Tổng quan nghiên cứu

Công nghệ bê tông cốt thép ứng suất trước (BTCT ứng suất trước) ngày càng được ứng dụng rộng rãi trong xây dựng các công trình cao tầng, cầu đường, silô chứa nguyên liệu với yêu cầu kết cấu phức tạp và hiệu quả kinh tế cao. Tuy nhiên, một trong những vấn đề kỹ thuật quan trọng hiện nay là sự tổn hao lực ứng suất trong vùng neo cáp, gây ảnh hưởng nghiêm trọng đến độ bền và an toàn của kết cấu. Theo ước tính, sự tổn hao lực ứng suất có thể làm giảm hiệu quả chịu lực của cáp neo từ 20% đến 60%, tùy thuộc vào điều kiện vận hành và môi trường. Nghiên cứu này tập trung vào việc xác định tổn hao lực ứng suất trong vùng neo cáp sử dụng kết hợp phương pháp đo đáp ứng điện - cơ (Electro-Mechanical Impedance - EMI) và mạng nơ-ron nhân tạo (Artificial Neural Networks - ANNs).

Mục tiêu chính của luận văn là: (1) phân tích và mô phỏng đáp ứng điện - cơ của kết cấu bê tông cốt thép ứng suất trước trong vùng neo cáp; (2) xác định vị trí và mức độ tổn hao lực ứng suất trong các cáp neo; (3) ứng dụng mạng nơ-ron nhân tạo để chẩn đoán chính xác tổn hao lực ứng suất; (4) đánh giá ảnh hưởng của nhiệt độ đến kết quả chẩn đoán. Phạm vi nghiên cứu bao gồm mô phỏng và thí nghiệm trên các mẫu dầm bê tông cốt thép ứng suất trước có vùng neo cáp một cáp và năm cáp, thực hiện trong khoảng thời gian từ tháng 02 đến tháng 06 năm 2020 tại Trường Đại học Bách Khoa, TP. Hồ Chí Minh.

Nghiên cứu có ý nghĩa quan trọng trong việc nâng cao độ tin cậy và hiệu quả giám sát sức khỏe kết cấu (Structural Health Monitoring - SHM), góp phần giảm thiểu rủi ro hư hỏng kết cấu, kéo dài tuổi thọ công trình và tiết kiệm chi phí bảo trì.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết chính:

  1. Phương pháp đo đáp ứng điện - cơ (EMI): Đây là kỹ thuật sử dụng các tấm cảm biến PZT (Lead Zirconate Titanate) dán lên bề mặt kết cấu để kích thích và thu nhận tín hiệu điện - cơ, từ đó phân tích sự biến đổi đáp ứng điện trở cơ học nhằm phát hiện tổn hao lực ứng suất và các hư hỏng trong kết cấu. Các chỉ số đánh giá bao gồm RMSD (Root Mean Square Deviation), CC (Correlation Coefficient), CCD (Correlation Coefficient Deviation), và MAPD (Mean Absolute Percentage Deviation).

  2. Mạng nơ-ron nhân tạo (ANNs): Mạng ANNs, đặc biệt là mô hình Multilayer Perceptron (MLP), được sử dụng để phân loại và dự đoán mức độ tổn hao lực ứng suất dựa trên dữ liệu đáp ứng điện - cơ thu thập được. Mạng ANNs giúp xử lý lượng lớn dữ liệu phức tạp, tăng độ chính xác và hiệu quả trong việc chẩn đoán.

Các khái niệm chuyên ngành quan trọng bao gồm: vùng neo cáp, tổn hao lực ứng suất, đáp ứng điện - cơ, mạng nơ-ron nhân tạo, chỉ số RMSD, CC, CCD, MAPD, và cảm biến PZT.

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm dữ liệu thí nghiệm đo đáp ứng điện - cơ trên các mẫu dầm bê tông cốt thép ứng suất trước có vùng neo cáp một cáp và năm cáp, cùng với dữ liệu mô phỏng bằng phần mềm ANSYS APDL và phân tích mạng ANNs trong phần mềm IBM SPSS.

Phương pháp phân tích gồm:

  • Mô phỏng đáp ứng điện - cơ của các mẫu dầm và vùng neo cáp với các mức tổn hao lực ứng suất khác nhau (20%, 40%, 60%).
  • So sánh kết quả mô phỏng với dữ liệu thí nghiệm để đánh giá độ tin cậy của mô hình.
  • Xây dựng và huấn luyện mạng ANNs MLP để phân loại mức độ tổn hao lực ứng suất dựa trên các chỉ số RMSD, CC, MAPD.
  • Phân tích ảnh hưởng của nhiệt độ (từ 10°C đến 40°C) đến kết quả chẩn đoán.
  • Thời gian nghiên cứu kéo dài từ tháng 02 đến tháng 06 năm 2020, với cỡ mẫu gồm nhiều mẫu dầm và vùng neo cáp được khảo sát.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Độ tin cậy của mô hình mô phỏng: So sánh đáp ứng điện - cơ giữa mô phỏng và thí nghiệm cho thấy hệ số tương quan CC đạt trên 0.9 trong dải tần 10 kHz - 100 kHz, chứng tỏ mô hình mô phỏng có độ tin cậy cao. RMSD trung bình dưới 5%, cho thấy sai số nhỏ giữa mô phỏng và thực tế.

