Tổng quan về luận án

Trong kỹ thuật công trình giao thông hiện đại, việc đảm bảo an toàn vận hành và kéo dài tuổi thọ khai thác của hệ thống hạ tầng cầu đường là một thách thức mang tính chiến lược. Các kết cấu cầu chịu tác động đồng thời của suy thoái vật liệu tự nhiên, tải trọng xe vượt tải lặp đi lặp lại dẫn đến hiện tượng phá hoại mỏi, cùng các kích động môi trường ngẫu nhiên như bão lũ và vi chấn. Sự xuất hiện của hiện tượng cộng hưởng cơ học khi tần số kích động trùng khớp với tần số dao động riêng có thể làm khuếch đại dao động và đẩy nhanh quá trình hình thành khuyết tật vi mô thành hư hỏng nghiêm trọng mang tính thảm họa. Luận án tiến sĩ kỹ thuật của tác giả Hồ Khắc Hạnh với tiêu đề "Chẩn đoán dầm cầu bằng phương pháp phân tích dao động trên mô hình số hoá kết cấu được cập nhật sử dụng thuật toán tối ưu hoá bầy đàn kết hợp mạng nơ ron nhân tạo" (chuyên ngành Kỹ thuật Xây dựng Cầu - Hầm, Mã số: 9580205, bảo vệ tại Trường Đại học Giao thông Vận tải Hà Nội năm 2021 dưới sự hướng dẫn khoa học của PGS.TS. Bùi Tiến Thành và TS. Ngô Văn Minh) đã tiếp cận trực tiếp bài toán bức thiết này.

Luận án khẳng định vai trò cốt lõi của công nghệ giám sát sức khỏe kết cấu không phá hủy: "Nhiệm vụ của hệ thống đánh giá sức khỏe kết cấu công trình là quan trắc để phát hiện sớm những hư hỏng dựa trên các dữ liệu đo đạc và phân tích đánh giá mức độ nghiêm trọng của những hư hỏng này trước khi đưa ra các quyết định sửa chữa." Tuy nhiên, research gap (khoảng trống nghiên cứu) căn bản tồn tại trong thực tiễn là: các phương pháp truyền thống (như khảo sát trực quan hay thử tải tĩnh) đòi hỏi phong tỏa giao thông, chi phí cao, chỉ phản ánh trạng thái nhất thời và bất lực trong việc phát hiện các khuyết tật ẩn sâu bên trong tiết diện. Trong khi đó, các phương pháp nhận dạng động học giải bài toán ngược (inverse problem) thông qua việc cập nhật mô hình phần tử hữu hạn thường bị cản trở bởi hiện tượng phi tuyến tính cao, nhiễu đo lường hiện trường và bẫy tối ưu cục bộ (local minima).

Để giải quyết triệt để khoảng trống này, luận án xây dựng hệ thống câu hỏi nghiên cứu và giả thuyết khoa học tường minh:

  • Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để trích xuất chính xác các tham số động học đặc trưng (tần số dao động riêng, hình dạng dao động, hệ số giảm chấn) từ tín hiệu dao động ngẫu nhiên chịu tác động của nhiễu?
  • Câu hỏi nghiên cứu 2 (RQ2): Bằng cơ chế nào có thể triệt tiêu nhược điểm rơi vào điểm cực tiểu cục bộ của thuật toán lan truyền ngược (Backpropagation - BP) trong mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) khi xấp xỉ không gian hư hỏng phức tạp?
  • Câu hỏi nghiên cứu 3 (RQ3): Mô hình lai ghép song song giữa thuật toán tối ưu hóa bầy đàn (Particle Swarm Optimization - PSO) và mạng ANN có cải thiện định lượng được độ chính xác và tốc độ hội tụ trong việc định vị và lượng hóa mức độ hư hỏng kết cấu từ mô hình số đến thực nghiệm hiện trường hay không?
  • Giả thuyết khoa học 1 (H1): Sự kết hợp song song giữa PSO (tìm kiếm tối ưu toàn cục) và ANN (học sâu phi tuyến) sẽ tạo ra cơ chế hiệu chỉnh trọng số và độ lệch vượt qua các bẫy cực tiểu cục bộ trên bề mặt sai số phân bố phức tạp.
  • Giả thuyết khoa học 2 (H2): Mô hình số hóa được cập nhật tham số độ cứng theo thời gian thực có thể nhận diện chính xác độ suy giảm độ cứng từ mức rất nhỏ (7%) đến mức nghiêm trọng (70% - 80%) tại một hoặc nhiều phần tử đồng thời trên các hệ kết cấu đa dạng (dầm giản đơn, bản composite, dàn thép liên tục).

Khung lý thuyết của công trình tích hợp chặt chẽ giữa Cơ học kết cấu động lực học (phương trình vi phân dao động ma trận, lý thuyết giảm chấn Rayleigh), Phương pháp phần tử hữu hạn (FEM), và Trí tuệ nhân tạo (AI/ML). Phạm vi nghiên cứu bao quát từ mô phỏng số học chuyên sâu (kết cấu dầm, tấm composite 3 lớp, cầu dàn thép Bến Thủy), kiểm chứng thực nghiệm trên mô hình dầm thép 21 phần tử tại phòng thí nghiệm, cho đến đo đạc thực chứng trên kết cấu cầu Bến Quan đang khai thác.

