تغييرپذيري مقاومت سازه‌اي در شبيه‌سازي جهتي در فضاي بارگذاري

Structural Resistance Variability in Directional Simulation in Load Space

شبيه‌سازي جهتي در ميان تكنيك‌هاي مختلف براي تحليل قابليت اعتماد سيستم‌هاي سازه‌اي، كاملا شناخته شده مي‌باشد. در اين ميان، شبيه‌سازي جهتي در فضاي بارگذاري به علت مزاياي قابل ملاحظه خود به واسطه ايجاد فضاي كاري با ابعاد كمتر، از اهميت بالايي برخوردار مي‌باشد. همان طور كه انتظار مي‌رود در اين فضا، به علت تغييرپذيري مقاومت سازه‌اي، محل حالت (حالت هاي) حدي در راستاي هر شعاع شبيه سازي شده ديگر محلي ثابت نبوده و بايستي با آن همانند يك متغير تصادفي برخورد نمود. بنابراين، دقت نتايج به دست آمده از شبيه‌سازي در فضاي بارگذاري، بستگي زيادي به چگونگي احتساب اين متغير تصادفي و مدل احتمالاتي آن در تحليل پيدا مي‌كند. به منظور توصيف احتمالاتي اين متغير تصادفي، يك راه حل ابتدايي استفاده از تنها دو لنگر اول آن و به عبارت ديگر لحاظ تابع توزيع نرمال مي باشد. در اين مقاله تلاش مي‌شود ابتدا تحقيق شود كه اين راه حل چه تاثيري روي دقت نتايج (تخمين احتمال خرابي سازه‌اي) ممكن است داشته باشد. همچنين در اين مقاله براي حالاتي كه راه حل ابتدايي گفته شده منجر به جواب هاي با دقت ضعيف مي شود راه حل هاي جايگزين براي ارتقا كيفيت كار در فضاي بارگذاري پيشنهاد مي گردد. در مثال هايي كه در اين مقاله مي‌آيند كيفيت و كارايي راه حل هاي جايگزين پيشنهادي با راه حل ابتدايي ياد شده مقايسه خواهند شد و در انتها توصيه هايي عملي ارايه خواهند شد.

Directional simulation, among techniques for reliability analysis of engineering structures, is well known. In this con-text, directional simulation in load space, because of the advantages of lower dimension of working space, is of consi-derable interest. As expected due to structural resistance variability, the location of the relevant limit state(s) along any simulated direction, is no longer constant and must be taken as a random variable. The accuracy of the results obtained using this type of simulation therefore depends on how well this random variable probabilistically is modeled in analysis. In order to describe probabilistic properties of this random variable, one simplified solusion is to use only the first two moments which implies the use of normal distribution. This paper intends first to verify how taking this distribution may affect the accuracy of the results (i.e. estimation of the probability of failure) and second, to propose alternative solution(s) in order to enhance the quality of the method in the cases where the above simplified method may lead to poor results. In the examples given in this paper, the quality and workability of the proposed solution(s) are compared with the simplified solution and finally some practical recommendations are given.