Tổng quan nghiên cứu

Trong lĩnh vực kỹ thuật xây dựng, kết cấu bê tông cốt thép ứng suất trước (BTCT ƯST) đóng vai trò quan trọng trong các công trình cầu đường, nhà cao tầng và các công trình công nghiệp. Dầm BTCT ƯST là cấu kiện chịu lực chính, có khả năng vượt nhịp lớn, chống nứt và chống thấm hiệu quả. Tuy nhiên, trong quá trình khai thác sử dụng lâu dài, dầm BTCT ƯST chịu tác động của nhiều yếu tố môi trường và tải trọng, dẫn đến hiện tượng mất lực căng, xuất hiện vết nứt, ăn mòn cốt thép và các hư hỏng khác, ảnh hưởng nghiêm trọng đến an toàn công trình. Theo báo cáo của ngành xây dựng, việc dự đoán chính xác lực căng trong dầm BTCT ƯST là yếu tố then chốt để đảm bảo vận hành an toàn và kéo dài tuổi thọ công trình.

Luận văn thạc sĩ này tập trung phát triển phương pháp dự đoán lực căng cho dầm BTCT ƯST dựa trên phân tích tần số dao động tự nhiên kết hợp với các thuật toán trí tuệ nhân tạo (AI). Nghiên cứu xây dựng mô hình phần tử hữu hạn (PTHH) bằng phần mềm ANSYS, kiểm chứng với kết quả thực nghiệm để đảm bảo độ tin cậy. Dữ liệu tần số dao động thu thập được dùng làm đầu vào cho các mô hình học máy, áp dụng phương pháp kiểm thử chéo Leave-One-Out Cross-Validation (LOOCV) nhằm đánh giá hiệu quả dự đoán lực căng. Phạm vi nghiên cứu tập trung trên dầm BTCT ƯST nhịp giản đơn, với dữ liệu thực nghiệm và mô phỏng từ năm 2007 tại Hàn Quốc, đồng thời mở rộng dự đoán tải trọng đứng tác dụng lên dầm theo sơ đồ uốn 4 điểm.

Nghiên cứu có ý nghĩa lớn trong việc cung cấp công cụ dự đoán không phá hủy, giúp phát hiện sớm các bất thường về lực căng, từ đó hỗ trợ công tác bảo trì, gia cố và đảm bảo an toàn cho các công trình sử dụng dầm BTCT ƯST. Kết quả nghiên cứu góp phần nâng cao hiệu quả quản lý vận hành công trình, giảm thiểu rủi ro sự cố và thiệt hại kinh tế xã hội.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên ba nền tảng lý thuyết chính:

  1. Chẩn đoán sức khỏe công trình (Structural Health Monitoring - SHM): SHM là phương pháp theo dõi liên tục hoặc định kỳ các đặc trưng dao động, biến dạng, chuyển vị của kết cấu nhằm phát hiện sớm hư hỏng và bất thường. SHM được phân thành 5 cấp độ từ phát hiện đến chẩn đoán mức độ an toàn công trình, trong đó phân tích dao động là công cụ quan trọng để xác định trạng thái lực căng trong dầm BTCT ƯST.

  2. Phân tích dao động dầm BTCT ƯST: Tần số dao động tự nhiên của dầm BTCT ƯST phụ thuộc vào độ cứng tương đương của tiết diện và lực căng trong cáp dự ứng lực. Công thức xác định tần số dao động được xây dựng dựa trên mô hình độ cứng chống uốn tương đương, mô đun đàn hồi bê tông, mô men quán tính tiết diện và lực căng cáp. Mối quan hệ này cho phép sử dụng tần số dao động làm chỉ số phản ánh trạng thái lực căng.

  3. Thuật toán học máy (Machine Learning): Các thuật toán hồi quy tuyến tính, hồi quy đa thức, hồi quy đa thức phân đoạn và học sâu (Deep Neural Network - DNN) được áp dụng để xây dựng mô hình dự đoán lực căng từ dữ liệu tần số dao động. Phương pháp học có giám sát được sử dụng với kỹ thuật kiểm thử chéo LOOCV nhằm tối ưu hóa mô hình và tránh hiện tượng quá khớp.

Các khái niệm chính bao gồm: tần số dao động mode, mô hình phần tử hữu hạn (FEM), hàm mất mát (Loss function), hàm kích hoạt trong mạng nơron nhân tạo (Sigmoid, ReLU, Tanh), và các chỉ số đánh giá hiệu suất mô hình như MSE (Mean Squared Error) và RMSE (Root Mean Square Error).

Phương pháp nghiên cứu

Nghiên cứu sử dụng dữ liệu thực nghiệm từ dầm BTCT ƯST nhịp giản đơn, tiết diện chữ T, chiều dài 6m, bê tông cường độ 23.6 MPa, thép dự ứng lực Grade 250, được thực hiện tại Smart Structure Engineering Lab, Đại học Quốc gia Pukyong, Hàn Quốc năm 2007. Mô hình phần tử hữu hạn được xây dựng trên phần mềm ANSYS, mô phỏng các cấp lực căng khác nhau và phân tích tần số dao động tương ứng.