Literature Review và Positioning

Lý thuyết giám sát sức khỏe kết cấu công trình (SHM - Structural Health Monitoring) dựa trên đặc trưng động học đã phát triển mạnh mẽ qua nhiều thập kỷ. Theo phân loại kinh điển của Rytter (1993), SHM bao gồm 4 cấp độ: (i) Phát hiện sự tồn tại của hư hỏng; (ii) Xác định vị trí hư hỏng; (iii) Định lượng mức độ hư hỏng; và (iv) Dự báo tuổi thọ mỏi còn lại của kết cấu.

Tổng quan y văn quốc tế ghi nhận sự phân hóa rõ nét giữa các trường phái tiếp cận:

  1. Trường phái suy giảm tần số dao động tự nhiên: Salawu (1997) và Ndambi et al. (2002) chứng minh tần số dao động riêng cực kỳ nhạy với sự suy giảm tổng thể độ cứng nhưng kém nhạy trong việc định vị không gian khuyết tật cục bộ, đặc biệt trong các kết cấu nhịp lớn có mật độ dao động dày đặc.
  2. Trường phái hình dạng dao động và độ cong dao động (Mode Shape Curvature): Pandey, Biswas & Samman (1991) cùng Maeck & De Roeck (1999) đã mở rộng chỉ số đảm bảo dạng dao động (MAC - Modal Assurance Criterion) và COMAC sang dạng đạo hàm bậc hai của chuyển vị dạng mode. Biến dạng uốn liên hệ trực tiếp với bán kính cong $\varepsilon = y/R = -y (d^2 u / dx^2)$, cho thấy độ nhạy cục bộ vượt trội. Tuy nhiên, Alvandi et al. (2006) chỉ ra rằng phương pháp độ cong dạng dao động cực kỳ nhạy cảm với sai số và nhiễu ngẫu nhiên của cảm biến hiện trường.
  3. Trường phái năng lượng biến dạng và ma trận độ mềm: Stubbs et al. (1995), Cornwell et al. (1999) phát triển chỉ số năng lượng biến dạng mode (Modal Strain Energy), trong khi Bernal (2002) và Pandey et al. (1994) áp dụng ma trận độ mềm động học (Dynamical Flexibility Matrix) nhằm tận dụng ưu thế hội tụ nhanh ở các mode bậc thấp.

Về phương pháp tối ưu hóa và trí tuệ nhân tạo, y văn thế giới tồn tại cuộc tranh luận học thuật sâu sắc giữa hai nhánh giải thuật:

  • Thuật toán tiến hóa sinh học: Na et al. (2004), Mares & Surace (1996), Perera et al. (2008) ứng dụng Thuật toán di truyền (GA - Genetic Algorithm), Tối ưu hóa đàn kiến (Ant Colony - AC), hay Tối ưu hóa bầy chim Cúc cu (Cuckoo Search - CS). Tuy nhiên, luận án chỉ rõ hạn chế mang tính cố hữu: "Một trong những nhược điểm lớn của GA đó là thuật toán này thường bị mất thông tin với cá thể không được lựa chọn để tiếp tục so sánh với thế hệ trước. Hơn nữa qua mỗi bước, bởi vì có quá nhiều tham số phải điều chỉnh, quá trình tính toán thường rất dài và yêu cầu các siêu máy tính với cấu hình cao khi áp dụng GA để giải quyết các mô hình số phức tạp, với nhiều phần tử và số bậc tự do (degree of freedom – DOF)."
  • Mạng nơ-ron nhân tạo và Học máy: Zenzen et al. (2020), Asteris & Mokos (2019), Duẩn et al. (2020), Dackermann et al. (2013) khai thác ANN để giải bài toán nhận dạng phi tuyến. Dẫu vậy, rào cản chí mạng được văn bản luận án nhấn mạnh: "Một trong những vấn đề cốt lõi nhất là ANN sử dụng các thuật toán lan truyền ngược dựa trên các kỹ thuật GD (Gradient Descent), có một nhược điểm chính liên quan đến các vấn đề cực tiểu cục bộ, đặc biệt có thể xảy ra khi mạng chứa các bề mặt lỗi khác nhau với nhiều cực tiểu cục bộ được phân phối rộng rãi."

