Evaluation of a reliability index for steel trusses to the deflection criterion with interval uncertainty of data

封面

如何引用文章

全文:

详细

The authors describe a new approach to evaluation the reliability index of steel trusses by the criterion of deflection considering the uncertainty of random variables expressed in the interval form. Classical probabilistic-statistical methods of structural reliability analysis require the choice and justification of the cumulative distribution functions for random variables and its parameters. Subjective acceptance of statistical hypotheses can lead to large errors in the structural reliability analysis. In this study, it is proposed to represent random variables in the interval form that characterize the boundaries of their variability. Such intervals can be obtained as tolerances by the technical documentation, can be based on the construction experience or can be got by data analyzing. The Vysochansky - Petunin inequality is used to obtain the limits of variability of a random variable without a hypothesis about a specific probability distribution function. The reliability analysis of bar-systems is complicated due to the uncertainty of the data in each element of the system. For the engineering solution of this problem, an analytical approach to the optimization problem is offered. The truss reliability index can be used to compare several design solutions in a quantitative form according to the criterion of operational safety.

作者简介

Sergey Solovev

Vologda State University

Email: solovevsa@vogu35.ru
ORCID iD: 0000-0001-7083-7963
SPIN 代码: 4738-8927

Candidate of Technical Sciences, Associate Professor of the Industrial and Civil Engineering Department

15 Lenina St, Vologda, 160000, Russian Federation

Alexander Inkov

Vologda State University

编辑信件的主要联系方式.
Email: inkovaie@vogu35.ru
ORCID iD: 0000-0002-7034-8606
SPIN 代码: 7977-7778

postgraduate student, Assistant of the Department of Industrial and Civil Engineering

15 Lenina St, Vologda, 160000, Russian Federation

Anastasia Soloveva

Vologda State University

Email: solovevaaa@vogu35.ru
ORCID iD: 0000-0002-5285-5882
SPIN 代码: 5162-9279

postgraduate student, lecturer of the Department of Industrial and Civil Engineering

