Nghiên cứu ứng dụng mạng nơ ron nhân tạo trong dự đoán ứng xử bê tông

LÝ LỊCH KHOA HỌC

LỜI CAM ĐOAN

LỜI CẢM ƠN

TÓM TẮT

ABSTRACT

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

2.2. Lý thuyết các mô hình ứng xử đàn hồi – dẻo

2.2.1. Vùng ứng xử bê tông cường độ thường

2.2.2. Mô hình ứng xử theo Hognestad

2.2.3. Mô hình ứng xử theo CEB – FIP

2.2.4. Mô hình ứng xử theo Wee & Mansur

2.2.5. Mô hình ứng xử theo Almusallam & Alsayed

2.2.6. Mạng nơ – ron nhân tạo (ANN)

2.2.7. Cấu trúc mạng nơ – ron nhân tạo

2.2.8. Phân loại mạng nơ – ron nhân tạo

2.2.9. Quá trình huấn luyện mạng

2.2.10. Giải thuật tiến hóa di truyền (GA)

2.2.11. Các quá trình trong giải thuật di truyền (GA)

2.2.12. Tham số toán học trong giải thuật di truyền (GA)

2.2.13. Lý thuyết tính toán tối ưu

2.2.14. Nguyên tắc chung của bài toán tối ưu

2.2.15. 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

Nghiên cứu ứng dụng mạng nơ ron nhân tạo (ANN) trong việc dự đoán ứng xử bê tông đã trở thành một xu hướng quan trọng trong ngành xây dựng. Với sự phát triển của công nghệ thông tin và trí tuệ nhân tạo, việc áp dụng các phương pháp học máy để phân tích và dự đoán các đặc tính của bê tông không chỉ giúp tiết kiệm thời gian mà còn giảm thiểu chi phí thí nghiệm. Các mô hình truyền thống như Hognestad hay CEB-FIP thường không phản ánh chính xác ứng xử thực tế của bê tông. Do đó, việc sử dụng ANN để dự đoán cường độ chịu nén của bê tông từ các thành phần cấp phối khác nhau là một bước tiến mới trong nghiên cứu này. Nghiên cứu này không chỉ giúp tối ưu hóa quy trình thí nghiệm mà còn cung cấp một cơ sở dữ liệu quý giá cho các nghiên cứu tiếp theo.

1.1. Tính cấp thiết

Với sự gia tăng nhu cầu xây dựng và phát triển hạ tầng, việc đánh giá chất lượng bê tông trở nên cấp thiết hơn bao giờ hết. Mỗi lô bê tông cung cấp cho công trình đều cần phải được kiểm tra chất lượng thông qua các mẫu thí nghiệm. Tuy nhiên, việc này không chỉ tốn kém mà còn tạo ra lượng bê tông thải ra môi trường lớn. Việc áp dụng mạng nơ ron nhân tạo để dự đoán ứng xử của bê tông sẽ giúp giảm thiểu số lượng mẫu thí nghiệm cần thiết, đồng thời vẫn đảm bảo độ chính xác trong việc đánh giá chất lượng bê tông. Điều này không chỉ tiết kiệm chi phí mà còn góp phần bảo vệ môi trường.

1.2. Mục đích nghiên cứu

Mục đích chính của nghiên cứu này là phát triển một mô hình dự đoán ứng xử của bê tông thông qua việc sử dụng mạng nơ ron nhân tạo. Mô hình này sẽ được xây dựng dựa trên bộ dữ liệu thu thập từ các thí nghiệm nén bê tông thực tế. Bằng cách tối ưu hóa các tham số trong mô hình, nghiên cứu sẽ cung cấp một công cụ hữu ích cho các kỹ sư trong việc dự đoán cường độ chịu nén của bê tông từ các thành phần cấp phối khác nhau. Điều này không chỉ giúp cải thiện quy trình thiết kế mà còn nâng cao độ tin cậy trong việc sử dụng bê tông trong các công trình xây dựng.

II. Cơ sở lý thuyết

Nghiên cứu này dựa trên các lý thuyết về mô hình ứng xử bê tông và mạng nơ ron nhân tạo. Các mô hình ứng xử bê tông truyền thống như Hognestad, CEB-FIP, và các mô hình khác đã được nghiên cứu và áp dụng rộng rãi. Tuy nhiên, những mô hình này thường gặp khó khăn trong việc phản ánh chính xác ứng xử thực tế của bê tông dưới tải trọng. Việc áp dụng mạng nơ ron nhân tạo cho phép xây dựng các mô hình phức tạp hơn, có khả năng học hỏi từ dữ liệu thực nghiệm và cải thiện độ chính xác trong dự đoán. Giải thuật tiến hóa di truyền (GA) cũng được sử dụng để tối ưu hóa các tham số trong mô hình, từ đó nâng cao độ tin cậy của các dự đoán.

