<?xml version="1.0" encoding="UTF-8"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:prism="http://prismstandard.org/namespaces/basic/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:syn="http://purl.org/rss/1.0/modules/syndication/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns="http://purl.org/rss/1.0/">
  <channel rdf:about="http://gjg.ic-mag.com/">
    <title>钢结构(中英文)</title>
    <link>http://gjg.ic-mag.com/</link>
    <description> STEEL CONSTRUCTION(Chinese & English)</description>
    <dc:creator>gjigbjb@163.com</dc:creator>
    <dc:publisher>gjigbjb@163.com</dc:publisher>
    <dc:language>en</dc:language>
	<prism:rightsAgent>gjigbjb@163.com</prism:rightsAgent>
    <prism:issn>2096-6865</prism:issn>
    <items>
		<rdf:Seq>
		<rdf:li rdf:resource="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS25092901?pageType=en"/>
  		<rdf:li rdf:resource="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26042702?pageType=en"/>
  		<rdf:li rdf:resource="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26041001?pageType=en"/>
  		<rdf:li rdf:resource="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26051701?pageType=en"/>
  		<rdf:li rdf:resource="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS25121701?pageType=en"/>
  		<rdf:li rdf:resource="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS25090103?pageType=en"/>
  		<rdf:li rdf:resource="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26042301?pageType=en"/>
  		<rdf:li rdf:resource="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26053135?pageType=en"/>
  		<rdf:li rdf:resource="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26052135?pageType=en"/>
  				</rdf:Seq>
    </items>
  </channel>
    <item rdf:about="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS25092901?pageType=en">
    <title><![CDATA[基于卷积神经网络和自编码器的结构损伤预警方法]]></title>
    <link>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS25092901?pageType=en</link>
	    <description>
		<![CDATA[骆勇鹏, 何敖力, 余焜明, 张锴, 廖飞宇 足够丰富且多样的样本数据是进行结构损伤智能诊断的前提。由于实际工程应用中缺乏损伤状态数据，限制了上述方法的应用。无监督深度学习算法可在一定程度上解决上述问题。为此，将自编码器引入结构损伤预警中，提出了一种基于卷积神经网络与自编码器结合的结构损伤预警方法，包括数据预处理、特征提取和损伤预警等几个部分。首先构建了基于卷积神经网络的初级特征提取模块对采集的加速度时程信号进行数据预处理和浅层特征提取。其次，基于自编码器模型构建了损伤预警模型。该模型采用重构误差作为损伤预警指标，并基于健康样本重构误差的均值和标准差确定了动态阈值。当重构误差超过预设阈值时，表明结构可能出现损伤。采用卡塔尔看台数据集和室内损伤试验验证所提模型的可行性及可靠性。结果表明，在20 dB信噪比条件下，所提模型的预警准确率均超过98%；在5 dB信噪比条件下，损伤识别准确率均保持在93%以上，具备较好的抗噪性能。 钢结构(中英文). 2026 41(6): 1-9.]]>