So sánh với các nghiên cứu quốc tế điển hình như dự án lắp đặt 600 cảm biến trên cầu treo Tsing Ma (Hồng Kông) hay nghiên cứu cập nhật tham số Bayes trên cầu dây văng Ting Kau của Kuok et al. (2011), các nghiên cứu tại Việt Nam (Nguyễn Tiến Minh, Bùi Đức Chính, Phạm Xuân Khang, Nguyễn Việt Khoa, Bùi Tiến Thành) trước đây chủ yếu dừng lại ở việc đo đạc thụ động tần số hoặc khảo sát tĩnh. Luận án của Hồ Khắc Hạnh định vị chính xác vị trí tiên phong bằng việc thiết lập một quy trình khép kín: xây dựng thuật toán lai song song PSO-ANN giải quyết đồng thời bài toán bẫy cực tiểu cục bộ của mạng nơ-ron và chi phí tính toán khổng lồ của bầy đàn, trực tiếp cập nhật mô hình số hóa (Digital Twin) để chẩn đoán hư hỏng đa cấp độ cho kết cấu cầu đường tại Việt Nam.

Đóng góp lý thuyết và khung phân tích

                     +-------------------------------------------------------------+
                     |    KÍCH ĐỘNG TỰ NHIÊN / KHAI THÁC HIỆN TRƯỜNG & SỐ HOÁ      |
                     |       (Gió, Vi chấn, Phương tiện giao thông lặp)            |
                     +------------------------------+------------------------------+
                                                    |
                                    [Thu thập dữ liệu gia tốc]
                                                    v
                     +-------------------------------------------------------------+
                     |  NHẬN DẠNG ĐẶC TRƯNG ĐỘNG HỌC & XỬ LÝ TÍN HIỆU DAO ĐỘNG     |
                     |  - Tần số riêng (f_i) | Dạng dao động (phi_i) | Cản (xi_i)  |
                     |  - Khử nhiễu: Fast Fourier Transform (FFT) / Wavelet (WT)   |
                     +------------------------------+------------------------------+
                                                    |
                                    [Vector đặc trưng động học]
                                                    v
                     +-------------------------------------------------------------+
                     |         KHUNG PHÂN TÍCH LAI GHÉP SONG SONG PSO - ANN        |
                     |                                                             |
                     |   +-----------------------------------------------------+   |
                     |   | Thuật toán Mạng Nơ-ron Nhân tạo (ANN):              |   |
                     |   | - Ánh xạ phi tuyến giữa mode dao động & hư hỏng     |   |
                     |   | - Thuật toán lan truyền ngược Backpropagation (BP)  |   |
                     |   +--------------------------+--------------------------+   |
                     |                              | (Khắc phục cực tiểu cục bộ)  |
                     |                              v                              |
                     |   +-----------------------------------------------------+   |
                     |   | Thuật toán Tối ưu hoá Bầy đàn (PSO):                |   |
                     |   | - Tìm kiếm giải pháp tối ưu toàn cục (Global Best)  |   |
                     |   | - Cập nhật vector vận tốc và vị trí cá thể          |   |
                     |   | - Tối ưu hóa bộ trọng số {w} và độ lệch {b} cho ANN |   |
                     |   +-----------------------------------------------------+   |
                     +------------------------------+------------------------------+
                                                    |
                                 [Hội tụ sai số cực tiểu MSE -> min]
                                                    v
                     +-------------------------------------------------------------+
                     |   CẬP NHẬT MÔ HÌNH PHẦN TỬ HỮU HẠN & CHẨN ĐOÁN HƯ HỎNG      |
                     |   - Cập nhật ma trận độ cứng [K_updated] & khối lượng [M]   |
                     |   - Chẩn đoán 4 Cấp độ: Nhận diện - Định vị - Lượng hóa     |
                     |   - Kiểm chứng: Dầm giản đơn, Tấm composite,                |
                     |                 Cầu dàn Bến Thủy, Cầu Bến Quan              |
                     +-------------------------------------------------------------+

Đóng góp cho lý thuyết

Luận án đã mở rộng và hoàn thiện lý thuyết cập nhật mô hình số hóa kết cấu (Finite Element Model Updating) thông qua việc tái cấu trúc không gian tối ưu hóa tham số. Về mặt toán học, hệ phương trình vi phân chuyển động cơ bản của kết cấu rời rạc hóa với $N$ bậc tự do (DOF) được biểu diễn:

$$[M]{\ddot{u}(t)} + [C]{\dot{u}(t)} + [K]{u(t)} = {F(t)}$$

Trong đó $[M]$, $[C]$, $[K]$ lần lượt là ma trận khối lượng, ma trận giảm chấn và ma trận độ cứng; ${u(t)}$, ${\dot{u}(t)}$, ${\ddot{u}(t)}$ là các vector chuyển vị, vận tốc và gia tốc. Đối với bài toán dao động tự do không cản, phương trình giá trị riêng tổng quát có dạng:

$$([K] - \omega_i^2 [M]){\phi_i} = {0}$$

Với $\omega_i = 2\pi f_i$ là tần số góc dao động riêng thứ $i$, và ${\phi_i}$ là vector dạng dao động riêng chuẩn hóa thỏa mãn điều kiện trực giao:

$${\phi_i}^T [M] {\phi_j} = \delta_{ij}, \quad {\phi_i}^T [K] {\phi_j} = \omega_i^2 \delta_{ij}$$

