Tổng quan luận án

Luận án tiến sĩ chuyên ngành Cơ kỹ thuật (mã số: 62 52 01 01) của nghiên cứu sinh Nguyễn Ngọc Linh, thực hiện tại Viện Cơ học thuộc Viện Hàn lâm Khoa học và Công nghệ Việt Nam dưới sự hướng dẫn khoa học của TSKH. Nguyễn Đông Anh và TS. Lưu Xuân Hùng (bảo vệ năm 2015), tập trung vào đề tài "Phân tích dao động ngẫu nhiên phi tuyến bằng phương pháp tuyến tính hóa tương đương". Nghiên cứu được hỗ trợ kinh phí từ Đề tài NAFOSTED mã số 107.14- mang tên "Tối ưu hóa tham số các hệ tiêu tán hoặc tích trữ năng lượng trong điều khiển và giám sát kết cấu".

Tính cấp thiết và khoảng trống nghiên cứu

Trong các bài toán kỹ thuật thực tế, các kết cấu công trình chịu tác động của tải trọng gió, tải trọng sóng biển, hoặc các cơ cấu ổ trục chuyển động đều chịu kích động mang tính chất ngẫu nhiên theo thời gian. Việc thiết lập mô hình toán học cho các hệ thống này dẫn tới các phương trình vi phân ngẫu nhiên phi tuyến. Việc tìm nghiệm giải tích chính xác của các phương trình này rất khó khăn, chỉ có một số rất ít hệ ngẫu nhiên phi tuyến có nghiệm chính xác thông qua phương trình Fokker-Planck-Kolmogorov (FPK) ở lớp bài toán thế năng dừng. Các phương pháp mô phỏng số như Monte Carlo đòi hỏi thời gian và khối lượng tính toán rất lớn khi số bậc tự do hoặc số lượng tham số đầu vào tăng lên.

Trong các phương pháp giải tích xấp xỉ, phương pháp tuyến tính hóa tương đương ngẫu nhiên (được đề xuất từ những năm 1950-1960 bởi Caughey, Booton, Kazakov) được sử dụng phổ biến nhất do tính đơn giản và khả năng áp dụng rộng rãi. Tuy nhiên, nhược điểm cơ bản của phương pháp tuyến tính hóa tương đương kinh điển là độ chính xác giảm mạnh khi mức độ phi tuyến tăng lên, với sai số so với nghiệm chính xác hoặc nghiệm mô phỏng số có thể vượt quá 20%. Khoảng trống nghiên cứu được luận án xác định là: chưa có một tiêu chuẩn tuyến tính hóa nào giải quyết triệt để sự suy giảm độ chính xác khi mức độ phi tuyến thay đổi, đồng thời thiết lập được mối liên hệ toán học chặt chẽ giữa tiêu chuẩn tuyến tính hóa với mức độ phụ thuộc tuyến tính của hệ.

Mục tiêu nghiên cứu

  1. Xây dựng tiêu chuẩn đối ngẫu của phương pháp tuyến tính hóa tương đương ngẫu nhiên và xác định phạm vi hiệu quả của tiêu chuẩn này theo mức độ phụ thuộc tuyến tính.
  2. Xây dựng tiêu chuẩn đối ngẫu có trọng số của phương pháp tuyến tính hóa tương đương ngẫu nhiên nhằm phân tích mô men đáp ứng bậc hai của dao động phi tuyến chịu kích động ngẫu nhiên với các mức độ phi tuyến khác nhau, khống chế sai số của nghiệm xấp xỉ vào khoảng 10%.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các dao động phi tuyến một bậc tự do chịu kích động ồn trắng Gauss có hàm phi tuyến dạng đa thức, dạng quy luật mũ, hoặc cản phi tuyến phụ thuộc năng lượng.
  • Phạm vi nghiên cứu: Khảo sát các hệ động lực học ngẫu nhiên ở trạng thái dừng; tập trung phân tích mô men đáp ứng bậc hai (trung bình bình phương và phương sai của dịch chuyển, vận tốc); đánh giá sai số thông qua so sánh với nghiệm giải tích chính xác từ phương trình FPK hoặc nghiệm mô phỏng số Monte Carlo.

