。中间部分的钢筋配比符合实际工程实践。实验设计参数列在表4中。为了减轻缩放对混凝土内部结构(特别是骨料-水泥界面和断裂过程区)的影响,1:5缩比样品的配合比设计采用了较小的最大骨料尺寸,同时保持了与原型相同的水灰比和强度等级。这种方法确保了相对应力-应变行为和失效机制与全尺寸结构相当。
表4. 测试样品的设计参数。
参数 值 描述
Dout 1000 样品圆柱体的外径 [mm]
Dinner 880 样品圆柱体的内径 [mm]
t 60 样品圆柱体的厚度 [mm]
h 500 样品圆柱体的高度 [mm]
Np/N 0.22 轴向压缩比。N0是截面抗压强度[[-]
Mtop/Np 1.70 样品顶面的弯压比 [mm]
T/M 0.23 样品底面的极端扭弯比[[-]
LT 150 液压执行器的扭转臂 [mm]
ps 0.511 纵向钢筋配比 [%]
psv 0.471 环向钢筋配比 [%]
fc,mean 78.6 通过测试确定的混凝土抗压强度平均值 [MPa]
fy 360 钢筋的抗拉设计值 [MPa]
在样品顶部,使用了两束预应力钢绞线,每束含有五根钢丝,施加预应力。钢绞线的设计应力为792.87 MPa,总预应力为1110 kN。钢绞线在水平方向上也有170毫米的偏心距,以模拟塔圆柱体的偏心压缩状态。水平执行器在样品侧面偏心布置,以施加扭转和弯曲力矩,偏心距为150毫米。疲劳测试系统和测试样品分别如图6和图7所示。下载:下载高分辨率图片(235KB)下载:下载全尺寸图片图6. 疲劳测试系统。下载:下载高分辨率图片(239KB)下载:下载全尺寸图片图7. 测试样品的尺寸。
疲劳加载形式为等幅疲劳加载,疲劳加载历史如图8所示。加载水平每200,000个循环增加一次,加载频率为11 Hz。需要注意的是,疲劳加载计算基于使用马尔可夫矩阵获得的最大疲劳加载循环比例。在每个加载水平上,应力范围(ΔS)和最大压缩应力处的平均应力(Sm)保持0.12的比例,与工程中的相应疲劳加载比例一致。下载:下载高分辨率图片(113KB)下载:下载全尺寸图片图8. 疲劳加载历史。
样品的T/M和Np/N0接近风力涡轮机塔的实际载荷。随着水平力(F)的增加,T/M最初减小,然后趋于稳定(图9),稳定在一个基于塔实际载荷确定的预定值。样品的Np/N0、LT和Mtop/Np是根据塔的载荷和预应力确定的。
2.4. 用于疲劳计算的有限元模型(FEM)
本研究采用fe-safe进行疲劳有限元验证。有限元模型可以获得应力、应变、温度和频率响应等结果,可用于疲劳分析。 beberapa疲劳评估依赖于来自线性弹性有限元分析(FEA)的应力数据。这种分析假设载荷和响应之间存在线性相关性。由材料几何效应引起的非线性行为是通过插值有限元分析(FEA)计算得到的载荷步长结果获得的。混凝土材料作为一种典型的非线性和各向异性材料,其疲劳性能不仅取决于应力幅度,还取决于平均应力和应力方向。本研究考虑了三种平均应力修正方法:Goodman、Gerber [58]和R比率S-N曲线[59](依赖于应力比的多个S-N曲线)。等效应力幅度(Sa)可以使用Goodman(公式13)和Gerber关系(公式14)进行转换,并在图5中比较了Goodman和Gerber曲线。(13)Sa = Sa0 + Sm / Sult = 1(14)Sa = Sa0 + (Sm / Sult)2 = 1
在这个公式中,Sa是等效应力幅度,Sa0是零平均应力下的应力幅度,Sm是平均应力,Sult是材料的极限强度。
混凝土的抗拉疲劳能力较低,因此本研究仅考虑混凝土的压缩疲劳,并通过在使用FEA的混凝土抗拉损伤塑性本构模型避免在疲劳计算中使用超过抗拉极限的应力。通过显式将混凝土的抗拉破坏机制纳入FEA,fe-safe仿真可以有效表征设计水平应力状态下的疲劳行为。样品的FEM如图10所示。有限元分析中使用的S-N曲线将分别从规范和BPNN中获得,以验证这些方法在分析实验数据方面的有效性。下载:下载高分辨率图片(260KB)下载:下载全尺寸图片图10. 样品的有限元模型。