15 Lenina St, Vologda, 160000, Russian Federation

参考

  1. Mkrtychev O.V., Rajzer V.D. Reliability theory in structural design. Moscow: ASV Publ.; 2016. (In Russ.)
  2. Klevtsov V.A., Kuzevanov D.V. Structural design issues using reliability theory. Beton i Zhelezobeton [Concrete and Reinforced Concrete]. 2009;(2):9-13. (In Russ.)
  3. Faes M.G., Daub M., Marelli S., Patelli E., Beer M. Engineering analysis with probability boxes: a review on computational methods. Structural Safety. 2021;93:102092. https://doi.org/0.1016/j.strusafe.2021.102092
  4. Huang H.Z., Wang Z.L., Li Y.F., Huang B., Xiao N.C., He L.P. A nonprobabilistic set model of structural reliability based on satisfaction degree of interval. Mechanika. 2011;17(1):85-92. https://doi.org/10.5755/j01.mech.17.1.208
  5. Solovev S.A., Soloveva A.A. A research into the development of models of random variables as part of the structural reliability analysis performed in the absence of some statistical information. Vestnik MGSU (Monthly Journal on Construction and Architecture). 2021;16(5):587-607. (In Russ.) https://doi.org/10.22227/1997-0935.2021.5.587-607
  6. Jiang C., Zheng J., Han X. Probability-interval hybrid uncertainty analysis for structures with both aleatory and epistemic uncertainties: a review. Structural and Multidisciplinary Optimization. 2018;57(6):2485-2502. https://doi.org/10.1007/s00158-017-1864-4
  7. Ben-Haim Y., Elishakoff I. Convex models of uncertainty in applied. Amsterdam: Elsevier; 1990.
  8. Utkin V.S., Solovyov S.A. Calculation of the residual bearing capacity of reinforced concrete beams by the rigidity (deflection) criterion. Magazine of Civil Engineering. 2015;(4):45-53. (In Russ.) https://doi.org/10.5862/MCE.56.6
  9. Kirsanov M.N. Analytical calculation of deflection of a planar truss with a triple lattice. Magazine of Civil Engineering. 2021;102(2):10211. https://doi.org/10.34910/MCE. 102.11
  10. Soloveva A.A., Solovev S.A. Structural reliability analysis of steel truss elements on buckling using p-box approach. Structural Mechanics and Analysis of Constructions. 2021;(1):45-53. (In Russ.) https://doi.org/10.22227/1997-0935.2021.2.153-167
  11. Shpete G. Reliability of load-bearing structures. Moscow: Stroyizdat Publ.; 1994. (In Russ.)
  12. Motra H.B., Hildebrand J., Dimmig-Osburg A. Assessment of strain measurement techniques to characterise mechanical properties of structural steel. Engineering Science and Technology, an International Journal. 2014;17(4):260-269. https://doi.org/10.1016/j.jestch.2014.07.006
  13. Adishchev V.V., Shmakov D.S. Method of constructing the membership function with “direct” processing of initial data. Proceedings of the Novosibirsk State University of Architecture and Civil Engineering (Sibstrin). 2013;16(2):45-66. (In Russ.)
  14. Xin T., Zhao J., Cui C., Duan Y. A non-probabilistic time-variant method for structural reliability analysis. Proceedings of the Institution of Mechanical Engineers. Part O: Journal of Risk and Reliability. 2020;234(5):664-675. https://doi.org/10.1177/1748006X2092819
  15. Jiang C., Zhang Q.F., Han X., Qian Y.H. A non-probabilistic structural reliability analysis method based on a multidimensional parallelepiped convex model. Acta Mechanica. 2014;225(2):383-395. https://doi.org/10.1007/s00707-013-0975-2
  16. Li K., Liu H. Structural reliability analysis by using non-probabilistic multi-cluster ellipsoidal model. Entropy. 2022;24(9):1209. https://doi.org/10.3390/e24091209
  17. Hong L., Li H., Fu J., Li J., Peng K. Hybrid active learning method for non-probabilistic reliability analysis with multi-super-ellipsoidal model. Reliability Engineering & System Safety. 2022;222:108414. https://doi.org/10.1016/j.ress.2022.108414
  18. Cao L., Liu J., Xie L., Jiang C., Bi R. Non-probabilistic polygonal convex set model for structural uncertainty quantification. Applied Mathematical Modelling. 2021;89:504-518. https://doi.org/10.1016/j.apm.2020.07.025
  19. Wang L., Liu Y., Wang X., Qiu Z. Convexity-oriented reliability-based topology optimization (CRBTO) in the time domain using the equivalent static loads method. Aerospace Science and Technology. 2022;123:107490. https://doi.org/10.1016/j.ast.2022.107490
  20. Qiao X., Song L., Liu P., Fang X. Invariance problem in structural non-probabilistic reliability index. Journal of Mechanical Science and Technology. 2021;35(11):4953-4961. https://doi.org/10.1007/s12206-021-1014-1
  21. Chen X., Tang C.Y., Tsui C.P., Fan J. Modified scheme based on semi-analytic approach for computing non-probabilistic reliability index. Acta Mechanica Solida Sinica. 2010;23(2):115-123. https://doi.org/10.1016/S0894-9166(10)60013-4
  22. Liu H., Xiao N.C. An efficient method for calculating system non-probabilistic reliability index. Eksploatacja i Niezawodność. 2021;23(3):498-504. https://doi.org/10.17531/ein.2021.3.10
  23. Guo S.X., Lu Z.Z. A non-probabilistic robust reliability method for analysis and design optimization of structures with uncertain-but-bounded parameters. Applied Mathematical Modelling. 2015;39(7):1985-2002. https://doi.org/10.1016/j.apm.2014.10.026
  24. Tang Z.C., Xia Y., Xue Q., Liu J. A non-probabilistic solution for uncertainty and sensitivity analysis on techno-economic assessments of biodiesel production with interval uncertainties. Energies. 2018;11(3):588. https://doi.org/10.3390/en11030588

补充文件

附件文件
动作
1. JATS XML
下载

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».