Tổng quan tài liệu và vị trí của luận án

Luận án đã tổng hợp và hệ thống hóa các hướng tiếp cận chính trong phân tích dao động ngẫu nhiên phi tuyến:

  1. Phương pháp phương trình Fokker-Planck-Kolmogorov (FPK): Dựa trên các công trình nền tảng của Fokker (1914), Planck (1917), Kolmogorov (1931). Nghiệm chính xác cho hệ có cản phụ thuộc hàm tổng năng lượng (Hamilton) và lực đàn hồi phi tuyến được thiết lập bởi Caughey và Ma (1993). Các phương pháp số xấp xỉ FPK gồm phương pháp ánh xạ mảng (Sun và Hsu, 1987), phương pháp phần tử hữu hạn (Langley, 1985; Langtangeh, 1991; Spencer và Bergman, 1993; Kumar và Narayanan, 2006, 2008) và giải tích xấp xỉ FPK (N. Anh, 1994; N. Khiem, 1996).
  2. Phương pháp nhiễu (Perturbation method): Được Crandall (1963) áp dụng cho dao động ngẫu nhiên dựa trên khai triển chuỗi lũy thừa theo tham số bé, chỉ hiệu quả với hệ phi tuyến yếu.
  3. Phương pháp trung bình hóa ngẫu nhiên (Stochastic averaging): Phát triển bởi Stratonovich (1963), Roberts và Spanos (1986), Lin (1967), Zhu (1988) cho các hệ có cản yếu chịu kích động băng rộng.
  4. Phương pháp mô phỏng số Monte Carlo: Được tổng kết bởi Rubinstein (1981), Spanos và Mignolet (1989), Johnson và cộng sự (1997), Proppe và cộng sự (2003). Phương pháp này cho độ chính xác cao nhưng tiêu tốn thời gian tính toán lớn.
  5. Phương pháp hàm mật độ phổ: Soize (1986), Spanos và cộng sự (1994), N. Anh và Schiehlen (1997).
  6. Phương pháp tuyến tính hóa tương đương ngẫu nhiên và các biến thể:
    • Tiêu chuẩn kinh điển: Đề xuất độc lập bởi Booton (1954), Kazakov (1954, 1965), Caughey (1959, 1960, 1963); phát triển cho hệ nhiều bậc tự do bởi Iwan và Yang (1972), Atalik và Utku (1976), Spanos (1980); cho hệ kích động không dừng và có trễ bởi Iwan và Whirley (1989), Wen (1980); cho kích động phi Gauss bởi Falsone (1994), Proppe (1998).
    • Nhận xét của Kozin (1987): Nếu hệ số tuyến tính hóa thu được từ kỳ vọng với hàm mật độ xác suất của hệ phi tuyến gốc thì các mô men bậc nhất và bậc hai của hai hệ sẽ trùng nhau.
    • Nhận xét của Spanos (1981): Kết quả tính theo tiêu chuẩn kinh điển thường nhỏ hơn kết quả từ phương trình FPK hoặc mô phỏng Monte Carlo khoảng 20% do hệ số tuyến tính hóa ước lượng quá lớn.
    • Các tiêu chuẩn cải tiến: Tiêu chuẩn cực tiểu sai số thế năng (Elishakoff và Zhang, 1992); tiêu chuẩn tuyến tính hóa có điều chỉnh một bước (Anh và Di Paola, 1995) và hai bước (Elishakoff và cộng sự, 1995); tuyến tính hóa phi Gauss (Crandall, 1980, 1985; Pradlwarter, 1991; Anh và Hùng, 1995; Anh và cộng sự, 2001); phương pháp phi tuyến hóa tương đương (Caughey, 1986; Spanos và Donley, 1991); tiêu chuẩn tuyến tính hóa từng phần (Elishakoff và Cai, 1993; Zhao và Chen, 2004).

Vị trí của luận án: Luận án tiếp nối hướng nghiên cứu cải tiến phương pháp tuyến tính hóa tương đương ngẫu nhiên nhưng tiếp cận theo góc độ hình học giải tích và tối ưu hóa không gian xác suất: đề xuất khái niệm "tiêu chuẩn đối ngẫu" và mở rộng thành "tiêu chuẩn đối ngẫu có trọng số", liên kết trực tiếp hệ số tuyến tính hóa với mức độ phụ thuộc tuyến tính ($r^2$), khắc phục nhược điểm đánh giá quá cao hệ số tuyến tính hóa của tiêu chuẩn kinh điển.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và các khái niệm cơ bản