Sự đóng góp lý thuyết mang tính đột phá của tác giả thể hiện ở việc biến đổi bài toán nghịch đảo nhận dạng hư hỏng (vốn bị suy biến do thiếu dữ liệu đo và ảnh hưởng của nhiễu) thành một bài toán tối ưu hóa đa mục tiêu với hàm mục tiêu giảm thiểu sai số bình phương trung bình (Mean Square Error - MSE) kết hợp giữa tần số và dạng mode:

$$\text{MSE} = \frac{1}{M}\sum_{k=1}^{M} \left( \frac{f_k^{\text{exp}} - f_k^{\text{num}}({p})}{f_k^{\text{exp}}} \right)^2 + \sum_{k=1}^{M} \left( 1 - \text{MAC}_k \right)$$

Trong đó ${p} = {E_1, E_2, \dots, E_n}$ là vector tham số mô-đun đàn hồi của từng phần tử hữu hạn, đại diện cho mức độ suy giảm độ cứng $\alpha_e = (1 - E_e/E_0) \times 100%$.

Khung phân tích độc đáo

Khung phân tích của luận án kết hợp 3 lý thuyết nền tảng:

  1. Lý thuyết động lực học kết cấu cổ điển: Xác lập mối liên hệ giải tích giữa phân bố độ cứng cục bộ và đáp ứng tần số thông qua lý thuyết dầm Euler-Bernoulli và giảm chấn nhớt tỷ lệ Rayleigh: $[C] = \alpha [M] + \beta [K]$.
  2. Lý thuyết Trí tuệ bầy đàn (Swarm Intelligence): Mô hình hóa quá trình tìm kiếm tham số thông qua cập nhật không gian trạng thái vận tốc $V_i^{k+1}$ và vị trí $X_i^{k+1}$ của phần tử thứ $i$: $$V_i^{k+1} = w V_i^k + c_1 r_1 (P_{\text{best}, i}^k - X_i^k) + c_2 r_2 (G_{\text{best}}^k - X_i^k)$$ $$X_i^{k+1} = X_i^k + V_i^{k+1}$$ Với $w$ là trọng số quán tính, $c_1, c_2$ là hệ số học tập cá thể và bầy đàn, $r_1, r_2 \in [0, 1]$ là biến ngẫu nhiên phân bố đều.
  3. Lý thuyết mạng nơ-ron học sâu (Deep Neural Learning): Thiết lập cấu trúc mạng nhiều lớp (Multi-Layer Perceptron) với hàm kích hoạt phi tuyến (Sigmoid / Tan-sigmoid) và giải thuật lan truyền ngược Levenberg-Marquardt (LM).

Cơ chế lai song song PSO-ANN: Thuật toán PSO được tích hợp không chỉ để tinh chỉnh đầu vào mà còn đóng vai trò tối ưu hóa toàn cục bộ trọng số ban đầu ${w}$ và độ lệch ${b}$ của mạng ANN. Khi giải thuật Gradient Descent của ANN rơi vào vùng bình nguyên sai số (error plateau) hoặc điểm cực tiểu địa phương, vector vị trí toàn cục $G_{\text{best}}$ của PSO sẽ can thiệp điều hướng trạng thái mạng nhảy vọt ra khỏi vùng bẫy, đảm bảo hệ số hồi quy $R$ tiến sát giá trị lý tưởng 1.0.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án theo đuổi thế giới quan thực chứng (Positivism Paradigm) kết hợp phương pháp luận kỹ thuật tính toán chính xác (Computational Engineering Rigor). Thiết kế nghiên cứu tích hợp đa tầng (Multi-level Nested Design):

                                  THIẾT KẾ NGHIÊN CỨU ĐA TẦNG
                                                │
         ┌──────────────────────────────────────┼──────────────────────────────────────┐
         ▼                                      ▼                                      ▼
   CẤP ĐỘ 1: SỐ HÓA               CẤP ĐỘ 2: THỰC NGHIỆM LAB             CẤP ĐỘ 3: HIỆN TRƯỜNG
┌───────────────────────┐      ┌───────────────────────────────┐     ┌────────────────────────┐
│ • Dầm giản đơn        │      │ • Dầm thép tự do (21 p.tử)    │     │ • Cầu Bến Quan         │
│ • Tấm composite 3 lớp │      │ • 3 Mode dao động cơ bản      │     │ • 4 Mode thực đo       │
│ • Cầu dàn Bến Thủy    │      │ • Tạo rãnh nứt cơ học         │     │ • Phá hủy mặt cầu thật │
└───────────────────────┘      └───────────────────────────────┘     └────────────────────────┘
  • Cấp độ 1 (Mô hình hóa số học độ phân giải cao): Mô phỏng phần tử hữu hạn trên nền tảng mã nguồn tự xây dựng trong MATLAB kết hợp kiểm chuẩn qua ANSYS. Bao gồm mô hình dầm giản đơn chia 10-20 phần tử, tấm composite 3 lớp trực hướng trích xuất 15 mode dao động đầu tiên, và kết cấu cầu dàn thép liên tục Bến Thủy với hàng trăm thanh giằng chịu lực.
  • Cấp độ 2 (Mô hình thực nghiệm có kiểm soát trong phòng thí nghiệm): Dầm thép hình giản đơn được treo bằng hệ thống dây mềm đàn hồi nhằm mô phỏng điều kiện biên tự do (free-free boundary conditions), chia làm 21 phần tử hữu hạn chuẩn hóa. Sử dụng búa kích động lực (Impact Hammer) và hệ thống cảm biến gia tốc áp điện độ nhạy cao.
  • Cấp độ 3 (Thực nghiệm công trình cầu quy mô thực): Cầu Bến Quan (Quảng Trị) – một cây cầu dầm thép - bê tông liên hợp đang khai thác. Nghiên cứu tiến hành đo dao động ngẫu nhiên dưới kích động tự nhiên (gió và xe chạy), sau đó tiến hành tạo hư hỏng nhân tạo cục bộ bằng cách đục phá lớp bê tông bản mặt cầu trên diện tích thực tế để đo đạc và đối soát trước - sau hư hỏng.

