基于贝叶斯理论的钢筋混凝土梁柱中节点抗剪强度分析-shear strength analysis of joints in reinforced concrete beams and columns based on bayesian theory.docxVIP

摘要长期以来，世界各国学者大量开展了钢筋混凝土框架节点抗剪性能试验和理论分 析，基于丰富的试验资料提出了一系列节点抗剪强度计算的半经验公式。重新认识、识 别已有丰富试验数据，分析影响钢筋混凝土框架节点抗剪性能的主要因素，寻求与试验 结果吻合更好的钢筋混凝土框架节点抗剪强度的计算模型成为当前节点研究的一个主 要方向。本文主要研究内容是应用贝叶斯理论建立钢筋混凝土框架中节点抗剪强度计算 公式。与传统频率学方法比较，贝叶斯方法充分利用了样本信息和参数的先验信息，在 进行参数估计时，贝叶斯估计量通常会得到更好的精度。本文的研究为框架节点的抗剪 性能研究提供了一种可供借鉴的理论方法，对于更全面深入了解框架节点的抗剪能力具 有重要的理论意义和实际价值。本文收集了在不同历史阶段的 101 组框架中节点低周反复荷载抗剪试验，对试验数 据进行整理和分析作为贝叶斯估计的样本信息，选定先验模型，应用贝叶斯理论综合先 验信息和试验数据两类信息进行推断，建立钢筋混凝土梁柱中节点抗剪强度概率模型， 对未知参数进行估计，以达到对先验模型更新调整的目的。本文的研究工作主要涉及以 下几个方面：1、分析钢筋混凝土框架节点受力机理及影响节点的抗剪强度的主要因素，收集框 架梁柱中节点的低周反复荷载试验结果，对试验结果数据进行整理和分析形成本次研究 的试验数据库，作为贝叶斯估计的样本信息；2、选定先验分布（本文为无信息先验分布）建立钢筋混凝土框架中节点抗剪强度 计算模型，其过程是综合先验信息和样本信息（中节点的试验结果）模型中的未知参数 进行贝叶斯估计得到具体计算模型，该计算模型中考虑了所有中节点抗剪强度的影响因 素；3、考虑到有些因素对中节点的抗剪强度的影响不显著，通过逐步回归过程剔除这 些影响不显著的因素来对计算模型进行简化；4、用简化模型计算结果与现行规范中抗剪强度公式的计算结果进行对比来说明简 化模型的优越性。研究表明，基于贝叶斯理论建立的钢筋混凝土框架中节点抗剪强度公式计算结果与 试验结果吻合良好，与 ACI 352R-02 规范建议的公式相比更接近试验值；采用贝叶斯方 法，在实际样本数据容量较小的条件下，能使预测结果具有较好的完备性和准确性。本文建议计算模型能较准确地验证钢筋混凝土框架中节点抗剪承载能力。关键词：钢筋混凝土、梁柱中节点、抗剪强度、计算模型、贝叶斯理论*国家自然科学基金资助项目AbstractFor a long-term, in order to study the performances of joint shear, a large number of reinforced concrete (RC) frame joint shear tests were carried out by the scholars. And a series of semi-empirical formulas of calculation for joint shear strength were put forward based on the abundant experimental data. It has become a major direction of research on joint shear performances to seek the calculation models of frame joint shear strength that agree better with the experimental results based on the re-understanding and recognition of the abundant test data and analysis of the main influencing factors of RC frame joint shear performance. The main content of this research is to apply Bayesian theory to construct calculation formulas for RC frame joint shear strength. Compared with the traditional frequency method, the Bayesian approach makes the full use of the information provided by the sample and the prioror. So in the point estimation, the Bayesian estimation can get bet