【CAE案例】code_aster - 基于随机方法和易损性分析的历史地震强度评估
得益于现代地震监测技术的发展，在震后快速确定地震强度这一目标已经被实现。但从历史上看，通过完整而系统的仪器测定的地震资料不过几十年。由于当时地震监测设备的匮乏，历史地震的数据采样样本少、强度不明、震中位置难以得知。因此，如果能够回溯评估历史地震的强度，对地震频发区域的抗震工作和安全保障工作有着重要的参考价值。
本案例提出了一个基于结构易损性分析重新评估历史地震的方法，主要通过前后处理平台SALOME_MECA和结构仿真求解器code_aster实现。其核心是使用Bayesian updating方法，基于结构的响应、地理参数以及地面运动来计算建筑结构的易损性曲线，进而与实际观测到的建筑结构损伤情况进行对比，获取地震震级。该方法有着通用性，对于现存的各种砖石结构均适用，如简易房屋、小城堡、工业建筑等。
由于Bayesian updating方法获得的易损性曲线需要考虑结构响应的不确定性，因此，随机性是本案例突出的特点。在SALOME_MECA中，房屋模型的几何与网格均用python语句自动随机生成，如下图所示。
下图为python语句随机生成的一个三层楼房的
非结构化混合网格。该模型一共包含6个面，总计1500个单元。
在code_aster中对模型施加随机的地震激励，这是通过内置命令自动生成的。接着使用非线性求解器求解结构的响应，最终得到易损性曲线，加以评估地震强度。
该案例通过SALOME_MECA和code_aster的强大功能实现了高度自动化的随机几何生成、网格划分和力学模型建立，串联统计多个分析结果，从而生成了历史地震易损性曲线，最终成功评估了历史地震强度。这种方法也可以推广到其他建筑，或是复杂程度更高的结构中。而对于历史地震来说，震源位置的确定、使用多种方法验证结果的准确性均十分重要，是亟需解决的问题之一。
远算在bilibili、知乎、仿真
秀定期
发布课程视频等内容
期待您的关注
当前暂无评论，小编等你评论哦！