FE-safe是一种先进的疲劳耐久性分析和信号处理软件。作为基于有限元模型的疲劳寿命分析包,它在多轴疲劳分析解决方案中处于行业领先地位,以其复杂的算法、全面的功能和无可比拟的精度而闻名——全球公认的最准确的疲劳分析软件。该平台独特地支持两种方法:基于实验测试的应力/应变信号的疲劳分析技术,以及由有限元分析(FEA)计算支持的疲劳仿真设计技术。这种双重能力将实验验证与计算建模联系起来,使FE-safe成为结构和耐久性评估研究和工业应用中不可或缺的工具。本研究中的疲劳分析结果来自FE-safe。
值得注意的是,BPNN模型没有将预应力作为输入参数,因为训练数据来自未系统变化预应力水平的已发表的实验研究。然而,在fe-safe进行的有限元分析中,明确地将预应力施加到模型中,以准确表示混凝土中的应力状态。这允许疲劳分析考虑由预应力引起的平均应力升高,这对于现实的寿命预测至关重要。平均应力修正方法(Goodman、Gerber和R比率)通过根据局部平均应力调整等效应力幅度进一步考虑了这种效应。
3. 结果与讨论
3.1 BPNN与规范的比较
BPNN在训练集上的结果显示在图11中。对fck应用了最大归一化程序,以提高预测结果分布的可解释性。从结果来看,大多数预测数据与实验数据吻合得很好,离散点的预测也与实验结果一致。考虑到混凝土强度(图11(a)),可以观察到一些预测结果在0.15–0.16范围内的值更为保守,这从Log10(N)值在较低水平聚集可以看出。从Smin和Smax的角度来看,大多数预测数据点与实验结果吻合得很好。BPNN的验证。(a) 混凝土强度;(b) 最小应力比;(c) 最大应力比。为了评估这些方法对混凝土疲劳寿命预测的性能,本文将BPNN与NEN 6723、EN1992和fib提出的三种现有方法进行了比较(见表1)。四个模型在测试数据集上的结果显示在图12中。我们可以观察到,NEN 6723中的计算模型较为保守,因为大多数数据点表明预测的寿命短于实际寿命。相比之下,EN 1992和fib比NEN 6723更为激进,但在大多数情况下能够准确反映混凝土的疲劳寿命。在这些模型中,BPNN的表现最好,没有显著的数量级差异,并且与实验结果更为一致。这是由于机器学习算法具有处理大型数据集、考虑更多影响因素以及揭示数据中隐藏关系的强大能力。
下载:下载高分辨率图像(501KB)
下载:下载全尺寸图像
图12. 预测结果比较:(a) BPNN;(b) NEN 6723;(c) EN 1992;(d) fib
为了进一步分析混凝土疲劳寿命、混凝土抗压强度和应力之间的关系,绘制了三维图表,如图13所示。我们可以观察到,在所有预测方法中,随着fck的增加和ΔS的减小,混凝土疲劳寿命也会增加。BPNN得到的预测结果分布更好,有效排除了无效数据的影响。
下载:下载高分辨率图像(408KB)
下载:下载全尺寸图像
图13. 混凝土疲劳寿命的三维图表。(a) BPNN;(b) NEN 6723;(c) EN 1992;(d) fib
根据分析结果,我们可以得出结论,BPNN在预测混凝土疲劳寿命方面表现更好,既不会过度估计也不会低估。过度估计将导致过于保守的计算,无法充分利用材料性能;而低估则可能导致过于激进的计算,可能造成结构损坏。此外,BPNN的拟合结果具有更好的鲁棒性。这使得BPNN适合用于确定混凝土的S-N曲线,从而进行更复杂的分析。
3.2. 实验结果
