tecnica_costruzioni:sicurezza_strutturale:probabilistico_livello_2
Differenze
Queste sono le differenze tra la revisione selezionata e la versione attuale della pagina.
Entrambe le parti precedenti la revisione Revisione precedente Prossima revisione | Revisione precedente | ||
tecnica_costruzioni:sicurezza_strutturale:probabilistico_livello_2 [2013/06/26 14:22] mickele [Indice di affidabilità] |
tecnica_costruzioni:sicurezza_strutturale:probabilistico_livello_2 [2021/06/13 13:09] (versione attuale) |
||
---|---|---|---|
Linea 1: | Linea 1: | ||
====== Metodi probabilistici di livello 2 ====== | ====== Metodi probabilistici di livello 2 ====== | ||
- | Approssimiamo | + | I metodi probabilistici di livello 2 approssimiamo |
$$g(\mathbf{x}) = g(x_1, x_2, \dots x_n) = g(\mathbf{x^{*}}) + \sum \limits_{i}^n \frac{\partial g}{\partial x_i} \left( x_i - x_i^{*}\right) + \frac{1}{2} \sum \limits_{i}^n \sum \limits_{j}^n \frac{\partial^2 g}{\partial x_i \partial x_j} \left( x_i - x_i^{*}\right) \left( x_j - x_j^{*}\right) + \dots $$ | $$g(\mathbf{x}) = g(x_1, x_2, \dots x_n) = g(\mathbf{x^{*}}) + \sum \limits_{i}^n \frac{\partial g}{\partial x_i} \left( x_i - x_i^{*}\right) + \frac{1}{2} \sum \limits_{i}^n \sum \limits_{j}^n \frac{\partial^2 g}{\partial x_i \partial x_j} \left( x_i - x_i^{*}\right) \left( x_j - x_j^{*}\right) + \dots $$ | ||
- | ====== Indice di affidabilità | + | In base all' |
+ | * i metodi FORM arrestano lo sviluppo in serie al primo ordine | ||
+ | * i metodi SORM si fermano al secondo ordine. | ||
+ | |||
+ | Inoltre tali metodi spostano l' | ||
+ | ====== Indice di sicurezza | ||
Supponiamo sia possibile dividere le variabili aleatorie associate al nostro sistema in due insiemi: | Supponiamo sia possibile dividere le variabili aleatorie associate al nostro sistema in due insiemi: | ||
- | * variabili con effetto favorevole sullo stato limite $R$; supponiamo siano le variabili $x_i$ con i compreso tra $1$ e $m$ | + | * variabili con effetto favorevole sullo stato limite $r$; supponiamo siano le variabili $x_i$ con i compreso tra $1$ e $m$ |
- | * variabili con effetto sfavorevole sullo stato limite $E$; supponiamo siano le $x_i$ di indice compreso tra $m+1$ e $n$ | + | * variabili con effetto sfavorevole sullo stato limite $e$; supponiamo siano le $x_i$ di indice compreso tra $m+1$ e $n$ |
A ciascun insieme di variabili associamo una variabile aleatoria | A ciascun insieme di variabili associamo una variabile aleatoria | ||
- | * $ r = G_R \left( x_i \right)$ con $i=1 \dots m$ | + | * $ r = g_r \left( x_i \right)$ con $i=1 \dots m$ |
- | * $ e = G_E \left( x_i \right)$ con $i=m+1 \dots n$ | + | * $ e = g_e \left( x_i \right)$ con $i=m+1 \dots n$ |
- | di modo che la funzione di stato limite assuma la forma | + | Supponiamo infine |
$g_{LS} \left( r,e \right) = r - e$ | $g_{LS} \left( r,e \right) = r - e$ | ||
Linea 32: | Linea 37: | ||
in cui ricordiamo che $f_{n}$ è una funzione del tipo | in cui ricordiamo che $f_{n}$ è una funzione del tipo | ||
- | $$f_{n} \left(g \right) = \frac{1}{\sqrt{2 \pi \sigma_g^2}} \exp \left( {- \frac{1}{2} \left( \frac{ | + | $$f_{n} \left(g_{LS} |
- | Effettuiamo un cambio di variabile passando dalla variabile $g$ alla variabile $u_g$, così definita | + | Effettuiamo un cambio di variabile passando dalla variabile $g_{LS}$ alla variabile $u_g$, così definita |
- | $$u_g = \frac{g - \mu_g}{\sigma_g} $$ | + | $$u_g = \frac{g_{LS} |
- | Con questa posizione $f_{n}(u_g)$ è diventata | + | Con questa posizione $f_{n}(u_g)$ è una funzione simmetrica; possiamo |
$$ | $$ | ||
Linea 50: | Linea 55: | ||
$$\DeclareMathOperator\erf{erf} \erf(x) = \frac{2}{\sqrt{\pi}} \int \limits_{0}^{x} \exp \left( -t^2 \right) \mathrm{d} t$$ | $$\DeclareMathOperator\erf{erf} \erf(x) = \frac{2}{\sqrt{\pi}} \int \limits_{0}^{x} \exp \left( -t^2 \right) \mathrm{d} t$$ | ||
- | I suoi valori sono facilmente determinabili negli ambienti di calcolo matematici di utilizzo usuale (excel, calc, matlab, la libreria math del linguaggio C). | + | I suoi valori sono facilmente determinabili negli ambienti di calcolo matematici di utilizzo usuale (excel, |