Quy trình nghiên cứu rigorous

Quy trình thu thập và tiền xử lý dữ liệu được thiết kế nghiêm ngặt:

  • Triệt tiêu nhiễu: Dữ liệu gia tốc miền thời gian $a(t)$ được số hóa qua bộ chuyển đổi ADC 24-bit, áp dụng thuật toán biến đổi Fourier nhanh (Fast Fourier Transform - FFT) và chuyển đổi sóng Wavelet (Wavelet Transform - WT) với bộ lọc dải thông (Band-pass Filter) để loại bỏ trôi dạt đường nền và tần số nhiễu môi trường cao tần.
  • Trích xuất tham số động học: Ứng dụng kỹ thuật nhận dạng không gian trạng thái ngẫu nhiên (Stochastic Subspace Identification - SSI) và kỹ thuật phân rã miền tần số (Frequency Domain Decomposition - FDD) để trích xuất chính xác bộ thông số động học thực nghiệm: tần số tự nhiên $f_i^{\text{exp}}$, dạng mode $\phi_i^{\text{exp}}$, và tỷ số cản $\xi_i$.
  • Kỹ thuật chia tập dữ liệu: Toàn bộ tập dữ liệu mô phỏng và thực nghiệm được phân tách theo tỷ lệ chuẩn mực: 70% tập huấn luyện (Training set), 15% tập kiểm tra (Validation set), và 15% tập kiểm thử độc lập (Testing set).

Data và phân tích

Để kiểm chứng tính vững bền (Robustness) của thuật toán PSO-ANN, luận án đã xây dựng hàng loạt kịch bản hư hỏng đa dạng:

  • Kịch bản hư hỏng đơn lẻ: Giảm độ cứng từ mức vi mô 7% (rất khó phát hiện bằng mắt thường) đến 70% - 80% tại các vị trí giữa nhịp, một phần tư nhịp và sát gối tựa.
  • Kịch bản hư hỏng đa vị trí phức tạp:
    • Mô hình dầm giản đơn: Suy giảm đồng thời 20% độ cứng phần tử số 1 và 60% phần tử số 3.
    • Tấm composite: Suy giảm đồng thời 50% độ cứng phần tử 3 và 70% phần tử 5.
    • Cầu dàn thép Bến Thủy: Suy giảm đồng thời 20% thanh dàn số 2 và 80% thanh dàn số 8.

Phát hiện đột phá và implications

Những phát hiện then chốt

Kết cấu kiểm chứng Kịch bản hư hỏng Thuật toán PSO đơn lẻ Thuật toán ANN đơn lẻ Thuật toán lai PSO-ANN
Dầm giản đơn (Mô hình số) Hư hỏng đơn (7% & 70% tại PT 3) Nhận diện đúng vị trí; sai số lượng hóa ~4.5%; số bước lặp lớn Nhận diện đúng 70%; sai lệch vị trí ở mức 7% do kẹt cực tiểu cục bộ ($R \approx 0.912$) Chính xác tuyệt đối vị trí; sai số lượng hóa < 0.8%; $R = 0.998$
Dầm giản đơn (Mô hình số) Hư hỏng kép (20% PT 1 & 60% PT 3) Hội tụ chậm, nhận diện phần tử lân cận bị nhiễu Bỏ sót hư hỏng 20% tại PT 1; chỉ báo đúng PT 3 Định vị & lượng hóa chính xác cả 2 phần tử; triệt tiêu hoàn toàn báo động giả
Tấm Composite 3 lớp Đa hư hỏng (50% PT 3 & 70% PT 5) Thời gian tính toán > 45 phút; nhận dạng đúng $R = 0.884$; xuất hiện sai số phân bố lớn tại các biên Hội tụ sau < 8 phút; nhận dạng chính xác 15 mode dao động; $R = 0.995$
Cầu dàn Bến Thủy (Kết cấu lớn) Hư hỏng kép (20% PT 2 & 80% PT 8) Chi phí tính toán khổng lồ; đòi hỏi tài nguyên máy tính cao Bị bẫy trong ma trận lỗi của hệ thanh dàn siêu tĩnh phức tạp Phát hiện chính xác thanh hư hỏng 20% và 80%; thời gian xử lý giảm 68% so với PSO
Dầm thép Lab (21 phần tử) Hư hỏng cơ học thực tế Sai số tần số 3 mode đầu < 2.1% Sai số tần số ~3.8%; sai số dạng mode MAC = 0.92 Sai số tần số < 0.65%; độ tương thích dạng mode MAC > 0.985
Cầu Bến Quan (Hiện trường thật) Phá hủy mặt cầu cục bộ Không khả thi tính toán trực tiếp thời gian thực Nhận dạng mờ nhạt do biên độ nhiễu xe chạy hiện trường lớn Cập nhật chính xác 4 mode dao động; khoanh vùng chuẩn xác vị trí mặt cầu bị phá hủy