	</description>
    <content:encoded>
		<![CDATA[骆勇鹏, 何敖力, 余焜明, 张锴, 廖飞宇 足够丰富且多样的样本数据是进行结构损伤智能诊断的前提。由于实际工程应用中缺乏损伤状态数据，限制了上述方法的应用。无监督深度学习算法可在一定程度上解决上述问题。为此，将自编码器引入结构损伤预警中，提出了一种基于卷积神经网络与自编码器结合的结构损伤预警方法，包括数据预处理、特征提取和损伤预警等几个部分。首先构建了基于卷积神经网络的初级特征提取模块对采集的加速度时程信号进行数据预处理和浅层特征提取。其次，基于自编码器模型构建了损伤预警模型。该模型采用重构误差作为损伤预警指标，并基于健康样本重构误差的均值和标准差确定了动态阈值。当重构误差超过预设阈值时，表明结构可能出现损伤。采用卡塔尔看台数据集和室内损伤试验验证所提模型的可行性及可靠性。结果表明，在20 dB信噪比条件下，所提模型的预警准确率均超过98%；在5 dB信噪比条件下，损伤识别准确率均保持在93%以上，具备较好的抗噪性能。 钢结构(中英文). 2026 41(6): 1-9.]]>
	</content:encoded>
    <dc:title><![CDATA[基于卷积神经网络和自编码器的结构损伤预警方法]]></dc:title>
    <dc:creator><![CDATA[骆勇鹏, 何敖力, 余焜明, 张锴, 廖飞宇]]></dc:creator>
    <dc:date></dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>钢结构(中英文). 2026 41(6): 1-9.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.13206/j.gjgS25092901</dc:identifier>
    <prism:doi>10.13206/j.gjgS25092901</prism:doi>
    <prism:publicationName>钢结构(中英文)</prism:publicationName>
    <prism:volume>41</prism:volume>
    <prism:number>6</prism:number>
    <prism:publicationDate></prism:publicationDate>
	<prism:url>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS25092901?pageType=en</prism:url>
		<prism:startingPage>1</prism:startingPage>
  </item>
    <item rdf:about="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26042702?pageType=en">
    <title><![CDATA[横向撞击下钢管混凝土构件峰值位移的机器学习预测及可解释性分析]]></title>
    <link>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26042702?pageType=en</link>
	    <description>
		<![CDATA[钟学琦, 陈雨凡, 雷宇龙, 廖飞宇 针对钢管混凝土（CFST）构件在横向撞击作用下峰值位移难以快速、准确评估，以及现有数据驱动方法对模型内部决策机制解释不足的问题，基于国内外横向撞击试验文献建立了CFST构件峰值位移数据库，并构建了兼具预测能力与可解释性的机器学习模型。数据库共包含193组有效试验样本，涵盖构件几何参数、材料性能参数和撞击工况参数，选取落锤质量、冲击速度、截面直径、钢管厚度、轴压比、钢管屈服强度、混凝土抗压强度和试件长度8个参数作为输入特征，以跨中峰值位移作为输出特征。采用6种集成学习算法建立峰值位移预测模型，并利用Optuna框架结合五折交叉验证进行超参数自动寻优。同时，为提高模型结果的透明性，采用沙普利加和解释（Shapley Additive Explanations，SHAP）方法对CatBoost模型进行解释性分析，以量化各输入参数对峰值位移预测结果的贡献程度、影响方向及变量间的潜在交互关系。结果表明：在6种集成学习模型中，CatBoost模型综合表现最优，能够较好表征多参数耦合作用下CFST构件峰值位移的非线性变化规律；冲击速度对峰值位移预测结果的贡献最大，是主导参数；落锤质量和截面直径的重要性次之，轴压比影响相对较弱；冲击速度、落锤质量和试件长度整体上促进峰值位移增大，而截面直径、钢管厚度和钢管屈服强度整体上抑制峰值位移发展；混凝土抗压强度和轴压比在当前数据范围内影响相对有限；钢管屈服强度与混凝土抗压强度之间存在较为显著的交互作用。 钢结构(中英文). 2026 41(6): 10-19.]]>
	</description>
