

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、通過查閱近年來國內(nèi)外點支式玻璃幕墻風(fēng)振可靠性方面的研究成果,結(jié)合點支式玻璃幕墻自身的特點和智能算法的發(fā)展應(yīng)用,本文在結(jié)構(gòu)可靠性理論的基礎(chǔ)上,建立了點支式玻璃幕墻的風(fēng)振可靠性分析模型,由于點支式玻璃幕墻支撐體系的形式不同于一般構(gòu)件,其在進(jìn)行抗風(fēng)可靠性分析時的可靠性分析方法也有很大不同,傳統(tǒng)的構(gòu)件可靠性功能函數(shù)很難處理玻璃幕墻支撐結(jié)構(gòu)體系的可靠度問題,現(xiàn)有的函數(shù)表達(dá)式也已不再適用于玻璃幕墻支撐體系的功能函數(shù),因此使用基于信息熵改進(jìn)后的人工蜂
2、群算法對模型進(jìn)行驗算,通過分析仿真實驗結(jié)果,證明了該方法是可行有效的。
本文在總結(jié)歸納了玻璃幕墻的發(fā)展歷程和研究現(xiàn)狀,以及玻璃幕墻結(jié)構(gòu)體系的基本理論和結(jié)構(gòu)設(shè)計的基礎(chǔ)上,對幕墻結(jié)構(gòu)進(jìn)行可靠性分析。然后引入了人工蜂群算法的基本原理和數(shù)學(xué)模型。由于算法本身的局限性,其計算結(jié)果存在誤差,因此引入信息熵理論對人工蜂群算法的搜索過程進(jìn)行改進(jìn),以克服人工蜂群算法在運行過程中收斂精度較低,易早熟的缺陷。隨后,本文分析了自然風(fēng)特性,闡述了風(fēng)荷載
3、對玻璃幕墻結(jié)構(gòu)支撐的作用,并在此基礎(chǔ)上,建立了點支式玻璃幕墻風(fēng)振分析的等效模型,同時研究了玻璃幕墻支撐體系在不同地貌,不同高度及不同支撐模式下脈動風(fēng)作用響應(yīng)計算式,由此簡化了點支式玻璃幕墻支撐結(jié)構(gòu)體系的風(fēng)振系數(shù)計算式。通過對比現(xiàn)行荷載規(guī)范中風(fēng)振系數(shù)的表達(dá)式以及進(jìn)行數(shù)值仿真計算驗證,證明該簡化算式是可行有效的。這為點支式玻璃幕墻風(fēng)振系數(shù)的計算建立了基礎(chǔ),具有一定的參考價值。最后,對某點支式玻璃幕墻的空間桁架支撐體系進(jìn)行風(fēng)振可靠性分析,采用
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進(jìn)螢火蟲算法的玻璃幕墻風(fēng)振可靠性研究.pdf
- 基于改進(jìn)猴群和蛙跳算法的玻璃幕墻風(fēng)振可靠性分析.pdf
- 基于群體智能算法的玻璃幕墻風(fēng)振可靠度分析.pdf
- 玻璃幕墻風(fēng)振可靠度對比分析
- 玻璃幕墻風(fēng)振可靠度對比分析.pdf
- 基于人工蜂群算法的礦用減速器可靠性壽命預(yù)測的研究.pdf
- 基于改進(jìn)人工蜂群算法的聚類研究
- 人工蜂群算法的研究與改進(jìn).pdf
- 基于改進(jìn)人工蜂群算法的分散式風(fēng)功率預(yù)測方法研究.pdf
- 混合人工蜂群算法的改進(jìn)研究.pdf
- 基于改進(jìn)人工蜂群算法的聚類研究.pdf
- 基于改進(jìn)SFLA的高層建筑幕墻風(fēng)振可靠性研究.pdf
- 人工蜂群算法的改進(jìn)與應(yīng)用.pdf
- 基于人工蜂群算法的Hadoop調(diào)度算法研究與改進(jìn).pdf
- 基于改進(jìn)人工蜂群算法的模糊聚類研究.pdf
- 基于人工蜂群算法的分類算法研究.pdf
- 人工蜂群算法的改進(jìn)及應(yīng)用研究.pdf
- 人工蜂群算法的改進(jìn)及其應(yīng)用研究.pdf
- 基于改進(jìn)人工蜂群算法的lssvm燃?xì)庳?fù)荷預(yù)測
- 基于改進(jìn)人工蜂群算法的LSSVM燃?xì)庳?fù)荷預(yù)測.pdf
評論
0/150
提交評論