Đặt vấn đề Nước ta là nước nằm trong vùng nội chí tuyến Nam - Bắc nên khí hậu mang tính chất nhiệt đới, hơn nữa còn có đường bờ biển trải dài kết hợp với hoạt động mạnh mẽ của gió mùa cùng với lượng mưa lớn và độ ẩm dồi dào, làm cho các công trình được xây dựng bằng thép hoặc kết cấu bê tông cốt thép (BTCT) bị ăn mòn rất nhanh gây ra tình trạng xuống cấp và hư hỏng công trình. Hiện nay, nước ta đang trên đà phát triển và hội nhập. Vì vậy, nhu cầu nâng cấp hoặc cải tạo sử dụng các công trình cũ đã có sự xuống cấp được xây dựng hầu hết trước năm 1975 với mục đích tiết giảm bớt một phần chi phí hơn so với xây dựng mới hoàn toàn. Đòi hỏi cần có những biện pháp dự đoán nhằm đánh giá được khả năng chịu lực còn lại của kết cấu công trình đã xây dựng khá lâu và chịu nhiều tác nhân gây hư hại xuống cấp.
Mặt khác, các phương pháp dự đoán đánh giá kết cấu bê tông cốt thép đã có trước đây dưới sự biến đổi phức tạp của thời tiết làm cho các phương pháp này dần không còn phù hợp do đó cần phải cải tiến, bổ sung nhằm tìm ra phương pháp tối ưu trong việc dự đoán và dự báo sự xuống cấp kết cấu công trình mà nguyên nhân chính là sự ăn mòn bê tông cốt thép dưới tác động của môi trường và thời gian. Các vấn đề nêu trên, cũng là lý do để thực hiện chuyên đề “Dự đoán khả năng chịu lực của dầm bê tông cốt thép bị ăn mòn sử dụng mô hình trí tuệ nhân tạo” mục đích nhằm đóng góp thêm nghiên cứu trong lĩnh vực trí tuệ nhân tạo đặc biệt là kết hợp vào bài toán dự đoán khả năng chịu lực của dầm bê tông cốt thép bị ăn mòn với những nghiên cứu trong nước về lĩnh vực này bước đầu còn khá nhiều hạn chế.2 Tổng quan chung về tình hình nghiên cứu trong và ngoài nước 1.1 Tổng quan tình hình nghiên cứu ngoài nước Tuổi thọ các kết cấu được xây dựng bằng bê tông tông cốt thép dần giảm đi, nguyên nhân chính được minh chứng hàng đầu đó là vấn đề ăn mòn bê tông và cốt thép. Một số các nghiên cứu liên quan đến ăn mòn cốt thép đã được thực hiện trước 1 Luan van đây để dự đoán giải quyết các vấn đề khác nhau liên quan đến quá trình ăn mòn ban đầu và tác dụng gây hại bằng thuật toán trí tuệ nhân tạo ANN từ Imam, Anifowose và Azad (2015) [1]. Dữ liệu đầu vào cho mô hình ANN được lấy từ kết quả thực nghiệm của Azad et al (2010) [2] đồng thời tác giả đã sử dụng hai phương thức dự đoán: thông qua hệ số hiệu chỉnh (Cf) và thông qua cường độ dư (Mres), kết quả của ANN các mô hình được tìm thấy là phù hợp tốt với các giá trị thực nghiệm của Azad et al.1 R2 của mô hình thực nghiệm và mô hình ANN cho dự đoán Cf và Mres [1] Thông qua nghiên cứu này, cho thấy Cf mô hình ANN Model có sự cải thiện hơn so lên đến 49% và Mres có cải thiện hơn từ 2 – 10% so với mô hình thực nghiệm từ Azad.
