Tổng quan nghiên cứu

Trong kỹ thuật công trình hiện đại, bê tông cốt thép là loại vật liệu phổ biến hàng đầu, chiếm hơn 70% tổng khối lượng xây dựng trên toàn cầu. Các công trình trọng điểm như cầu đường, nhà cao tầng hay nhà máy năng lượng thường được thiết kế với niên hạn sử dụng dài hạn từ 40 đến 50 năm. Tuy nhiên, dưới tác động liên tục của tải trọng khai thác và môi trường, cấu kiện dầm bê tông cốt thép rất dễ phát sinh nứt nẻ hoặc suy giảm độ cứng cục bộ sau 10 đến 15 năm vận hành. Vấn đề đặt ra là các phương pháp kiểm tra truyền thống hoặc thí nghiệm phá hủy thường tốn kém chi phí, gián đoạn hoạt động của công trình và không thể theo dõi liên tục trạng thái an toàn.

Nghiên cứu được thực hiện nhằm phát triển hệ thống phương pháp chẩn đoán hư hỏng toàn diện cho cấu kiện dầm bê tông cốt thép dựa trên sự thay đổi các đặc trưng dao động kết hợp cùng các thuật toán trí tuệ nhân tạo tiên tiến. Mục tiêu trọng tâm là hoàn thiện quy trình nhận diện hư hỏng qua 3 cấp độ: phát hiện sự xuất hiện của hư hỏng, định vị vị trí vết nứt và đánh giá mức độ suy giảm khả năng chịu lực.

Phạm vi nghiên cứu tập trung vào mô hình dầm bê tông cốt thép chịu tải trọng tập trung được mô phỏng chi tiết bằng phần tử hữu hạn và đối chứng với dữ liệu thực nghiệm tiêu chuẩn trong giai đoạn từ tháng 02/2022 đến tháng 12/2022 tại Trường Đại học Bách Khoa, Đại học Quốc gia Thành phố Hồ Chí Minh. Ý nghĩa thực tiễn của đề tài thể hiện qua việc nâng cao độ chính xác nhận diện vết nứt ở các cấp tải từ 41 kN đến 236 kN, giúp tối ưu hóa công tác giám sát sức khỏe kết cấu (SHM), giảm thiểu ước tính khoảng 30% đến 40% chi phí bảo dưỡng định kỳ và ngăn ngừa rủi ro sự cố công trình.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết giám sát sức khỏe kết cấu theo 5 cấp độ của H. Chen và lý thuyết động lực học công trình ứng dụng phương pháp năng lượng biến dạng biểu kiến do Kim và các cộng sự đề xuất. Bên cạnh đó, lý thuyết cơ học phá hủy bê tông phi tuyến William - Warnke kết hợp biểu đồ quan hệ ứng suất - biến dạng Kent và Park được sử dụng làm nền tảng mô tả trạng thái vật liệu.

Mô hình nghiên cứu kết hợp giữa mô phỏng phần tử hữu hạn phi tuyến và các thuật toán học máy, học sâu để thiết lập mối quan hệ giữa phản ứng động học và trạng thái cơ học của dầm. Bốn khái niệm cốt lõi trong nghiên cứu bao gồm:

  • Tần số dao động riêng và dạng dao động: Các thông số động học phản ánh độ cứng tổng thể và đặc trưng hình học của kết cấu.
  • Chỉ số tương đồng dạng dao động (Modal Assurance Criterion - MAC): Công cụ toán học đánh giá mức độ tương quan giữa các trạng thái dao động của dầm trước và sau khi chịu tải.
  • Chỉ số năng lượng biến dạng chuẩn hóa: Đại lượng xác định sự tập trung biến dạng uốn tại từng phân đoạn phần tử để khoanh vùng vị trí nứt.
  • Mô hình ma trận nhầm lẫn (Confusion Matrix): Khung đánh giá định lượng khả năng phân loại nhị phân gồm 4 trạng thái: True Positive (TP), True Negative (TN), False Positive (FP) và False Negative (FN).

Phương pháp nghiên cứu

Nguồn dữ liệu của đề tài được trích xuất từ mô hình phần tử hữu hạn dầm bê tông cốt thép 3 chiều xây dựng trên phần mềm ANSYS APDL, được hiệu chuẩn dựa trên số liệu dầm thí nghiệm của Sasmal. Cỡ mẫu nghiên cứu bao gồm 8 cấp tải trọng khảo sát từ 41 kN, 47 kN, 56 kN, 97 kN, 128 kN, 168 kN, 218 kN đến 236 kN, với hệ thống lưới chia thành hàng trăm phần tử khối SOLID65 (8 nút) cho bê tông và phần tử dầm BEAM188 cho cốt thép.

