Nghiên cứu ứng dụng mạng nơ ron nhân tạo để dự đoán ứng xử của bê tông trong thí nghiệm nén một trục

• Tác giả: Lê Ích Trọng
• Người hướng dẫn: TS. Trần Văn Tiếng
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Xây Dựng
• Đề tài: Nghiên Cứu Ứng Dụng Mạng Nơ Ron Nhân Tạo Dự Đoán Ứng Xử Bê Tông
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2021
• Địa điểm: Tp. Hồ Chí Minh

• LÝ LỊCH KHOA HỌC
• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• MỤC LỤC
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tính cấp thiết và điểm mới từ luận văn
• 1.2. Tổng quan chung về tình hình nghiên cứu trong và ngoài nước
• 1.2.1. Tình hình nghiên cứu trong nước
• 1.2.1.1. Tổng quan về nghiên cứu ứng xử của bê tông trong nước
• 1.2.1.2. Ứng xử bê tông trong thực nghiệm
• 1.2.1.3. Ứng xử bê tông trong mô phỏng
• 1.2.2. Tổng quan về nghiên cứu trí tuệ nhân tạo (AI) trong nước
• 1.2.2.1. Tổng quan về nghiên cứu trí tuệ nhân tạo (AI)
• 1.2.2.2. Tổng quan về nghiên cứu trí tuệ nhân tạo (AI) trong lĩnh vực xây dựng
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Các mô hình ứng xử của bê tông
• 2.1.1. Mô hình ứng xử của bê tông đàn hồi
• 2.1.2. Mô hình ứng xử theo lý thuyết cơ học rạn nứt bê tông (CFM)
• 2.1.3. Mô hình ứng xử theo lý thuyết đàn hồi – dẻo
• 2.1.4. Mô hình ứng xử theo lý thuyết đàn hồi – dòn
• 2.1.5. Mô hình ứng xử theo lý thuyết đàn hồi – dẻo – dòn
• 2.1.6. Các mô hình ứng xử khác
• 2.1.7. Lựa chọn mô hình ứng xử
• 2.1.8. Lý thuyết các mô hình ứng xử đàn hồi – dẻo
• 2.1.9. Vùng ứng xử bê tông cường độ thường
• 2.1.10. Mô hình ứng xử theo Hognestad
• 2.1.11. Mô hình ứng xử theo CEB – FIP
• 2.1.12. Mô hình ứng xử theo Wee & Mansur
• 2.1.13. Mô hình ứng xử theo Almusallam & Alsayed
• 2.1.14. Mạng nơ – ron nhân tạo (ANN)
• 2.1.15. Cấu trúc mạng nơ – ron nhân tạo
• 2.1.16. Phân loại mạng nơ – ron nhân tạo
• 2.1.17. Quá trình huấn luyện mạng
• 2.1.18. Giải thuật tiến hóa di truyền (GA)
• 2.1.19. Các quá trình trong giải thuật di truyền (GA)
• 2.1.20. Tham số toán học trong giải thuật di truyền (GA)
• 2.1.21. Lý thuyết tính toán tối ưu
• 2.1.22. Nguyên tắc chung của bài toán tối ưu
• 2.1.23. Các bước thành lập bài toán tối ưu
• 3. CHƯƠNG 3: XÂY DỰNG HÀM MỤC TIÊU
• 3.1. Tính toán giải tích các mô hình ứng xử
• 3.2. Đề xuất mô hình ứng xử
• 3.3. Mô hình ứng xử đề xuất LIT
• 3.4. Mô hình ứng xử tối ưu LIT & GA
• 4. CHƯƠNG 4: DỰ ĐOÁN CƯỜNG ĐỘ CHỊU NÉN TỪ THÀNH PHẦN CẤP PHỐI
• 4.1. Bài toán thuận
• 4.2. Bài toán nghịch
• 5. CHƯƠNG 5: DỰ ĐOÁN ĐƯỜNG CONG ỨNG XỬ
• 5.1. Dự đoán đường cong ứng xử tổ mẫu M12, M21, M36
• 5.2. Kiểm chứng kết quả dự đoán
• 5.2.1. Thí nghiệm nén mẫu ghi nhận
• 5.2.2. Dự đoán cường độ chịu nén từ cấp phối mẫu
• 5.2.3. Dự đoán đường cong ứng xử từ tổ mẫu
• 5.2.4. Đánh giá kết quả dự đoán
• 6. CHƯƠNG 6: KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC TÍNH TOÁN
• Phụ lục 1. Code Matlab bài toán xấp xỉ _Mạng nơ – ron ANN
• Phụ lục 2. Code Matlab tìm kiếm hệ số tối ưu_Giải thuật di truyền GA
• Phụ lục 3. Kết quả tính toán các mô hình ứng xử ứng với tổ mẫu DC01 và DC02
• Phụ lục 4. Kết quả tính toán các mô hình ứng xử ứng với mẫu M12, M21 và M36
• Phụ lục 5. Kết quả thí nghiệm thực nghiệm cho quan hệ ứng suất và biến dạng của tổ mẫu DC01, DC02 và TR03
• Phụ lục 6. Kết quả tính toán ứng suất và biến dạng của LIT & GA tương ứng với 3 tổ mẫu DC01, DC02 và TR03

I. Tổng quan về nghiên cứu ứng dụng mạng nơ ron nhân tạo

Nghiên cứu ứng dụng mạng nơ ron nhân tạo (ANN) trong dự đoán ứng xử của bê tông đang trở thành một xu hướng quan trọng trong ngành xây dựng. Với sự phát triển của công nghệ, việc áp dụng ANN giúp tối ưu hóa quy trình thiết kế và giảm thiểu chi phí thí nghiệm. Các nghiên cứu hiện tại cho thấy rằng ANN có khả năng dự đoán chính xác cường độ chịu nén của bê tông từ các thành phần cấp phối khác nhau.

