FRP约束混凝土圆柱无软化段时的应力-应变关系研究

在国内外大量试验研究的基础上,比较分析了FRP、箍筋及钢管约束混凝土圆柱性能的差异。指出FRP约束混凝土圆柱的极限强度主要与FRP侧向约束强度、未约束混凝土强度及FRP形式等有关,并提出FRP约束圆柱后极限强度计算方法。指出已有的FRP约束混凝土圆柱极限应变计算方法误差均较大,本文提出新的极限应变计算方法:首先,发现FRP约束混凝土圆柱的极限泊松比趋向一恒定值,并建议了极限泊松比的计算公式,然后根据应变相容可确定FRP约束混凝土圆柱的极限应变。最后,建议了确定FRP约束混凝土圆柱无软化段时应力-应变关系的三折线模型,与已有的试验结果比较表明,模型简单且精度高,能适用于AFRP、GFRP、CFRP等不同类型及FRP管和FRP布等不同形式FRP约束的混凝土圆柱。     

应力路径对砂土变形特性影响的试验研究

研究土的性质，不仅需要知道土的初始和最终状态，还需要知道它所受应力的变化过程，根据不同密度的标准砂试样，分别进行了六种不同应力路径的三轴试验研究，以便探讨和揭示应力路径和初始状态对砂土变形特性的影响。     

不同使用年限既有未碳化混凝土力学性能分析

通过不同使用年限的既有未碳化混凝土圆柱体试件的单轴受压试验,进一步分析既有未碳化混凝土的破坏形态、力学性能与使用年限的关系,为今后对既有结构延续使用和加固改造设计提供了科学依据。     

纤维增强泡沫混凝土的力学强度及吸水性能

以普通硅酸盐水泥和动物蛋白发泡剂为基材,制备了泡沫混凝土,研究了:试样强度随水灰比、干密度、纤维长度、纤维类型的变化规律;单轴受压下应力应变全曲线;试样微观泡孔分布以及吸水性能的变化。结果表明,素泡沫混凝土和纤维增强泡沫混凝土的抗压强度均随孔隙率增加呈指数减小,水灰比对抗压强度的影响随纤维添加量、孔隙率的不同而不同。短丝纤维对强度的提升优于长丝纤维,网状纤维对强度的改善优于丝状纤维;纤维泡沫混凝土应力应变全曲线包括上升、下降和峰后三段,与素泡沫混凝土相比,其峰值应力对应的峰值应变减小,而弹性模量和残余应力均大幅增加;大直径泡孔占比随纤维添加量增加而降低,添加纤维提升了试样的吸水性能。     

荷载作用下埋地玻璃钢夹砂管受力特征分析

就埋地玻璃钢夹砂管在荷载作用下的受力特征问题,进行室内模拟试验与分析,试验采集了不同试验工况下埋地管道不同部位应力应变、管周不同位置土压力以及变形特征,得出了管道在不同荷载作用下的管土相互作用规律,从而判断埋地管道关键部位受力性状,并可为荷载作用下埋地玻璃钢夹砂管涵设计提供科学依据。     

高温下结构钢的材料特性

本文对国内外有关高温下结构钢的材料特性的最新研究成果和各国标准规范的规定等,进行了系统的介绍和比较,虽篇幅较长,但对国内开展这方面研究有重要参考价值,特予发表.——编者     

MB15-RE 镁合金铸坯在半固态温度下的应力灢应变曲线测试与特征分析

研究了MB15-RE镁合金常规铸坯在半固态温度下应力-应变曲线变化的影响要素。通过热模拟实验,发现MB15-RE在560℃的半固态温度下应力-应变曲线均可分为3个阶段：应力上升阶段、应力下降阶段和应力稳定阶段;同时在相同应变速率下,合金温度越高,其应力峰值和稳态应力越低,表明曲线与在半固态温度下试样中固液态比例相关;在相同温度下,应变速率越大,峰值应力越大而稳态应力越小,表明了再结晶比例越高,稳态应力越低。     

方管旋压缩径工艺研究

采用旋压缩径工艺将矩形截面管缩成圆形截面管,利用Abaqus软件对旋压缩径工艺进行数值模拟,分析成形过程中的应力应变分布、壁厚变化规律、轴向长度变化及载荷变化规律,对成形中产生的缺陷进行分析,并优化工艺。实验结果验证了成形方案的可行性,并得到较好的成形结果。     

基于ABAQUS软件的土石坝应力应变分析

利用有限元通用分析软件ABAQUS的用户子程序,实现Duncan-Chang模型的开发;同时利用热传导模块进行渗流分析。以此对某土石坝坝体进行应力与变形非线性有限元计算,得到坝体在施工期与稳定渗流期的应力与变形值。计算结果表明：利用ABAQUS软件,通过二次开发可以有效的实现土石坝的应力、应变计算。     

An artificial neural network model on tensile behavior of hybrid steel-PVA fiber reinforced concrete containing fly ash and slag power

The tensile behavior of hybrid fiber reinforced concrete (HFRC) is important to the design of HFRC and HFRC structure. This study used an artificial neural network (ANN) model to describe the tensile behavior of HFRC. This ANN model can describe well the tensile stress-strain curve of HFRC with the consideration of 23 features of HFRC. In the model, three methods to process output features (no-processed, mid-processed, and processed) are discussed and the mid-processed method is recommended to achieve a better reproduction of the experimental data. This means the strain should be normalized while the stress doesn’t need normalization. To prepare the database of the model, both many direct tensile test results and the relevant literature data are collected. Moreover, a traditional equation-based model is also established and compared with the ANN model. The results show that the ANN model has a better prediction than the equation-based model in terms of the tensile stress-strain curve, tensile strength, and strain corresponding to tensile strength of HFRC. Finally, the sensitivity analysis of the ANN model is also performed to analyze the contribution of each input feature to the tensile strength and strain corresponding to tensile strength. The mechanical properties of plain concrete make the main contribution to the tensile strength and strain corresponding to tensile strength, while steel fibers tend to make more contributions to these two items than PVA fibers.