Численное моделирование напряженно-деформированного состояния балок с жесткой композитной арматурой

Обложка
  • Авторы: Римшин В.И.1,2, Усанов С.В.3,4, Воробьев А.Е.5, Савельев Е.С.5
  • Учреждения:
    1. Национальный исследовательский Московский государственный строительный университет
    2. Научно-исследовательский институт строительной физики Российской академии архитектуры и строительных наук
    3. Научно-исследовательский институт строительной физики Российской академии архитектуры и строительных наук
    4. Кубанский государственный технологический университет
    5. Новосибирский государственный архитектурно-строительный университет (Сибстрин)
  • Выпуск: № 1 (2025)
  • Страницы: 63-73
  • Раздел: Конструкции
  • URL: https://journals.rcsi.science/2542-114X/article/view/303857
  • DOI: https://doi.org/10.25686/2542-114X.2024.4.63
  • EDN: https://elibrary.ru/AVNOST
  • ID: 303857

Цитировать

Полный текст

Аннотация

Введение. Одним из ключевых этапов разработки BIM-модели является её расчет на восприятие нагрузок и воздействий различного рода. Модель для выполнения таких расчетов выгружается в специализированные программные комплексы. Метод конечных элементов –один из самых распространенных численных методов расчёта конструкций. Его преимущества – возможности расчета конструкций со сложной геометрией путем аппроксимации поверхностей с требуемой степенью точности, учета в составе конструкции материалов с разными свойствами и ряд других. Наиболее существенным недостатком метода является необходимость проведения большого количества вычислений. Современные вычислительные мощности компьютеров позволяют выполнять расчеты довольно быстро, хотя сложность вычислений и требования к расчетам также возрастают.

К одним из перспективных материалов в строительной отрасли относят пултрузионные полимерные профили (ППП). Конструкции с армированием из ППП стали применяться в строительстве недавно; экспериментальные данные, соответственно, представлены в ограниченном количестве. Как и в случае с конструкциями, армированными композитной полимерной арматурой, при использовании ППП в зарубежных расчетных методиках проводят аналогию со стальной жесткой арматурой с поправкой на свойства ППП. Отечественные нормативные документы для конструкций с жесткой композитной армату-рой в настоящее время еще не разработаны, чем и обусловлена актуальность данного исследования.

Целью исследования являются создание конечно-элементной модели для расчетов несущей способности изгибаемых элементов с жесткой композитной полимерной арматурой и анализ полученных результатов.

Методика испытания. В настоящей работе численная реализация модели выполнена в программном комплексе SIMULIA Abaqus, отличающемся рядом преимуществ. Комплекс дает возможность создавать как статическое, так и динамическое загружение, подробно визуализировать результаты расчета, имеет специальные опции для получения решений с учетом нелинейных эффектов (пластичность, ползучесть, изменение жесткости) и другие. Задача решена в пространственной постановке с учетом нелинейных свойств бетона и арматуры.

Результаты. Численная модель может быть использована для дальнейших исследований поведения под нагрузкой конструкций с жесткой композитной арматурой. Предложенная модель дает возможность подобрать оптимальные параметры конструирования изгибаемых элементов с армированием из ППП, использующих прочностные свойства композитного профиля в полной мере. Модель основана на законах деформации бетона и арматуры различных типов, которые имеют опытные подтверждения.

Заключение. Новые возможности прогнозирования прочности и деформативности перспек-тивных материалов и конструкций в программных комплексах, интегрированных с BIM-моделями, дадут современные и востребованные технические решения. Это отвечает принятым в нашей стране стратегическим подходам к цифровой трансформации в строительстве.

Об авторах

Владимир Иванович Римшин

Национальный исследовательский Московский государственный строительный университет; Научно-исследовательский институт строительной физики Российской академии архитектуры
и строительных наук

Автор, ответственный за переписку.
Email: v.rimshin@niisf.ru

доктор технических наук, профессор, профессор кафедры жилищно-коммунального комплекса

г. Москва; г. Москва

Сергей Владимирович Усанов

Научно-исследовательский институт строительной физики Российской академии архитектуры и строительных наук; Кубанский государственный технологический университет

Email: svusanov@gmail.com

кандидат технических наук, доцент кафедры строительных конструкций

г. Москва; г. Краснодар

Александр Евгеньевич Воробьев

Новосибирский государственный архитектурно-строительный университет (Сибстрин)

