Chương 1 TỔNG QUAN 1. Tính cấp thiết và điểm mới từ luận văn Hiện nay, với sự phát triển của hạ tầng đô thị và sự phát triển dân số, các khu dân cư, trung tâm thương mại, các chung cư cao tầng cũng như nhà ở riêng lẽ đang được xây dựng hàng loạt. Vật liệu xây dựng chủ yếu cho các công trình là bê tông cốt thép. Để đánh giá chất lượng bê tông sử dụng, mỗi xe cung cấp bê tông đều phải được lấy mẫu thực nghiệm, số lượng mẫu thực nghiệm phụ thuộc vào khối lượng bê tông sử dụng cho công trình theo tiêu chuẩn hiện hành [1].
Do đó, lượng mẫu bê tông cần phải được thí nghiệm rất nhiều, dẫn đến chi phí và lượng bê tông thải ra môi trường cũng rất lớn. Ảnh hưởng đến mỹ quan và không gian thành phố. Với thời đại số 4.0, trí tuệ nhân tạo AI như được biết đến với một công cụ mạnh mẽ nhằm giải quyết các bài toán với khối lượng lớn, tính nhanh chóng, chính xác và dự đoán cao. Trên cơ sở đó, luận văn tập trung “Nghiên cứu ứng dụng mạng nơ – ron nhân tạo để dự đoán ứng xử của bê tông trong thí nghiệm nén 1 trục”.
Dựa trên bộ dữ liệu được xây dựng có thể áp dụng để dự đoán ứng xử của bê tông thông qua các thông số đầu vào, nhằm giảm thiểu số lượng mẫu thí nghiệm thực tế nhưng vẫn biết được nhiều hơn về các thông số ứng xử của vật liệu. Bên cạnh đó, bộ cơ sở dữ liệu được xây dựng sẽ là nguồn tham khảo khoa học cho các nghiên cứu mô phỏng cũng như thực nghiệm khác, về ứng xử của bê tông trong các nghiên cứu về sau. Tổng quan chung về tình hình nghiên cứu trong và ngoài nước 1. Tình hình nghiên cứu trong nước 1.
Tổng quan về nghiên cứu ứng xử của bê tông trong nước ▪ Ứng xử bê tông trong thực nghiệm Dưới tác dụng của tải trọng, kết cấu bê tông cốt thép có ứng xử phi tuyến. Để mô tả ứng xử của bê tông, thông thường các giá trị được thể hiện thông qua quan hệ giữa độ lớn của ứng suất – biến dạng hoặc lực – chuyển vị, những quan hệ này được xác định thông qua những thí nghiệm thực nghiệm thích hợp. 1 Ứng xử của bê tông phụ thuộc vào các thông số như: modun đàn hồi, cường độ chịu nén, cường độ chịu kéo, năng lượng phá hủy, biến dạng phá hoại, độ cứng kháng cắt, liên kết giữa bê tông và cốt thép và kích thước của hạt cốt liệu lớn nhất trong các thành phần mẫu. Ứng với mỗi thành phần cốt liệu, hình dạng mẫu thí nghiệm, dụng cụ thí nghiệm, điều kiện khí hậu ở mỗi khu vực…vật liệu bê tông sẽ có những ứng xử khác nhau.
Ứng xử của bê tông trong nghiên cứu thực nghiệm đã được nhiều tác giả để cập với nhiều mô hình dưới các điều kiện thí nghiệm khác nhau. Nổi bật là mô hình ứng xử của Mazars [2], đã thực hiện thí nghiệm nén mẫu bê tông và cho thấy được ứng xử của bê tông qua nhiều giai đoạn khác nhau. Năm 2006, tác giả Trần Thế Truyền [3] với nghiên cứu và thực nghiệm xác định các tham số của mô hình phá hủy dòn của bê tông với khả năng ứng dụng và phân tích cơ chế phá hủy của các bộ phân kết cấu công trình giao thông. Nghiên cứu đã chứng minh khả năng ứng dụng tính hiệu quả của mô hình dòn (Mazars), không cục bộ trong việc mô phỏng tương đối chính xác quá trình phá hủy của các kết cấu bê tông và bê tông cốt thép nói chung cũng như bộ phận kết cấu giao thông nói riêng.