根据第2.3节描述的加载制度,试样在124万次加载循环后失效。测试试样中有限的裂缝宽度发展给观察带来了挑战。为了解决这个问题,使用后处理技术对高分辨率照片数据进行了裂缝扩展的追踪。图14记录了特定加载循环完成时新观察到的裂缝模式,并使用像素级分辨率分析量化了几何特征。裂缝首次出现在第14区,时间为0.4百万周期,到0.6百万周期时这些裂缝已经扩展。当加载达到1百万周期时,第11-13区开始出现多条大约10厘米长的分散裂缝。到了120万周期时,裂缝逐渐合并,在加载过程中裂缝的张开和闭合变得明显。在第120万次循环开始后,第6-7区出现了水平裂缝,第11区的对角裂缝同样扩大。经过一段稳定期后,这些裂缝在124万周期时导致了试样的失效。从图15可以看出,失效时第13-3区的混凝土被压碎,第11至-14区有密集的对角裂缝。第4-7区的顶部也发生了失效,伴随着局部混凝土剥落。
下载:下载高分辨率图像(524KB)
下载:下载全尺寸图像
图14. 试样的裂缝发展情况
下载:下载高分辨率图像(528KB)
下载:下载全尺寸图像
图15. 试样的失效情况
本研究中,疲劳失效定义为在持续循环加载下结构承载能力的完全丧失,这在物理上表现为承载能力降低超过15%。这一阈值与混凝土疲劳设计规范中的定义一致,其中通常认为刚度或强度降低15%是使用能力极限和结构失效的开始(fib Model Code 2010)。然而,由于高强度混凝土在压缩疲劳下的本质上较为脆弱,试样在达到124万周期时表现出突然且不可逆的失效,其特征是立即压碎和剥落,没有经过长时间的渐进式退化。这种行为使得使用传统传感器无法在加载过程中逐步捕捉到精确的15%退化点。测试后的观察确认,失效状态远远超出了这一阈值。
3.3. 在fe-safe中的应用
在fe-safe中,Goodman和Gerber方法使用平均应力为零的S-N曲线,并使用相应的公式将其转换为等效应力幅值计算。R比率S-N曲线是为不同的R值计算的,fe-safe中进行插值以覆盖一系列R值。规范提供的方法可以轻松计算所需的S-N曲线,但BPNN没有为混凝土疲劳寿命计算提供明确的函数关系。一个训练有素的网络可以为给定的混凝土材料计算点映射,这也可以应用于有限元分析。第2.2节中训练的反向传播神经网络(BPNN)被用来开发S-N曲线,并随后实现了在fe-safe中的材料配置参数中,以实现疲劳寿命预测。
当使用Goodman和Gerber方法时,图16(a)显示了S-N曲线。对于R比率S-N曲线方法,图16(b-d)显示了S-N曲线,以及通过BPNN获得的S-N曲线与规范方法的结果进行了比较。在图16(a)中,EN 1992提供的S-N曲线在标准方法中最保守;而BPNN在低循环区域更为激进,在高循环区域则更为保守。对于S-N曲线中的不同R值,随着循环次数的增加,应力幅值Sa减小。与规范方法相比,BPNN方法在低循环疲劳中的承载能力更高,在高循环疲劳中的承载能力更低。
下载:下载高分辨率图像(407KB)
下载:下载全尺寸图像
图16. fe-safe中使用的S-N曲线。(a) 平均应力为零时的S-N曲线;(b) NEN 6723;(c) EN 1992;(d) fib
值得注意的是,对于不同的R值,BPNN方法的S-N曲线在较低的对数N值处相交,表明较高的平均应力水平可以提高高循环疲劳下的材料疲劳性能,这也是为什么规范对其更为保守的原因。此外,当对数N大于5时,BPNN方法与标准方法相比变得更加保守。在高循环疲劳区域(logN > 5),BPNN曲线显示较高的平均应力(较高的R)可以提高疲劳性能,这与物理理解一致,即压缩平均应力可以抑制混凝土中的裂缝开口和扩展。然而,在低循环区域的交点表明,平均压力的有益效果减弱甚至反转。从物理角度来看,在高应力幅值(低循环疲劳)下,微裂纹和损伤迅速累积,平均应力水平的影响可能不如应力幅值明显。
本研究使用根据fib计算的S-N曲线来计算三种不同平均应力处理方法的疲劳分析,以确定最适合混凝土材料的平均应力处理方法。在fe-safe中,使用实验失效时的所有循环载荷来计算试样的寿命(LOGLife)和强度因子(FOS)。LOGLife指的是所有循环载荷的可重复循环次数的对数。强度因子(FOS)是指当应用于加载或有限元模型中的弹性应力时,能够产生所需目标寿命的因子。
