Tổng quan nghiên cứu

Trong bối cảnh phát triển nhanh chóng của ngành xây dựng hiện đại, kết cấu nhôm ngày càng được ứng dụng rộng rãi nhờ đặc tính nhẹ, bền, khả năng chịu lực tốt và tính linh hoạt cao. Theo ước tính, việc sử dụng kết cấu nhôm trong các công trình kiến trúc lớn như tòa nhà Petronas Twin Towers (Malaysia), Burj Khalifa (UAE), The Gherkin (Anh) và Taipei 101 (Đài Bắc) đã minh chứng cho tiềm năng ứng dụng vượt trội của vật liệu này. Tuy nhiên, các vết nứt và hư hỏng tiềm ẩn trong kết cấu nhôm thường khó phát hiện bằng mắt thường, gây nguy cơ an toàn và giảm tuổi thọ công trình. Do đó, việc phát triển các phương pháp chẩn đoán hư hỏng hiệu quả, chính xác là rất cần thiết.

Mục tiêu nghiên cứu của luận văn là phát triển phương pháp chẩn đoán vết nứt trong kết cấu nhôm dựa trên đáp ứng trở kháng cơ-điện kết hợp với mạng nơ-ron tích chập (CNN). Nghiên cứu tập trung mô phỏng các mẫu dầm và tấm tròn nhôm trong điều kiện không hư hỏng và có hư hỏng, ghi nhận tín hiệu trở kháng và so sánh với số liệu thực nghiệm đã công bố nhằm đánh giá độ tin cậy của mô phỏng. Đồng thời, mạng 1D-CNN được xây dựng để chẩn đoán mức độ và vị trí hư hỏng dựa trên dữ liệu tín hiệu trở kháng.

Phạm vi nghiên cứu giới hạn trong việc sử dụng phần mềm ANSYS APDL 19.2 để mô phỏng và phân tích, tập trung vào các mẫu dầm và tấm tròn nhôm với các vết nứt có kích thước và vị trí khác nhau. Nghiên cứu không xét đến các yếu tố ngoại cảnh như gió, ánh sáng hay sóng điện từ. Ý nghĩa của nghiên cứu thể hiện qua khả năng phát hiện sớm và chính xác các vết nứt, giúp nâng cao hiệu quả giám sát sức khỏe kết cấu (SHM), đảm bảo an toàn và giảm thiểu chi phí bảo trì cho các công trình xây dựng sử dụng kết cấu nhôm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai nền tảng lý thuyết chính: phương pháp đáp ứng trở kháng cơ-điện và mạng nơ-ron tích chập (CNN).

  1. Phương pháp đáp ứng trở kháng cơ-điện:
    Vật liệu áp điện PZT (Lead Zirconate Titanate) được sử dụng làm cảm biến gắn trên kết cấu nhôm. Khi có lực cơ học tác động, PZT tạo ra tín hiệu điện tương ứng, phản ánh đặc tính cơ học của kết cấu. Trở kháng cơ-điện Z(ω) là đại lượng phức, gồm phần thực và phần ảo, biểu diễn mối quan hệ giữa điện áp và dòng điện đầu vào cảm biến. Sự thay đổi trong trở kháng cơ-điện phản ánh sự biến đổi đặc tính động lực học của kết cấu do hư hỏng như vết nứt, thay đổi khối lượng, độ cứng hoặc hệ số cản. Chỉ số RMSD (Root Mean Square Deviation) được sử dụng để đánh giá mức độ sai khác giữa tín hiệu trở kháng ở trạng thái không hư hỏng và có hư hỏng, từ đó xác định sự xuất hiện của vết nứt.

  2. Mạng nơ-ron tích chập (CNN):
    CNN là một thuật toán học sâu (Deep Learning) có khả năng tự động trích xuất đặc trưng từ dữ liệu đầu vào mà không cần thiết kế bộ lọc thủ công. Mạng CNN gồm các lớp tích chập (convolutional layers), lớp tổng hợp (pooling layers), lớp dropout để tránh overfitting và lớp kết nối đầy đủ (fully connected layers) để phân loại. Trong nghiên cứu, mạng 1D-CNN được xây dựng để phân tích tín hiệu trở kháng dạng chuỗi thời gian, nhằm chẩn đoán mức độ và vị trí hư hỏng trong kết cấu nhôm dựa trên dữ liệu mô phỏng và thực nghiệm.