- | La probabilità di insuccesso è quindi funzione del solo parametro $\beta$ denominato //indice di affidabilità// poiché direttamente correlato con la probabilità di raggiungimento dello stato limite. | + | La probabilità di insuccesso è quindi funzione del solo parametro $\beta$ denominato //indice di sicurezza// poiché direttamente correlato con la probabilità di raggiungimento dello stato limite. |
+ | |||
+ | Dall' | ||
+ | |||
+ | ^ $P_f$ | $10^{-1}$ | ||
+ | ^ $\beta$ | ||
+ | |||
+ | Partendo da tale osservazione, | ||
+ | |||
+ | ^ Classe di sicurezza | ||
+ | ^ ^ periodo di riferimento\\ 1 anno ^ periodo di riferimento\\ 50 anni ^ | ||
+ | ^ RC3 | 5,2 | 4,3 | | ||
+ | ^ RC2 | 4,7 | 3,8 | | ||
+ | ^ RC1 | 4,2 | 3,3 | | ||
+ | |||
+ | La classe di sicurezza è correlata con le conseguenze del collasso in termini di perdite di vite umane, economiche, sociali o ambientali (RC3 -> conseguenze eccezionali; | ||
- | Dall' | ||
===== FORM ===== | ===== FORM ===== | ||
I metodi FORM (First Order Reliability Methods) approssimano la funzione di stato limite con il suo sviluppo in serie di Taylor interrotto al primo ordine. | I metodi FORM (First Order Reliability Methods) approssimano la funzione di stato limite con il suo sviluppo in serie di Taylor interrotto al primo ordine. | ||
+ | |||
+ | Sotto tale ipotesi, sulla base di quanto visto al paragrafo precedente, procediamo al calcolo dell' | ||
+ | |||
+ | Cerchiamo di dare un' | ||
+ | |||
+ | Per farlo effettuiamo il cambio di variabili | ||
+ | |||
+ | $$r' = \frac{r - \mu_r}{\sigma_r} $$ | ||
+ | |||
+ | $$e' = \frac{e - \mu_e}{\sigma_e} $$ | ||
+ | |||
+ | Poiché la funzione di stato limite $g_{LS}$ è lineare rispetto ad $r'$ ed $e'$. Da quanto detto sopra questo vuol dire che: | ||
+ | * o la funzione di stato limite è effettivamente lineare | ||
+ | * o approssimiamo la funzione di stato limite al suo sviluppo in serie di Taylor troncato al primo ordine e centrato in un certo punto. | ||
+ | |||
+ | Nel piano $r' | ||
+ | |||
==== FOSM ==== | ==== FOSM ==== | ||
Linea 67: | Linea 103: | ||
Sotto tali ipotesi, indicando con z la variabile aleatoria esito, pari al valore assunto dalla funzione di stato limite, abbiamo | Sotto tali ipotesi, indicando con z la variabile aleatoria esito, pari al valore assunto dalla funzione di stato limite, abbiamo | ||
- | $$\mu_z = g(\mu_{x, | + | $$\mu_g = g(\mu_{x, |
- | $$\sigma_z^2 = \sum \limits_{i=1}^{n} \sum \limits_{j=1}^{n} \left( \frac{\partial g}{\partial x_i} \right)_{\mu_x} \left( \frac{\partial g}{\partial x_j} \right)_{\mu_x} \sigma_{xi, | + | $$\sigma_g^2 = \sum \limits_{i=1}^{n} \sum \limits_{j=1}^{n} \left( \frac{\partial g}{\partial x_i} \right)_{\mu_g} \left( \frac{\partial g}{\partial x_j} \right)_{\mu_g} \sigma_{xi, |
in cui $\sigma_{xi, | in cui $\sigma_{xi, | ||
- | Nel caso le variabili $x_i$ siano statisticamente indipendenti il calcolo della varianza | + | Nel caso le variabili $x_i$ siano statisticamente indipendenti il calcolo della varianza |
- | $$\sigma_z^2 = \sum \limits_{i=1}^{n} \left( \frac{\partial g}{\partial x_i} \right)^2_{\mu_x} \sigma_{x, | + | $$\sigma_g^2 = \sum \limits_{i=1}^{n} \left( \frac{\partial g}{\partial x_i} \right)^2_{\mu_g} \sigma_{x, |
==== AFOSM ==== | ==== AFOSM ==== | ||
- | Anche il metodo AFOSM (Advanced First Order Second Moment) approssima la funzione di stato limite con il suo sviluppo in serie di Taylor troncato al primo ordine | + | Nel caso la funzione di stato limite sia lineare, il metodo FOSM ci permette di valutare il valore esatto dell' |
+ | |||
+ | Per risolvere tale problema è stato formulato | ||
+ | |||
+ | A tal proposito gli approcci possibili sono di varia natura, più o meno complessi. L' | ||
- | $$ \beta_{HL} = \min \left\{ \left( | + | $$ \beta_{min} = \min \left\{ \left( |
===== SORM ===== | ===== SORM ===== | ||
tecnica_costruzioni/sicurezza_strutturale/probabilistico_livello_2.1372249364.txt.gz · Ultima modifica: 2021/06/13 13:09 (modifica esterna)