    <content:encoded>
		<![CDATA[钟学琦, 陈雨凡, 雷宇龙, 廖飞宇 针对钢管混凝土（CFST）构件在横向撞击作用下峰值位移难以快速、准确评估，以及现有数据驱动方法对模型内部决策机制解释不足的问题，基于国内外横向撞击试验文献建立了CFST构件峰值位移数据库，并构建了兼具预测能力与可解释性的机器学习模型。数据库共包含193组有效试验样本，涵盖构件几何参数、材料性能参数和撞击工况参数，选取落锤质量、冲击速度、截面直径、钢管厚度、轴压比、钢管屈服强度、混凝土抗压强度和试件长度8个参数作为输入特征，以跨中峰值位移作为输出特征。采用6种集成学习算法建立峰值位移预测模型，并利用Optuna框架结合五折交叉验证进行超参数自动寻优。同时，为提高模型结果的透明性，采用沙普利加和解释（Shapley Additive Explanations，SHAP）方法对CatBoost模型进行解释性分析，以量化各输入参数对峰值位移预测结果的贡献程度、影响方向及变量间的潜在交互关系。结果表明：在6种集成学习模型中，CatBoost模型综合表现最优，能够较好表征多参数耦合作用下CFST构件峰值位移的非线性变化规律；冲击速度对峰值位移预测结果的贡献最大，是主导参数；落锤质量和截面直径的重要性次之，轴压比影响相对较弱；冲击速度、落锤质量和试件长度整体上促进峰值位移增大，而截面直径、钢管厚度和钢管屈服强度整体上抑制峰值位移发展；混凝土抗压强度和轴压比在当前数据范围内影响相对有限；钢管屈服强度与混凝土抗压强度之间存在较为显著的交互作用。 钢结构(中英文). 2026 41(6): 10-19.]]>
	</content:encoded>
    <dc:title><![CDATA[横向撞击下钢管混凝土构件峰值位移的机器学习预测及可解释性分析]]></dc:title>
    <dc:creator><![CDATA[钟学琦, 陈雨凡, 雷宇龙, 廖飞宇]]></dc:creator>
    <dc:date></dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>钢结构(中英文). 2026 41(6): 10-19.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.13206/j.gjgS26042702</dc:identifier>
    <prism:doi>10.13206/j.gjgS26042702</prism:doi>
    <prism:publicationName>钢结构(中英文)</prism:publicationName>
    <prism:volume>41</prism:volume>
    <prism:number>6</prism:number>
    <prism:publicationDate></prism:publicationDate>
	<prism:url>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26042702?pageType=en</prism:url>
		<prism:startingPage>10</prism:startingPage>
  </item>
    <item rdf:about="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26041001?pageType=en">
    <title><![CDATA[基于大语言模型的电梯诊断知识图谱构建方法与应用]]></title>
    <link>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26041001?pageType=en</link>
	    <description>
		<![CDATA[赵紫玉, 邓浩东, 汤思敏, 廖飞宇, 郑强, 何祖恩 电梯作为重要的特种设备，其故障诊断与风险评估高度依赖定期检验报告。针对现有方法主要聚焦传感器数据和时间序列数据、忽视文本知识的问题，提出了一种基于大语言模型的电梯检验诊断知识图谱构建方法。基于电梯检验技术规范，首先构建电梯检测诊断知识本体，在此基础上利用上下文提示学习实现对检验报告中实体与关系的自动抽取，解决领域内知识语义表达、推理能力有限，以及通用大语言模型的缓解问题。其次，通过预定义规则进行实体对齐，最后构建高质量的建筑电梯诊断知识图谱。该方法无需人工标注与模型训练，能高效处理多源异构电梯检验检测数据。试验结果显示，领域本体约束下的大语言模型提示学习可显著提升图谱覆盖率与准确率，其中，相比零样本，少样本学习在实体识别精度、召回率和&lt;i&gt;F&lt;/i&gt;&lt;sub&gt;1&lt;/sub&gt;值上分别提升6.1个百分点、27.20个百分点和17.61个百分点，可为下游智能故障诊断提供有效数据支撑。 钢结构(中英文). 2026 41(6): 20-29.]]>
	</description>
    <content:encoded>