  • Mô hình toán học: Phương trình vi phân dao động của hệ cơ học một bậc tự do chịu kích động ngẫu nhiên: $$m\ddot{x} + b_{tt}\dot{x} + k_{tt}x + g_{pt}(x, \dot{x}) = u(t)$$ Quy đổi về dạng phương trình vi phân ngẫu nhiên Ito: $$\ddot{x} + 2h\dot{x} + \omega_0^2 x + g(x, \dot{x}) = \dot{\xi}(t)$$ Trong đó: $h = b_{tt}/(2m)$, $\omega_0^2 = k_{tt}/m$, $g(x, \dot{x}) = g_{pt}(x, \dot{x})/m$, $\dot{\xi}(t)$ là kích động ồn trắng Gauss có cường độ $\sigma$, $S_0 = \sigma / (2\pi)$.
  • Phương trình FPK dừng: $$\sum_{i=1}^n \frac{\partial}{\partial x_i} [a_i(\mathbf{x}) p(\mathbf{x})] - \frac{1}{2}\sum_{i=1}^n \sum_{j=1}^n \frac{\partial^2}{\partial x_i \partial x_j} [K_{ij}(\mathbf{x}) p(\mathbf{x})] = 0$$
  • Hệ tuyến tính tương đương Gauss: $$\ddot{x} + (2h + b)\dot{x} + (\omega_0^2 + k)x = \dot{\xi}(t)$$ Đáp ứng trung bình bình phương của dịch chuyển và vận tốc ở trạng thái dừng: $$\langle x^2 \rangle = \frac{\sigma}{4(2h + b)(\omega_0^2 + k)}, \quad \langle \dot{x}^2 \rangle = \frac{\sigma}{4(2h + b)}$$
  • Mức độ phụ thuộc tuyến tính: Sử dụng hệ số tương quan $r$ và hệ số tương quan bình phương $r^2$ giữa hai đại lượng ngẫu nhiên $X$ và $Y$ trong không gian xác suất: $$r = \frac{D_{XY}}{\sigma_X \sigma_Y} = \cos\theta$$ Theo phân loại của Cohen (1988), mức độ tương quan tuyến tính được chia thành ba khoảng:
Mức độ tương quan Hệ số tương quan $r$ Hệ số tương quan bình phương $r^2$
Yếu $0.1 \le r < 0.3$ $0.01 \le r^2 < 0.10$
Trung bình $0.3 \le r < 0.5$ $0.10 \le r^2 < 0.25$
Mạnh $r \ge 0.5$ $r^2 \ge 0.25$

Phương pháp nghiên cứu

  1. Phương pháp giải tích: Thiết lập biểu thức sai số phương trình, cực tiểu hóa sai số theo tiêu chuẩn kinh điển, tiêu chuẩn đối ngẫu và tiêu chuẩn đối ngẫu có trọng số; giải hệ phương trình đại số phi tuyến để tìm các mô men đáp ứng bậc hai $\langle x^2 \rangle$ và $\langle \dot{x}^2 \rangle$.
  2. Phương pháp hình học giải tích: Biểu diễn các phần tử phi tuyến và tuyến tính dưới dạng các véc tơ trong không gian Hilbert xác suất; xác định hệ số tuyến tính hóa qua phép chiếu trực giao và góc giữa các véc tơ.
  3. Phương pháp số: Sử dụng các thuật toán giải số và bài toán nội suy được lập trình trên phần mềm Matlab để tính toán số liệu và kiểm chứng với nghiệm giải tích chính xác FPK hoặc nghiệm mô phỏng Monte Carlo.

Nội dung chính theo từng chương

Chương 1: Cơ sở lí thuyết xác suất và một số phương pháp phân tích dao động ngẫu nhiên phi tuyến

Chương 1 trình bày hệ thống các khái niệm cơ bản của lý thuyết xác suất và quá trình ngẫu nhiên dừng (kỳ vọng, phương sai, hàm tương quan, hàm mật độ phổ, quá trình ồn trắng Gauss, quá trình Wiener và quá trình Markov).