Tác giả Nguyễn Ninh Thụy và cộng sự [4] với nghiên cứu thực nghiệm tính chất của bê tông trong điều kiện nhiệt độ cao. Nghiên cứu được thực hiện các tính chất cơ lý của bê tông, như hình dạng, khối lượng, thể tích…khi chịu ảnh hưởng của nhiệt độ cao trong các thời gian khác nhau. Nghiên cứu được thực hiện với hai loại bê tông có cường độ trung bình và cường độ cao nhằm đem lại sự so sánh. Kết luận, bê tông có cường độ cao thì các tính chất cơ lý suy giảm nhanh hơn trong các điều kiện nhiệt độ cao.
▪ Ứng xử bê tông trong mô phỏng Có nhiều nghiên cứu về mô phỏng ứng xử bê tông với các điều kiện cốt liệu, tải trọng và phần mềm khác nhau. Năm 2017, tác giả Nguyễn Chí Thanh [5] với nghiên cứu về gia cường kết cấu bê tông cốt thép bằng tấm composite, áp dụng kết quả nghiên cứu từ công trình thực tế được lấy mẫu và mô phỏng bằng phần mềm Atena. Đề tài có đề cập đến mối quan 2 hệ ứng suất và biến dạng của bê tông và cốt thép khi vật liệu được gia cường và chịu ảnh hưởng từ một số yếu tố của môi trường. Năm 2019, tác giả Lê Anh Thắng và cộng sự [6] với phân tích phi tuyến của cấu kiện dầm bê tông cốt thép chịu uốn, kết hợp mô phỏng bằng phần mềm Abaqus.
Kết quả nghiên cứu cho thấy có thể sử dụng mô hình hóa và xác định các tham số của mô hình RCB để mô phỏng cho SRCB và thu được độ chính xác cao. Năm 2020, tác giả Trần Văn Tiếng và cộng sự [7], nghiên cứu về ứng xử của bê tông bằng phương pháp phần tử rời rạc kết hợp với mẫu thử hình trụ nén thực nghiệm. Các mẫu được thực hiện bằng thí nghiệm nén 1 trục theo quy chuẩn ASTM C469 [8]. Kết quả thu nhận cho thấy được sự tương đồng về biểu đồ quan hệ ứng suất và biến dạng trên từng cấp tải, từng thành phần cốt liệu giữa hai cách tiếp cận.
Tổng quan về nghiên cứu trí tuệ nhân tạo (AI) trong nước Trí tuệ nhân tạo (AI) là trí thông minh của máy tính do con người tạo ra. Từ các máy tính đầu tiên được tạo ra, các nhà khoa học máy tính đã hướng đến việc phát triển hệ thống máy tính sao cho có khả năng thông minh như loài người bằng việc nghiên cứu cách bộ não người sản sinh ra trí thông minh, để rồi bắt chước các nguyên lý đó (Weak AI). Ngày nay, một số nguyên lý được phát triển hoàn toàn khác với cách sản sinh ra trí thông minh của loài người mà vẫn làm ra các hệ thống thông minh như hoặc hơn trí tuệ loài người (Strong AI). Một số lĩnh vực về AI: Lập luận, suy diễn tự động, biểu diễn tri thức, lập kế hoạch, học máy, xử lý ngôn ngữ, hệ chuyên gia, robotics… [9].
Có 4 quan điểm về AI: suy nghĩ như người, hành động như người, suy nghĩ có lý trí, hành động có lý trí [10]. ▪ Tổng quan về nghiên cứu trí tuệ nhân tạo (AI) trong lĩnh vực xây dựng Trong lĩnh vực xây dựng, các bài toán về quy hoạch, xử lý số liệu, mô phỏng, nhân dạng, dự đoán…và đặc biệt là tối ưu hóa đang ngày được các chuyên gia quan tâm với sự hỗ trợ của trí tuệ nhân tạo AI. Bài toán tối ưu hóa đang ngày được ứng dụng sâu hơn trong thực tiễn. Ngoài các phương pháp thường dùng để giải các bài toán tối ưu như: phương pháp tìm kiếm trực tiếp, phương pháp đồ thị, phương pháp đơn hình cải tiến từ phương pháp đồ thị, phương pháp Gradient, phương pháp nhân 3 tử Lagrange…Thì các thuật toán tối ưu bằng AI như giải thuật di truyền Genetic Algorithm – GA, tiến hóa vi phân Differenttial Evolution – DE, mạng nơ – ron nhân tạo – ANN…đang ngày được áp dụng để tìm kiếm giá trị mục tiêu, nhằm tối ưu hóa đối tượng nhắm đến.
