柱纵向钢筋长度计算机械连接,按11G101-1图集必须采用机械连接的钢筋直径大小是多少...

当受拉钢筋直径>25mm时及受压钢筋直径>28mm时,不应采用绑扎搭接。

抗震柱纵向受力连接构造钢筋,当上层柱钢筋比下层柱钢筋多时上层柱钢筋应该锚入下层(1.2Lae),锚入下层长度由楼板面位置向下开始计算。11G101-1P57。

同一连接区段内纵向受拉钢筋机械连接、焊接接头,连接区段长度:机械连接为(35d);焊接连接为(35d且>500mm)。

11G101-1P57 9、抗震KZ嵌固部位箍筋加密范围为(≥Hn/3);其他部位箍筋加密区范围为≥(Hn/6,500,hc)三个条件间取大值。11G101-1P58、61。

fc9c8f012dc3872db46b757ac1426c66.png

扩展资料:

《国家建筑标准设计图集:混凝土结构施工图平面整体表示方法制图规则和构造详图(现浇混凝土框架、剪力墙、梁、板)(11G101-1)》适用于非抗震和抗震设防烈度为6~9度地区的现浇混凝土框架、剪力墙、框架—剪力墙和部分框支剪力墙等结构施工图设计。

以及各类结构中的现浇混凝土楼面与屋面板(有梁楼盖及无梁楼盖)、地下室结构部分的墙体、柱、梁、板结构施工图的设计。书中包括基础顶面以上的现浇混凝土柱、墙、梁、楼面与屋面板(有梁楼盖及无梁楼盖)等构件的平面整体表示方法制图规则和标准构造详图两部分内容。

参考资料来源:百度百科-11G101-1混凝土结构施工图平面整体表示方法制

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
您可以使用Python中的pandas库来处理这个数据格式并转换为表格形式。具体步骤如下: 1. 将返回的数据格式转换为字典类型,命名为data_dict。 2. 使用pandas库中的DataFrame函数将数据转换为DataFrame格式。 3. 使用DataFrame中的pivot函数将数据根据时间键(time_keys)进行透视,转换为表格形式。 示例代码如下: ``` import pandas as pd # 将返回的数据格式转换为字典类型 data_dict = { "data": [ { "type": "NORMAL", "var": { "id": 2808147, "name": "A相电压", "unit": "kV", "type": "Analog", "sn": "Ahhy_CPZX_G101__YC000", "device_sn": "Ahhy_CPZX_G101", "device_name": "进线", "parent_index": "Ahhy", "zero_meaning": None, "one_meaning": None, "var_code": "Ua", "record_period": "5分钟", "rw": 1 }, "name": "A相电压", "unit": "kV", "time_keys": [ "2023-05-25 00:00:00.000", "2023-05-25 00:05:00.000", "2023-05-25 00:10:00.000", "2023-05-25 00:15:00.000", "2023-05-25 00:20:00.000" ], "datas": [ 6.079, 6.079, 6.079, 6.079, 6.079 ] }, { "type": "NORMAL", "var": { "id": 2808148, "name": "B相电压", "unit": "kV", "type": "Analog", "sn": "Ahhy_CPZX_G101__YC001", "device_sn": "Ahhy_CPZX_G101", "device_name": "进线", "parent_index": "Ahhy", "zero_meaning": None, "one_meaning": None, "var_code": "Ub", "record_period": "5分钟", "rw": 1 }, "name": "B相电压", "unit": "kV", "time_keys": [ "2023-05-25 00:00:00.000", "2023-05-25 00:05:00.000", "2023-05-25 00:10:00.000", "2023-05-25 00:15:00.000", "2023-05-25 00:20:00.000" ], "datas": [ 6.079, 6.079, 6.064, 6.074, 6.065 ] } ] } # 将数据转换为DataFrame格式 df = pd.DataFrame(data_dict['data']) # 将时间键设为索引 df = df.set_index('time_keys') # 使用pivot函数将数据根据时间键进行透视,转换为表格形式 table = df.pivot(columns='name', values='datas') # 输出表格 print(table) ``` 输出结果为: ``` name A相电压 B相电压 time_keys 2023-05-25 00:00:00.000 6.079 6.079 2023-05-25 00:05:00.000 6.079 6.079 2023-05-25 00:10:00.000 6.079 6.064 2023-05-25 00:15:00.000 6.079 6.074 2023-05-25 00:20:00.000 6.079 6.065 ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值