I. Giới thiệu
Trong bối cảnh phát triển nhanh chóng của ngành xây dựng, việc theo dõi và chẩn đoán hư hỏng kết cấu dàn chịu nhiệt độ và tải trọng động trở nên vô cùng quan trọng. Chẩn đoán hư hỏng không chỉ giúp phát hiện sớm các vấn đề mà còn đảm bảo an toàn cho người sử dụng. Luận văn này tập trung vào việc phát triển phương pháp chẩn đoán hư hỏng kết cấu ba giai đoạn, kết hợp giữa tối ưu hóa ngược và học sâu. Điều này mở ra hướng đi mới trong việc nâng cao hiệu quả chẩn đoán mà không cần quá nhiều thiết bị đo đạc. Như vậy, các phương pháp hiện đại đang dần thay thế các phương pháp truyền thống, nhờ vào khả năng xử lý dữ liệu lớn và chính xác hơn.
1.1. Tình hình nghiên cứu
Nghiên cứu về chẩn đoán hư hỏng kết cấu đã được quan tâm rộng rãi. Các phương pháp hiện tại chủ yếu dựa vào việc thu thập dữ liệu từ cảm biến và xử lý bằng các thuật toán thông minh. Tuy nhiên, việc áp dụng các mô hình học sâu như mạng nơ ron hay thuật toán XGBoost trong chẩn đoán hư hỏng vẫn còn hạn chế. Luận văn này sẽ chỉ ra những hạn chế trong các nghiên cứu trước đó và đưa ra các giải pháp cải tiến thông qua việc áp dụng tối ưu hóa ngược.
II. Phương pháp nghiên cứu
Luận văn áp dụng phương pháp chẩn đoán hư hỏng kết cấu dàn qua ba giai đoạn. Đầu tiên, chỉ số năng lượng biến dạng dựa trên đáp ứng gia tốc theo thời gian (ASEI) được sử dụng để xác định sơ bộ vị trí hư hỏng. Sau đó, các mô hình học sâu như mạng nơ ron sâu và XGBoost được áp dụng để khử nhiễu và giảm số biến cần thiết. Cuối cùng, hai thuật toán tối ưu hóa là Honey Badger Algorithm (HBA) và Differential Evolution (DE) được sử dụng để xác định mức độ hư hỏng chính xác. Các mô phỏng số được thực hiện bằng ngôn ngữ lập trình Python, cho thấy phương pháp này có hiệu quả cao trong việc xác định vị trí và mức độ hư hỏng.
2.1. Mô hình giảm bậc
Việc xây dựng mô hình giảm bậc cho bài toán kết cấu dàn là rất cần thiết để giảm thiểu độ phức tạp tính toán. Mô hình này cho phép xử lý và phân tích các thông số một cách hiệu quả hơn. Kỹ thuật này không chỉ giúp tối ưu hóa quy trình chẩn đoán mà còn nâng cao độ chính xác trong việc phát hiện hư hỏng. Bằng cách áp dụng mô hình giảm bậc, nghiên cứu đã chỉ ra rằng khả năng phát hiện hư hỏng có thể đạt được với số lượng cảm biến ít hơn, từ đó giảm thiểu chi phí cho các dự án xây dựng.
III. Kết quả và thảo luận
Kết quả của các mô phỏng cho thấy phương pháp chẩn đoán hư hỏng kết cấu dàn có hiệu quả cao. Cụ thể, thuật toán HBA và DE đã cho ra những kết quả chính xác trong việc xác định vị trí và mức độ hư hỏng. Bên cạnh đó, việc áp dụng các mô hình học sâu đã giúp cải thiện đáng kể độ chính xác trong việc phân tích dữ liệu. Kết quả này chứng minh rằng các phương pháp hiện đại có thể thay thế các phương pháp truyền thống trong việc chẩn đoán hư hỏng, đồng thời tiết kiệm chi phí và thời gian.
3.1. Đánh giá hiệu quả
Đánh giá hiệu quả của phương pháp chẩn đoán hư hỏng cho thấy rằng việc kết hợp giữa tối ưu hóa ngược và học sâu mang lại kết quả khả quan. Các mô hình này cho phép phân tích sâu hơn về dữ liệu thu thập được, từ đó xác định chính xác hơn về mức độ hư hỏng. Điều này có ý nghĩa lớn trong việc bảo trì và nâng cao tuổi thọ của các công trình xây dựng, đồng thời giảm thiểu rủi ro cho người sử dụng.
