摘要：通过对雅安地震重灾区进行地震灾害调查,整理了芦山地震中砌体结构住宅破坏的特征及发生破坏的原因。结果表明多层砌体结构住宅房屋的破坏形式大致归纳为:整体坍塌、上部结构与基础圈梁发生整体错动、纵向窗间墙承载力不足和墙角破坏及承重墙裂缝等几种。文章从工程防震减灾角度浅析了这几种破坏发生的原因及乡镇砌体房屋在建设中加强抗震构造措施的必要性和砌体抗震设计的关键性。并从科学的角度提出今后乡镇砌体结构住宅在建造中应该注意的问题,从而达到我国的抗震三标准的要求。

摘要：传统时变可靠性分析(Time-dependent reliability analysis, TRA)往往通过大量实验设计样本(Design of experiments, DoE)构建代理模型,从而实现时变可靠性分析计算。在这个过程中,随着性能方程的非线性程度、响应求解难度等增加,Do E的计算成本愈发高昂,使得可靠性分析耗时冗长。针对该问题,创新性地提出了一种基于物理信息神经网络(Physics-informed neural network,PINN)的时变可靠性分析方法(PINN-based TRA, PBTRA)。该方法在TRA过程中将约束系统响应的偏微分方程(Partial differential equation, PDE)融入PINN模型训练的损失函数,使用PINN模型预测系统的实际响应,并基于此构建性能方程,解决了传统时变可靠性分析依赖大量仿真计算获取实验样本的难题,有效降低了TRA计算成本。同时针对传统PINN训练过程出现的收敛缓慢和模型欠拟合等问题,根据训练过程中PINN模型在不同采样区域的响应情况,判断相关区域是否接近系统响应的极限状态,并据此划分敏感区域,动态调整训练点采样分布,进一步结合神经网络的重采样机制,提出了一种基于区域响应权重的PINN模型动态采样训练方法,并且将其应用于TRA中。相较于传统的PINN,所提方法具有更快的训练速度与更高的性能响应计算精度,进而能够提升TRA精度与效率。文章中针对两个案例测试了所提出的PBTRA方法,并与传统TRA方法进行了对比,验证了所提出方法的优越性。