电子邮箱

密码

 注册 忘记密码？
使用 Oasys GSA 对现有结构进行蒙特卡罗模拟风险评估
项目概述
一位客户委托 Arup 进行定量风险评估，该客户拥有大量现有建筑，这些建筑存在各种设计和施工缺陷。该项目的目的是告知客户其两栋建筑的相关风险，以及他们应采取哪些措施来最有效地降低风险。
作为对客户房产进行早期调查的一部分，Arup 已经在 Oasys GSA 中拥有建筑物的有限元分析 (FEA) 模型。然而，相关模型是针对典型代码标准创建的，不具备准确表示当前建筑状况所需的详细程度：模型需要尽可能逼真，以便团队量化建筑物的风险水平。这意味着要纳入被认为有助于建筑物稳定性的所有方面，包括结构和非结构组件，以及已知和未知的相关缺陷。

由于无法确切了解建筑物中每个元素的状况，因此使用基于检查结果估计的不确定性水平的概率建模策略结合蒙特卡罗模拟来预测当前建筑物的可能行为。这是通过创建和分析数千个建筑模型来实现的，有效地捕捉了当前建筑物的大多数可能状况，从而能够计算每座建筑物的风险。然后利用该风险为建筑物的修复和翻新计划提供参考，并计算最终可以降低风险的程度。
Oasys 如何证明其价值
主要挑战之一是在当前或翻新状态下创建数千个独立模型，分析这些模型并记录有用的结果。创建的模型源自原始基础模型，每个建筑一个。为了捕捉风险状况，需要在各种现实条件下分析建筑物。由于主要危险（需求）是风，因此在分析中使用了多个风向和风量，并与发生的可能性相关联。

一支经验丰富的工程师团队根据现有的 GSA 文件创建了详细的基础模型。新模型包括所有建筑物的组件，这些组件设置为允许每个组件打开或关闭。每个组件也有自己的材料和部分，允许脚本单独调整每个组件以模拟可能的退化程度，例如腐蚀或安装不正确。然后从基础模型创建新模型，随机调整或停用组件（可能性基于评估条件），加载（大小和方向也根据商定的概率确定），分析并存储结果。

以下是其中一个基础模型的侧视图。
使用 GSApy（Arup 为 GSA 的 COM API（应用程序编程接口）制作的 Python 包装器）开发了一个 Python 脚本来记录建筑模型数据。该脚本从基础 GSA 模型的所有负载情况和元素中提取信息，这些信息被存储并输入到另一组脚本中，该脚本被编写为风险引擎。风险引擎使用调查和工程师访谈提供的概率来确定“实现”或场景：建筑物中哪些组件被建模为缺陷，以及它们在该迭代中要承受什么负载。

在每次迭代开始时，使用 GSApy 打开准备好的基础模型并将其存储为可变对象。然后使用模型对象和风险引擎，使用 GSApy 和 COM 命令的组合修改每个建筑组件，以反映模型中的缺陷分配和相应的后果。GSApy 用于从对象中提取和验证元素信息，从而使该过程更加简单。

使用 GSA，计算每个成员的需求和容量比，然后将信息用于风险计算，告知模型是否出现任何故障。此外，还收集了楼层漂移信息，记录并平均指定节点的偏转，以深入了解整体建筑行为和模型准确性。然后将来自此和其他实现的数据存储在数据库中以供进一步分析。
如果没有使用 Oasys GSA，量化现有建筑风险所需的数千个概率分析就不可能实现。使用 GSA 和 GSApy 可以相对轻松地创建和分析所有可能的模型，这为客户开展了这项有价值的研究，帮助他们确定物业组合翻新下一阶段的优先顺序。

需要试用软件？随时欢迎您留言，我们的工程师将尽快与您联系。


Any questions or comments? please leave a message. Our engineers shall contact you soon.

  • 姓名
  • 电话（微信）
  • 单位名称
  • 留言
提交