		<![CDATA[赵紫玉, 邓浩东, 汤思敏, 廖飞宇, 郑强, 何祖恩 电梯作为重要的特种设备，其故障诊断与风险评估高度依赖定期检验报告。针对现有方法主要聚焦传感器数据和时间序列数据、忽视文本知识的问题，提出了一种基于大语言模型的电梯检验诊断知识图谱构建方法。基于电梯检验技术规范，首先构建电梯检测诊断知识本体，在此基础上利用上下文提示学习实现对检验报告中实体与关系的自动抽取，解决领域内知识语义表达、推理能力有限，以及通用大语言模型的缓解问题。其次，通过预定义规则进行实体对齐，最后构建高质量的建筑电梯诊断知识图谱。该方法无需人工标注与模型训练，能高效处理多源异构电梯检验检测数据。试验结果显示，领域本体约束下的大语言模型提示学习可显著提升图谱覆盖率与准确率，其中，相比零样本，少样本学习在实体识别精度、召回率和&lt;i&gt;F&lt;/i&gt;&lt;sub&gt;1&lt;/sub&gt;值上分别提升6.1个百分点、27.20个百分点和17.61个百分点，可为下游智能故障诊断提供有效数据支撑。 钢结构(中英文). 2026 41(6): 20-29.]]>
	</content:encoded>
    <dc:title><![CDATA[基于大语言模型的电梯诊断知识图谱构建方法与应用]]></dc:title>
    <dc:creator><![CDATA[赵紫玉, 邓浩东, 汤思敏, 廖飞宇, 郑强, 何祖恩]]></dc:creator>
    <dc:date></dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>钢结构(中英文). 2026 41(6): 20-29.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.13206/j.gjgS26041001</dc:identifier>
    <prism:doi>10.13206/j.gjgS26041001</prism:doi>
    <prism:publicationName>钢结构(中英文)</prism:publicationName>
    <prism:volume>41</prism:volume>
    <prism:number>6</prism:number>
    <prism:publicationDate></prism:publicationDate>
	<prism:url>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26041001?pageType=en</prism:url>
		<prism:startingPage>20</prism:startingPage>
  </item>
    <item rdf:about="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26051701?pageType=en">
    <title><![CDATA[基于敲击声信号和一维卷积神经网络的钢管混凝土脱空缺陷识别]]></title>
    <link>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26051701?pageType=en</link>
	    <description>
		<![CDATA[梁学文, 陈天宇, 田明东, 廖飞宇, 余焜明, 骆勇鹏 受施工工艺、材料收缩徐变及服役环境等多重因素影响，钢管混凝土易产生脱空缺陷，导致承载能力下降，长期服役安全性受到威胁。传统人工敲击检测具有方便快捷的优势，但该方法依赖检测人员的主观经验，易出现误判漏判问题。为此，提出一种基于敲击声信号和一维卷积神经网络的钢管混凝土脱空缺陷识别方法。采用一维卷积神经网络构建钢管混凝土脱空缺陷识别模型，以敲击声压信号为输入，通过多层卷积操作自动提取声音信号中的缺陷特征进行缺陷识别。采用试验和有限元数据构建涵盖不同脱空位置、脱空深度等因素影响的数据集，并用于验证所提方法的可行性及可靠性。结果表明：所构建的缺陷识别模型在测试集上的平均识别准确率达到97.44%，具有训练时间较短、收敛速度较快的优势。 钢结构(中英文). 2026 41(6): 30-35.]]>
	</description>
    <content:encoded>
		<![CDATA[梁学文, 陈天宇, 田明东, 廖飞宇, 余焜明, 骆勇鹏 受施工工艺、材料收缩徐变及服役环境等多重因素影响，钢管混凝土易产生脱空缺陷，导致承载能力下降，长期服役安全性受到威胁。传统人工敲击检测具有方便快捷的优势，但该方法依赖检测人员的主观经验，易出现误判漏判问题。为此，提出一种基于敲击声信号和一维卷积神经网络的钢管混凝土脱空缺陷识别方法。采用一维卷积神经网络构建钢管混凝土脱空缺陷识别模型，以敲击声压信号为输入，通过多层卷积操作自动提取声音信号中的缺陷特征进行缺陷识别。采用试验和有限元数据构建涵盖不同脱空位置、脱空深度等因素影响的数据集，并用于验证所提方法的可行性及可靠性。结果表明：所构建的缺陷识别模型在测试集上的平均识别准确率达到97.44%，具有训练时间较短、收敛速度较快的优势。 钢结构(中英文). 2026 41(6): 30-35.]]>
	</content:encoded>
    <dc:title><![CDATA[基于敲击声信号和一维卷积神经网络的钢管混凝土脱空缺陷识别]]></dc:title>