Trong lĩnh vực trí tuệ nhân tạo, việc áp dụng giải thuật tiến hóa để phân tích, chọn lọc tiến tới tìm được phương án tối ưu cho kết cấu là hướng đi mới và đang được đẩy mạnh áp dụng trong nhiều năm gần đây [11]. Giải thuật tiến hóa (Evolutionary Computations – EC) bao gồm: thuật toán di truyền (Genetic Algorithm – GA), thuật toán tiến hóa vi phân (Differential Evolution – DE), quy hoạch tiến hóa (Evolutionary Programming – EP) và chiến lược tiến hóa (Evolution Strategies – ES) dựa trên nền tảng tiến hóa tự nhiên đó cũng là các phương pháp tự nhiên nhằm giải quyết bài toán tối ưu và tìm kiếm. Mục tiêu cơ bản của Evolutionary Programming – EC là cơ cấu tính toán nhằm tạo ra sự tiến hóa của quần thể gồm nhiều cá thể với mục đích quần thể sau “tốt hơn” quần thể trước. Các toán tử sử dụng trong EC bao gồm: lai ghép (crossver), đột biến (mutation) và chọn lọc (selection).
Các toán tử này kết hợp với nhau trong một mô hình tiến hóa và được điều khiển bởi một số tham số như kích cỡ quần thể, xác suất lai ghép, xác xuất đột biến…Trong các hình thức của EC thì GA là thuật toán di truyền được sử dụng phổ biến trong các bài toán tối ưu với khối lượng biến thiết kế lớn. Năm 2011, tác giả Vũ Anh Tuấn và Hàn Ngọc Đức [12] đã nghiên cứu thiết kế tối ưu dầm liên hợp thép – bê tông cốt thép. Tác giả trình bày quá trình tự động hóa thiết kế tối ưu dầm liên hợp thép bê tông sử dụng tiết diện chữ I tổ hợp theo tiêu chuẩn thiết kế Eurocode 4. Hàm mục tiêu là tối thiểu hóa trọng lượng khung dầm thép.
Tác giả lấy một ví dụ minh họa từ tài liệu tham khảo đã được sử dụng để kiểm chứng và chứng minh khả năng của phương pháp trong việc tối ưu hóa thiết kế dầm liên hợp. Kết quả là giải pháp thiết kế tối ưu đề cập trong nghiên cứu này cho trọng lượng thép kết cấu nhỏ hơn so với ví dụ tham khảo. Xét đến các tiêu chí về thời gian, chất lượng và tính hiệu quả, phương pháp thiết kế tối ưu sử dụng thuật toán tiến hóa vi phân hoàn toàn có thể thay thế phương pháp thiết kế truyền thống trong bài toán thiết kế thực tế. 4 Năm 2015, tác giả Nguyễn Mạnh Thảo và cộng sự [13] đã ứng dụng mạng nơ – ron nhân tạo để dự đoán tốc độ ăn mòn thép CT3 trong khí quyển.
Đây là bài toán dự báo được sử dụng mạng nơ – ron 3 lớp, xử lý từ 29 bộ dữ liệu đầu vào từ các trạm đo để dự báo nên tốc độ ăn mòn thép ở một số khu vực khí hậu nhiệt đới tại Việt Nam. Kết quả cho thấy được độ tin cậy cao khi so sánh với phương pháp giải tích thông thường theo mô hình hồi quy tuyến tính. Năm 2016, tác giả Hoàng Nhật Đức và cộng sự [14] với nghiên cứu dự đoán cường độ chịu nén của bê tông cường độ cao bằng mô hình Gaussian và phương pháp hồi quy véc – tơ.