Dữ liệu tần số dao động thu thập từ mô hình PTHH được kiểm chứng với kết quả thực nghiệm để đảm bảo độ tin cậy. Tập dữ liệu được chia thành tập huấn luyện-kiểm thử (CV) và tập kiểm tra (test). Phương pháp kiểm thử chéo Leave-One-Out Cross-Validation (LOOCV) được áp dụng để xây dựng và đánh giá mô hình học máy, giúp tận dụng tối đa dữ liệu và giảm thiểu sai số do phân chia dữ liệu không đồng đều.

Các thuật toán hồi quy tuyến tính, đa thức, đa thức phân đoạn và học sâu được huấn luyện để dự đoán lực căng dựa trên tần số dao động của các mode. Ngoài ra, nghiên cứu khảo sát hiệu quả khi sử dụng kết hợp tần số dao động của nhiều mode để cải thiện độ chính xác dự đoán.

Timeline nghiên cứu kéo dài từ tháng 01 đến tháng 05 năm 2024, bao gồm các giai đoạn: thu thập và kiểm chứng dữ liệu, xây dựng mô hình PTHH, phát triển mô hình học máy, đánh giá và phân tích kết quả, tổng hợp và đề xuất kiến nghị.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Mô hình phần tử hữu hạn (PTHH) được xây dựng bằng ANSYS cho kết quả tần số dao động rất gần với thực nghiệm: Sai số giữa mô hình và thực nghiệm dưới 1%, đảm bảo độ tin cậy để trích xuất dữ liệu phục vụ dự đoán lực căng.

  2. Mối quan hệ giữa lực căng và tần số dao động thể hiện rõ ràng: Tần số dao động tăng theo lực căng, với sai số dự đoán dưới 5% khi sử dụng các thuật toán học máy. Thuật toán học sâu cho kết quả tốt nhất với RMSE giảm khoảng 15% so với hồi quy tuyến tính.

  3. Sử dụng kết hợp tần số dao động của nhiều mode cải thiện độ chính xác dự đoán: Mức độ chính xác tăng trung bình 10-12% so với sử dụng tần số từng mode riêng lẻ, cho thấy tính hiệu quả của việc khai thác đa dạng đặc trưng dao động.

  4. Mở rộng dự đoán tải trọng đứng tác dụng lên dầm: Mô hình học máy dự đoán tải trọng đứng với sai số trung bình dưới 7%, kiểm chứng với tiêu chuẩn ACI 318M-19 và AASHTO LRFD 2020, cho thấy khả năng ứng dụng rộng rãi của phương pháp.

Thảo luận kết quả

Nguyên nhân chính của sự tăng tần số dao động theo lực căng là do độ cứng tương đương của dầm tăng khi lực căng cáp tăng, làm giảm độ biến dạng và tăng tần số dao động. Kết quả này phù hợp với các nghiên cứu trước đây và lý thuyết về dao động kết cấu.

Việc áp dụng các thuật toán học máy, đặc biệt là học sâu, giúp mô hình hóa mối quan hệ phi tuyến phức tạp giữa tần số dao động và lực căng, vượt trội hơn các phương pháp hồi quy truyền thống. Sự kết hợp tần số của nhiều mode dao động cung cấp thông tin đa chiều, giúp mô hình dự đoán chính xác hơn, giảm thiểu sai số do nhiễu và biến đổi môi trường.

Kết quả dự đoán tải trọng đứng mở rộng cho thấy phương pháp có thể áp dụng không chỉ cho dự đoán lực căng mà còn cho các bài toán giám sát tải trọng thực tế, góp phần nâng cao hiệu quả quản lý và bảo trì công trình.

Dữ liệu có thể được trình bày qua biểu đồ so sánh tần số dao động thực nghiệm và mô hình PTHH, bảng tổng hợp sai số dự đoán của các thuật toán, và biểu đồ thể hiện cải thiện độ chính xác khi sử dụng kết hợp tần số các mode.

Đề xuất và khuyến nghị

  1. Triển khai hệ thống giám sát tần số dao động tự nhiên cho dầm BTCT ƯST: Lắp đặt mạng lưới cảm biến gia tốc và chuyển vị để thu thập dữ liệu tần số dao động theo thời gian thực, giúp phát hiện sớm các biến đổi lực căng. Thời gian thực hiện: 6-12 tháng; chủ thể: các đơn vị quản lý công trình và nhà thầu giám sát.

  2. Phát triển phần mềm dự đoán lực căng tích hợp thuật toán học máy: Xây dựng công cụ hỗ trợ phân tích dữ liệu tần số dao động và dự đoán lực căng tự động, giúp đơn vị vận hành nhanh chóng đánh giá tình trạng kết cấu. Thời gian: 12 tháng; chủ thể: các viện nghiên cứu và doanh nghiệp công nghệ.

