Non-linear finite element optimization for inelastic buckling modelling of smooth rebars
Non-linear finite element optimization for inelastic buckling modelling of smooth rebars
复制标题
光滑钢筋非弹性屈曲建模的非线性有限元优化
DOI：
10.1016/j.engstruct.2021.112378
复制
发表时间：
2021
影响因子：
5.5
通讯作者：
Di Sarno L
中科院分区：
文献类型：
--
作者：
Di Sarno L
本文提出了一种优化方法来模拟单调和循环响应时，受到非弹性屈曲的钢筋光杆。钢筋的有限元（FE）模型，基于非线性纤维截面和初始几何缺陷，采用。本文提出的多步优化，以确定材料本构模型的主要参数是基于遗传算法（GA）和贝叶斯模型更新。该方法包括比较现有的实验测试从文献中相应的数值结果。给出了优化模型参数（屈服后硬化比、压拉各向同性硬化和初始曲率）的新的经验关系和概率分布。最后，利用基于遗传算法和贝叶斯方法的标定，提出了一种改进的光滑钢筋非弹性屈曲分析模型。这种分析模型对于未来的建筑规范和现有建筑物的评估指南来说是有效和可靠的。
This paper presents an optimization methodology to simulate the monotonic and cyclic response of steel reinforcement smooth bars when subjected to inelastic buckling. A finite element (FE) model of steel rebars, based on non-linear fibre sections and an initial geometrical imperfection, is adopted. The multi-step optimization proposed herein to identify the main parameters of the material constitutive models is based on genetic algorithms (GA) and Bayesian model updating. The methodology consists of comparing available experimental tests from literature with the corresponding numerical results. New empirical relationships and probabilistic distributions of the optimized model parameters, such as post-yielding hardening ratio, isotropic hardening in compression and tension, plus initial curvature, are presented. Finally, utilizing both the GA-based and Bayesian-based calibration, an improvement of an existing analytical model for inelastic buckling of smooth steel rebars is proposed. Such analytical modelling can be efficient and reliable for future building codes and assessment guidelines for existing buildings.
登录
查看更多内容
DOI：
--
发表时间：
2008
期刊：
影响因子：
--
作者：
G. Verderame;G. Fabbrocino;G. Manfredi
通讯作者：
G. Manfredi
DOI：
10.1061/(asce)st.1943-541x.0000143
发表时间：
2010-05
期刊：
Journal of Structural Engineering-asce
影响因子：
--
作者：
M. Scott;G. Fenves
通讯作者：
M. Scott;G. Fenves
影响因子：
4.6
作者：
K. K. Arani;M. Marefat;M. Ludovico;A. Prota;G. Manfredi
通讯作者：
G. Manfredi
影响因子：
5.5
作者：
Di Sarno, L.;Elnashai, A. S.;Manfredi, G.
通讯作者：
Manfredi, G.