CHƯƠNG 1 Trong mô hình hóa hình học, bắt đầu bằng việc sử dụng các đường, mặt và khối để xây dựng các đối tượng vật thể. Các đường cong được tạo thành từ các tập hợp điểm, mặt cong dựa trên cơ sở các đường cong và các khối cong dựa trên các mặt cong. B-Spline là hàm cơ sở được sử dụng để biểu diễn các đường cong, NURBS (Non-uniform rational B-Spline) là dạng tổng quát hóa đường cong B- Spline được giới thiệu bởi Cox De Boor [10], với khả năng biểu diễn chính xác các đường tròn, elip đó là cơ sở sự ra đời của phân tích đẳng hình học. Do các tính năng nổi bật được liệt kê ở trên, IGA đã được sử dụng rất phổ biến cho nhiều bài toán khác nhau.
Ngoài ra, hàm cơ sở NURBS có khả năng linh hoạt tăng bậc xấp xỉ của nghiệm cũng như tăng mật độ lưới tính toán được thực hiện trực tiếp trên mô hình hình học CAD và tính liên tục thông qua kỹ thuật làm mịn k được nghiên cứu trong bài báo của J. Cottrell [11], tính chất này nhằm làm tăng độ chính xác của nghiệm. Phương pháp này tăng bậc của đường cong lên bậc q trước và sau đó thực hiện chèn knot, nhờ đó các hàm cơ sở có độ liên tục cao hơn, được sử dụng nhiều trong các bài toán động lực học và đặc biệt đối với miền tần số cao.3 Trí tuệ nhân tạo, học máy và học sâu Trong thời cách mạng công nghiệp 4.0, khoa học máy tính trở thành một phần không thể thiếu trong sinh hoạt và đời sống của người dân toàn cầu. Trí tuệ nhân tạo (Artificial Intelligence – AI) là bộ phận cốt lõi đưa công nghệ và khoa học vào mọi lĩnh vực trong đời sống.
Chúng ta đã và đang tiếp xúc với trí tuệ nhân tạo hàng ngày, hàng giờ trong khi ít người nhận ra điều đó. Một số ví dụ dễ thấy như các hệ thống gợi ý sản phẩm thích hợp trong các trang thương mại điện tử Shopee, Tiki, hay là toàn bộ các hệ thống trợ lý ảo đang có trong ngôi nhà của chúng ta hoặc những rô bốt vận hành tự động trong các nhà máy sản xuất tiên tiến. Học máy (Machine Learning – ML) là một nhánh của ngành trí tuệ nhân tạo AI và khoa học máy tính, tập trung vào việc thu thập, phân tích, sử dụng dữ liệu và thuật toán để bắt chước cách con người học, dần dần cải thiện độ chính xác của nó. Với ngành Kỹ thuật xây dựng, các công trình hiện nay được mô hình hóa trở thành 4 CHƯƠNG 1 các mô hình toán học với kích thước dữ liệu lớn.
Bằng cách thu thập dữ liệu, các mô hình AI có thể học và hiểu được các cấu trúc, các khác niệm và đưa ra các quyết định nhanh hơn, thay vì phương pháp truyền thống là phân tích từng trường hợp cụ thể. Học sâu (Deep Learning – DL) là một tập con của ML và AI, là lĩnh vực nghiên cứu nhằm lập trình, đào tạo máy tính có khả năng học hỏi từ các tập dữ liệu mà không cần lập trình tường minh, như phương pháp truyền thống. Học sâu giúp máy tính có thể dựa trên những đặc điểm của tập dữ liệu đầu vào để đưa ra kết quả đầu ra mà không cần một giải thuật cụ thể.5 Quá trình phát triển và mối quan hệ giữa các lĩnh vực trong AI Một ưu điểm khác của học máy đó là tính dễ tiếp cận. Với nguồn dữ liệu, các thư viện xây dựng sẵn và thậm chí là các phần mềm cung cấp dịch vụ xây dựng mô hình AI, bất kỳ ai cũng có thể tiếp cập và sử dụng kỹ thuật học sâu với mức am hiểu tối thiểu.
Trong thời gian gần đây, với sự bùng nổ về các khái niệm trên, nơi mà các công tác nghiên cứu có sự hỗ trợ của ML và AI rở nên quan trọng hơn mỗi ngày. Những phân tích ứng xử của các kết cấu, công trình với các mô hình phức tạp có thời gian và chi phí cao, lại có thể được mô tả và giải quyết với độ chính xác rất cao bằng các mô hình trí tuệ nhân tạo. Bằng cách thu thập các dữ liệu từ kinh nghiệm trong quá khứ, các mô hình AI có thể học và hiểu được các cấu trúc dựa trên cơ sở phân cấp các khái niệm và đưa ra các số liệu đáng tin cậy. 5 CHƯƠNG 1 Luận văn này sẽ giới thiệu và áp dụng hai trong nhiều thuật toán học máy thường được sử dụng trong môi trường công nghệ thông tin hiện đại.
