混凝土工业厂房的建筑特点和耐久性的评估策略分析

《混凝土工业厂房的建筑特点和耐久性的评估策略分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、混凝土工业厂房的建筑特点和耐久性的评估策略分析-->混凝土工业厂房的建筑特点和耐久性的评估策略分析导读：文章通过对混凝土工业厂房的建筑特点的研究，职称论文范文对混凝土工程结构的一些优势进行了分析，并就其耐久性的评估策略作了探索。一般大气条件下钢筋锈蚀的可靠度分析从时间上讲,在一般大气条件下,混凝土因钢筋腐蚀发生的破坏过程可由图1所示的几个阶段来表示。0~t1段:碳化前沿达到钢筋表面或侵蚀介质在混凝土与钢筋界面达到临界值,但钢筋钝化膜未被破坏。这一阶段主要是腐蚀介质在混凝土中的扩散及其在混凝土与钢筋界面的积累。t1~t2段:由于腐蚀介质在局部区域超过临界值而发生局部腐蚀,腐蚀产物

2、的积累导致混凝土局部开裂,这一阶段是由钢筋表面的钝化膜发生局部破坏至混凝土发生局部开裂的时间。t2~t3段:钢筋发生大面积腐蚀,混凝土大面积开裂,钢筋腐蚀速度加快,导致钢筋截面积迅速减小,以致于结构安全性能低于安全性允许的可靠指标。因此,可以说t1是真正的结构安全使用期,最保守的寿命预测应当是t1的预测。由于混凝土和实际环境的复杂性,加上数据和模型的缺乏,在预测t2和t3时往往遇到许多困难。硕士论文范文更值得一提的是,当结构处于t3阶段时,应当尽快实施加固维修方案,不能任其破坏。所以,在0~t1阶段任一时点t调查混凝土碳化程度时,可以建立如下极限状态方程:Z=d-x=0(3)式

3、中,d为混凝土保护层的厚度,服从正态分布;x为混凝土碳化深度,也服从正态分布。对于最保守的寿命预测或结构的使用性能评估,可以认为:当Z>0时,结构处于可靠状态;当Z=0时,结构处于极限状态;当Z工程实例对在某地区检测的部分混凝土工业厂房,采用本文的方法,进行了基于碳化损伤的耐久性评估。表1给出了某船用推进器厂机械加工车间厂房的混凝土碳化深度样本。表2给出了某地区部分混凝土工业厂房的可靠指标和失效概率。由表1可见,某船用推进器厂机械加工车间厂房的混凝土保护层厚度的正态分布为:μd=25·17,　　σd=1·70;碳化深度的正态分布为,μx=9·07,σx=3·42;可靠指标β=μ

4、d-μxσ2d+σ2x=25·17-9·071·702+3·422=16·13·82=4·2,失效概率Pf=Φ(-β)=Φ(-4·2)=0·000013。可见,混凝土保护层厚度是决定混凝土工业厂房耐久性至关重要的因素。由表2可见,已服役时间相近的混凝土厂房,其可靠指标仍然可能相差较大,这主要是由于不同的工业厂房所处的工作环境的差异造成的。例如,在高温环境下(如热处理车间、炼钢车间、发电车间)工作的混凝土,其碳化速度要远大于在常温环境下工作的混凝土的碳化速度。对于可靠指标较低的混凝土工业厂房,说明其碳化深度更加接近于混凝土保护层厚度,因此需进行适当的处理,以增强其耐久性,防止钢筋

5、过早发生锈蚀,确保结构的长期安全。一致最小方差无偏估计量极大似然估计量具有良好的性质:不变性、渐近正态性、渐近有效性和相合性。贝叶斯估计量与极大似然估计量的性质类似,不过获得参数的先验分布是很困难的。当样本容量足够大时,渐近有效估计量和相合估计量才具有最优性。而一致最小方差无偏估计量,不论样本容量的大小,都具有最优性。极大似然估计量和一致最小方差无偏估计量比较,各有利弊。从寻求的容易性和存在的广泛性来看,前者优于后者;当样本容量足够大时,两者差不多;当小样本时,后者优于前者。影响混凝土碳化的各种因素是不确定的,因而混凝土的碳化深度也是不确定的。而混凝土碳化的过程极为复杂,目前各

6、种影响因素的统计资料还不是非常丰富,所以目前应用有关的计算公式来确定混凝土碳化的统计规律还有大量的工作要做。然而,实际工程问题有时迫切要求我们对一般大气条件下钢筋的锈蚀作出概率评估,这时一个简单而实用的方法是直接从实际工程中获得样本进行统计分析。但用传统的统计方法进行统计分析时,要求样本为大样本,而实际工程中所能获得的数据一般为小样本。正是由于在对混凝土工业厂房的检测中,所获得的碳化深度样本一般是小样本,所以在本文中采用了一致最小方差无偏估计量来作为参数碳化深度的点估计量。设总体X的概率函数或概率密度函数为f(x,θ),其中θ未知,X1,X2,…,Xn是从该总体抽取的样本。并设

7、T(X1,X2,…,Xn)是参数θ的一个估计量。如果T的数学期望等于θ,即E[T(X1,X2,…,Xn)]=θ　对一切θ∈Ω式中,Ω是参数空间,即参数θ的所有可能取值的全体组成的集合。则称T为θ的无偏估计量。对于同一个参数,可能存在几个无偏估计量。从无偏估计量类中,选择方差最小的那一个,等价于无偏估计量类中均方误差最小,称该估计量为一致最小方差无偏估计量,也称为最优估计量。设总体X服从正态分布N(μ,σ2),其中μ和σ2未知,并设X1,X2,…,Xn是从该总体抽取的样本。则有-X=∑ni=1