    <dc:creator><![CDATA[梁学文, 陈天宇, 田明东, 廖飞宇, 余焜明, 骆勇鹏]]></dc:creator>
    <dc:date></dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>钢结构(中英文). 2026 41(6): 30-35.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.13206/j.gjgS26051701</dc:identifier>
    <prism:doi>10.13206/j.gjgS26051701</prism:doi>
    <prism:publicationName>钢结构(中英文)</prism:publicationName>
    <prism:volume>41</prism:volume>
    <prism:number>6</prism:number>
    <prism:publicationDate></prism:publicationDate>
	<prism:url>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26051701?pageType=en</prism:url>
		<prism:startingPage>30</prism:startingPage>
  </item>
    <item rdf:about="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS25121701?pageType=en">
    <title><![CDATA[基于点云的复杂桥塔数字化预拼装方法]]></title>
    <link>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS25121701?pageType=en</link>
	    <description>
		<![CDATA[王文渊, 廖岳, 刘界鹏, 黄峰, 杨文树, 彭应川 为提高复杂桥塔建造质量和数字化建造水平，提出了一种基于点云的复杂桥塔数字化预拼装方法。该方法针对桥塔节段几何形态复杂难以描述的问题，提出基于特征平面的检测截面分割方法和基于先验信息的截面特征点提取方法，用于实现复杂桥塔的数字化尺寸检测；依据不同工程基础信息，构建基于设计模型和基于几何特征的数字化预拼装技术路线，并基于数字化预拼装结果，采用有限元进行火焰矫正工艺仿真，实现拼接错缝的变形矫正分析，为修整施工提供参考。结果表明：基于点云的尺寸检测结果与全站仪对比偏差控制在±2 mm以内，数字化预拼装方法能够有效获取拼接错缝偏差，结合有限元仿真技术可提前获取变形矫正参数，为矫正施工提供参考。所提方法将数字化尺寸检测、数字化预拼装以及矫正工艺仿真相互衔接，有效提升了复杂桥塔的数字化建造水平，可为类似工程提供参考。 钢结构(中英文). 2026 41(6): 36-43.]]>
	</description>
    <content:encoded>
		<![CDATA[王文渊, 廖岳, 刘界鹏, 黄峰, 杨文树, 彭应川 为提高复杂桥塔建造质量和数字化建造水平，提出了一种基于点云的复杂桥塔数字化预拼装方法。该方法针对桥塔节段几何形态复杂难以描述的问题，提出基于特征平面的检测截面分割方法和基于先验信息的截面特征点提取方法，用于实现复杂桥塔的数字化尺寸检测；依据不同工程基础信息，构建基于设计模型和基于几何特征的数字化预拼装技术路线，并基于数字化预拼装结果，采用有限元进行火焰矫正工艺仿真，实现拼接错缝的变形矫正分析，为修整施工提供参考。结果表明：基于点云的尺寸检测结果与全站仪对比偏差控制在±2 mm以内，数字化预拼装方法能够有效获取拼接错缝偏差，结合有限元仿真技术可提前获取变形矫正参数，为矫正施工提供参考。所提方法将数字化尺寸检测、数字化预拼装以及矫正工艺仿真相互衔接，有效提升了复杂桥塔的数字化建造水平，可为类似工程提供参考。 钢结构(中英文). 2026 41(6): 36-43.]]>
	</content:encoded>
    <dc:title><![CDATA[基于点云的复杂桥塔数字化预拼装方法]]></dc:title>
    <dc:creator><![CDATA[王文渊, 廖岳, 刘界鹏, 黄峰, 杨文树, 彭应川]]></dc:creator>
    <dc:date></dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>钢结构(中英文). 2026 41(6): 36-43.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.13206/j.gjgS25121701</dc:identifier>
    <prism:doi>10.13206/j.gjgS25121701</prism:doi>
    <prism:publicationName>钢结构(中英文)</prism:publicationName>
    <prism:volume>41</prism:volume>
    <prism:number>6</prism:number>
    <prism:publicationDate></prism:publicationDate>
