Сергей Александрович Соловьев — кандидат технических наук, доцент, доцент кафедры промышленного и гражданского строительства, Инженерно-строительный институт
160000, г. Вологда, ул. Ленина, д. 15
РИНЦ AuthorID: 821778, Scopus: 57215081781, ResearcherID: AAJ-1708-2020
Sergey A. Solovyev — Candidate of Technical Sciences, Associate Professor, Associate Professor of the Department of Industrial and Civil Engineering, Civil Engineering Institute
15 Lenina st., 160000, Vologda
RSCI AuthorID: 821778, Scopus: 57215081781, ResearcherID: AAJ-1708-2020
Олег Евгеньевич Копейкин — аспирант, ассистент кафедры промышленного и гражданского строительства, Инженерно-строительный институт
160000, г. Вологда, ул. Ленина, д. 15
РИНЦ AuthorID: 1253938
Oleg E. Kopeykin — postgraduate student, assistant of the Department of Industrial and Civil Engineering, Civil Engineering Institute
15 Lenina st., 160000, Vologda
RSCI AuthorID: 1253938
Анастасия Андреевна Соловьева — аспирант, старший преподаватель кафедры промышленного и гражданского строительства, Инженерно-строительный институт
160000, г. Вологда, ул. Ленина, д. 15
РИНЦ AuthorID: 1090512, Scopus: 57223210877, ResearcherID: ABG-1982-2021
Anastasia A. Solovyeva — postgraduate student, lecturer of the Department of Industrial and Civil Engineering, Civil Engineering Institute
15 Lenina st., 160000, Vologda
RSCI AuthorID: 1090512, Scopus: 57223210877, ResearcherID: ABG-1982-2021
Введение. Использование полных вероятностных методов оценки и обоснования уровня надежности строительных конструкций является логичным этапом эволюции текущих подходов, которые называют полувероятностными или детерминистическими. Полные вероятностные методы позволяют получить количественную оценку надежности строительных конструкций в виде вероятности отказа, что делает возможным сравнение безопасности эксплуатации различных видов строительных конструкций из разных материалов в одной системе.
Материалы и методы. Применены методы генерации данных на основе статистической информации о случайных параметрах в математических моделях предельного состояния стальных ферм. Преимущество метода генерации данных — простота программной реализации в широко распространенных программных комплексах и устойчивость результата в случае нелинейных моделей предельного состояния и совокупности различных функций распределения вероятностей случайных величин. Также вместо консервативного представления расчетной схемы фермы как последовательной системы из независимых элементов (стержней) предлагается учитывать особенности конструирования стальной фермы и уточнять модели отказов всей системы, что позволит получить более объективную оценку уровня надежности в виде вероятности отказа.
Результаты. На численном примере показана необходимость учета коэффициента вариации прочности стали стержней фермы при анализе надежности, так как даже при выполнении требований к нормативной обеспеченности прочности стали влияние коэффициента вариации на вероятность отказа остается существенным. Оценка вероятности отказа как отдельных стержней фермы, так и фермы в целом как системы дает возможность выполнить технико-экономическое сравнение конструкционных вариантов и оптимизацию технического решения с учетом фактора надежности.
Выводы. Предложенный подход к вероятностному проектированию позволяет выразить количественно уровень надежности стальной фермы, а также спрогнозировать его изменение со временем. Использование вероятностных методов проектирования и анализа надежности строительных конструкций дает возможность более детально исследовать безопасность эксплуатации зданий и сооружений. Применение прямых статистических данных о снеговых нагрузках с метеостанций и о показателях несущей способности элементов с заводов-производителей позволят получить более экономичное решение за счет уточнения случайных параметров.
Introduction. The use of full probabilistic methods for assessing and analyzing the structural reliability level is a logical stage in the evolution of current methods, which are called semi-probabilistic or deterministic. Full probabilistic methods make it possible to obtain a quantitative assessment of the structural reliability in the form of failure probability and to compare the safety of different types of structures made of different materials in one system.
Materials and methods. The paper presents methods of data simulation based on statistical information about random parameters in mathematical models of limit state of steel trusses. The advantage of the method of data simulation is the simplicity of programme realization in widespread programme complexes and stability of the result in the case of nonlinear limit state models and a set of different probability distribution functions of random variables. Also, instead of conservative representation of the design scheme of the truss as a sequential system of independent elements (bars), it is proposed to take into account the peculiarities of steel truss design and to specify the failure models of the whole system, which will allow to obtain a more objective assessment of the structural reliability level in the form of failure probability.
Results. The numerical example shows the necessity of taking into account the coefficient of variation of steel strength of the truss bars in reliability analysis, because even if the requirements to the normative strength of steel are met, the influence of the coefficient of variation on the probability of failure remains significant. Estimation of failure probability of both individual truss bars and the truss as a whole as a system allows to perform technical and economic comparison of design variants and optimization of technical solution taking into account the reliability factor.
Conclusions. The proposed approach to probabilistic design makes it possible to quantitatively express the level of reliability of a steel truss, as well as to predict its change with time. The use of probabilistic methods of designing and analyzing the reliability of structures allows for a more detailed study of the operational safety of buildings and structures. The use of direct statistical data on snow loads from meteorological stations and on the indicators of bearing capacity of elements from manufacturing plants will allow to obtain a more economical solution by specifying random parameters.
The authors declare that there are no conflicts of interest present.