钢管混凝土构件抗扭承载力有限元模拟及实用算法研究-交通运输工程专业论文.docxVIP

独创性声明 本人声明，所呈交的学位(毕业)论文，是本人在指导教师的指导下独立完成的研究成 果，并且是自己撰写的。尽我所知，除了文中作了标注和致谢中已作了答谢的地方外，论 文中不包含其他人发表或撰写过的研究成果。与我一同对本研究做出贡献的同志，都在论 文中作了明确的说明并表示了谢意，如被查有侵犯他人知识产权的行为，由本人承担应有 的责任。 学位(毕业)论文作者亲笔签名： 日期： 论文使用授权的说明 本人完全了解福建农林大学有关保留、使用学位(毕业)论文的规定，即学校有权送交 论文的复印件，允许论文被查阅和借阅，学校可以公布论文的全部或部分内容，可以采用 影印、缩印或其他复制手段保存论文。 必威体育官网网址，在 年后解密可适用本授权书。 □ 不必威体育官网网址，本论文属于不必威体育官网网址。 □ 学位(毕业)论文作者亲笔签名： 日期： 指导教师亲笔签名： 日期： I I 钢管混凝土构件抗扭承载力有限元模拟及实用算法研究 中文摘要 目前对钢管混凝土结构的研究大多集中于轴压、偏压（压弯）和纯弯受力状 态下的力学研究，仅有少量文献涉及到钢管混凝土抗扭性能的研究，且无规范给 出可供工程界应用的钢管混凝土抗扭极限承载力的计算公式。随着建筑结构跨度 的不断增加以及建筑物结构形式多样化的不断发展，研究建筑物抗扭性能显得尤 为重要。本文以圆形钢管混凝土构件为研究对象，进行了有限元模拟，并提出了 钢管混凝土抗扭承载力实用算法。本文的主要研究内容、结果和结论如下： （1）通过有限元法建立基准有限元模型，对已有钢管混凝土受扭构件进行 了有限元模拟和工作机理的分析，分析结果表明约束扭转和自由扭转下的扭转性 能有所不同，在长细比较大时，差别不明显，当长细比较小时，由于固定端约束 扭转剪切应力的影响，约束扭转下的抗扭承载力要大于自由扭转下的抗扭承载 力，因此约束扭转下，长细比对抗扭承载力的影响不容忽视。 （2）系统性地进行了约束扭转状态下钢管混凝土抗扭性能的参数分析，考 虑了钢管混凝土抗扭性能与含钢率、钢管强度、混凝土强度、长细比等因素的相 关性问题，特别考虑了长细比变化对约束扭矩的影响，并引入了考虑约束扭转剪 切效应的影响系数。 （3）基于极限平衡理论和经典材料力学的塑性理论，对试验数据和有限元 分析数据进行分析拟合，提出约束扭转状态下钢管混凝土抗扭承载力的实用算法 及适用条件，并将本文提出的实用算法与其他算法相比，结果表明，本文提出的 抗扭极限承载力的计算结果精确度更高，数据离散性更小。 （4）以抗扭承载力计算公式为基础，进行钢和混凝土扭矩分配比例的分析。 分析结果表明，在扭转初期，由于钢管处于外缘，剪应力和剪应变都大于核心混 凝土，外钢管所占扭矩比例比核心混凝土大。在扭转后期，由于混凝土的开裂受 到外钢管的限制，产生螺旋效应，核心混凝土由单纯受扭变为压扭状态，由初期 的受拉开裂变为了三向复合受力状态，大大提高了核心混凝土抗扭性能，而钢管 由纯扭变为拉扭状态，扭矩提高值不大。 关键词：钢管混凝土，有限元分析，约束扭转剪切效应，抗扭承载力 II II Abstract Although a lot of research on CFST structure focus on mechanical behavior under axial compression，eccentric compression(compression and bending) and pure bending，there were a few research concerning torsional behavior of CFST structure， until now no available calculation methods of CFST structure subjected to pure torsion were mentioned in Standard．With the request of large-span and diversity of structural forms in structure，the need of research on torsional behavior is becoming increasingly important．Circular CFST member was taken as research object in this paper and finite element model was set up to simulate torsional behavior under whole loading path and a simplified calculation method was proposed to predict t