Phân tích định lượng từ các biểu đồ hồi quy và hàm mật độ sai số phân bố trong luận án chứng minh:

  1. Khả năng triệt tiêu điểm cực tiểu cục bộ: Phương pháp Gradient Descent truyền thống trong ANN bị kẹt tại các hố thế năng sai số cục bộ khi hàm mục tiêu có dạng phi tuyến gồ ghề. Thuật toán kết hợp PSO-ANN làm phẳng bề mặt lỗi, đẩy hệ số tương quan hồi quy $R$ từ mức dao động $0.85 - 0.92$ (ở ANN thuần túy) lên mức tiệm cận tuyệt đối $0.991 - 0.999$.
  2. Độ nhạy vượt trội ở cấp độ hư hỏng nhỏ: Với mức suy giảm độ cứng chỉ 7% (giai đoạn nứt chân chim ban đầu), các thuật toán thông thường hoàn toàn bị lấn át bởi nhiễu trắng, nhưng PSO-ANN vẫn định lượng chính xác với độ lệch tuyệt đối dưới 0.85%.
  3. Hiệu năng tính toán: Thời gian hội tụ của PSO-ANN giảm từ 60% đến 75% so với thuật toán bầy đàn PSO nguyên bản, loại bỏ hoàn toàn yêu cầu phải trang bị các hệ thống siêu máy tính đắt đỏ khi xử lý kết cấu hàng nghìn bậc tự do.

Implications đa chiều

  • Ý nghĩa phương pháp luận: Thiết lập một chuẩn thức (benchmark) mới trong việc kết hợp các giải thuật tiến hóa ngẫu nhiên và giải thuật học máy có giám sát. Quy trình cập nhật mô hình số hóa không chỉ giới hạn trong dầm cầu mà có thể chuyển giao (transferability) trực tiếp sang các lĩnh vực cơ học ứng dụng, công trình ngầm, tháp gió ngoài khơi và kết cấu vỏ hàng không vũ trụ.
  • Ứng dụng thực tiễn trong ngành cầu: Cung cấp giải pháp xây dựng "Hồ sơ sức khỏe số hóa" (Digital Twin Health Record) cho từng công trình cầu. Thay vì kiểm tra định kỳ gián đoạn, các đơn vị quản lý đường bộ có thể theo dõi biến động độ cứng theo thời gian thực dưới tác động của lưu lượng xe khai thác bình thường mà không cần cấm cầu.
  • Chính sách và tiêu chuẩn hóa: Kết quả nghiên cứu là cơ sở khoa học vững chắc để các cơ quan quản lý (Bộ Giao thông Vận tải, Cục Đường bộ) xây dựng Tiêu chuẩn kỹ thuật quốc gia về quan trắc và đánh giá an toàn công trình cầu bằng phương pháp động học không phá hủy, từng bước đồng bộ hóa với các quy chuẩn bảo trì cầu của Cục Quản lý Đường cao tốc Liên bang Mỹ (FHWA).

Limitations và Future Research

Nhằm duy trì tính khách quan khoa học và sự trung thực học thuật, luận án đã thẳng thắn chỉ rõ các giới hạn nội tại (boundary conditions):

  1. Ảnh hưởng của biến thiên nhiệt độ môi trường: Dao động nhiệt độ theo mùa và theo chu kỳ ngày - đêm gây ra sự co giãn nhiệt, làm thay đổi điều kiện biên tại các gối cầu và mô-đun đàn hồi của vật liệu bê tông. Sự dịch chuyển tần số do nhiệt độ nhiều thời điểm vượt quá độ biến thiên do hư hỏng 7% gây ra, đòi hỏi cần có các bộ lọc bù nhiệt (thermal compensation models) chuyên sâu hơn.
  2. Mô hình hóa gối tựa và điều kiện biên phi tuyến: Trong mô hình số hóa, các điều kiện biên gối tựa vẫn được giả định là lý tưởng (gối cố định, gối di động tuyến tính), chưa mô phỏng hết trạng thái kẹt gối, thoái hóa cao su gối cầu hoặc sự lún lệch cục bộ của mố trụ.
  3. Mật độ điểm đo hiện trường: Tại công trình cầu thực tế Bến Quan, do số lượng cảm biến có hạn, nghiên cứu mới chỉ trích xuất được 4 mode dao động đầu tiên. Việc thiếu vắng các mode dao động bậc cao làm giảm độ phân giải không gian khi chẩn đoán các hư hỏng cục bộ có kích thước hình học siêu nhỏ.

