CHƯƠNG 1. GIỚI THIỆU phải được cài đặt theo cặp với các hướng phù hợp. Điều này thường gây ra các phức tạp trong việc lắp đặt đầu dò, quản lý dây và thu thập dữ liệu, tăng chi phí,…; đặc biệt, việc lắp nhiều bộ SA trong kết cấu sẽ có thể những ảnh hưởng nhất định đến sự làm việc bình thường của kết cấu. Vì thế, khối PZT dạng cầu đã được tìm đến để tận dụng đặc tính phân cực hướng tâm có thể cung cấp khả năng cảm biến và kích hoạt đa hướng áp dụng vào lĩnh vực SHM thông qua một số nghiên cứu.
Tuy nhiên, phương pháp trở kháng là phương pháp thu thập dữ liệu thực tế của công trình theo thời gian để theo dõi và xác định mức độ hư hỏng; do đó, phương pháp cần phải thu thập rất nhiều dữ liệu đáp ứng trở kháng và các dữ liệu thu thập lại rất rộng về một số thông tin đặc trưng của hư hỏng; nên việc lựa chọn phân loại dữ liệu để đánh giá hư hỏng của kết cấu cho chuẩn xác là một công việc không hề đơn giản. Tuy nhiên, với sự phát triển vượt bậc của công nghệ thông tin, đặc biệt là mảng trí tuệ nhân tạo (AI), trong đó có các mạng nơ-ron nhân tạo điển hình là Artificial Neural Network (ANN) và Convolutional Neural Network (CNN) đang dần thể hiện được tìm năng ứng dụng trong lĩnh vực SHM. Các mạng nơ-ron đã chứng minh được độ tin cậy cao khi ứng dụng được trong việc phân loại và chẩn đoán các loại hư hỏng kết cấu nhằm tiết kiệm công sức, thời gian của con người và nâng cao hiệu quả tính toán [11]. Từ các nội dung đã trình bày ở trên, phương pháp trở kháng khi sử dụng cốt liệu thông minh được xem như là một công cụ hiệu quả để theo dõi sức khỏe KC BTCT, nhưng các ứng dụng trong KC BTCT ƯST, đặc biệt là ứng dụng để chẩn đoán mức độ hư hỏng trong vùng neo ứng suất trước chưa được nghiên cứu một cách chi tiết và đầy đủ.
Hơn nữa, mô hình mạng nơ-ron nhân tạo (ANN và CNN) đang dần được ứng dụng trong việc phân loại và chẩn đoán sức khỏe kết cấu; tuy nhiên, các nghiên cứu trong lĩnh vực chẩn đoán mức độ hư hỏng đang hạn chế hơn so với lĩnh vực phân loại các dạng hư hỏng. Do đó, đề tài “Chẩn đoán hư hỏng trong vùng neo của kết cấu bê tông cốt thép ứng suất trước sử dụng đáp ứng trở kháng từ cốt liệu thông minh hình cầu” là vấn đề cần được đi sâu tìm hiểu và nghiên cứu. Mục tiêu và nội dung nghiên cứu 1. Mục tiêu nghiên cứu Chẩn đoán hư hỏng trong trong vùng neo của KC BTCT ƯST do sự tổn hao lực ứng suất trước trong cáp và do sự suy giảm cường độ bê tông cục bộ trong vùng neo dựa trên đáp ứng trở kháng thu được từ cốt liệu thông minh hình cầu được chèn trong kết cấu vùng neo; kết hợp với mạng nơ-ron tích chập.
Trang 8 CHƯƠNG 1. Nội dung nghiên cứu Các nhiệm vụ và nội dung cụ thể trong nghiên cứu này, bao gồm: 1. Mô phỏng PZT hình cầu, so sánh với số liệu mô phỏng và thực nghiệm đã được công bố. Mô phỏng cốt liệu thông minh sử dụng PZT hình cầu, so sánh với số liệu thực nghiệm đã được công bố.