1.1. Tình hình nghiên cứu trong nước về bê tông

Nhiều nghiên cứu trong nước đã chỉ ra rằng ứng xử của bê tông phụ thuộc vào các yếu tố như modun đàn hồi và cường độ chịu nén. Các mô hình như Hognestad và CEB-FIP đã được áp dụng để mô phỏng ứng xử của bê tông trong các điều kiện khác nhau.

1.2. Tình hình nghiên cứu quốc tế về mạng nơ ron

Trên thế giới, nhiều nghiên cứu đã chứng minh hiệu quả của mạng nơ ron nhân tạo trong việc dự đoán ứng xử của bê tông. Các mô hình này không chỉ giúp giảm thiểu chi phí mà còn nâng cao độ chính xác trong dự đoán.

II. Vấn đề và thách thức trong dự đoán ứng xử bê tông

Mặc dù có nhiều tiến bộ trong việc ứng dụng mạng nơ ron nhân tạo, vẫn tồn tại nhiều thách thức trong việc dự đoán ứng xử của bê tông. Các mô hình hiện tại chưa hoàn toàn bám sát với thực nghiệm, dẫn đến sai số trong dự đoán. Việc thu thập dữ liệu và xây dựng bộ dữ liệu chất lượng cao là rất cần thiết để cải thiện độ chính xác của mô hình.

2.1. Sai số trong mô hình dự đoán

Sai số trong các mô hình dự đoán thường xuất phát từ việc thiếu dữ liệu hoặc dữ liệu không chính xác. Điều này ảnh hưởng đến khả năng tổng quát của mô hình ANN trong việc dự đoán ứng xử bê tông.

2.2. Khó khăn trong việc thu thập dữ liệu

Việc thu thập dữ liệu thực nghiệm cho các mẫu bê tông là một thách thức lớn. Số lượng mẫu cần thiết để đảm bảo tính chính xác của mô hình thường rất lớn, dẫn đến chi phí cao và thời gian thực hiện kéo dài.

III. Phương pháp nghiên cứu ứng dụng mạng nơ ron nhân tạo

Phương pháp nghiên cứu sử dụng mạng nơ ron nhân tạo để dự đoán cường độ chịu nén của bê tông bao gồm việc xây dựng mô hình ANN từ bộ dữ liệu thực nghiệm. Các tham số đầu vào được xác định từ các thành phần cấp phối khác nhau, và mô hình được huấn luyện để tối ưu hóa độ chính xác của dự đoán.

3.1. Xây dựng mô hình ANN

Mô hình ANN được xây dựng dựa trên các tham số đầu vào như thành phần cấp phối và điều kiện thí nghiệm. Quá trình huấn luyện mô hình sử dụng thuật toán tối ưu hóa để cải thiện độ chính xác.

3.2. Ứng dụng giải thuật di truyền

Giải thuật di truyền (GA) được áp dụng để tìm kiếm các hệ số tối ưu cho mô hình ANN. Điều này giúp cải thiện khả năng dự đoán và giảm thiểu sai số trong kết quả.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy mô hình ANN có khả năng dự đoán cường độ chịu nén của bê tông với độ chính xác cao. Các kết quả dự đoán được so sánh với dữ liệu thực nghiệm và cho thấy sự tương đồng tốt. Điều này mở ra hướng đi mới cho việc ứng dụng AI trong ngành xây dựng.

4.1. So sánh kết quả dự đoán với thực nghiệm

Kết quả dự đoán từ mô hình ANN được so sánh với các mẫu thí nghiệm thực tế. Sự tương đồng giữa hai kết quả cho thấy tính khả thi của mô hình trong ứng dụng thực tiễn.

4.2. Ứng dụng trong thiết kế kết cấu

Mô hình ANN có thể được áp dụng trong thiết kế kết cấu bê tông, giúp giảm thiểu chi phí và thời gian thí nghiệm. Điều này mang lại lợi ích lớn cho các dự án xây dựng quy mô lớn.

V. Kết luận và triển vọng tương lai của nghiên cứu

Nghiên cứu ứng dụng mạng nơ ron nhân tạo trong dự đoán ứng xử bê tông đã mở ra nhiều cơ hội mới cho ngành xây dựng. Tương lai của nghiên cứu này hứa hẹn sẽ mang lại nhiều cải tiến trong quy trình thiết kế và thi công. Việc tiếp tục phát triển và hoàn thiện mô hình sẽ giúp nâng cao độ chính xác và khả năng ứng dụng của ANN trong thực tiễn.

5.1. Hướng phát triển tiếp theo

Các nghiên cứu tiếp theo nên tập trung vào việc cải thiện độ chính xác của mô hình và mở rộng ứng dụng của ANN trong các lĩnh vực khác của xây dựng.

5.2. Tác động đến ngành xây dựng

Việc áp dụng AI và ANN trong ngành xây dựng không chỉ giúp tối ưu hóa quy trình mà còn góp phần bảo vệ môi trường thông qua việc giảm thiểu lượng bê tông thải ra.