Chương trình nghiên cứu tiếp theo (Future Research Agenda):

  • Tích hợp mạng học sâu không giám sát (Unsupervised Deep Learning / Autoencoders) và Mạng nơ-ron tích chập đồ thị (Graph Neural Networks - GNN) để tự động học các đặc trưng không gian từ dữ liệu cảm biến đa kênh không đồng bộ.
  • Xây dựng mô hình lọc hiệu ứng môi trường dựa trên phân tích thành phần chính (PCA) kết hợp thuật toán xác suất Bayes (Bayesian Updating) để định lượng độ bất định (uncertainty quantification).
  • Mở rộng ứng dụng trên các kết cấu cầu đặc biệt phức tạp: cầu vòm bê tông khẩu độ lớn, cầu dây văng, cầu cạn nhiều nhịp liên tục chạy cong.

Tác động và ảnh hưởng

  • Tác động học thuật: Luận án mở ra một hướng nghiên cứu liên ngành đột phá kết hợp giữa Cơ học tính toán (Computational Mechanics) và Khoa học dữ liệu (Data Science). Các công bố khoa học trích xuất từ luận án trên các tạp chí quốc tế thuộc danh mục ISI/Scopus và hội nghị chuyên ngành uy tín đã thu hút sự quan tâm của cộng đồng SHM quốc tế, tạo tiền đề nâng cao chỉ số trích dẫn học thuật cho Trường Đại học Giao thông Vận tải.
  • Chuyển đổi công nghiệp và hạ tầng: Đổi mới căn bản quy trình bảo trì công trình giao thông tại Việt Nam từ bảo trì thụ động, sửa chữa khi có sự cố sang bảo trì chủ động theo điều kiện thực tế (Condition-Based Maintenance - CBM). Giúp tiết kiệm hàng trăm tỷ đồng chi phí thử tải tĩnh định kỳ và hạn chế tối đa thiệt hại kinh tế do phong tỏa các huyết mạch giao thông trọng điểm.
  • An toàn xã hội và môi trường: Việc phát hiện sớm suy thoái kết cấu giúp ngăn chặn thảm họa sập cầu, bảo vệ an toàn tính mạng cho người tham gia giao thông, đồng thời kéo dài tuổi thọ khai thác của công trình, giảm tiêu thụ tài nguyên xây dựng mới và giảm phát thải carbon ra môi trường.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới học thuật: Tiếp cận một khung lý thuyết hoàn chỉnh về thuật toán lai tối ưu hóa bầy đàn - mạng nơ-ron (PSO-ANN), bao gồm toàn bộ hệ thống code thuật toán chuyên sâu được lập trình bằng ngôn ngữ MATLAB, tạo nền tảng kế thừa cho các nghiên cứu sinh học sau.
  • Kỹ sư R&D và Các viện nghiên cứu chuyên ngành: Được cung cấp một công cụ số hóa mạnh mẽ để kiểm chuẩn mô hình thiết kế, phân tích ứng xử động học và xây dựng các hệ thống bản sao số (Digital Twins) cho công trình cầu thực tế.
  • Các Ban Quản lý Dự án và Doanh nghiệp Vận hành Khai thác Cầu: Sở hữu phương pháp luận và quy trình chẩn đoán không phá hủy có độ tin cậy cao, hỗ trợ ra quyết định sửa chữa, gia cường chính xác, tối ưu hóa ngân sách vận hành và bảo trì hàng năm.
  • Cơ quan Quản lý Nhà nước (Bộ GTVT, Sở GTVT các tỉnh): Có căn cứ khoa học thực chứng để chuẩn hóa các quy trình kiểm định cầu, số hóa dữ liệu sức khỏe công trình giao thông phục vụ chương trình Chuyển đổi số quốc gia.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc thiết lập cơ chế tối ưu hóa lai song song giữa PSO và ANN trong không gian trạng thái động học công trình. Luận án đã mở rộng lý thuyết xấp xỉ hàm phi tuyến của mạng nơ-ron nhân tạo (Rumelhart et al.) bằng cách tích hợp nguyên lý bầy đàn (Kennedy & Eberhart, 1995) để giải quyết dứt điểm điểm nghẽn kẹt cực tiểu cục bộ của thuật toán Gradient Descent trên bề mặt lỗi đa chiều của bài toán nghịch đảo cơ học kết cấu.

2. Tính đổi mới trong phương pháp luận so với các nghiên cứu quốc tế trước đây?

So với phương pháp GA truyền thống của Mares & Surace (1996) hay Na et al. (2004) vốn bị mất thông tin cá thể và tiêu tốn tài nguyên tính toán khổng lồ, và so với phương pháp ANN thuần túy của Dackermann et al. (2013) dễ bị báo động giả do bẫy cục bộ, phương pháp của Hồ Khắc Hạnh duy trì toàn bộ lịch sử hạt tìm kiếm của PSO kết hợp với tốc độ ánh xạ ma trận của ANN. Kết quả cho thấy thuật toán lai giảm 60 - 75% thời gian tính toán so với PSO thuần túy và tăng hệ số hồi quy chính xác lên $R > 0.99$.

3. Phát hiện bất ngờ nhất từ dữ liệu thực nghiệm là gì?

Phát hiện bất ngờ nhất là tính bất đối xứng trong độ nhạy nhận dạng hư hỏng theo vị trí dọc dầm: Tại các vị trí sát gối tựa (nơi có biến dạng góc lớn nhưng độ võng chuyển vị và năng lượng biến dạng uốn nhỏ), các phương pháp tần số đơn lẻ hầu như không phát hiện được hư hỏng 7%. Tuy nhiên, khi thuật toán PSO-ANN kết hợp phân tích ma trận độ mềm động học và dạng mode bậc cao, khuyết tật 7% sát gối vẫn được nhận diện chính xác với sai số dưới 1%, điều mà các mô hình truyền thống trước đây luôn nhận định là vùng mù tín hiệu (signal blind spot).

4. Luận án có cung cấp quy trình tái lập (Replication Protocol) minh bạch không?

Có. Luận án cung cấp bộ khung quy trình tái lập cực kỳ chi tiết bao gồm: toàn bộ các ma trận độ cứng, khối lượng giải tích; thông số hình học và vật liệu mẫu thí nghiệm; sơ đồ bố trí cảm biến đo đạc; cấu trúc mạng nơ-ron (số lớp ẩn, số nơ-ron, hàm kích hoạt); các tham số PSO ($w, c_1, c_2$, quy mô bầy đàn); cùng hệ thống thuật toán nguồn được viết trực tiếp trên nền tảng MATLAB, đảm bảo các nhóm nghiên cứu độc lập có thể tái lập hoàn toàn kết quả thực nghiệm.

5. Chương trình nghiên cứu 10 năm tiếp theo được định hình như thế nào?

Lộ trình nghiên cứu 10 năm được hoạch định thành 3 giai đoạn: (1) 2022 - 2024: Tích hợp công nghệ cảm biến không dây thông minh (IoT/MEMS) thu thập dữ liệu đám mây thời gian thực; (2) 2025 - 2028: Phát triển các giải thuật Học sâu không giám sát kết hợp lý thuyết Bayes bù trừ hiệu ứng nhiệt độ và độ ẩm môi trường; (3) 2029 - 2032: Thương mại hóa nền tảng "Hệ thống chuyên gia chẩn đoán và tự động dự báo tuổi thọ cầu đường quốc gia dựa trên AI và Bản sao số (Digital Twin)".

Kết luận

Luận án tiến sĩ của tác giả Hồ Khắc Hạnh là một công trình nghiên cứu khoa học xuất sắc, mẫu mực và toàn diện trong chuyên ngành Kỹ thuật Xây dựng Cầu - Hầm. Những kết luận khoa học cốt lõi bao gồm:

  1. Xây dựng thành công cơ sở lý luận và giải thuật hoàn chỉnh cho mô hình lai song song PSO-ANN, giải quyết triệt để vấn đề cực tiểu cục bộ của mạng nơ-ron và chi phí tính toán lớn của giải thuật bầy đàn trong bài toán giám sát sức khỏe kết cấu.
  2. Thiết lập quy trình tự động cập nhật mô hình phần tử hữu hạn có độ chính xác cao từ dữ liệu đo dao động ngẫu nhiên chịu nhiễu, cho phép chẩn đoán đồng thời cả 4 cấp độ hư hỏng (nhận diện, định vị, lượng hóa mức độ và đánh giá an toàn).
  3. Chứng minh thực nghiệm năng lực nhận dạng vượt trội: định vị chính xác và lượng hóa chuẩn xác mức độ suy giảm độ cứng từ 7% đến 80% trên hàng loạt kết cấu phức tạp (dầm giản đơn, tấm composite 3 lớp, cầu dàn thép liên tục Bến Thủy).
  4. Thực hiện thành công việc kiểm chứng trên mô hình dầm thép 21 phần tử tại phòng thí nghiệm và công trình cầu Bến Quan thực tế đang khai thác, thiết lập cầu nối vững chắc giữa nghiên cứu lý thuyết hàn lâm và thực tiễn kỹ thuật công trình.
  5. Xây dựng bộ công cụ số hóa trên nền tảng MATLAB có khả năng chuyển giao công nghệ trực tiếp cho các đơn vị quản lý hạ tầng giao thông.
  6. Mở ra một kỷ nguyên mới cho công tác quản lý, khai thác và bảo trì cầu đường tại Việt Nam theo định hướng hiện đại hóa, tự động hóa và phát triển bền vững.