Detail předmětu

Spolehlivost konstrukcí

FAST-ZD51Ak. rok: 2024/2025

Mezní stavy konstrukcí, filosofie současných norem, individuální přístup ke konstrukcím.
Metody k výpočtu teoretické pravděpodobnosti poruchy, indexu spolehlivosti. Aproximační metody FORM, SORM, metoda plochy odezvy.
Simulační metody typu Monte Carlo, Latin Hypercube Sampling. Statistická závislost náhodných veličin. Pokročilé simulační metody typu importance sampling, adaptive sampling.
Metoda stochastických konečných prvků.
Spolehlivostní software a jeho aplikace.

Jazyk výuky

čeština

Zajišťuje ústav

Ústav stavební mechaniky (STM)

Vstupní znalosti

Základy teorie spolehlivosti konstrukcí, pravděpodobnost a matematická statistika, metoda konečných prvků.

Pravidla hodnocení a ukončení předmětu

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Učební cíle

Rozšíření základních znalostí teorie spolehlivosti stavebních konstrukcí: Účinné simulační metody, metoda stochastických konečných prvků, problematika statistické závislosti, aj.
Osvojení použití účinného spolehlivostního software

Základní literatura

A. Haldar, S. Mahadevan: Reliability Assessment Using Stochastic Finite Element Analysis. John Wiley and Sons 2000

Typ (způsob) výuky

 

Přednáška

39 hod., nepovinná

Vyučující / Lektor

Osnova

1. Rozšíření základních znalostí z teorie spolehlivosti konstrukcí. 2. Mezní stavy konstrukcí, filosofie současných norem, individuální přístup ke konstrukcím. 3. Metody k výpočtu teoretické pravděpodobnosti poruchy, indexu spolehlivosti. 4. Aproximační metody FORM, SORM, metoda plochy odezvy. 5. Simulační metody typu Monte Carlo, Latin Hypercube Sampling. 6. Statistická závislost náhodných veličin. 7. Pokročilé simulační metody typu importance sampling, adaptive sampling. 8. Náhodné procesy a náhodné pole – metoda stochastických konečných prvků. 9. Metody citlivostní analýzy. 10. Spolehlivostní software. 11. Systém výpočtu spolehlivosti betonových konstrukcí SARA. 12. Ukázky aplikací na mostní konstrukce. 13. Identifikace parametrů modelu pomocí neuronových sítí.