	<prism:url>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS25121701?pageType=en</prism:url>
		<prism:startingPage>36</prism:startingPage>
  </item>
    <item rdf:about="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS25090103?pageType=en">
    <title><![CDATA[基于代理模型方法的盘扣架体可靠度评估及预警值确定]]></title>
    <link>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS25090103?pageType=en</link>
	    <description>
		<![CDATA[王兴宇, 王磊, 杨燕, 林忠和, 余国庆, 陈佳丽 为合理评估盘扣架体的工程可靠度，提出一种基于多层次塑性铰和节点刚度的盘扣架体建模计算方法。以昆明长水T2航站楼某典型高支模工程作为载体，建立架体关键参数的不确定性统计模型，基于代理模型方法量化评估了架体的可靠度指标，并给出了预警值确定的方法。研究结果表明：同相关试验结果相比，基于多层次塑性铰和节点刚度的架体建模方法的计算误差在5%以内，满足工程要求，可基于该计算方法建立既有架体响应数据集，并通过响应面-蒙特卡洛方法快速评估高支模工程的可靠度；采用基于超越概率的高支模预警值量化确定方法，能够实时调整预警阈值，提高预警精度。 钢结构(中英文). 2026 41(6): 44-54.]]>
	</description>
    <content:encoded>
		<![CDATA[王兴宇, 王磊, 杨燕, 林忠和, 余国庆, 陈佳丽 为合理评估盘扣架体的工程可靠度，提出一种基于多层次塑性铰和节点刚度的盘扣架体建模计算方法。以昆明长水T2航站楼某典型高支模工程作为载体，建立架体关键参数的不确定性统计模型，基于代理模型方法量化评估了架体的可靠度指标，并给出了预警值确定的方法。研究结果表明：同相关试验结果相比，基于多层次塑性铰和节点刚度的架体建模方法的计算误差在5%以内，满足工程要求，可基于该计算方法建立既有架体响应数据集，并通过响应面-蒙特卡洛方法快速评估高支模工程的可靠度；采用基于超越概率的高支模预警值量化确定方法，能够实时调整预警阈值，提高预警精度。 钢结构(中英文). 2026 41(6): 44-54.]]>
	</content:encoded>
    <dc:title><![CDATA[基于代理模型方法的盘扣架体可靠度评估及预警值确定]]></dc:title>
    <dc:creator><![CDATA[王兴宇, 王磊, 杨燕, 林忠和, 余国庆, 陈佳丽]]></dc:creator>
    <dc:date></dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>钢结构(中英文). 2026 41(6): 44-54.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.13206/j.gjgS25090103</dc:identifier>
    <prism:doi>10.13206/j.gjgS25090103</prism:doi>
    <prism:publicationName>钢结构(中英文)</prism:publicationName>
    <prism:volume>41</prism:volume>
    <prism:number>6</prism:number>
    <prism:publicationDate></prism:publicationDate>
	<prism:url>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS25090103?pageType=en</prism:url>
		<prism:startingPage>44</prism:startingPage>
  </item>
    <item rdf:about="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26042301?pageType=en">
    <title><![CDATA[整体钢平台高空拆改过程的有限元分析与动态监测]]></title>
    <link>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26042301?pageType=en</link>
	    <description>