2.1. Các mô hình ứng xử bê tông

Các mô hình ứng xử bê tông hiện có thường dựa trên các lý thuyết cơ học khác nhau. Mô hình Hognestad, ví dụ, mô tả ứng xử của bê tông trong giai đoạn đầu của quá trình nén. Mô hình CEB-FIP cung cấp một cách tiếp cận tổng quát hơn, nhưng vẫn chưa hoàn toàn chính xác trong việc dự đoán ứng xử của bê tông trong các điều kiện thực tế. Việc áp dụng mạng nơ ron nhân tạo cho phép xây dựng các mô hình có khả năng học hỏi từ dữ liệu thực nghiệm, từ đó cải thiện độ chính xác trong việc dự đoán ứng xử của bê tông.

2.2. Mạng nơ ron nhân tạo

Mạng nơ ron nhân tạo (ANN) là một công cụ mạnh mẽ trong lĩnh vực học máy. Cấu trúc của ANN bao gồm nhiều lớp nơ ron, cho phép mô hình hóa các mối quan hệ phi tuyến giữa các biến đầu vào và đầu ra. Quá trình huấn luyện mạng nơ ron được thực hiện thông qua việc tối ưu hóa các trọng số của nơ ron, nhằm giảm thiểu sai số giữa giá trị dự đoán và giá trị thực tế. Việc áp dụng ANN trong nghiên cứu này không chỉ giúp cải thiện độ chính xác trong dự đoán cường độ chịu nén của bê tông mà còn mở ra hướng đi mới cho các nghiên cứu tiếp theo trong lĩnh vực xây dựng.

III. Phương pháp nghiên cứu

Phương pháp nghiên cứu được áp dụng trong luận văn này bao gồm việc thu thập dữ liệu thực nghiệm, xây dựng mô hình mạng nơ ron nhân tạo, và tối ưu hóa mô hình bằng giải thuật tiến hóa di truyền (GA). Dữ liệu thực nghiệm được thu thập từ 55 mẫu nén bê tông, từ đó xây dựng bộ dữ liệu cho mô hình. Mô hình ANN sẽ được huấn luyện để dự đoán cường độ chịu nén của bê tông từ các thành phần cấp phối khác nhau. Sau khi huấn luyện, mô hình sẽ được kiểm tra và đánh giá độ chính xác thông qua việc so sánh với các kết quả thực nghiệm. Phương pháp này không chỉ giúp tối ưu hóa quy trình thí nghiệm mà còn cung cấp một công cụ hữu ích cho các kỹ sư trong việc dự đoán ứng xử của bê tông.

3.1. Thu thập dữ liệu

Dữ liệu thực nghiệm được thu thập từ các thí nghiệm nén bê tông, bao gồm các thông số như cường độ chịu nén, thành phần cấp phối, và các điều kiện thí nghiệm khác. Bộ dữ liệu này sẽ được sử dụng làm đầu vào cho mô hình mạng nơ ron nhân tạo. Việc thu thập dữ liệu chính xác và đầy đủ là rất quan trọng để đảm bảo độ tin cậy của mô hình. Các thông số này sẽ được phân tích và xử lý để phù hợp với yêu cầu của mô hình ANN.

3.2. Xây dựng mô hình ANN

Mô hình mạng nơ ron nhân tạo sẽ được xây dựng dựa trên các thông số đầu vào đã thu thập. Cấu trúc của mô hình sẽ bao gồm nhiều lớp nơ ron, cho phép mô hình hóa các mối quan hệ phi tuyến giữa các biến. Quá trình huấn luyện sẽ được thực hiện thông qua việc tối ưu hóa các trọng số của nơ ron, nhằm giảm thiểu sai số giữa giá trị dự đoán và giá trị thực tế. Sau khi hoàn thành, mô hình sẽ được kiểm tra và đánh giá độ chính xác thông qua các kết quả thực nghiệm.

Luận văn thạc sĩ HCMUTE: Ứng dụng mạng nơ ron nhân tạo để dự đoán ứng xử của bê tông trong thí nghiệm nén một trục