Ngoài ra, trên cơ sở nghiên cứu thực nghiệm liên quan đến ăn mòn kết cấu bê tông cốt thép, những mô hình và thuật toán trí tuệ nhân tạo dần can thiệp sâu vào giải quyết nhiều vấn đề về đánh giá và dự đoán ngày càng được chính xác hơn cụ thể Tsai và Hsu (2002) chẩn đoán cơ sở thiệt hại kết cấu bê tông cốt thép dựa trên lịch sử thời gian dịch chuyển bằng cách sử dụng kỹ thuật mạng nơ ron truyền ngược [3]. Bằng cách chế tạo 10 bộ dầm Bê tông cốt thép tiết diện chữ nhật và chiều dài 4m, có hư hỏng giả định và cùng kích thước quy định của các ví dụ số được xây dựng ở quy mô đầy đủ. Kết quả kiểm tra chỉ ra rằng kỹ thuật được đề xuất có thể chẩn đoán hiệu quả các hư hỏng kết cấu bê tông cốt thép hiện có. Trong hầu hết các mẫu thử nghiệm, RMS không vượt quá 0,16.
Mặt khác, đối với mỗi bộ trong số 10 bộ dầm thử nghiệm, 2 Luan van RMS gần như tròn, ở mức 0,20. Tất cả các kết quả thử nghiệm trong nghiên cứu hầu như không đạt yêu cầu.2 Kết quả chất đoán của dầm C81-83[3] Nghiên cứu này cũng đánh giá một cách khách quan tỷ lệ thiệt hại đầu ra của từng dầm thử nghiệm, cho thấy rằng nó gần với tình hình thực tế hơn nhiều. Quan trọng là, cần so sánh kết quả chẩn đoán hư hỏng của một số loại phản ứng kết cấu - chẳng hạn như lịch sử thời gian tăng tốc, tần số tự nhiên và dịch chuyển tĩnh - là các đặc điểm đầu vào của mạng nơ ron được sử dụng trong mô hình chẩn đoán hư hỏng này. Làm như vậy sẽ dẫn đến tính khả thi của việc áp dụng kỹ thuật được đề xuất cho các ứng dụng thực tế.
Liên quan đến ăn mòn và ứng dụng trí tuệ nhân tạo, các tác giả sau đây đã lần lượt sử dụng mô mạng nơ ron nhân tạo trong việc đánh giá dầm bê tông cốt thép bị ăn mòn từ năm 2006 đến năm 2016 gồm: Jeyasehar and Sumangala (2006) đánh giá không phá hủy của dầm bê tông dự ứng lực bằng cách sử dụng phương pháp tiếp cận mạng thần kinh nhân tạo (ANN- artificial neural network) [4]. Imam và Azad (2016) đã tiến hành thử nghiệm trên dầm bị ăn mòn và không bị ăn mòn để tìm khả năng chịu cắt và ứng xử của dầm bê tông cốt thép bị ăn mòn dựa trên mô hình dự báo 3 Luan van cường độ đã được phát triển [6]. Nổi bật là, Jui-Sheng Chou, Ngoc-Tri Ngo, Wai K.3 So sánh hiệu suất các mô hình [7] Kết quả nghiên cứu cho thấy, thông qua các chỉ số hiệu suất dự đoán RMSE, MAE, MAPE và SI. Cho thấy tổ hợp phân cấp có hiệu suất tốt hơn so với các mô hình đơn lẻ và các sơ đồ tổng hợp khác, nhưng mô hình SFA-LSSVR (tức là mô hình hồi quy siêu mô hình) có giá trị MAPE thấp nhất để dự đoán tỷ lệ ăn mòn và nguy cơ rỗ (tương ứng là 1.
Đóng góp lớn trong nghiên cứu là đề xuất được mô hình AI kết hợp (SFA-LSSVR) có hiệu quả tối ưu hơn các mô hình còn lại. Hơn nữa, các nghiên cứu mới về ăn mòn kết hợp các phương pháp trí tuệ nhân tạo vào việc đánh giá cũng đã và đang phát triển thêm như là Imam và Kazmi (2020) sử dụng phương pháp hồi quy đã sửa đổi và mô hình ANN cho khả năng chịu tải của dầm bê tông cốt thép bị ăn mòn [8]. Cụ thể sử dụng mạng nơ ron nhân tạo (ANN) để dự đoán độ cong còn lại cường độ của dầm bê tông cốt thép bị ăn mòn. Thông qua cơ sở dữ liệu gồm 36 mẫu thử nghiệm thu được từ nghiên cứu được thực hiện bởi Azad et al.
