Modeling of random static loads on a structural cover with limited statistical data

Cover Page

Cite item

Full Text

Abstract

Relevance. Loads on structures are complex stochastic elements that include several types of uncertainties simultaneously. The article describes a probabilistic approach to the load modeling on structural covers taking into account limited statistical data, when the parameters of distribution functions are presented in an interval form. The aim of the work is development of an approach to modeling the probabilistic distribution of random load on the structural surface in conditions of limited (incomplete) statistical information about the design load. Methods. The probability distribution of a particular type of loading is represented as p-boxes (probability boxes). A numerical example shows an algorithm for determining a p-box consisting of a sum of p-boxes that characterize different loads with different boundary distribution functions. Results. Based on the proposed approach, it is possible to define the intervals of normative and design loads with a given confidence level, to estimate the failure probability of structural elements, to assess the risk of an accident and also to make selection for structural element cross-section at the target level of reliability.

About the authors

Sergey A. Solovev

Vologda State University

Email: solovevsa@vogu35.ru
SPIN-code: 4738-8927
Associate Professor of the Department of Industrial and Civil Engineering, Candidate of Technical Sciences 15 Lenina St, Vologda, 160000, Russian Federation

References

  1. Kozak D.L., Liel A.B. Reliability of steel roof structures under snow loads. Structural Safety. 2015;(54):46-56.
  2. Rózsás Á., Sýkora M. Propagating snow measurement uncertainty to structural reliability by statistical and interval-based approaches. 7th International Workshop on Reliable Engineering Computing, REC2016. Computing with Polymorphic Uncertain Data. 2016:91-110.
  3. Qiang S., Zhou X., Gu M. Research on reliability of steel roof structures subjected to snow loads at representative sites in China. Cold Regions Science and Technology. 2018;(150):62-69.
  4. Zhang H., Mullen R.L., Muhanna R.L. Structural analysis with probability-boxes. International Journal of Reliability and Safety. 2012;6(1-3):110-129.
  5. Guest J.K., Igusa T. Structural optimization under uncertain loads and nodal locations. Computer Methods in Applied Mechanics and Engineering. 2008;198(1):116-124.
  6. Zolina T.V., Sadchikov P.N. Modelirovanie snegovoy nagruzki na pokrytie promyshlennogo zdaniya [Modeling of the Snow Load on the Roofs of Industrial Buildings]. Vestnik MGSU [Proceedings of Moscow State University of Civil Engineering]. 2016;(8):25-33. (In Russ.)
  7. Moore R.E. Methods and applications of interval analysis. Philadelphia: Society for Industrial and Applied Mathematics; 1979.
  8. Ferson S., Kreinovich V., Grinzburg L., Myers D., Sentz K. Constructing probability boxes and Dempster - Shafer structures (No. SAND-2015-4166J). Sandia National Lab. (SNL-NM), Albuquerque; 2003.
  9. Zhang H., Mullen R.L., Muhanna R.L. Finite element structural analysis using imprecise probabilities based on p-box representation. 4th International Workshop on Reliable Engineering Computing. Professional Activities Centre, National University of Singapore; 2010. p. 211-225.
  10. Sallak M., Schön W., Aguirre F. Reliability assessment for multi-state systems under uncertainties based on the Dempster - Shafer theory. IIE Transactions. 2013;45(9): 995-1007.
  11. Melchers R.E., Beck A.T. Structural reliability analysis and prediction. John Wiley & Sons; 2018.
  12. Utkin V.S., Solovyev S.A. Reliability analysis of reinforced concrete elements with normal cracks (on RC beam example). International Journal for Computational Civil and Structural Engineering. 2018;14(3):142-152.
  13. Holicky M., Markova J., Sykora M. Target reliability levels in present standards. Transactions of the VSB - Technical University of Ostrava, Civil Engineering Series. 2014;14(2):46-53.
  14. Marano G.C., Quaranta G. A new possibilistic reliability index definition. Acta mechanica. 2010;210(3-4):291-303.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».