如图17所示,使用Goodman和Gerber方法进行的疲劳寿命计算表明,塔体在局部位置超过了疲劳寿命限制,FOS计算结果也类似,这显然不足以导致全面的结构失效。R比率计算结果显示,超过三分之二的塔体部分超过了疲劳寿命限制,这与实验结果更为接近。FOS计算结果还表明,除了已经受损的位置外,一些单元处于即将失效的状态。因此,R比率方法更适合处理平均应力对混凝土材料疲劳寿命的影响,而Goodman和Gerber方法没有充分考虑平均应力。
因此,本研究使用R比率方法来处理平均应力对混凝土材料疲劳寿命的影响。在fe-safe中,使用四种不同的S-N曲线计算试样的LOGLife和FOS。图17(c)显示了根据fib定义的S-N曲线的计算结果,其他结果如图18所示。根据R比率方法的计算结果,方法按损伤严重程度从最严重到最轻微排序为BPNN、NEN6729、EN1992和fib,表明BPNN方法最为保守。与试样的压缩失效区域相比,BPNN方法对应力变化更敏感,在所有单元中几乎都显示了完全的疲劳失效,而其他标准计算的疲劳失效区域相似。
下载:下载高分辨率图像(1MB)
下载:下载全尺寸图像
图17. 不同方法的LOGLife和FOS。(a) Goodman;(b) Gerber;(c) R比率
因此,本研究使用R比率方法来处理平均应力对混凝土材料疲劳寿命的影响。在fe-safe中,使用四种不同的S-N曲线计算试样的LOGLife和FOS。图17(c)显示了根据fib定义的S-N曲线的计算结果,其他结果如图18所示。根据R比率方法的计算结果,方法按损伤严重程度从最严重到最轻微排序为BPNN、NEN6729、EN1992和fib,表明BPNN方法最为保守。与试样的压缩失效区域相比,BPNN方法对应力变化更敏感,并且在所有单元中都显示出几乎完全的疲劳失效。
下载:下载高分辨率图像(1MB)
下载:下载全尺寸图像
图18. 不同S-N曲线的LOGLife和FOS。(a) BPNN;(b) NEN 6723;(c) EN 1992
3.4. 关键曲线
从疲劳有限元分析和实验测试中获得的载荷-位移曲线和刚度退化曲线分别显示在图19和图20中。有限元模型与实验结果之间的结构刚度平均误差为9.43%。从图19和图20可以看出,在最初的0-20万次疲劳加载循环期间,实验得到的载荷-位移曲线显示出显著的滑移,刚度先减小然后增加。相比之下,有限元分析得到的结构刚度显示出持续减小的趋势。这种差异归因于实验疲劳加载初期发生的错误位移。
下载:下载高分辨率图像(304KB)
下载:下载全尺寸图像
图19. 载荷-位移曲线
下载:下载高分辨率图像(98KB)
下载:下载全尺寸图像
图20. 刚度退化曲线
在每个载荷水平增加(每20万次循环)时,结构刚度在预加载期间最初增加(因为结构进入了新的平衡状态),然后在疲劳加载期间逐渐减小,最终稳定。这种行为表明在整个疲劳过程中结构损伤逐渐累积。从100万次循环到失效,平均刚度退化率为3.25 kN/(mm·10?循环),而在0.2-0.8百万循环范围内仅为0.452 kN/(mm·10?循环)。这些观察表明,结构中的疲劳损伤发展经历了三个明显阶段:应力重分布、疲劳损伤的缓慢累积和快速失效。
4. 总结与结论
本研究使用有效的BPNN来预测混凝土的S-N曲线,并且BPNN是使用558个实验结果开发和训练的。实验验证基于风力涡轮塔的几何形状和载荷进行,计算使用了BPNN、NEN 6723、EN 1992和fib的四种不同S-N曲线,并在fe-safe中选择了适当的平均应力处理方法。基于这项工作,可以得出以下结论:
(1) 与现有的标准方法相比,BPNN在拟合混凝土疲劳寿命方面具有更高的准确性(R2 = 0.926,MAE = 0.244,RMSE = 0.352),它有效地提取了混凝土强度、应力水平和疲劳寿命之间常规基于规范的S-N曲线无法捕捉到的隐藏非线性关系。
(2) 通过fe-safe中的系统评估,确定R比率方法是处理混凝土疲劳中平均应力影响的最合适方法。Goodman和Gerber方法显著高估了疲劳性能,不适合用于混凝土。
