Research Info

Home \ارزیابی خرابی پیشرونده ...
Title ارزيابي خرابي پيشرونده سازههاي فولادي سرد نورد شده با خرابي اوليه وسيع
Type Thesis
Keywords خرابي پيشرونده، سازههاي فولادي سرد نورد شده ، خرابي اوليه وسيع، تحليل ديناميكي غيرخطي، تحليل استاتيكي غيرخطي
Abstract امروزه همگام با رشد صنعت ساختمان سازي در دنيا، كيفيت و سرعت ساخت مورد توجه قرار گرفته و درحال توسعه است. از اين رو، سازه هاي سرد نورد شده به عنوان يكي از توليدات نوين صنعت ساخت وساز به دليل كيفيت مناسب ساخت، سرعت بالاي اجرا و مقاومت در برابر زلزله پا به عرصه ساخت وساز گذاشته و مورد استقبال قرار گرفته است. با توجه به اهميت بحث خرابي پيشرونده در سازه ها و ضرورت مقابله با آن، در اين پژوهش خرابي پيشرونده سازه فولادي سرد نورد شده مورد ارزيابي قرار مي گيرد. خرابي پيشرونده، با گسيختگي موضعي در يك بخش از سازه شروع و به خرابي عمده در آن ختم مي شود و پايداري سازه را تهديد مي كند. در اين پژوهش، به بررسي خرابي پيشرونده با خرابي اوليه وسيع، حذف المانهاي استاد و مهاربند، پرداخته شده است، درحاليكه در بسياري از تحقيقات صورت گرفته تاكنون در حوزه خرابي پيشرونده سازه فولادي سرد نورد شده، تنها به ميزان خرابي اوليه محدود بسنده كرده اند. در تحقيق حاضر به بررسي 15 مدل ساختماني از روش ديناميكي غيرخطي براي تحليل سازههاي 2 و 3 و 4 طبقه و 10 مدل ساختماني از روش استاتيكي غيرخطي براي تحليل سازه 2 طبقه پرداخته شده است سپس با مقايسه و تحليل دو روش مذكور، ضريب افزايش ديناميكي پيشنهادي ارائه شده است. نتايج در قالب تغييرمكان حداكثر و نهايي، وضعيت مفاصل پلاستيك تشكيل شده، پاسخ ديناميكي و چگونگي توزيع تنش محوري در المانهاي سازه بيان و تفسير شدهاند. براي تحليل و تخمين آسيب پذيري، سازه به صورت 3 بعدي مدلسازي شده است. بر اساس يافته ها، در تمامي مدلها با تعداد طبقات 2 ، 3 و يا 4 طبقه، سازه تحت خرابي اوليه محدود، پايدار مي ماند در حاليكه آسيبپذيري سازه تحت خرابي اوليه وسيع با افزايش تعداد طبقات، افزايش مييايد و قابليت اطمينان سازه در برابر خرابي پيشرونده كاهش مي يابد. مي توان ضريب افزايش ديناميكي براي سازههاي 2 و 3 طبقه تحت خرابي اوليه محدود 1/4، تحت خرابي وسيع متقارن عدد 1/1 و براي خرابي وسيع نامتقارن عدد 1/7 را در نظر گرفت و در تمامي سناريوها عدد پيشنهادي آيين نامه، محافظه كارانه است.
Researchers Neda Mozafari (Student) , Shaker Hashemi (Primary advisor) , Mohammad Vaghefi (Advisor)