Các khái niệm chuyên ngành quan trọng bao gồm: PZT, trở kháng cơ-điện, RMSD, CNN, lớp tích chập, lớp pooling, dropout, fully connected layer.

Phương pháp nghiên cứu

  • Nguồn dữ liệu:
    Dữ liệu được thu thập từ mô phỏng bằng phần mềm ANSYS APDL 19.2 trên các mẫu dầm và tấm tròn nhôm với các trạng thái không hư hỏng và có hư hỏng (vết nứt kích thước từ 2 mm đến gần 100 mm, vị trí vết nứt thay đổi). Dữ liệu thực nghiệm đã được công bố trong các nghiên cứu trước được sử dụng để so sánh và kiểm chứng độ chính xác của mô phỏng.

  • Phương pháp phân tích:

    1. Mô phỏng đáp ứng trở kháng cơ-điện của kết cấu nhôm với các trạng thái khác nhau.
    2. Tính toán chỉ số RMSD để đánh giá sự khác biệt tín hiệu trở kháng giữa các trạng thái.
    3. Xây dựng và huấn luyện mạng 1D-CNN sử dụng dữ liệu tín hiệu trở kháng làm đầu vào để chẩn đoán mức độ và vị trí hư hỏng.
    4. Đánh giá hiệu quả mô hình bằng cách so sánh kết quả chẩn đoán với dữ liệu thực nghiệm và mô phỏng.
  • Timeline nghiên cứu:
    Nghiên cứu được thực hiện trong khoảng thời gian từ tháng 02/2023 đến tháng 06/2023, bao gồm các giai đoạn: thu thập và mô phỏng dữ liệu, xây dựng mô hình CNN, huấn luyện và đánh giá mô hình, hoàn thiện luận văn.

  • Cỡ mẫu và chọn mẫu:
    Mẫu nghiên cứu gồm các tín hiệu trở kháng thu được từ nhiều kịch bản hư hỏng khác nhau trên dầm và tấm tròn nhôm, đảm bảo đa dạng về kích thước và vị trí vết nứt để mạng CNN có thể học và phân biệt chính xác.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Độ chính xác mô phỏng đáp ứng trở kháng:
    Kết quả mô phỏng đáp ứng trở kháng của dầm nhôm và tấm tròn nhôm trong miền tần số từ 10 kHz đến 100 kHz có độ tương đồng cao với số liệu thực nghiệm đã công bố, với sai số RMSD dưới 5%. Điều này chứng minh tính khả thi và độ tin cậy của phương pháp mô phỏng sử dụng ANSYS APDL 19.2.

  2. Khả năng phát hiện mức độ hư hỏng bằng chỉ số RMSD:
    Chỉ số RMSD tăng dần theo kích thước vết nứt, ví dụ: vết nứt 2 mm cho chỉ số RMSD khoảng 0.02, trong khi vết nứt 7 mm tăng lên khoảng 0.15. Điều này cho thấy chỉ số RMSD có khả năng phân biệt rõ ràng mức độ hư hỏng trong kết cấu nhôm.

  3. Hiệu quả chẩn đoán vị trí vết nứt bằng mạng 1D-CNN:
    Mạng 1D-CNN đạt độ chính xác trên 90% trong việc xác định vị trí vết nứt trên tấm tròn nhôm với bán kính 50 mm và 100 mm, ngay cả khi vết nứt cách cảm biến PZT từ 5 mm đến gần 100 mm. Mạng cũng thể hiện khả năng phân loại mức độ hư hỏng chính xác với dữ liệu đầu vào là tín hiệu trở kháng.

  4. Ảnh hưởng của vị trí cảm biến PZT:
    Vùng ảnh hưởng của cảm biến PZT được xác định rõ ràng qua mô phỏng, cho thấy tín hiệu trở kháng nhạy cảm nhất với các vết nứt nằm trong phạm vi 20-40 mm từ cảm biến. Vết nứt xa hơn vẫn có thể phát hiện nhưng độ nhạy giảm dần.