Email: a.vorobyev@sibstrin.ru
Россия, г. Новосибирск

Егор Сергеевич Савельев

Новосибирский государственный архитектурно-строительный университет (Сибстрин)

Email: e.savelyev@sibstrin.ru
Россия, г. Новосибирск

Список литературы

  1. Батрак В. Е. Применение композитных материалов для промышленных сооружений // Вестник НИЦ Строительство. 2020. № 2(25). С. 5-11. doi: 10.37538/2224-9494-2020-2(25)-5-11. EDN: JMETGT.
  2. Нейросетевое прогнозирование физико-механических характеристик композитных материалов используемых для усиления строительных конструкций / В. И. Римшин, А. К. Соловьев, Л. А. Сулейма-нова, П. А. Амелин // Эксперт: теория и практика. 2023. № 4(23). С. 101-107. doi: 10.51608/26867818_2023_4_101. EDN: QMDTVU.
  3. Римшин, В. И., Анпилов С. М., Усанов С. В. Применение когнитивных технологий для прогнозирования прочности тонких стенок двутавровых балок // Эксперт: теория и практика. 2024. № 1(24). С. 42-52. doi: 10.51608/26867818_2024_1_42. EDN: DEIRZB.
  4. Тарасов И. В. Индустрия 4.0: понятие, концепции, тенденции развития // Стратегии бизнеса. 2018. № 6(50). С. 43-49. doi: 10.17747/2311-7184-2018-5-43-49. EDN: UWAXCR.
  5. Комплексный подход к контролю качества высокопрочного бетона в период эксплуатации / В. И. Римшин, П. С. Трунтов, Е. С. Кецко, А. С. Нагуманова // Строительные материалы. 2020. № 6. С. 4-7. doi: 10.31659/0585-430X-2020-781-6-4-7. EDN: WUQXKF.
  6. Результаты расчета усиления строительных конструкций здания методом конечных элементов / В. И. Римшин, Е. С. Кецко, П. С. Трунтов [и др.] // Вестник Вологодского государственного университета. Серия: Технические науки. 2020. № 4(10). С. 67-78. EDN: PRUWHF.
  7. Автоматизация жизненного цикла зданий при реконструкции и капитальном ремонте / В. И. Римшин, И. Л. Шубин, В. Т. Ерофеев, А. А. Аветисян // Жилищное строительство. 2022. № 7. С. 6-12. doi: 10.31659/0044-4472-2022-7-6-12. EDN: LIMAVP.
  8. Усиление конструкций здания текстильной промышленности внешним армированием из композитных материалов / В. И. Римшин, В. Л. Курбатов, Е. С. Кецко, П. С. Трунтов // Известия высших учебных заведений. Технология текстильной промышленности. 2021. № 6(396). С. 242-249. doi: 10.47367/0021-3497_2021_6_242. EDN: ABPOAY.
  9. Кришан, А. Л., Римшин В. И., Астафьева М. А. Сжатые трубобетонные элементы. Теория и практика. Москва: АСВ, 2020. 322 с. ISBN: 978-5-4323-0352-3. EDN: ROLLKN.
  10. Научные основы искусственного интеллекта в строительстве / В. И. Римшин, И. С. Кузина, А. А. Никитин, А. Е. Молчанова // Русский инженер. 2023. № 4(81). С. 41-45. EDN: FEYPVY.
  11. Нейросетевое прогнозирование физико-механических характеристик композитных материалов используемых для усиления строительных конструкций / В. И. Римшин, А. К. Соловьев, Л. А. Сулейма-нова, П. А. Амелин // Эксперт: теория и практика. 2023. № 4(23). С. 101-107. doi: 10.51608/26867818_2023_4_101. EDN: QMDTVU.
  12. Римшин В. И., Кецко Е. С., Трунтов П. С. Большой строительный словарь. Москва: АСВ, 2022. Том 1. 572 с. EDN: AERTFJ.
  13. Римшин В. И., Амелин П. А., Сулейманова Л. А. Нейросетевое прогнозирование несущей способности железобетонных элементов на различных стадиях жизненного цикла // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. 2024. № 11. С. 42-55. doi: 10.34031/2071-7318-2024-9-11-42-55. EDN: NQAETI.
  14. Prediction of the ultimate strength of reinforced concrete beams FRP-strengthened in shear using neural networks / R. Perera, M. Barchín, A. Arteaga, A. De Diego // Composites Part B: Engineering. 2010. Vol. 41, no 4. Pр. 287-298. doi: 10.1016/j.compositesb.2010.03.003.
