Está en la página 1de 9

Tarea N4

Alumno: Mathias Haindl

Mircoles 6 de noviembre de 2013

Ejercicio N1
Una funcin de estado lmite est dada por: g (R, Q, P) = R Q P , en donde R es una variable aleatoria log-normal (VR = 0.15, R = 1.12), Q es una variable aleatoria normal (VQ = 0.09, Q = 0.93), P es una variable aleatoria normal (VP = 0.13, P = 0.91), P = 0.50Q, y todas las variables son independientes entre s. (1) Determinar los valores de los factores de carga Q y P de manera tal que FQ (q*) = FP (p*) = 0.96. Para este caso la manera de poder determinar los factores de carga de las variables normales Q y P es de la siguiente manera: Tenemos como dato que FQ(q*)=FP(p*)=0.96 y tanto Q como P son variables normales, entonces: ( ( Segn LFRD, ( ) ) )

( ) Y conocemos la relacin entre los valores nominales y los factores de carga, la cual es:

Reemplazando estas relaciones en la ecuacin LRFD nos queda: ( ) ( )

Y por lo tanto finalmente los factores de carga son: ( ( Recordando tambin la relacin: y ( ) ( ) ) )

Luego basta con solo introducir los valores dados por el problema con lo que los factores de carga resultan:

(2) Teniendo en cuenta los valores de los factores de carga determinados en el tem (1), determinar el valor del factor de resistencia R para que el valor del ndice de Confiabilidad de Rackwitz-Fiessler sea igual a 3.5. Para realizar este ejercicio existen diferentes maneras de hacerlo. A continuacin se presentan cada una de ellas. La primera manera es sabiendo que el ndice de confiabilidad de RackwitzFiessler en el estado lmite es: [ ( ) ( ( )] ) ( )

, pero hacemos el cambio de variable para r*, lo que queda: ( )

Y por otro lado

y se refiere a la media y desviacin estndar, respectivamente, equivalente de la variable log-normal. Es necesario calcularla para poder continuar. Sin embargo su clculo es muy sencillo ya que como :

( )

)]

Y podemos simplemente partir con los valores de diseo igual a las medias por lo que las expresiones anteriores se simplifican an ms. Por otro lado, de la ecuacin de estado lmite evaluada en los puntos de diseo tenemos:

Y utilizando la definicin matemtica de los factores de carga y los factores de desvo, mostrados anteriormente, nos queda: Entonces, reemplazando todos estos trminos en la ecuacin para el ndice de confiabilidad de Rackwitz-Fiessler y despejando de ella resulta que el factor de resistencia es: 5 (3) Teniendo en cuenta los valores de los factores de carga determinados en el tem (1), determinar el valor nominal de P (i.e., pn) que corresponde a qn = 157. Sabiendo que la relacin entre el factor de desvi y los parmetros de la variable P son: y Adems, de enunciado nos dicen que las medias entre las variables Q y P se relacionan como:

Entonces combinando esta informacin tenemos:

(4) Teniendo en cuenta los valores de los factores de carga y resistencia determinados en los tems anteriores, determinar la resistencia nominal rn que debe proveerse si las cargas nominales son iguales a qn = 157 y pn = el valor determinado en el tem anterior. Nuevamente utilizando la ecuacin de estado lmite g=0 y la definicin matemtica del factor de carga , tenemos:

Esto tambin se podra haber hecho iterando por el mtodo de Rackwitz-Fiessler, reevaluando cada vez en los valores de diseo actualizados y encontrando finalmente en la convergencia el ndice de confiabilidad requerido 3.5 (5) Verificar el valor de rn determinado en el tem (4) mediante el Mtodo de RackwitzFiessler. Debemos utilizar la ecuacin para el ndice de confiabilidad de Rackwitz-Fiessler y las relaciones para los parmetros de las variables. As resulta:

(6) Verificar el valor de rn determinado en el tem (4) mediante simulacin Monte-Carlo. Para este caso se generaron 10.000.000 de valores para cada variable. Los resultados obtenidos fueron los siguientes:

Y con estos parmetros en ndice de confiabilidad resulta:

Ejercicio N2 dem tem (2) del Ejercicio 1, pero sin considerar que P = 0.50 Q. Adems para la solucin de este problema, vamos a generar un rango de valores en los que puede variar la relacin entre y . As por ejemplo, si en el ejercicio anterior la relacin era , ahora digamos que esa relacin puede estar entre 0.1 y 1, con un paso de 0.1, esto es: (Nomenclatura MatLab) Para el vamos a considerar, de acuerdo al valor obtenido en el Ejercicio N1, que este se mover entre 0.65 y 0.9. Entonces vemos grficamente que para diferentes relaciones de los parmetros de la solucin en el requerido comenzar a converger. El valor de resulta:

, que lo podemos aproximar a 0.75 o 0.8 si es ms conservador.