Thảo luận kết quả

Nguyên nhân của các phát hiện trên xuất phát từ tính chất vật lý của vật liệu áp điện PZT và đặc tính động lực học của kết cấu nhôm. Việc sử dụng tần số kích thích cao (trên 10 kHz) giúp tăng độ nhạy phát hiện các vết nứt nhỏ, do bước sóng kích thích ngắn hơn kích thước vết nứt. Kết quả mô phỏng tương đồng với thực nghiệm khẳng định mô hình phần tử hữu hạn trong ANSYS APDL là công cụ hiệu quả để nghiên cứu đáp ứng trở kháng.

Mạng 1D-CNN thể hiện ưu thế vượt trội trong việc tự động trích xuất đặc trưng từ tín hiệu trở kháng, giảm thiểu sự phụ thuộc vào kỹ năng chuyên môn trong xử lý dữ liệu. So với các nghiên cứu trước đây về chẩn đoán hư hỏng kết cấu thép và bê tông, nghiên cứu này mở rộng ứng dụng thành công cho kết cấu nhôm, một vật liệu có tính chất cơ học và điện khác biệt.

Dữ liệu có thể được trình bày qua biểu đồ so sánh chỉ số RMSD theo kích thước vết nứt, bảng kết quả độ chính xác chẩn đoán vị trí vết nứt của mạng CNN, và đồ thị đáp ứng trở kháng thực nghiệm so với mô phỏng tại các tần số khác nhau.

Đề xuất và khuyến nghị

  1. Triển khai hệ thống giám sát trực tiếp trên công trình:
    Lắp đặt cảm biến PZT tại các vị trí trọng yếu của kết cấu nhôm để thu thập dữ liệu trở kháng theo thời gian thực, giúp phát hiện sớm vết nứt và hư hỏng. Thời gian thực hiện: 6-12 tháng. Chủ thể thực hiện: các công ty xây dựng và quản lý công trình.

  2. Phát triển phần mềm phân tích dữ liệu tích hợp mạng CNN:
    Xây dựng phần mềm chuyên dụng tích hợp mô hình 1D-CNN để tự động phân tích tín hiệu trở kháng, chẩn đoán mức độ và vị trí hư hỏng, hỗ trợ kỹ sư trong việc ra quyết định bảo trì. Thời gian thực hiện: 12 tháng. Chủ thể thực hiện: các đơn vị nghiên cứu công nghệ và phát triển phần mềm.

  3. Nâng cao độ bền và tuổi thọ cảm biến PZT:
    Nghiên cứu và áp dụng các lớp bảo vệ chống ẩm, chống ăn mòn cho cảm biến PZT nhằm đảm bảo hoạt động ổn định trong môi trường khắc nghiệt, kéo dài tuổi thọ cảm biến. Thời gian thực hiện: 6 tháng. Chủ thể thực hiện: các viện nghiên cứu vật liệu và công nghệ cảm biến.

  4. Mở rộng nghiên cứu ứng dụng cho các loại kết cấu khác:
    Áp dụng phương pháp đáp ứng trở kháng và mạng CNN cho các vật liệu và kết cấu khác như thép, bê tông cốt thép, composite để đa dạng hóa ứng dụng và nâng cao hiệu quả giám sát. Thời gian thực hiện: 18-24 tháng. Chủ thể thực hiện: các trường đại học và viện nghiên cứu xây dựng.

Đối tượng nên tham khảo luận văn

  1. Kỹ sư xây dựng và quản lý công trình:
    Nắm bắt phương pháp chẩn đoán hư hỏng hiện đại, áp dụng trong giám sát và bảo trì kết cấu nhôm, nâng cao an toàn và hiệu quả vận hành công trình.

  2. Nhà nghiên cứu và giảng viên trong lĩnh vực kỹ thuật xây dựng:
    Tham khảo cơ sở lý thuyết và phương pháp mô phỏng kết hợp AI trong chẩn đoán kết cấu, làm nền tảng cho các nghiên cứu tiếp theo về SHM.

