بهبود ظزفیت بزگشت پذیزی قاب های فولادی به کمک مهاربندهای زانویی و آلیاژهای حافظه دار شکلی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 618
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICESCONF01_257
تاریخ نمایه سازی: 11 اردیبهشت 1394
چکیده مقاله:
استفاده از روش ها و وسایلی به عنوان کنترل کننده انرژی ورودی به سازه هنگام زلزله، با توجه به آسیب پذیربودن تعداد زیادی از ساختمان ها اهمیت پیدا می کند. استهلاک انرژی توسط تجهیزات قابل تعویض خاص مانند مهاربندهای زانویی، باعث کاهش صدمات به سازه می شود. عضو زانویی در سیستم مهاربند زانویی دارای ظرفیت استهلاک انرژی بالایی است. در این سیستم، استفاده از مصالح دارای الاستیسیته بالا و کرنش پسماند اندک- همانند آلیاژهای حافظه دار شکلی- از اهمیت بالایی برخوردار است. این آلیاژ ها سختی کافی و شکل پذیری فوق العاده به همراه قابلیت بازگشت به حالت اولیه در هر حالتی از کرنش را همزمان دارند. در این تحقیق نیازهای لرزه ای سه مدلی ساختمانی 3، 5 و 7 طبقه سه دهانه با سیستم مهاربند زانویی در دو حالت استفاده از آلیاژ های حافظه دار شکلی و بدون استفاده از آن مقایسه شد. برای این منظور، قاب ها با نرم افزار اپنسیس مدلسازی شده، تحت شتاب نگاشت های نورتریج، طبس و چی چی قرار گرفتند و برگشت پذیری قاب ها با استفاده از تحلیل های تاریخچه زمانی غیرخطی و استاتیکی غیرخطی اندازه گیری شد. نتایج نشان داد که استفاده از آلیاژ های حافظه دار شکلی در سیستم مهاربندی زانویی، باعث کاهش تغییر شکل های پسماند در سازه می شود که بیشترین کاهش تغییر شکل های پسماند در مدل 5 طبقه مشاهده شد. میزان تغییر شکل های پسماند در اغلب موارد کاهش قابل توجهی داشت. با توجه به ملاحظات اقتصادی، سیستم مهاربندی زانویی بهینه شده توسط آلیاژ های حافظه دار شکلی، در ساختمان های با اهمیت زیاد می تواند مورد توجه و استفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
موسی محمودی صاحبی
استادیار گروه عمران، دانشکده عمران، دانشگاه تربیت دبیر شهید رجایی، تهران
سجاد منتظری
کارشناس ارشد مهندسی سازه، دانشکده عمران، دانشگاه تربیت دبیر شهید رجایی، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :