预应力SMA智能混凝土梁自修复性能研究

《预应力SMA智能混凝土梁自修复性能研究》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、预应力SMA智能混凝土梁自修复性能研究ResearchonSelf-repairingPerformanceofPrestressedSMAIntelligentConcreteBeam研究生：陈晓丹指导教师：孙丽教授学科专业：结构工程二〇一五年十二月分类号：学校代码：10153UDC：密级：公开硕士学位论文预应力SMA智能混凝土梁自修复性能研究作者姓名：陈晓丹入学年份：2013年9月指导教师：孙丽教授学科专业：结构工程申请学位：工学硕士所在单位：土木工程学院论文提交日期：2015年11月论文答辩日期：2015年

2、12月学位授予日期：2016年1月答辩委员会主席：邓德全答辩委员会组成：邓德全李兵张曰果秦桂娟孙立晔宋岩升张皓论文评阅人：孙立晔王述红声明本人声明，所呈交的学位论文是在导师的指导下独立完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人已经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我共同工作过的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名：日期：2015年12月学位论文版权使用授权书本学位论文作者和指导教师完全了解沈阳建筑大学有关保留、使用学位论

3、文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权沈阳建筑大学（或其授权机构）可以将学位论文的全部或部分内容编入有关数据库并通过网络提供检索、浏览。（如作者和导师同意论文交流，请在下方签名；否则视为不同意。）作者和导师同意网上交流的时间为作者获得学位后：不限□半年□一年□一年半□两年□作者签名：导师签名：日期:2015年12月日期：2015年12月硕士研究生学位论文摘要I摘要形状记忆合金(Shapememoryalloy,SMA)是一种集感知与驱动功能于一体的新

4、型智能材料。该材料因具有形状记忆效应、超弹性、受限回复产生较大驱动力、电阻对应变敏感、高阻尼等特性，已逐渐应用于土木工程结构振动控制、检测及加固修复中。目前，对于SMA阻尼器、SMA智能混凝土结构等方面的研究已经取得了显著的成果。然而SMA智能混凝土结构在加固修复方面的应用还会受到很多问题的影响，且其修复后的受力性能还不甚明确，有待于进一步研究。本文利用SMA的形状记忆效应和受限回复产生较大驱动力的特性，对Ni-Ti形状记忆合金丝用后张法施加预应力，将其以预应力筋的形式应用于混凝土梁中制成无粘结预应力SMA混凝土

5、梁。进行了预应力SMA筋混凝土梁自修复性能影响的试验研究与理论分析，主要研究工作如下：(1)对SMA丝的物理力学性能进行试验研究。通过热处理来调节试验所用SMA丝的相变温度，使其在环境温度下具有良好的材料特性；利用差示扫描量热法（DSC法）测得热处理后SMA的热熔变化曲线，得到SMA的相变温度，从而确定自修复试验的加热温度；对SMA丝进行了常温下的单调拉伸试验，结果显示SMA丝的可恢复变形能够满足裂缝修复所需的条件；对试验所用锚具进行了锚固力的测试验证了其锚固的可靠性。(2)进行预应力SMA智能混凝土梁自修复试验

6、研究。采用两点对称加载方式对试验梁进行力学性能测试。试验表明试验梁的开裂荷载随SMA预应变的增大而提高，预应变为9%的试验梁其开裂荷载是无预应变梁的2.19倍。随后对试验梁进行通电加热修复。结果表明，当SMA的总应变小于其最大可回复应变时，裂缝可完全恢复。(3)对试验梁修复后的受力性能进行研究。再次对试验梁进行加载及修复，试验结果显示，试验梁承载力较第一次加载有不同程度的降低；预应变为6%-8%时试验梁裂缝的恢复效果好，预应变为7%时裂缝的修复率最高，可达到80.6%，是无预应变梁裂缝恢复率的2.74倍。(4)对

7、预应力SMA智能混凝土梁的自修复性能进行了理论分析。根据SMA的本构关系进行了公式推导，找到SMA最大回复应力与初始预应变之间的关系。并与试验结果进行对比分析得知，SMA丝的应变超过其最大可回复越多，对试验梁裂缝的恢复越不利。通过计算荷载作用下SMA丝产生的应变值，可以找到最优的初始预应变，使梁裂缝的修复效果达到最佳。关键词：形状记忆合金；预应力智能混凝土；回复力；裂缝；自修复硕士研究生学位论文AbstractIIIAbstractTheshapememoryalloy(SMA)isakindofnewmater

8、ialwhichpossessesthefunctionsofperceptionanddrive.Ithasbeengraduallyutilizedinstructuralcontrol,testandreinforcingbecauseofitscharactersofshapememory,superelasticity,largedrivenforceemerg