Phương pháp chọn mẫu có chủ đích được áp dụng nhằm bao phủ toàn bộ các giai đoạn làm việc đặc trưng của dầm: trạng thái đàn hồi chưa nứt, thời điểm xuất hiện vết nứt đầu tiên ở 41 kN, giai đoạn phát triển vết nứt trung gian (97 kN đến 168 kN) và giai đoạn cận phá hoại (218 kN đến 236 kN).

Lý do lựa chọn phương pháp phân tích tĩnh phi tuyến kết hợp phân tích dao động (Modal Analysis) là khả năng mô phỏng chi tiết 16 trạng thái nứt mở, nứt đóng và nén vỡ của phần tử bê tông với hệ số truyền lực cắt được thiết lập chính xác là 0.3 cho vết nứt mở và 0.9 cho vết nứt đóng. Đồng thời, 4 thuật toán gồm quy hoạch tuyến tính, quy hoạch đa thức, quy hoạch đa thức phân đoạn (đường cong B-spline) và mạng nơ-ron nhân tạo nhiều lớp (Deep Learning) được lựa chọn để giải quyết bài toán phi tuyến phức tạp trong việc dự đoán tải trọng và phân loại mức độ hư hỏng. Timeline nghiên cứu được thực hiện xuyên suốt trong 10 tháng với các bước kiểm chứng lý thuyết nghiêm ngặt.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình khảo sát 5 bài toán chuyên sâu đã mang lại những phát hiện quan trọng về hành vi động học và hiệu quả của các mô hình trí tuệ nhân tạo:

  • Sự suy giảm tần số và biến đổi chỉ số MAC: Khi tải trọng tác dụng tăng từ 0 kN lên 236 kN, tần số dao động riêng ở 4 dạng dao động uốn đầu tiên đều giảm rõ rệt. Tần số dao động riêng dạng 1 giảm mạnh nhất khi vết nứt xuất hiện ở cấp tải 41 kN và giảm hơn 20% khi tải trọng đạt mức cực hạn 236 kN. Đồng thời, chỉ số MAC giảm dần từ giá trị 1.0 xuống các mức thấp hơn, phản ánh sự khác biệt rõ nét về hình dạng dao động của dầm nứt so với trạng thái ban đầu.
  • Độ chính xác định vị vùng nứt bằng năng lượng biến dạng: Phương pháp năng lượng biến dạng chuẩn hóa kết hợp ngưỡng hư hỏng đề xuất đã xác định chính xác vị trí và chiều dài vùng nứt dọc theo thân dầm. Tại các cấp tải 128 kN, 218 kN và 236 kN, chỉ số độ nhạy (Recall) và độ chính xác cân bằng (BAC) của phương pháp đều đạt trên 85%, khoanh vùng chính xác các vết nứt uốn tại giữa nhịp.
  • Hiệu năng vượt trội của thuật toán học sâu và B-spline: Trong bài toán dự đoán tải trọng tác dụng từ tần số dao động, thuật toán quy hoạch đa thức phân đoạn B-spline và mạng nơ-ron học sâu (Deep Learning) cho sai số trung bình thấp nhất, duy trì độ lệch dự đoán dưới 4.5%. Trong khi đó, thuật toán quy hoạch tuyến tính có độ lệch trung bình cao, vượt quá 12.8% do không mô tả được tính phi tuyến khi bê tông nứt.
  • Chẩn đoán đồng thời vị trí và mức độ hư hỏng: Mô hình mạng nơ-ron nhân tạo huấn luyện qua phương pháp lan truyền ngược (Backpropagation) với hàm kích hoạt ReLU đã nhận diện thành công mức độ nứt của từng phần tử dầm với độ chính xác tổng thể (Accuracy) đạt trên 88% tại các cấp tải trọng từ 97 kN trở lên.

Thảo luận kết quả

Nguyên nhân cốt lõi dẫn đến sự thay đổi các đặc trưng dao động là do sự xuất hiện và mở rộng của các vết nứt uốn làm suy giảm độ cứng chống uốn cục bộ của dầm bê tông cốt thép. Khi độ cứng giảm trong khi khối lượng kết cấu không đổi, tần số dao động tự nhiên tất yếu suy giảm theo quy luật động lực học.