  2. Xác định vị trí và mức độ tổn hao lực ứng suất: Qua mô phỏng vùng neo cáp một cáp và năm cáp với các mức tổn hao 20%, 40%, 60%, tín hiệu đáp ứng điện - cơ có sự biến đổi rõ rệt. Ví dụ, khi tổn hao lực ứng suất tăng từ 20% lên 60%, chỉ số MAPD tăng trung bình 35%, cho phép phân biệt mức độ tổn hao chính xác.

  3. Hiệu quả của mạng nơ-ron nhân tạo: Mạng ANNs MLP đạt độ chính xác phân loại trên 92% trong việc xác định mức độ tổn hao lực ứng suất dựa trên dữ liệu đáp ứng điện - cơ. Thời gian huấn luyện mạng dưới 30 phút với cỡ mẫu khoảng 200 bộ dữ liệu.

  4. Ảnh hưởng của nhiệt độ: Nhiệt độ tăng từ 10°C đến 40°C làm thay đổi tín hiệu đáp ứng điện - cơ, tuy nhiên, khi kết hợp với mạng ANNs, độ chính xác chẩn đoán vẫn duy trì trên 85%, cho thấy phương pháp có khả năng bù trừ ảnh hưởng môi trường.

Thảo luận kết quả

Nguyên nhân chính của sự tổn hao lực ứng suất trong vùng neo cáp là do sự biến dạng, trượt và mỏi vật liệu trong quá trình sử dụng. Kết quả mô phỏng và thí nghiệm cho thấy tín hiệu đáp ứng điện - cơ rất nhạy với các mức tổn hao này, phù hợp với các nghiên cứu quốc tế về giám sát kết cấu bê tông cốt thép ứng suất trước.

Việc ứng dụng mạng nơ-ron nhân tạo giúp xử lý hiệu quả lượng lớn dữ liệu phức tạp, giảm thiểu sai số do ảnh hưởng của nhiệt độ và các yếu tố môi trường khác. So với các phương pháp truyền thống, phương pháp kết hợp EMI và ANNs cho phép phát hiện tổn hao lực ứng suất sớm và chính xác hơn, góp phần nâng cao hiệu quả giám sát sức khỏe kết cấu.

Dữ liệu có thể được trình bày qua các biểu đồ so sánh chỉ số RMSD, CC, MAPD giữa mô phỏng và thí nghiệm, biểu đồ phân loại tổn hao lực ứng suất theo mức độ, và biểu đồ ảnh hưởng nhiệt độ đến độ chính xác chẩn đoán.

Đề xuất và khuyến nghị

  1. Triển khai hệ thống giám sát dựa trên EMI và ANNs: Các chủ đầu tư và đơn vị quản lý công trình nên áp dụng hệ thống giám sát sức khỏe kết cấu sử dụng cảm biến PZT kết hợp mạng nơ-ron nhân tạo để theo dõi tổn hao lực ứng suất trong vùng neo cáp, nhằm phát hiện sớm các hư hỏng. Thời gian triển khai dự kiến trong vòng 6 tháng.

  2. Đào tạo nhân lực chuyên môn: Tổ chức các khóa đào tạo kỹ thuật cho kỹ sư xây dựng và bảo trì về phương pháp đo đáp ứng điện - cơ và phân tích dữ liệu bằng mạng ANNs, nâng cao năng lực vận hành và bảo dưỡng hệ thống giám sát. Thời gian đào tạo 3 tháng, do các trường đại học và viện nghiên cứu thực hiện.

  3. Nghiên cứu mở rộng ứng dụng: Khuyến khích các viện nghiên cứu và doanh nghiệp phát triển thêm các mô hình mạng nơ-ron nhân tạo đa dạng, tích hợp thêm các yếu tố môi trường và tải trọng thực tế để nâng cao độ chính xác và khả năng dự báo tổn hao lực ứng suất. Thời gian nghiên cứu tiếp theo khoảng 1-2 năm.

  4. Xây dựng tiêu chuẩn kỹ thuật: Bộ Xây dựng và các cơ quan quản lý cần xây dựng và ban hành tiêu chuẩn kỹ thuật về giám sát tổn hao lực ứng suất trong vùng neo cáp bằng công nghệ EMI và ANNs, làm cơ sở pháp lý cho việc áp dụng rộng rãi trong ngành xây dựng. Thời gian hoàn thiện tiêu chuẩn dự kiến 1 năm.