(3) 当在fe-safe中使用R比率方法时,基于BPNN的S-N曲线预测的疲劳寿命与实验值的偏差在5%以内,优于所有基于规范的方法。BPNN对应力变化也更加敏感,并在高循环范围内提供较为保守的估计,使其适用于工程设计。(4)本研究的局限性在于现有文献中关于混凝土材料的高循环疲劳试验数据量不足,这可能影响BPNN在极高循环范围(logN > 7)内的预测可靠性。(5)混凝土塔结构的疲劳损伤演变过程呈现出三个明显的阶段:初始应力重新分布伴随刚度波动、损伤逐步累积并伴随刚度逐渐降低,以及最终因刚度加速丧失而发生快速失效。采用基于BPNN的S-N曲线和R比的有限元模型成功捕捉到了这一整体退化趋势,平均刚度误差为9.43%。本研究表明,BPNN可以利用从文献中收集的实验数据集有效且准确地预测混凝土的疲劳寿命,并且可以通过增加基于原始数据库的额外试验数据来补充和更新该算法,以提高混凝土疲劳寿命预测的适用性和性能。未来的工作将侧重于扩展BPNN框架,通过训练包含序列效应的数据集以及整合累积损伤模型来考虑变幅加载效应,从而在更真实的加载条件下实现更精确的混凝土疲劳寿命预测。
**术语表**
- **Dinner**: 样品圆柱体的内径
- **Dout**: 样品圆柱体的外径
- **Ecd,max**: 应力水平
- **F**: 液压执行器的水平力
- **fb,v′**: 混凝土的疲劳参考强度
- **fb,rep,k′**: 单轴短期混凝土抗压强度的特征值(=0.85fck)
- **fb,rep,v′**: 疲劳极限状态下混凝土抗压强度的特征值
- **fc,mean**: 通过试验确定的混凝土抗压强度平均值
- **fcd,fat**: 设计疲劳强度
- **fck**: 混凝土28天时的特征抗压强度
- **fy**: 钢筋的抗拉设计强度
- **h**: 样品圆柱体的高度
- **LT**: 扭矩臂
- **M**: 试验样品底部的弯矩
- **Mtop**: 由于预应力偏心引起的试验样品顶部的弯矩
- **N**: 失效的循环次数
- **Np**: 由预应力引起的压力
- **N0**: 试验样品的抗压承载能力设计值
- **P**: 失效概率
- **R**: 应力比
- **Sat**: 等效应力幅值
- **Sa0**: 零平均应力时的应力幅值
- **Sm**: Smin和Smax之间的平均值
- **Smin, Smax**: 加载循环中施加的混凝土抗压强度的最大值和最小值
- **Sult**: 材料的极限强度
- **sa**: 取决于水泥强度等级的系数
- **T**: 试验样品的扭矩
- **t0**: 混凝土开始循环加载的时间
- **βcc(t0)**: 第一次加载时混凝土强度的系数
- **γm**: 材料的修正系数
- **ΔS**: Smin与Smax之间的差值
- **ρst**: 纵向钢筋比
- **ρsy**: 环向钢筋比
- **σmax, σmin**: 混凝土中最大和最小抗压应力的设计值
**缩写**
- ANN: 人工神经网络
- BPNN: 反向传播神经网络
- BR-BPNN: 贝叶斯正则化反向传播神经网络
- FEA: 有限元分析
- FEM: 有限元模型
- MSE: 均方误差
- MAE: 平均绝对误差
- S-N: 应力-寿命曲线
- UHPC: 超高性能混凝土
- CRD: 作者贡献声明
**作者分工**
- 李天豪:数据整理
- 林阳:撰写 – 审稿与编辑、可视化、方法论、概念化
- 张佳伟:数据整理
- 傅坤:撰写 – 审稿与编辑
- 王宇航:资金争取
- 张东亮:数据整理
- 黄策荣:撰写 – 初稿撰写、数据整理
- 李俊林:数据整理
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号