Анализ надежности конструкций стальных покрытий с использованием теории свидетельств

Обложка

Цитировать

Полный текст

Аннотация

Введение. Количественная оценка уровня надежности и безопасности конструкционных решений является актуальной научно-технической проблемой. Мерой надежности в таком случае может выступать вероятность отказа несущего элемента конструкции. В практических задачах оценки и анализа надежности строительных конструкций данные о случайных величинах могут быть получены в интервальной форме (качественная неопределенность), в то время как классические методы анализа надежности не позволяют произвести оценку надежности при наличии таких данных. Недостаток статистических данных (количественная неопределенность) также присутствует в практических задачах анализа надежности.Материалы и методы. Рассмотрено использование теории свидетельств как эффективного инструмента для анализа надежности конструкций стальных покрытий в задачах с интервальной неопределенностью статистических данных.Результаты. Приведена графическая интерпретация алгоритма анализа надежности, которая позволяет наглядно и оперативно получить оценку вероятности безотказной работы элемента покрытия, а также снизить допустимую нагрузку на элемент до требуемого уровня надежности. Исследованы двухмерные и трехмерные модели для анализа надежности стержня стальной фермы по критерию устойчивости.Выводы. Теория свидетельств дает возможность эффективно моделировать различные источники неопределенностей в практических инженерных задачах. При ограниченной информации можно получить представление о количественном выражении уровня надежности по ее нижней оценке, которую можно увеличить за счет усиления элемента, более детального вероятностного анализа или ограничения эксплуатационной нагрузки на элемент. Учитывая большее количество недетерминированных величин в расчете, инженер получает более достоверное и осторожное решение. При учете площади поперечного сечения как случайной величины надежность стержня фермы по расчету на устойчивость оказалась на 23 % меньше (нижняя граница надежности), чем в аналогичном расчете с детерминированным значением.

Об авторах

С. А. Соловьев

Вологодский государственный университет (ВоГУ)

Email: solovevsa@vogu35.ru
ORCID iD: 0000-0001-7083-7963

А. Э. Иньков

Вологодский государственный университет (ВоГУ)

Email: inkovae@vogu35.ru
ORCID iD: 0000-0002-7034-8606

А. А. Соловьева

Вологодский государственный университет (ВоГУ)

Email: solovevaaa@vogu35.ru
ORCID iD: 0000-0002-5285-5882

В. А. Смирнов

Национальный исследовательский Московский государственный строительный университет (НИУ МГСУ)

Email: belohvost@list.ru
ORCID iD: 0000-0001-5679-9542

Список литературы

  1. Keshtegar B., Kisi O. M5 model tree and Monte Carlo simulation for efficient structural reliability analysis // Applied Mathematical Modelling. 2017. Vol. 48. Pp. 899–910. doi: 10.1016/j.apm.2017.02.047
  2. De Angelis M., Patelli E., Beer M. Advanced line sampling for efficient robust reliability analysis // Structural Safety. 2015. Vol. 52. Pp. 170–182. doi: 10.1016/j.strusafe.2014.10.002
  3. Teixeira R., Nogal M., O’Connor A. Adaptive approaches in metamodel-based reliability analysis : a review // Structural Safety. 2021. Vol. 89. P. 102019. doi: 10.1016/j.strusafe.2020.102019
  4. Qiu Z., Huang R., Wang X., Qi W. Structural reliability analysis and reliability-based design optimization: Recent advances // Science China Physics, Mechanics and Astronomy. 2013. Vol. 56. Issue 9. Pp. 1611–1618. doi: 10.1007/s11433-013-5179-1
  5. Huang H.Z., He L., Liu Y., Xiao N.C., Li Y.F., Wang Z. Possibility and evidence-based reliability analysis and design optimization // American Journal of Engineering and Applied Sciences. 2013. Vol. 6. Issue 1. Pp. 95–136. doi: 10.3844/ajeassp.2013.95.136
  6. Соловьев С.А., Инькова Ю.А., Соловьева А.А. Вероятностная оценка надежности деревянных стропильных конструкций при неполной статистической информации // Региональная архитектура и строительство. 2023. № 2 (55). С. 77–84. doi: 10.54734/20722958_2023_2_77. EDN CTLCMJ.
  7. Jian W., Zhili S., Qiang Y., Rui L. Two accuracy measures of the Kriging model for structural reliability analysis // Reliability Engineering & System Safety. 2017. Vol. 167. Pp. 494–505. doi: 10.1016/j.ress.2017.06.028
  8. Jiang C., Bi R.G., Lu G.Y., Han X. Structural reliability analysis using non-probabilistic convex model // Computer Methods in Applied Mechanics and Engineering. 2013. Vol. 254. Pp. 83–98. doi: 10.1016/j.cma.2012.10.020
  9. Pavlov M.V., Karpov D.F., Sinitsyn A.A., Gudkov A.G. Winter greenhouse combined heating system // Magazine of Civil Engineering. 2020. № 3 (95). Pp. 131–139. doi: 10.18720/MCE.95.12. EDN LVTHOB.
  10. Уткин Л.В. Анализ риска и принятие решений при неполной информации : монография. СПб. : Наука, 2007. EDN QJTBEZ.
  11. Dempster A.P. Upper and lower probabilities induced by a multivalued mapping // Classic works of the Dempster-Shafer theory of belief functions. 2008. Pp. 57–72. doi: 10.1007/978-3-540-44792-4_3
  12. Shafer G. A mathematical theory of evidence. Princeton University Press, 1976. doi: 10.1515/9780-691214696
  13. Соловьев С.А., Соловьева А.А. Методы оценки надежности стальных ферм с использованием P-блоков. Вологда : Вологодский государственный университет, 2022. 143 с. EDN YRCEMR.
  14. Улыбин А.В., Султеев Т.М., Давыдов О.И., Богачев А.С. Оценка класса прочности болтов по измерению твердости стали // Обследование зданий и сооружений: проблемы и пути их решения : мат. VI Междунар. науч.-практ. конференции. 2015. С. 172–178. EDN UYTGMX.
  15. Yager R.R. On the Dempster-Shafer framework and new combination rules // Information Sciences. 1987. Vol. 41. Issue 2. Pp. 93–137. doi: 10.1016/0020-0255(87)90007-7
  16. Inagaki T. Interdependence between safety-control policy and multiple-sensor schemes via Dempster-Shafer theory // IEEE Transactions on Reliability. 1991. Vol. 40. Issue 2. Pp. 182–188. doi: 10.1109/24.87125
  17. Sentz K., Ferson S. Combination of evidence in Dempster-Shafer theory. 2002. doi: 10.2172/800792
  18. Bernard J.M. Analysis of Local or Asymmetric Dependencies in Contingency Tables using the Imprecise Dirichlet Model // Proceedings of the Third International Symposium on Imprecise Probabilities and Their Applications. 2003.
  19. Соловьев С.А., Иньков А.Э., Соловьева А.А. Метод расчета надежности шарнирно-стержневых систем при интервальной оценке случайных величин // Строительная механика и расчет сооружений. 2022. № 3 (302). С. 28–34. doi: 10.37538/0039-2383.2022.3.28.34. EDN IYURCQ.
  20. Jiang C., Zhang Z., Han X., Liu J. A novel evidence-theory-based reliability analysis method for structures with epistemic uncertainty // Computers & Structures. 2013. Vol. 129. Pp. 1–12. doi: 10.1016/j.compstruc.2013.08.007

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

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».