Đối tượng nên tham khảo luận văn

  1. Kỹ sư thiết kế và thi công kết cấu: Nghiên cứu cung cấp kiến thức chuyên sâu về tổn hao lực ứng suất trong vùng neo cáp, giúp cải tiến thiết kế và lựa chọn vật liệu phù hợp, nâng cao độ bền và an toàn công trình.

  2. Chuyên gia giám sát và bảo trì công trình: Phương pháp giám sát kết hợp EMI và ANNs giúp phát hiện sớm các hư hỏng, từ đó lập kế hoạch bảo trì hiệu quả, giảm thiểu chi phí sửa chữa và kéo dài tuổi thọ kết cấu.

  3. Nhà nghiên cứu và học viên ngành xây dựng: Luận văn là tài liệu tham khảo quý giá về ứng dụng công nghệ cảm biến và trí tuệ nhân tạo trong giám sát sức khỏe kết cấu, hỗ trợ phát triển các đề tài nghiên cứu tiếp theo.

  4. Cơ quan quản lý và ban hành tiêu chuẩn: Cung cấp cơ sở khoa học và kỹ thuật để xây dựng các quy định, tiêu chuẩn về giám sát và đánh giá tổn hao lực ứng suất trong kết cấu bê tông cốt thép ứng suất trước.

Câu hỏi thường gặp

  1. Phương pháp đo đáp ứng điện - cơ (EMI) là gì?
    EMI là kỹ thuật sử dụng cảm biến PZT dán lên kết cấu để kích thích và thu nhận tín hiệu điện - cơ, từ đó phân tích sự biến đổi đáp ứng nhằm phát hiện tổn hao lực ứng suất và hư hỏng. Ví dụ, trong nghiên cứu, EMI giúp xác định vị trí cáp neo bị tổn hao lực.

  2. Mạng nơ-ron nhân tạo (ANNs) có vai trò gì trong nghiên cứu?
    ANNs được dùng để phân loại và dự đoán mức độ tổn hao lực ứng suất dựa trên dữ liệu EMI thu thập được, giúp tăng độ chính xác và xử lý dữ liệu phức tạp nhanh chóng. Mạng MLP trong nghiên cứu đạt độ chính xác trên 92%.

  3. Ảnh hưởng của nhiệt độ đến kết quả chẩn đoán như thế nào?
    Nhiệt độ thay đổi từ 10°C đến 40°C ảnh hưởng đến tín hiệu EMI, tuy nhiên khi kết hợp với ANNs, độ chính xác chẩn đoán vẫn duy trì trên 85%, cho thấy khả năng bù trừ hiệu quả của phương pháp.

  4. Phạm vi áp dụng của phương pháp này là gì?
    Phương pháp phù hợp với các công trình sử dụng kết cấu bê tông cốt thép ứng suất trước có vùng neo cáp, đặc biệt là các công trình cầu, nhà cao tầng, silô chứa nguyên liệu, giúp giám sát và phát hiện tổn hao lực ứng suất kịp thời.

  5. Làm thế nào để triển khai hệ thống giám sát này trong thực tế?
    Cần lắp đặt các cảm biến PZT tại vùng neo cáp, thu thập dữ liệu đáp ứng điện - cơ định kỳ, sau đó sử dụng phần mềm phân tích mạng ANNs để chẩn đoán tổn hao lực. Đồng thời, đào tạo nhân lực vận hành và bảo trì hệ thống để đảm bảo hiệu quả.

Kết luận

  • Nghiên cứu đã phát triển thành công phương pháp kết hợp đo đáp ứng điện - cơ và mạng nơ-ron nhân tạo để xác định tổn hao lực ứng suất trong vùng neo cáp bê tông cốt thép ứng suất trước.
  • Mô hình mô phỏng và thí nghiệm cho thấy độ tin cậy cao với hệ số tương quan trên 0.9 và sai số RMSD dưới 5%.
  • Mạng ANNs MLP đạt độ chính xác phân loại trên 92%, giúp chẩn đoán mức độ tổn hao lực hiệu quả ngay cả khi có biến đổi nhiệt độ.
  • Phương pháp này có thể ứng dụng rộng rãi trong giám sát sức khỏe kết cấu, góp phần nâng cao an toàn và tuổi thọ công trình.
  • Các bước tiếp theo bao gồm triển khai thực tế, đào tạo nhân lực, nghiên cứu mở rộng và xây dựng tiêu chuẩn kỹ thuật cho ngành xây dựng.

Hành động ngay hôm nay: Các đơn vị quản lý và thi công công trình nên xem xét áp dụng phương pháp này để nâng cao hiệu quả giám sát và bảo trì kết cấu bê tông cốt thép ứng suất trước.