Khi so sánh với các nghiên cứu trước đây của Seyedpoor hoặc Khatir vốn chỉ khảo sát hư hỏng nhân tạo trên dầm đồng chất không chịu lực, nghiên cứu này đã tạo ra bước tiến lớn khi áp dụng thành công trên kết cấu bê tông cốt thép thực tế chịu tải trọng tăng dần.

Dữ liệu nghiên cứu được biểu diễn trực quan thông qua đồ thị quan hệ tải trọng - tần số dao động, đường cong hàm cơ sở B-spline và các biểu đồ phân bố chỉ số hư hỏng dọc thân dầm. Kết quả chẩn đoán cũng được tổng hợp rõ ràng trong các bảng ma trận nhầm lẫn, thể hiện chi tiết tỷ lệ các phần tử dự đoán đúng (TP, TN) và loại bỏ hoàn toàn các điểm nhiễu ngoại biên, chứng minh tính tin cậy tuyệt đối của phương pháp.

Đề xuất và khuyến nghị

Nhằm chuyển giao kết quả nghiên cứu vào thực tiễn quản lý và kiểm định công trình, 4 giải pháp trọng tâm được đề xuất như sau:

  • Tích hợp hệ thống cảm biến gia tốc không dây thu thập dữ liệu dao động môi trường trên các công trình cầu dầm bê tông cốt thép trọng điểm; mục tiêu rút ngắn thời gian chẩn đoán nứt nẻ xuống dưới 24 giờ kể từ khi xuất hiện dấu hiệu bất thường, triển khai thí điểm trong thời gian 6 đến 12 tháng bởi các Ban Quản lý Dự án Giao thông và Sở Giao thông Vận tải.
  • Xây dựng cơ sở dữ liệu số hóa kết hợp mô hình phần tử hữu hạn ANSYS và mạng nơ-ron nhân tạo phục vụ quản lý sức khỏe kết cấu theo thời gian thực; nâng cao độ chính xác dự báo tải trọng khai thác đạt trên 95%, tiến độ thực hiện trong vòng 18 tháng do các viện nghiên cứu chuyên ngành phối hợp cùng doanh nghiệp công nghệ xây dựng.
  • Chuẩn hóa quy trình kiểm định công trình không phá hủy dựa trên phương pháp năng lượng biến dạng chuẩn hóa và ma trận nhầm lẫn; giảm tỷ lệ cảnh báo sai lệch xuống dưới 8%, áp dụng thử nghiệm trong 2 năm dưới sự thẩm định của Bộ Xây dựng và các đơn vị kiểm định độc lập.
  • Đào tạo và phổ biến kiến thức ứng dụng trí tuệ nhân tạo, học máy trong cơ học kết cấu cho đội ngũ kỹ sư giám sát; mục tiêu đào tạo ít nhất 300 chuyên gia trong vòng 3 năm thông qua các chương trình sau đại học tại các trường đại học kỹ thuật.

Đối tượng nên tham khảo luận văn

Nội dung và phương pháp luận của luận văn mang lại giá trị thiết thực cho 4 nhóm đối tượng chính:

  • Học viên cao học và nghiên cứu sinh ngành Kỹ thuật Xây dựng: Nắm bắt phương pháp luận nghiên cứu hiện đại, kỹ thuật mô phỏng phi tuyến nâng cao trên ANSYS APDL và cách thức ứng dụng thuật toán học máy giải quyết bài toán cơ học công trình.
  • Kỹ sư kết cấu và chuyên gia kiểm định công trình: Ứng dụng quy trình chẩn đoán không phá hủy để phát hiện nhanh chóng vị trí vết nứt, đánh giá độ suy giảm độ cứng của dầm thực tế mà không cần khoan cắt mẫu vật liệu.
  • Cơ quan quản lý hạ tầng giao thông và đô thị: Khai thác mô hình dự báo tải trọng tác dụng tự động để kiểm soát tải trọng phương tiện lưu thông qua cầu, từ đó lên kế hoạch duy tu, bảo trì công trình chủ động.
  • Các đơn vị phát triển giải pháp công nghệ công trình thông minh: Sử dụng thuật toán học sâu và các bộ chỉ số đánh giá ma trận nhầm lẫn để tích hợp vào phần mềm giám sát sức khỏe kết cấu tự động cho các dự án đô thị thông minh.