		<![CDATA[张鑫鑫, 张新东, 郭振志, 汪钲东, 刘瑾 以厦门白鹭西塔项目为依托，针对该超高层塔楼的核心筒斜收分工况，对整体钢平台高空拆改的全过程进行方案设计、有限元模拟分析及动态监测。采用MIDAS/Gen对高空整体钢平台通过斜墙时的改造进行方案设计、有限元模拟，并针对改造全过程中关键受力构件的应力值、水平度进行了动态智能监测。根据塔楼剪力墙斜收分阶段设计了整体钢平台模架体系的拆改及加固方案，针对拆改过程中的5种关键拆改施工状态的主要构件参数值：应力比、位移及支座反力开展有限元计算，分析了该过程中结构在模板提升、钢筋绑扎及钢平台提升关键施工工况下的应力分布与机理分析。结果表明：在拆改过程中增加临时竖撑有效地分担了结构的整体荷载，降低了结构的最大应力比，拆改后的结构安全冗余度高于拆改前，结构更加安全；监测发现筒架柱、平台梁、牛腿的内力分布在低于模拟结果一定范围内波动，爬升时水平度在预警值范围内，从而全面保障了整体钢平台改造全过程的施工安全，可为类似超高层的斜墙施工及过程监测提供借鉴。 钢结构(中英文). 2026 41(6): 55-61.]]>
	</description>
    <content:encoded>
		<![CDATA[张鑫鑫, 张新东, 郭振志, 汪钲东, 刘瑾 以厦门白鹭西塔项目为依托，针对该超高层塔楼的核心筒斜收分工况，对整体钢平台高空拆改的全过程进行方案设计、有限元模拟分析及动态监测。采用MIDAS/Gen对高空整体钢平台通过斜墙时的改造进行方案设计、有限元模拟，并针对改造全过程中关键受力构件的应力值、水平度进行了动态智能监测。根据塔楼剪力墙斜收分阶段设计了整体钢平台模架体系的拆改及加固方案，针对拆改过程中的5种关键拆改施工状态的主要构件参数值：应力比、位移及支座反力开展有限元计算，分析了该过程中结构在模板提升、钢筋绑扎及钢平台提升关键施工工况下的应力分布与机理分析。结果表明：在拆改过程中增加临时竖撑有效地分担了结构的整体荷载，降低了结构的最大应力比，拆改后的结构安全冗余度高于拆改前，结构更加安全；监测发现筒架柱、平台梁、牛腿的内力分布在低于模拟结果一定范围内波动，爬升时水平度在预警值范围内，从而全面保障了整体钢平台改造全过程的施工安全，可为类似超高层的斜墙施工及过程监测提供借鉴。 钢结构(中英文). 2026 41(6): 55-61.]]>
	</content:encoded>
    <dc:title><![CDATA[整体钢平台高空拆改过程的有限元分析与动态监测]]></dc:title>
    <dc:creator><![CDATA[张鑫鑫, 张新东, 郭振志, 汪钲东, 刘瑾]]></dc:creator>
    <dc:date></dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>钢结构(中英文). 2026 41(6): 55-61.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.13206/j.gjgS26042301</dc:identifier>
    <prism:doi>10.13206/j.gjgS26042301</prism:doi>
    <prism:publicationName>钢结构(中英文)</prism:publicationName>
    <prism:volume>41</prism:volume>
    <prism:number>6</prism:number>
    <prism:publicationDate></prism:publicationDate>
	<prism:url>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26042301?pageType=en</prism:url>
		<prism:startingPage>55</prism:startingPage>
  </item>
    <item rdf:about="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26053135?pageType=en">
    <title><![CDATA[钢框架侧移角与钢梁最大边缘应变的关系]]></title>
    <link>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26053135?pageType=en</link>
	    <description>
		<![CDATA[童根树 抗震性能化设计需要对耗能构件内出现的最大应变进行计算和限制。为研究钢框架梁的最大应变与框架层侧移角的关系，采用包含强化段的钢材应力-应变曲线，计入钢梁剪切变形，给定梁端截面最大应变，计算了4种钢材的钢梁端位移延性系数，指出基于设计标准中钢材名义最小强度计算的强屈比，给出的钢梁延性系数是不准确的。计入框架柱变形后给出了框架层延性系数，最后给出层间侧移角与梁端最大应变的关系曲线，并提出了近似公式；给出了剪切型耗能连梁按照弯曲型梁计算时与层间侧移角1/50对应的最大应变。 钢结构(中英文). 2026 41(6): 62-68.]]>
	</description>
    <content:encoded>
		<![CDATA[童根树 抗震性能化设计需要对耗能构件内出现的最大应变进行计算和限制。为研究钢框架梁的最大应变与框架层侧移角的关系，采用包含强化段的钢材应力-应变曲线，计入钢梁剪切变形，给定梁端截面最大应变，计算了4种钢材的钢梁端位移延性系数，指出基于设计标准中钢材名义最小强度计算的强屈比，给出的钢梁延性系数是不准确的。计入框架柱变形后给出了框架层延性系数，最后给出层间侧移角与梁端最大应变的关系曲线，并提出了近似公式；给出了剪切型耗能连梁按照弯曲型梁计算时与层间侧移角1/50对应的最大应变。 钢结构(中英文). 2026 41(6): 62-68.]]>