  3. Chuyên gia phát triển công nghệ cảm biến và phần mềm phân tích dữ liệu:
    Áp dụng kiến thức về vật liệu áp điện, mô hình mạng CNN để phát triển các giải pháp công nghệ mới trong giám sát kết cấu.

  4. Sinh viên cao học và nghiên cứu sinh ngành kỹ thuật xây dựng, cơ khí:
    Học hỏi phương pháp nghiên cứu kết hợp mô phỏng phần tử hữu hạn và học sâu, nâng cao kỹ năng phân tích và ứng dụng công nghệ trong thực tiễn.

Câu hỏi thường gặp

  1. Phương pháp đáp ứng trở kháng cơ-điện là gì và tại sao được sử dụng trong chẩn đoán kết cấu nhôm?
    Phương pháp này dựa trên việc đo trở kháng điện của cảm biến PZT gắn trên kết cấu, phản ánh đặc tính cơ học của kết cấu. Khi có vết nứt, trở kháng thay đổi, giúp phát hiện hư hỏng sớm mà không làm tổn hại kết cấu.

  2. Mạng nơ-ron tích chập (CNN) có vai trò gì trong nghiên cứu này?
    CNN tự động trích xuất đặc trưng từ tín hiệu trở kháng, phân loại mức độ và vị trí hư hỏng chính xác, giảm thiểu sự phụ thuộc vào kỹ năng xử lý dữ liệu thủ công.

  3. Dữ liệu mô phỏng có đáng tin cậy so với thực nghiệm không?
    Kết quả mô phỏng đáp ứng trở kháng có độ tương đồng cao với dữ liệu thực nghiệm (sai số RMSD dưới 5%), chứng tỏ mô hình mô phỏng trong ANSYS APDL 19.2 rất đáng tin cậy.

  4. Phạm vi ứng dụng của phương pháp này có giới hạn không?
    Hiện nghiên cứu tập trung trên kết cấu nhôm trong điều kiện lý tưởng, chưa xét đến tác động ngoại cảnh như nhiệt độ, gió. Tuy nhiên, phương pháp có tiềm năng mở rộng cho các vật liệu và điều kiện khác.

  5. Làm thế nào để triển khai phương pháp này trong thực tế công trình?
    Cần lắp đặt cảm biến PZT tại các vị trí trọng yếu, thu thập dữ liệu trở kháng định kỳ, sử dụng phần mềm phân tích tích hợp mạng CNN để giám sát và cảnh báo hư hỏng kịp thời.

Kết luận

  • Phương pháp kết hợp đáp ứng trở kháng cơ-điện và mạng nơ-ron tích chập 1D-CNN hiệu quả trong việc chẩn đoán mức độ và vị trí vết nứt trong kết cấu nhôm.
  • Mô phỏng bằng ANSYS APDL 19.2 cho kết quả đáp ứng trở kháng tương đồng cao với thực nghiệm, đảm bảo độ tin cậy của dữ liệu đầu vào cho mạng CNN.
  • Chỉ số RMSD là công cụ hữu ích để đánh giá sự xuất hiện và mức độ hư hỏng dựa trên tín hiệu trở kháng.
  • Mạng 1D-CNN đạt độ chính xác trên 90% trong chẩn đoán vị trí vết nứt, thể hiện tiềm năng ứng dụng trong giám sát sức khỏe kết cấu.
  • Đề xuất triển khai hệ thống giám sát thực tế, phát triển phần mềm phân tích và mở rộng nghiên cứu cho các loại kết cấu khác nhằm nâng cao hiệu quả và phạm vi ứng dụng.

Next steps: Triển khai thử nghiệm thực tế, hoàn thiện phần mềm chẩn đoán, nghiên cứu ảnh hưởng của điều kiện môi trường và mở rộng ứng dụng cho các vật liệu khác.

Call-to-action: Các đơn vị xây dựng, viện nghiên cứu và doanh nghiệp công nghệ nên hợp tác để ứng dụng và phát triển phương pháp này, góp phần nâng cao an toàn và hiệu quả công trình xây dựng hiện đại.