Performance‐based optimum seismic design of self‐centering steel moment frames with SMA‐based connections
Notice bibliographique
Résumé
Abstract Shape memory alloys (SMAs) have found several applications in earthquake‐resilient structures. However, because of high material costs, their implementation on industry projects is still limited. Developing design approaches that minimize the use of expensive SMAs is critical to facilitating their widespread adoption in real structures. This paper proposes a performance‐based seismic design optimization procedure for self‐centering steel moment‐resisting frames (SC‐MRFs) with SMA‐bolted endplate connections. The topology optimization uses a metaheuristic algorithm to minimize the frame's total cost, including the initial construction and expected repair costs. The design variables are the steel beam and column sections, SMA connection properties, and the topology of the SMA connections. Different constraints are considered, such as the constructability of the chosen steel sections, member strengths, performance‐based design, Park‐Ang damage index, and strong‐column weak‐beam requirements. Furthermore, the seismic safety of optimal designs is assessed by calculating adjusted collapse margin ratios according to FEMA‐P695. An illustrative optimization study using three‐ and nine‐story SC‐MRFs is presented. The optimal SC‐MRFs are then assessed in terms of cost and seismic performance. The results confirm the effectiveness of the proposed optimum design, which minimizes the use of SMAs while ensuring improved seismic performance. The case studies show that the optimal placement of SMA connections can reduce the total cost by up to 71% and 61% for the three‐ and nine‐story SC‐MRFs, respectively, compared to nonoptimal frames. Moreover, the optimal SC‐MRFs exhibit more uniform drift distributions, lower residual story drifts by up to 96%, and increase collapse capacity by up to 102%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».