	</content:encoded>
    <dc:title><![CDATA[钢框架侧移角与钢梁最大边缘应变的关系]]></dc:title>
    <dc:creator><![CDATA[童根树]]></dc:creator>
    <dc:date></dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>钢结构(中英文). 2026 41(6): 62-68.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.13206/j.gjgS26053135</dc:identifier>
    <prism:doi>10.13206/j.gjgS26053135</prism:doi>
    <prism:publicationName>钢结构(中英文)</prism:publicationName>
    <prism:volume>41</prism:volume>
    <prism:number>6</prism:number>
    <prism:publicationDate></prism:publicationDate>
	<prism:url>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26053135?pageType=en</prism:url>
		<prism:startingPage>62</prism:startingPage>
  </item>
    <item rdf:about="http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26052135?pageType=en">
    <title><![CDATA[杆件稳定：轴压杆稳定（续2）]]></title>
    <link>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26052135?pageType=en</link>
	    <description>
		<![CDATA[王立军 非弹性范围，欧拉公式将不再适用。恩格塞尔先后提出切线模量理论和双模量理论来考虑非弹性区的轴压杆屈曲问题，后经验证切线模量理论是正确的。由此，可得到由欧拉公式表示的弹性区的轴压杆临界应力和由恩格塞尔公式表示的非弹性区的轴压杆临界应力。引入安全系数，即可得到柱子曲线。TJ 17—74《钢结构设计规范》（简称《74钢规》）作为我国第一部钢结构设计规范，其柱子曲线就是采用上述方法得到的，但其中的相关参数不是钢材强度理论值，而是由试验确定的。 钢结构(中英文). 2026 41(6): 69-71.]]>
	</description>
    <content:encoded>
		<![CDATA[王立军 非弹性范围，欧拉公式将不再适用。恩格塞尔先后提出切线模量理论和双模量理论来考虑非弹性区的轴压杆屈曲问题，后经验证切线模量理论是正确的。由此，可得到由欧拉公式表示的弹性区的轴压杆临界应力和由恩格塞尔公式表示的非弹性区的轴压杆临界应力。引入安全系数，即可得到柱子曲线。TJ 17—74《钢结构设计规范》（简称《74钢规》）作为我国第一部钢结构设计规范，其柱子曲线就是采用上述方法得到的，但其中的相关参数不是钢材强度理论值，而是由试验确定的。 钢结构(中英文). 2026 41(6): 69-71.]]>
	</content:encoded>
    <dc:title><![CDATA[杆件稳定：轴压杆稳定（续2）]]></dc:title>
    <dc:creator><![CDATA[王立军]]></dc:creator>
    <dc:date></dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>钢结构(中英文). 2026 41(6): 69-71.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.13206/j.gjgS26052135</dc:identifier>
    <prism:doi>10.13206/j.gjgS26052135</prism:doi>
    <prism:publicationName>钢结构(中英文)</prism:publicationName>
    <prism:volume>41</prism:volume>
    <prism:number>6</prism:number>
    <prism:publicationDate></prism:publicationDate>
	<prism:url>http://gjg.ic-mag.com/article/doi/10.13206/j.gjgS26052135?pageType=en</prism:url>
		<prism:startingPage>69</prism:startingPage>
  </item>
  </rdf:RDF>