Chẩn đoán hư hỏng trong vùng neo của KC BTCT ƯST do tổn hao lực ứng suất trước trong cáp – sử dụng đáp ứng trở kháng từ cốt liệu thông minh hình cầu và mạng nơ-ron tích chập. Chẩn đoán hư hỏng trong vùng neo của KC BTCT ƯST do sự suy giảm cường độ của bê tông trong vùng neo – sử dụng đáp ứng trở kháng từ cốt liệu thông minh hình cầu và mạng nơ-ron tích chập. Phân tích và đánh giá các loại dữ liệu đầu vào thích hợp cho bài toán chẩn đoán tổn hao lực ứng suất trước trong cáp từ đáp ứng trở kháng và mạng nơ-ron tích chập. Phân tích và đánh giá ảnh hưởng của sự nhiễu tín hiệu đến kết quả chẩn đoán tổn hao lực ứng suất trước trong cáp.
Đối tượng và phạm vi nghiên cứu 1. Đối tượng nghiên cứu Thứ nhất, các dạng hư hỏng điển hình trong vùng neo của KC BTCT ƯST (do sự suy giảm cường độ bê tông cục bộ trong vùng neo và do tổn hao lực ứng suất trước trong cáp). Thứ hai, tín hiệu đáp ứng trở kháng từ cốt liệu thông minh hình cầu khi ghi nhận thông tin hư hỏng trong vùng neo KC BTCT ƯST. Thứ ba, mạng nơ-ron tích chập trong việc chẩn đoán mức độ hư hỏng.
Phạm vi nghiên cứu Để đảm bảo tiến độ thời gian và khả năng nội dung có thể thực hiện được, luận văn được giới hạn trong phạm vi như sau: − Chỉ thực hiện chẩn đoán cho chi tiết vùng neo cáp của KC BTCT ƯST. − Chỉ sử dụng phương pháp trở kháng và mạng nơ-ron tích chập để chẩn đoán mức độ hư hỏng. − Kết cấu vùng neo được mô phỏng trong điều kiện lý tưởng; nghĩa là không xét đến các yếu tố tác động ngoại cảnh như: gió, ánh sáng, sóng điện từ, máy đo,… Không xét đến các yếu tố tác động của hư hỏng gây ảnh hưởng đến việc thu thập tín hiệu đáp ứng trở kháng từ cốt liệu thông minh hình cầu. Trang 9 CHƯƠNG 1.
GIỚI THIỆU − Không xét đến điều kiện tiếp xúc giữa các cấu kiện, mối nối, đầu neo, bản neo,… trong chi tiết vùng neo của KC BTCT ƯST. Tính cấp thiết và ý nghĩa thực tiễn của nghiên cứu Do chi tiết vùng neo đóng vai trò đặc biệt quan trọng trong sự làm việc của toàn bộ KC BTCT ƯST, chỉ một sự cố nhỏ do hư hỏng bê tông ở vùng neo hoặc do tổn hao ứng suất trước có thể dẫn đến những hậu quả nghiêm trọng. Mặc dù, hiện nay đã có rất nhiều phương pháp chẩn đoán hư hỏng vùng neo KC BTCT ƯST nhưng hầu hết các phương pháp đều dựa trên việc đo đạc chủ động, mang tính chủ quan và đòi hỏi người thực hiện phải có những chuyên môn nhất định,… Hơn nữa, đa số các phương pháp đó còn yêu cầu phải tác động vào kết cấu như khoan xâm nhập hay phá hủy kết cấu,… Điều này có thể gây hư hỏng thêm cho kết cấu cần được chẩn đoán. Do đó, phương pháp dựa trên đáp ứng trở kháng cơ-điện ra đời giúp khắc phục các hạn chế trên trong việc chẩn đoán hư hỏng và tổn hao lực ứng suất trước; ngoài ra, phương pháp trở kháng cho thấy ưu điểm của mình là giá thành thấp, nhưng lại có độ chính xác cao, có thể theo dõi sức khỏe công trình trong thời gian dài, không đòi hỏi nhân công có chuyên môn cao và các kết quả trực quan dễ xử lý.