Anexos
%% Ejercicio N1 %R variable log-normal VR=0.15; lambdaR=1.12; %Q variable aleatoria normal VQ=0.09; lambdaQ=0.93; %P variable aleatoria normal VP=0.13; lambdaP=0.91; % (1) %De formula tenemos que: gammaQ=VQ*lambdaQ*(norminv(0.96)+1/VQ); gammaP=VP*lambdaP*(norminv(0.96)+1/VP); disp('(1)') disp(horzcat('El factor de carga ',char('gamma_Q'),' es ',num2str(gammaQ))) disp(horzcat('El factor de carga ',char('gamma_P'),' es ',num2str(gammaP))) disp('-------------------------------------------------') % De acuerdo a lo mostrado en consola aproximamos los factores de carga gammaQ=1.1; gammaP=1.15; %(2)En la ecuacin los muQ se simplificarn por lo que escribimos los %terminos sin considerar muQ aux=lambdaR*(gammaQ/lambdaQ+0.5*gammaP/lambdaP); S=solve('((aux/phiR)*(1-log((aux/phiR)/1.5))1.5)/sqrt(((aux/phiR)*VR)^2+VR^2+(0.5*VP)^2)=3.5','phiR'); phiR=subs(S,{aux,VR,VP},{[lambdaR*(gammaQ/lambdaQ+0.5*gammaP/lambdaP),0.1 5,0.13]}); disp(phiR) % De acuerdo a lo mostrado en consola aproximamos el factores de % resistencia phiR=0.75; % 3) qn=157; %Las relciones con los factores de desvo son: muQ=qn*lambdaQ; muP=0.5*muQ; pn=muP/lambdaP;

% 4)De la ecuacin de estado lmite rn=(gammaQ*qn+gammaP*pn)/phiR; % 5)Vamos a poner un valor de rn con hartos decimales para que el clculo % sea ms exacto muRe=phiR*353.27875*(1-log(phiR/lambdaR)); sigmaRe=phiR*rn*VR; sigmaQ=muQ*VQ; sigmaP=muP*VP; G=[-sigmaRe;sigmaQ;sigmaP]; betha1=(muRe-muQ-muP)/sqrt(G'*eye(3)*G); % 6) R=normrnd(muRe,sigmaRe,10000000,1); Q=normrnd(muQ,sigmaQ,10000000,1); P=normrnd(muP,sigmaP,10000000,1); for i=1:length(R) G(i)=R(i)-Q(i)-P(i); end falla=heaviside(-G); falla=sum(falla); Pf=falla/10000000; betha2=-norminv(Pf); %% Ejercicio N2 %De acuerdo al resultado obtenido en el Ejercicio N1, consideremos ahora %que el factor de resistencia puede estar entre 0.65 y 0.85 phiR=(0.65:0.01:0.9); % Adems vamos a considerar que la relacin entre las medias de Q y P estan % en la razon entre 0.1 y 0.8 ratio=(0.1:0.1:0.8); for j=1:length(ratio) for i=1:length(phiR) betha3(i)=(phiR(i)/(lambdaR*VR)*(1-log(phiR(i)/lambdaR))(ratio(j)+1)*(phiR(i)/lambdaR*1/(gammaQ/lambdaQ+ratio(j)*gammaP/lambdaP)) /VR)/sqrt((phiR(i)/lambdaR)^2+(1+ratio(j)^2)*(VQ/VR)^2*(phiR(i)/lambdaR*1 /(gammaQ/lambdaQ+ratio(j)*gammaP/lambdaP))^2); end valor(j,:)=betha3; end figure for i=1:length(ratio) plot(phiR,valor(i,:)); hold on end PHI=3.5*ones(1,length(phiR)); plot(phiR,PHI,'r','LineWidth',2); hold on plot([0.768,0.768],[2,4.5],'color','g','LineWidth',2); legend('Relacin \mu_P/\mu_Q','\beta = 3.5','\phi_R = 0.768') title('Grfica de \phi_R vs. \beta') ylabel('\beta') xlabel('\phi_R') grid on