Câu hỏi thường gặp

Tại sao cần kết hợp đặc trưng dao động với trí tuệ nhân tạo trong chẩn đoán dầm bê tông cốt thép?
Bê tông cốt thép có tính chất phi tuyến cao và cơ chế nứt phức tạp. Việc kết hợp phân tích dao động giúp thu thập dữ liệu toàn cục, trong khi các thuật toán trí tuệ nhân tạo như học sâu giúp tự động học mối quan hệ phi tuyến giữa tần số và tải trọng từ dữ liệu mô phỏng, giảm sai số dự đoán xuống dưới 5% mà không cần giải phương trình vi phân phức tạp.

Phương pháp năng lượng biến dạng (MSE) định vị vị trí vết nứt như thế nào?
Phương pháp dựa trên sự thay đổi độ cong dạng dao động giữa trạng thái nguyên vẹn và trạng thái nứt. Chỉ số hư hỏng tại từng phần tử được tính toán và chuẩn hóa, sau đó so sánh với ngưỡng hư hỏng đề xuất. Những vị trí có chỉ số vượt ngưỡng sẽ được khoanh vùng là dải nứt với độ chính xác cân bằng đạt trên 85% tại các cấp tải cao.

Thuật toán học máy nào cho kết quả dự đoán tải trọng tác dụng chính xác nhất?
Thuật toán quy hoạch đa thức phân đoạn (B-spline) và mạng nơ-ron học sâu (Deep Learning) cho kết quả tối ưu nhất. Nhờ khả năng mô hình hóa đường cong phi tuyến mượt mà, hai thuật toán này duy trì độ lệch dự đoán trung bình dưới 4.5%, vượt trội hoàn toàn so với mô hình quy hoạch tuyến tính có độ lệch trên 12.8%.

Phần mềm ANSYS APDL đóng vai trò gì trong quy trình chẩn đoán?
ANSYS APDL đóng vai trò tạo lập môi trường mô phỏng số chi tiết với phần tử SOLID65 và BEAM188, tái hiện chính xác 16 trạng thái nứt và nén vỡ của bê tông theo mô hình William - Warnke. Dữ liệu phân tích tĩnh và động từ mô hình này là nguồn dữ liệu chuẩn để huấn luyện và kiểm chứng các thuật toán trí tuệ nhân tạo.

Ma trận nhầm lẫn (Confusion Matrix) giúp đánh giá độ chính xác của phương pháp ra sao?
Ma trận nhầm lẫn phân loại kết quả chẩn đoán thành 4 nhóm cụ thể gồm dự đoán đúng nứt (TP), đúng không nứt (TN), báo nứt giả (FP) và bỏ sót nứt (FN). Qua các chỉ số Accuracy, Precision, Recall và Balanced Accuracy, mô hình cung cấp cái nhìn định lượng khách quan về độ tin cậy và hạn chế tối đa nguy cơ bỏ sót hư hỏng kết cấu.

Kết luận

Luận văn đã giải quyết trọn vẹn bài toán giám sát sức khỏe kết cấu dầm bê tông cốt thép thông qua các đóng góp khoa học nổi bật:

  • Xây dựng thành công mô hình phần tử hữu hạn phi tuyến 3 chiều trên ANSYS APDL, phản ánh chính xác trạng thái nứt của dầm bê tông cốt thép phù hợp với lý thuyết và thực nghiệm.
  • Chứng minh tính hiệu quả của phương pháp thay đổi tần số và chỉ số MAC trong việc nhận diện sớm sự xuất hiện của hư hỏng ngay từ cấp tải 41 kN.
  • Phát triển thành công quy trình định vị vị trí và bề rộng vùng nứt uốn bằng phương pháp năng lượng biến dạng chuẩn hóa với độ nhạy đạt trên 85%.
  • Khẳng định ưu thế vượt trội của thuật toán học sâu và quy hoạch đa thức phân đoạn B-spline trong việc dự đoán chính xác tải trọng tác dụng với độ lệch dưới 4.5%.
  • Hoàn thiện khung đánh giá hiệu năng chẩn đoán toàn diện thông qua mô hình ma trận nhầm lẫn nhị phân chuẩn mực.

Trong giai đoạn 12 đến 24 tháng tiếp theo, hướng nghiên cứu sẽ mở rộng áp dụng cho hệ kết cấu khung 3D không gian phức tạp và kết nối hệ thống cảm biến IoT quan trắc ngoài hiện trường. Quý bạn đọc và các đơn vị chuyên môn hãy liên hệ, khai thác toàn văn tài liệu để ứng dụng các giải pháp chẩn đoán thông minh, góp phần nâng cao chất lượng và tuổi thọ cho mọi công trình xây dựng.