(2010) [2] đã được sử dụng để đào tạo và thử nghiệm các mô hình ANN thông qua phần mềm MATLAB. 4 Luan van Hình 1.4 So sánh RMSE của mô hình hồi quy và ANN được đề xuất với Azad et al (2010)[2] Kết quả cho thấy các dự đoán ANN tốt hơn nhiều với các giá trị thử nghiệm so với các giá trị thu được từ dự đoán của Azad et al. Khẳng định rằng mô hình dự đoán cường độ còn lại của dầm bị ăn mòn, đề xuất bởi Azad và cộng sự. (2010) khá bảo thủ và đánh giá thấp tính linh hoạt còn lại khả năng chịu lực của dầm bị ăn mòn.
Điều này dẫn đến sự cần thiết phải sửa đổi mô hình của họ, để làm cho nó chính xác và đáng tin cậy hơn. Liên quan đến việc dự đoán thời gian và ứng xử của dầm bê tông cốt thép bị ăn mòn còn thông qua các mô hình trí tuệ nhân tạo còn có các tác giả sau: Babatunde Abiodun Salami, Syed Masiur Rahman và cộng sự (2020) tận dụng khả năng mô hình máy học (ML) vào việc nhúng cốt thép vào dung dịch natri clorua 5% có sử dụng bê tông tự đầm để ước tính thời gian bắt đầu ăn mòn [9]. Hisham Alabduljabbar, James H. Haido và cộng sự (2020) dự đoán ứng xử uốn của dầm bê tông bị ăn mòn bằng cách sử dụng phương pháp kết hợp [10].
Trong nghiên cứu này, một phương pháp thống kê mới sử dụng mô hình mạng nơ ron (NN) đã được xây dựng để ước tính các đầu vào này dựa trên dữ liệu trong tài liệu từ 107 nguồn cụ thể. Sau đó, kết quả đầu ra từ NN đã được đưa vào các mô hình ứng xử vật liệu FEA để phân tích các dầm bê tông bị hư hỏng do ăn mòn. Hành vi làm lệch tải do FEA như vậy cho thấy mối tương quan tốt khi so sánh với dữ liệu hiện trường sẵn có, xác nhận tính chính xác của NN. Do đó, NN được đề xuất như một phương tiện để lấy đầu vào cho FEA của các thành phần bê tông bị ăn mòn.
5 Luan van Gần đây, Masoud Ahmadi, Ali Kheyroddin và Mahdi Kioumarsi (2021) thông qua mạng nơ ron nhân tạo (ANN) dự đoán về độ bền liên kết của cốt thép bị ăn mòn dựa trên dữ liệu các bài báo đã xuất bản trước đây [11]. Kết quả cho thấy, thuật toán Levenberg – Marquardt, mạng ANN với số lượng năm nút trong lớp ẩn được chọn là phương pháp tốt nhất. MAE của mạng tối ưu bằng 15%, cho thấy khả năng thích hợp để mô phỏng dữ liệu ở khía cạnh an toàn cho hầu hết các mẫu, mô hình này có thể được sử dụng để đánh giá độ tin cậy của kết cấu bê tông bị ăn mòn trong môi trường ăn mòn. Nghiên cứu về dầm bê tông cốt thép chịu ăn mòn đồng nhất, rỗ và gãy giòn dựa vào thời gian từ các tác giả Mohamed El Amine Ben Seghier, Behrooz Keshtegar và Hussam Mahmoud (2021) [12] từ biểu đồ liên hợp ba kỳ hạn dựa trên phương pháp độ tin cậy bậc nhất đã được cải tiến để đánh giá đa trạng thái về cường độ bê tông (fc, Mpa), cốt thép (D0, mm) thời gian ăn mòn (corr(1), μA/cm2) và khả năng chịu uốn (Mu, KN-m) của dầm BTCT bị ăn mòn, kết quả cho thấy được độ tin cậy cao trong việc dự đoán, đường kính thanh danh nghĩa, tốc độ bắt đầu ăn mòn và tải trọng bên ngoài có ảnh hưởng quan trọng đến sự an toàn của các kết cấu.