  3. Đào tạo và nâng cao năng lực chuyên môn cho kỹ sư vận hành: Tổ chức các khóa đào tạo về SHM, phân tích dao động và ứng dụng trí tuệ nhân tạo trong xây dựng, nhằm nâng cao nhận thức và kỹ năng vận hành an toàn. Thời gian: liên tục; chủ thể: các trường đại học, trung tâm đào tạo.

  4. Mở rộng nghiên cứu ứng dụng cho các loại kết cấu khác: Áp dụng phương pháp dự đoán lực căng sử dụng tần số dao động và AI cho các kết cấu cầu dây văng, nhà cao tầng, và các cấu kiện phức tạp khác nhằm đa dạng hóa ứng dụng. Thời gian: 2-3 năm; chủ thể: các nhóm nghiên cứu và tổ chức khoa học công nghệ.

Đối tượng nên tham khảo luận văn

  1. Kỹ sư thiết kế và vận hành công trình xây dựng: Nghiên cứu cung cấp phương pháp dự đoán lực căng không phá hủy, giúp họ đánh giá và giám sát an toàn kết cấu trong quá trình khai thác.

  2. Các nhà nghiên cứu và sinh viên chuyên ngành kỹ thuật xây dựng: Luận văn là tài liệu tham khảo quý giá về ứng dụng mô hình phần tử hữu hạn, phân tích dao động và trí tuệ nhân tạo trong lĩnh vực kết cấu BTCT ƯST.

  3. Đơn vị quản lý và bảo trì công trình: Phương pháp dự đoán lực căng giúp họ lập kế hoạch bảo trì, gia cố kịp thời, giảm thiểu rủi ro sự cố và tối ưu chi phí vận hành.

  4. Doanh nghiệp phát triển công nghệ SHM và phần mềm kỹ thuật: Nghiên cứu cung cấp cơ sở khoa học để phát triển các sản phẩm giám sát kết cấu thông minh, tích hợp AI và phân tích dao động.

Câu hỏi thường gặp

  1. Phương pháp dự đoán lực căng sử dụng tần số dao động có ưu điểm gì so với phương pháp truyền thống?
    Phương pháp không phá hủy, cho phép theo dõi liên tục và phát hiện sớm các biến đổi lực căng mà không cần tháo dỡ hay can thiệp vật lý vào kết cấu, tiết kiệm chi phí và thời gian.

  2. Tại sao cần kết hợp tần số dao động của nhiều mode để dự đoán lực căng?
    Kết hợp nhiều mode cung cấp thông tin đa chiều về trạng thái kết cấu, giúp mô hình học máy nắm bắt mối quan hệ phức tạp và giảm sai số dự đoán so với sử dụng từng mode riêng lẻ.

  3. Phương pháp kiểm thử chéo Leave-One-Out Cross-Validation (LOOCV) có vai trò gì trong nghiên cứu?
    LOOCV giúp tận dụng tối đa dữ liệu huấn luyện, đánh giá mô hình chính xác và hạn chế hiện tượng quá khớp, đặc biệt phù hợp với tập dữ liệu nhỏ hoặc trung bình.

  4. Mô hình phần tử hữu hạn (PTHH) được kiểm chứng như thế nào?
    Mô hình PTHH được so sánh với kết quả thực nghiệm về tần số dao động, với sai số dưới 1%, đảm bảo độ tin cậy để sử dụng dữ liệu mô phỏng cho bài toán dự đoán.

  5. Phương pháp này có thể áp dụng cho các loại kết cấu khác ngoài dầm BTCT ƯST không?
    Có thể, với điều chỉnh phù hợp, phương pháp dựa trên phân tích dao động và AI có tiềm năng ứng dụng cho nhiều loại kết cấu chịu lực khác như cầu dây văng, nhà cao tầng, tuy nhiên cần nghiên cứu bổ sung để đảm bảo độ chính xác.

Kết luận

  • Đã xây dựng thành công mô hình phần tử hữu hạn dầm BTCT ƯST bằng ANSYS, kiểm chứng với kết quả thực nghiệm, đảm bảo độ tin cậy dữ liệu đầu vào.
  • Phương pháp dự đoán lực căng sử dụng tần số dao động kết hợp thuật toán học máy đạt độ chính xác cao, đặc biệt khi sử dụng kết hợp tần số của nhiều mode dao động.
  • Mô hình học sâu (DNN) cho hiệu quả dự đoán vượt trội so với các thuật toán hồi quy truyền thống.
  • Nghiên cứu mở rộng thành công dự đoán tải trọng đứng tác dụng lên dầm, phù hợp với tiêu chuẩn ACI 318M-19 và AASHTO LRFD 2020.
  • Đề xuất triển khai hệ thống giám sát tần số dao động và phát triển phần mềm dự đoán lực căng nhằm nâng cao an toàn và hiệu quả quản lý công trình.

Học viên khuyến nghị các đơn vị quản lý công trình và nghiên cứu tiếp tục ứng dụng và phát triển phương pháp này trong thực tế nhằm đảm bảo an toàn và kéo dài tuổi thọ kết cấu BTCT ƯST.