Chương này tập trung phân tích phương trình vi phân FPK dừng và nghiệm giải tích chính xác của hệ tuyến tính và hệ phi tuyến:

  • Đối với hệ tuyến tính một bậc tự do chịu ồn trắng Gauss: $\langle x^2 \rangle = \frac{\pi S_0}{2h\omega_0^2}$, $\langle \dot{x}^2 \rangle = \frac{\pi S_0}{2h}$.
  • Đối với hệ phi tuyến có cản phụ thuộc tổng năng lượng $H(x, \dot{x}) = \frac{1}{2}\dot{x}^2 + \int_0^x g(u)du$: hàm mật độ xác suất dừng có dạng giải tích chính xác $p(x, \dot{x}) = C \exp\left[-\frac{2}{\sigma}\int_0^H f(v)dv\right]$.
  • Tổng quan và so sánh ưu nhược điểm của 7 phương pháp xấp xỉ phổ biến: phương pháp nhiễu, phương pháp trung bình hóa ngẫu nhiên, phương pháp tuyến tính hóa tương đương, phương pháp phi tuyến hóa tương đương, phương pháp mật độ phổ, phương pháp xấp xỉ FPK và phương pháp mô phỏng Monte Carlo.

Chương 2: Phương pháp tuyến tính hóa tương đương ngẫu nhiên

Chương 2 trình bày chi tiết nguyên lý thay thế tương đương và các tiêu chuẩn tuyến tính hóa tương đương ngẫu nhiên hiện có:

  • Tiêu chuẩn kinh điển (Caughey, Booton, Kazakov II): Cực tiểu hóa trung bình bình phương sai số phương trình $S_{kd} = \langle [g(x,\dot{x}) - bx - kx]^2 \rangle \to \min$, dẫn tới: $$b = \frac{\langle \dot{x} g(x, \dot{x}) \rangle}{\langle \dot{x}^2 \rangle}, \quad k = \frac{\langle x g(x, \dot{x}) \rangle}{\langle x^2 \rangle}$$
  • Tiêu chuẩn cực tiểu sai số thế năng (Elishakoff và Zhang, 1992): Cực tiểu hóa sai số giữa thế năng phi tuyến $U(x) = \int_0^x g(u)du$ và thế năng tuyến tính $\frac{1}{2}kx^2$: $$k = \frac{2\langle x^2 U(x) \rangle}{\langle x^4 \rangle}$$
  • Tiêu chuẩn tuyến tính hóa có điều chỉnh (Anh và Di Paola, 1995; Elishakoff và cộng sự, 1995): Nâng bậc của hàm phi tuyến trước khi thực hiện tuyến tính hóa (điều chỉnh một bước và hai bước).
  • Tuyến tính hóa dựa trên phân bố khác Gauss (Crandall, 1980): Giả thiết hàm mật độ xác suất dạng hàm mũ $p(x) \sim \exp[-(x/a)^m]$ hoặc $p(x) \sim \exp[-(bx^2 + x^4)/a]$.
  • Tiêu chuẩn tuyến tính hóa từng phần (Elishakoff và Cai, 1993; Zhao và Chen, 2004): Chỉ tuyến tính hóa thành phần cản và giữ nguyên thành phần đàn hồi phi tuyến.

Chương 3: Tiêu chuẩn đối ngẫu của phương pháp tuyến tính hóa tương đương ngẫu nhiên

Chương 3 đề xuất khái niệm và cơ sở toán học của "tiêu chuẩn đối ngẫu":