  15. Peng F., Xue W., Xue W. Database Evaluation of Shear Strength of Slender Fiber-Reinforced Polymer-Reinforced Concrete Members // ACI Structural Journal. 2020. Vol. 117, no 3. Pр. 273-282. doi: 10.14359/51723504.
  16. Estep D. D. Bending and Shear Behavior of Pultruded Glass Fiber Reinforced Polymer Composite Beams with Closed and Open Sections. Graduate Theses, Dissertations, and Problem Reports. 2014. 545. doi: 10.33915/etd.545.
  17. Lagaros N. D. Artificial Neural Networks Applied in Civil Engineering // Applied Sciences. 2023. Vol. 13, no 2. P. 1131. doi: 10.3390/app13021131.
  18. Hadi M. N. S., Yuan J. S. Experimental investigation of composite beams reinforced with GFRP
  19. I-beam and steel bars // Construction and Building Materials. 2017. Vol. 144. P. 462-474. doi: 10.1016/j.conbuildmat.2017.03.217.
  20. Ibrahim T. H., Allawi A. A., El-Zohairy A. Impact Behavior of Composite Reinforced Concrete Beams with Pultruded I-GFRP Beam // Materials. 2022. Vol. 15, no 2. p. 441. doi: 10.3390/ma15020441.
  21. Mahmood E. M., Allawi A. A., El-Zohairy A. Flexural Performance of Encased Pultruded GFRP
  22. I-Beam with High Strength Concrete under Static Loading // Materials. 2022. Vol. 15, no 13. Рp. 4519. doi: 10.3390/ma15134519.
  23. Model of Stress-Strain State of Three-Layered Reinforced Concrete Structure by the Finite Element Methods / V. D. Tho, E. A. Korol, V. I. Rimshin, P. T. Anh // International Journal for Computational Civil and Structural Engineering. 2022. Vol. 18, no. 2. Pр. 62-73. doi: 10.22337/2587-9618-2022-18-2-62-73. EDN: SLZMQX.
  24. Compressed Reinforced Concrete Elements Bearing Capacity of Various Flexibility / A. L. Krishan, M. A. Astafeva, V. I. Rimshin [et al.] // Lecture Notes in Civil Engineering. 2022. Vol. 182. Pр. 283-291. doi: 10.1007/978-3-030-85236-8_26. EDN: JPNURD.
  25. Eryshev V. A., Karpenko N. I., Rimshin V. I. The Parameters Ratio in the Strength of Bent Elements Calculations by the Deformation Model and the Ultimate Limit State Method // IOP Conference Series: Materials Science and Engineering: International Science and Technology Conference "FarEastCon 2019". 2020. Vol. 753. P. 022076. doi: 10.1088/1757-899X/753/2/022076. EDN: WQBSNL.
  26. Deformation Models of Concrete Strength Calculation in the Edition of Russian and Foreign Norms / N. I. Karpenko, V. I. Rimshin, V. A. Eryshev, L. I. Shubin // IOP Conference Series: Materials Science and Engineering: International Science and Technology Conference "FarEastCon 2019". 2020. Vol. 753. P. 052043. doi: 10.1088/1757-899X/753/5/052043. EDN: TYMKCF.
  27. Rimshin V. I., Suleymanova L. A., Amelin P. A. Strength of Normal Sections of Flexural Reinforced Concrete Elements Damaged by Corrosion and Strengthened with External Composite Reinforcement // Structural Mechanics of Engineering Constructions and Buildings. 2024. Vol. 20, no. 4. Pр. 331-341. doi: 10.22363/1815-5235-2024-20-4-331-341. EDN: TZOMCJ.
  28. Telichenko V., Rimshin V., Ketsko E. Digital robotic systems for non-destructive reinforced concrete structures testing // E3S Web of Conferences. 2024. Vol. 533. P. 02045. doi: 10.1051/e3sconf/202453302045. EDN: SRSXHS.
  29. Telichenko V., Rimshin V., Ketsko E. Promising directions for the artificial intelligence development in the housing and utilities sector // E3S Web of Conferences. 2024. Vol. 535. P. 05001. doi: 10.1051/e3sconf/202453505001. EDN: OFARFI.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Римшин В.И., Усанов С.В., Воробьев А.Е., Савельев Е.С., 2025

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».