Đặc biệt, các cảm biến PZT có diện tích rất nhỏ, khối lượng không đáng kể nên phương pháp trở kháng nên đã được chứng minh sẽ không làm ảnh hưởng đến sự làm việc bình thường của kết cấu. Do đó, phương pháp này cho thấy sự phù hợp trong việc xác định và theo dõi hư hỏng tại các vị trí trên kết cấu. Đã có rất nhiều nghiên cứu đã sử dụng các PZT dạng tấm và dán chúng bên ngoài hoặc được nhúng vào bên trong kết cấu bê tông để theo dõi hư hỏng và tổn hao ứng suất. Tuy nhiên, nhược điểm của các PZT dạng tấm là tính làm việc đơn hướng và chúng đang có xu hướng bị thay thế bởi PZT hình cầu.
Cuối cùng, cốt liệu áp điện thông minh hình cầu (Spherical Smart Aggregate hay SSA) được áp dụng gần đây trong vùng neo KC BTCT ƯST và đang được xem là một giải pháp triển vọng giúp đơn giản hóa hệ thống đo đạc và mang lại kết quả chính xác hơn. Hiện nay, các phương pháp tiếp cận theo dõi, phân loại và chẩn đoán sức khỏe kết cấu được chia thành hai nhóm: Phương pháp tiếp cận dựa trên mô hình và phương pháp tiếp cận theo hướng dữ liệu [12]. Trong đó, phương pháp tiếp cận theo hướng dữ liệu đang được sử dụng rộng rãi hơn; nhưng vì kết quả thu được có một khối lượng lớn thông tin cần được xử lý, nên chúng đang là thách thức chính trong phương pháp này. Vì thế, các nhà nghiên cứu đã bắt đầu tận dụng sự phát triển của trí tuệ nhân tạo (AI), cụ thể là sử dụng các thuật toán học sâu (Deep Learning hay DL) để nhận ra khuôn mẫu vốn có trong dữ liệu.
Mục tiêu cuối cùng của thuật toán học sâu là thực hiện so sánh thống kê với đường cơ sở; từ đó, quyết định về việc sử dụng loại học tập (tức là học có giám sát và học không có giám sát) được đưa ra dựa trên sự sẵn có của Trang 10 CHƯƠNG 1. GIỚI THIỆU dữ liệu từ các trạng thái bị hỏng của kết cấu. Học tập có giám sát trong SHM là sự học nếu dữ liệu từ trạng thái hư hỏng của kết cấu là có sẵn (được trích xuất từ mô hình thử nghiệm hoặc số), thông qua quá trình học tập mà kết quả thu được là sự phân loại hoặc sự đánh giá mức độ của hư hỏng. Ngược lại, việc học không giám sát trong SHM là sự học nếu dữ liệu đầu vào là các dữ liệu thu được từ trạng thái không bị hư hỏng của kết cấu, thông qua quá trình học tập thì sự phân loại hoặc sự đánh giá mức độ hư hỏng là các kết quả thu được.
Từ các nhận định ở trên, nghiên cứu này sẽ sử dụng phương pháp đáp ứng trở kháng kết hợp với mạng nơ-ron tích chập (CNN) theo phương thức học tập có giám sát. Phương pháp sẽ được phát triển để chẩn đoán hư hỏng vùng neo KC BTCT ƯST do sự tổn hao lực ứng suất trước và sự suy giảm ứng suất vùng neo. Cấu trúc luận văn Nội dung luận văn được trình bày gồm 6 chương như sau: Chương 1. Giới thiệu Giới thiệu sơ lược về đề tài nghiên cứu, mục tiêu và nội dung nghiên cứu, đối tượng và phạm vi nghiên cứu, tính cần thiết và ý nghĩa thực tiễn của đề tài.
Tổng quan Tổng quan về tình hình nghiên cứu của các tác giả trong và ngoài nước về phương pháp trở kháng để xác định, chẩn đoán hư hỏng của kết cấu, phương pháp sử dụng các thuật toán mạng nơ-ron tích chập trong việc xác định, chẩn đoán hư hỏng trong kết cấu. Cơ sở lý thuyết Trình bày các cơ sở lý thuyết, các phương pháp sẽ áp dụng để chẩn đoán tổn sự suy giảm ứng suất vùng neo và sự tổn hao lực ứng suất trước bằng cốt liệu điện áp thông minh hình cầu thuật toán mạng nơ-ron tích chập.