  • Khái niệm: Trong khi tiêu chuẩn kinh điển tìm hình chiếu trực giao của hàm phi tuyến lên không gian hàm tuyến tính, tiêu chuẩn đối ngẫu thay thế bằng cách xét quan hệ ngược lại giữa phần tử tuyến tính và phi tuyến, dẫn tới hệ số tuyến tính hóa đối ngẫu $k_{dn}$ (hoặc $b_{dn}$): $$k_{dn} = \frac{\langle g^2(x) \rangle}{\langle x g(x) \rangle}$$
  • Quan hệ với mức độ phụ thuộc tuyến tính: Mức độ phụ thuộc tuyến tính $\mu$ (tương đương hệ số tương quan bình phương $r^2$) giữa lực phi tuyến và lực tuyến tính được biểu diễn qua tỉ số: $$\mu = \frac{\langle x g(x) \rangle^2}{\langle x^2 \rangle \langle g^2(x) \rangle} = \frac{k_{kd}}{k_{dn}} \le 1$$
  • Phân tích hình học: Tiêu chuẩn đối ngẫu và tiêu chuẩn kinh điển biểu diễn hai phép chiếu hình học bù nhau trong không gian Hilbert; $k_{dn} \ge k_{kd}$.
  • Khảo sát sai số trên 5 mô hình dao động phi tuyến:
    1. Dao động Van der Pol: $\ddot{x} + 2h\dot{x} + \omega_0^2 x - \alpha (1 - x^2)\dot{x} = \dot{\xi}(t)$ (với $\alpha = 0.1; 0.2$).
    2. Dao động có cản phi tuyến bậc ba: $g(\dot{x}) = \gamma \dot{x}^3$ ($h = 0.05, \omega_0 = 1, \sigma = 4h$, $\gamma$ thay đổi).
    3. Dao động Duffing: $g(x) = \gamma x^3$ ($\omega_0 = 1, h = 0.1$ và $h = 0.2$, $\gamma$ thay đổi).
    4. Dao động có cản và đàn hồi phi tuyến: $g(x, \dot{x}) = \gamma \dot{x}^3 + \beta x^3$ ($h = 0.1, \omega_0 = 1, \sigma = 1$).
    5. Dao động Lutes-Sarkani: $g(x) = \gamma x |x|^a$ ($S_0 = 1, \sigma = 1$, $a$ thay đổi).

Kết quả chương 3 xác định được phạm vi hiệu quả: Tiêu chuẩn đối ngẫu cho kết quả tốt hơn tiêu chuẩn kinh điển khi mức độ phụ thuộc tuyến tính nằm trong vùng yếu và trung bình nhất định, nhưng lại kém hiệu quả khi mức độ phụ thuộc tuyến tính rất mạnh.

Chương 4: Tiêu chuẩn đối ngẫu có trọng số của phương pháp tuyến tính hóa tương đương ngẫu nhiên

Để khắc phục giới hạn về phạm vi của tiêu chuẩn đối ngẫu thuần túy, chương 4 phát triển dạng tổng quát là Tiêu chuẩn đối ngẫu có trọng số:

  • Khái niệm: Hệ số tuyến tính hóa có trọng số $k_{ts}$ được định nghĩa là sự kết hợp có trọng số $p$ giữa tiêu chuẩn kinh điển và tiêu chuẩn đối ngẫu: $$k_{ts} = p \cdot k_{kd} + (1 - p) \cdot k_{dn} \quad (0 \le p \le 1)$$
  • Xác định dạng giải tích của trọng số $p(\mu)$: Dựa trên phân tích dao động Lutes-Sarkani và bài toán nội suy giải tích, hàm trọng số $p(\mu)$ được xây dựng dưới dạng hàm tuyến tính từng đoạn theo mức độ phụ thuộc tuyến tính $\mu$:
    • Khi mức độ phụ thuộc tuyến tính yếu ($0 \le \mu < 1/3$): xác định các giá trị $p$ tối ưu dựa trên nghiệm chính xác.
    • Khi mức độ phụ thuộc tuyến tính trung bình ($1/3 \le \mu < 2/3$): hàm nội suy chuyển tiếp tuyến tính.
    • Khi mức độ phụ thuộc tuyến tính mạnh ($2/3 \le \mu \le 1$): $p(\mu)$ tiệm cận về giá trị tối ưu tương ứng.
  • Khảo sát áp dụng và kiểm chứng kết quả:
    1. Dao động đàn hồi phi tuyến không cản: $\sigma = 1, \sigma = 2$, hệ số phi tuyến thay đổi.
    2. Dao động đàn hồi phi tuyến theo quy luật mũ: $g(x) = \gamma x |x|^a$ với $h = 0.5, \omega_0 = 1, \sigma = 2$ và các số mũ $a = 1/5; 1/3; 5; 7$.
    3. Dao động đàn hồi phi tuyến bậc 3 và bậc 5: $g(x) = c_3 x^3 + c_5 x^5$ với $2h = c_1 = c_3 = 1, \sigma = 2$, $c_5$ thay đổi.
    4. Dao động có cản phi tuyến phụ thuộc năng lượng: đối chiếu với nghiệm FPK chính xác của Caughey và Ma.
    5. Mở rộng cho dao động tự do: xác định tần số góc dao động tự nhiên theo $n$.

Kết quả đối chiếu cho thấy tiêu chuẩn đối ngẫu có trọng số kiểm soát sai số của mô men bậc hai $\langle x^2 \rangle$ ổn định ở mức xấp xỉ 10% trên toàn bộ các dải tham số phi tuyến khảo sát.

