The Time Dependent Reliability Analysis for the Deteriorated Reinforced Concrete Columns Using the Monte Carlo Simulation

Author(s):  
Hee Kyu Kim ◽  
Young Kyun Hong ◽  
Jung Hyun Park
Bauingenieur ◽  
2015 ◽  
Vol 90 (09) ◽  
pp. 456-462
Author(s):  
Guido Morgenthal ◽  
Marcus Achenbach

Es werden Monte-Carlo-Simulationen brandbeanspruchter Stahlbetonstützen mit dem allgemeinen Verfahren nach DIN EN 1992–1–2 durchgeführt. Dabei werden zwölf Pendelstützen mit konstanter Lastausmitte und einer allseitigen Beflammung durch die Einheits-Temperaturzeitkurve untersucht. Die bei der Simulation berücksichtigte Feuerwiderstandsdauer wird mit den in DIN EN 1992–1–2 enthaltenen tabellarischen Daten bestimmt. Die Beispiele werden so gewählt, dass sie im experimentell abgesicherten Bereich liegen.   Bei der Monte-Carlo-Simulation werden zwei Rechenläufe betrachtet. Beim ersten Lauf werden die Unsicherheiten der thermischen Analyse und des mechanischen Modells berücksichtigt, beim zweiten werden diese vernachlässigt. Für beide Läufe werden die Versagenswahrscheinlichkeiten bestimmt und ausgewertet. Dabei zeigt sich, dass die Vernachlässigung der Modellunsicherheiten zu unsicheren Ergebnissen führen kann.   Die in der Monte-Carlo-Simulation verwendete Grenzzustandsfunktion wird mit einer globalen Sensitivitätsanalyse unter Berücksichtigung der Unsicherheiten der thermischen Analyse und des Widerstandsmodells ausgewertet. Die berechneten Sobolindizes belegen, dass das allgemeine Verfahren eine hohe Sensitivität gegenüber den Unsicherheiten der Temperaturberechnung und dem Widerstandsmodell aufweist.


2020 ◽  
Vol 146 (8) ◽  
pp. 04020076 ◽  
Author(s):  
Mohammad Najeeb Shariff ◽  
Umakanthan Saravanan ◽  
Devdas Menon

2015 ◽  
Vol 137 (5) ◽  
Author(s):  
Zhen Hu ◽  
Xiaoping Du

Time-dependent reliability analysis requires the use of the extreme value of a response. The extreme value function is usually highly nonlinear, and traditional reliability methods, such as the first order reliability method (FORM), may produce large errors. The solution to this problem is using a surrogate model of the extreme response. The objective of this work is to improve the efficiency of building such a surrogate model. A mixed efficient global optimization (m-EGO) method is proposed. Different from the current EGO method, which draws samples of random variables and time independently, the m-EGO method draws samples for the two types of samples simultaneously. The m-EGO method employs the adaptive Kriging–Monte Carlo simulation (AK–MCS) so that high accuracy is also achieved. Then, Monte Carlo simulation (MCS) is applied to calculate the time-dependent reliability based on the surrogate model. Good accuracy and efficiency of the m-EGO method are demonstrated by three examples.


Sign in / Sign up

Export Citation Format

Share Document