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận và phương pháp

  1. Xây dựng tiêu chuẩn đối ngẫu: Đề xuất một tiêu chuẩn mới cho phương pháp tuyến tính hóa tương đương ngẫu nhiên, thiết lập cách tiếp cận đối ngẫu trong việc cực tiểu hóa sai số phương trình.
  2. Thiết lập cơ sở hình học giải tích: Làm rõ bản chất của quá trình tuyến tính hóa ngẫu nhiên thông qua góc $\theta$ và hệ số tương quan $r^2$ (mức độ phụ thuộc tuyến tính $\mu$) giữa phần tử phi tuyến và tuyến tính trong không gian Hilbert xác suất.
  3. Đề xuất tiêu chuẩn đối ngẫu có trọng số: Xây dựng thành công biểu thức giải tích tường minh cho hàm trọng số $p(\mu)$ dưới dạng hàm tuyến tính từng đoạn của mức độ phụ thuộc tuyến tính, mở rộng phạm vi áp dụng cho mọi mức độ phi tuyến từ yếu đến mạnh.

Đóng góp về mặt thực tiễn và tính toán ứng dụng

  • Cải thiện độ chính xác tính toán: Giảm sai số xác định mô men đáp ứng bậc hai từ mức trên 20% (của tiêu chuẩn kinh điển) xuống còn khoảng 10% đối với các hệ dao động phi tuyến chịu kích động ồn trắng Gauss.
  • Thuật toán tính toán thuận tiện: Quy trình tính toán theo tiêu chuẩn đối ngẫu có trọng số dẫn về hệ phương trình đại số phi tuyến, dễ dàng lập trình giải trên các phần mềm tính toán số như Matlab mà không đòi hỏi thời gian mô phỏng kéo dài như phương pháp Monte Carlo.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của luận án

  • Luận án chỉ tập trung khảo sát các hệ dao động ngẫu nhiên phi tuyến một bậc tự do ở trạng thái dừng.
  • Dạng kích động ngẫu nhiên được giả thiết chủ yếu là ồn trắng Gauss.
  • Các hàm phi tuyến khảo sát chủ yếu thuộc lớp hàm đa thức, hàm mũ và cản phụ thuộc năng lượng; chưa mở rộng cho các hệ có tính phi tuyến phức tạp như hệ trễ đa tham số hay hệ va đập.

Hướng nghiên cứu tiếp theo

  • Mở rộng tiêu chuẩn đối ngẫu có trọng số cho các hệ dao động ngẫu nhiên phi tuyến nhiều bậc tự do.
  • Nghiên cứu áp dụng phương pháp cho các trường hợp kích động ngẫu nhiên khác như ồn màu (kích động băng hẹp), kích động không dừng (non-stationary) và kích động tham số.
  • Khảo sát mở rộng dạng hàm trọng số $p(\mu)$ cho các hệ phi tuyến có trễ và hệ kết cấu thực tế phức tạp hơn.

Giá trị tham khảo

Luận án là tài liệu tham khảo hữu ích cho các nhóm đối tượng học thuật và kỹ thuật:

  • Nghiên cứu sinh, học viên cao học, giảng viên ngành Cơ kỹ thuật, Cơ học công trình và Toán ứng dụng: Có thể tham khảo Chương 1 và Chương 2 như một tài liệu tổng quan có hệ thống về lý thuyết quá trình ngẫu nhiên, phương trình FPK và lịch sử phát triển của các phương pháp tuyến tính hóa/phi tuyến hóa tương đương.
  • Các kỹ sư tính toán động lực học công trình và cơ khí: Có thể áp dụng các công thức giải tích và quy trình xác định hệ số tuyến tính hóa đối ngẫu có trọng số trong Chương 3 và Chương 4 để tính toán nhanh đáp ứng ngẫu nhiên của kết cấu chịu tải trọng gió, sóng biển với sai số kiểm soát trong phạm vi 10%, thay thế cho việc chạy mô phỏng Monte Carlo tốn kém tài nguyên tính toán.

Câu hỏi thường gặp

1. Mục tiêu cốt lõi của việc đề xuất tiêu chuẩn đối ngẫu có trọng số trong luận án là gì?

Mục tiêu cốt lõi là khắc phục nhược điểm của tiêu chuẩn tuyến tính hóa kinh điển (vốn ước lượng hệ số tuyến tính hóa quá lớn khi tính phi tuyến cao, dẫn đến sai số đáp ứng vượt quá 20%), đưa sai số của mô men đáp ứng bậc hai ($\langle x^2 \rangle, \langle \dot{x}^2 \rangle$) về khoảng 10% trên toàn bộ các dải mức độ phi tuyến khác nhau.

2. Mức độ phụ thuộc tuyến tính $\mu$ được định nghĩa và tính toán như thế nào?

Mức độ phụ thuộc tuyến tính $\mu$ (tương đương hệ số tương quan bình phương $r^2$ giữa lực phi tuyến $g(x)$ và dịch chuyển $x$) được định nghĩa theo công thức: $$\mu = \frac{\langle x g(x) \rangle^2}{\langle x^2 \rangle \langle g^2(x) \rangle} = \frac{k_{kd}}{k_{dn}} \le 1$$ Đại lượng này phản ánh tỷ số giữa hệ số tuyến tính hóa kinh điển $k_{kd}$ và hệ số tuyến tính hóa đối ngẫu $k_{dn}$, đóng vai trò là biến số độc lập để xác định hàm trọng số $p(\mu)$.

3. Dạng giải tích của hàm trọng số $p(\mu)$ trong Chương 4 được xây dựng dựa trên cơ sở nào?

Hàm trọng số $p(\mu)$ được xây dựng dưới dạng hàm tuyến tính từng đoạn của $\mu$, phân chia theo 3 miền tương quan: miền yếu ($0 \le \mu < 1/3$), miền trung bình ($1/3 \le \mu < 2/3$) và miền mạnh ($2/3 \le \mu \le 1$). Dạng giải tích của hàm này được suy biến và hiệu chỉnh thông qua bài toán nội suy từ nghiệm chính xác của dao động Lutes-Sarkani.

4. Luận án đã kiểm chứng tiêu chuẩn đề xuất trên những mô hình dao động phi tuyến cụ thể nào?

Phương pháp được kiểm chứng trên các mô hình: dao động Van der Pol, dao động có cản phi tuyến bậc ba, dao động Duffing, dao động có cản và đàn hồi phi tuyến đồng thời, dao động Lutes-Sarkani, dao động đàn hồi phi tuyến theo quy luật mũ ($a = 1/5, 1/3, 5, 7$), dao động đàn hồi bậc 3 kết hợp bậc 5, dao động có cản phi tuyến phụ thuộc năng lượng và dao động tự do.

5. Tại sao tiêu chuẩn kinh điển lại cho sai số lớn khi mức độ phi tuyến tăng?

Theo phân tích của Spanos (1981) và công thức nghiệm hệ tuyến tính $\langle x^2 \rangle = \frac{\sigma}{4(2h+b)(\omega_0^2+k)}$, tiêu chuẩn kinh điển cực tiểu hóa sai số phương trình dẫn đến giá trị hệ số tương đương $k_{kd}$ (hoặc $b_{kd}$) thu được quá lớn so với độ cứng/cản thực tế của hệ khi tính phi tuyến mạnh, từ đó làm giảm thấp giá trị đáp ứng trung bình bình phương tính được (sai số âm khoảng 20%).

Kết luận

Luận án của NCS. Nguyễn Ngọc Linh đã giải quyết bài toán nâng cao độ chính xác cho phương pháp tuyến tính hóa tương đương ngẫu nhiên bằng việc đề xuất tiêu chuẩn đối ngẫu và phát triển thành tiêu chuẩn đối ngẫu có trọng số. Nghiên cứu đã làm sáng tỏ mối liên hệ hình học giải tích giữa các tiêu chuẩn tuyến tính hóa với mức độ phụ thuộc tuyến tính $\mu$, đồng thời thiết lập biểu thức giải tích tường minh cho hàm trọng số $p(\mu)$. Các kết quả tính toán trên hàng loạt mô hình dao động phi tuyến một bậc tự do chịu kích động ồn trắng Gauss chứng minh phương pháp đề xuất giúp kiểm soát sai số của mô men đáp ứng bậc hai ở mức khoảng 10%, tạo cơ sở giải tích tin cậy và tiện dụng cho phân tích động lực học ngẫu nhiên.