Đó là các mô hình học máy như học kết hợp (Ensemble Methods), trong đó bao gồm các thuật toán Extreme Gradient Boosting – XGBoost, Random Forest – RF và kỹ thuật học sâu với mạng nơ ron thần kinh nhân tạo (Deep Neural Network – DNN). Các mô hình được xây dựng để dự đoán các nghiệm số trong các bài toán thuận và cả bài toán ngược chiều mà phương pháp phần tử hữu hạn truyền thống gặp phải nhiều hạn chế, không giải quyết được trong lĩnh vực chẩn đoán sức khỏe kết cấu (SHM). Mục tiêu và nội dung nghiên cứu 1.1 Mục tiêu nghiên cứu Mục tiêu nghiên cứu chính của luận văn là phân tích động lực học tấm phân lớp chức năng (FGP) với chiều dày thay đổi sử dụng phương pháp đẳng hình học (IGA) và học máy (ML), trong đó có xét cả bài toán ngược trong lĩnh vực chẩn đoán sức khỏe kết cấu (SHM).2 Nội dung nghiên cứu Nội dung nghiên cứu trong luận văn cụ thể bao gồm các nội dung như sau: - Xây dựng bài toán phân tích động lực học tấm vật liệu phân lớp chức năng có chiều dày thay đổi sử dụng phương pháp đẳng hình học. - Thiết lập công thức tính toán kết cấu tấm có phương trình năng lượng theo lý thuyết biến dạng cắt tổng quát, và sử dụng phương pháp Newmark để giải quyết bài toán phân tích ứng xử động của tấm theo thời gian.
- Kiểm tra độ tin cậy của chương trình đã lập trình bằng cách so sánh kết quả lập trình với kết quả của các nghiên cứu trước đó. - Ứng dụng các kỹ thuật học máy trong trí tuệ nhân tạo, để phân tích ứng xử cho bài toán thuận và ngược của kết cấu tấm vật liệu phân lớp chức năng có chiều dày thay đổi, đáp ứng phân tích động lực học bằng ngôn ngữ lập trình Python. Phạm vi nghiên cứu Trong luận văn này, phạm vi nghiên cứu là tập trung vào việc phân tích ứng xử động học của kết cấu tấm được làm từ vật liệu phân lớp chức năng (FGM) cho cả bài toán thuận và ngược. Các công thức tính toán tấm FGM sử dụng lý thuyết biến dạng cắt tổng quát (GSDT) cùng các tính chất biến đổi trơn của FGM là quy tắc hỗn hợp vật liệu (rule of mixture) và phương pháp Mori-Tanaka.
Ứng xử được trích xuất và phân tích đó là chuyển vị theo thời gian của hệ dưới tác động của tải trọng động. Tính cần thiết và ý nghĩa thực tiễn của nghiên cứu Trong thời đại phát triển hiện nay, đồng hành với sự phát triển của ngành công nghệ vật liệu, nhiều loại vật liệu tổng hợp (composite) thế hệ mới được áp dụng đa dạng và rộng rãi trong các lĩnh vực như công nghiệp, cơ khí và đặc biệt là lĩnh vực xây dựng. Vật liệu phân lớp chức năng (FGM) thường được cấu tạo từ hai loại vật liệu thành phần là kim loại và gốm, vì vậy FGM sở hữu được những tính chất ưu việt của hai loại vật liệu này là khả năng chịu nhiệt cao của gốm, và tính bền dẻo của kim loại. FGM có cơ tính biến đổi trơn tru, không đồng nhất, đẳng hướng và có tính chất cơ học thay đổi liên tục theo chiều dày tấm.
Với nhiều ưu điểm nổi trội trên, việc mô hình hóa và phân tích kết cấu tấm FGM là hết sức cần thiết để đánh giá ứng xử cơ học và đưa ra được nhiều giải pháp thiết kế, đáp ứng cả phần tĩnh và động học của kết cấu. Thời gian vừa qua, đã có rất nhiều các nghiên cứu trong việc phân tích uốn tĩnh và dao động tự do của các tấm FGM, nhưng nghiên cứu về phản ứng động của tấm FGM vẫn còn nhiều hạn chế. Việc phân tích tấm FGM bằng phương pháp IGA mang lại được nhiều tính ưu việt so với các phương pháp truyền thống trước đây. IGA còn có lợi thế về việc tăng hay giảm bậc của lưới rất hiệu quả, cùng với kỹ thuật làm mịn k để có thể kiểm soát độ liên tục một cách linh hoạt và giúp tăng độ chính xác của phân tích.
Bên cạnh đó, việc áp dụng những thuật toán trí tuệ nhân tạo đóng một vai trò quan trọng trong việc nắm bắt và thích ứng với những xu hướng mới của thời đại. Điều này giúp tận dụng tối đa nguồn lực hiện có để phát triển không chỉ lĩnh vực 7 CHƯƠNG 1 phân tích kỹ thuật mà còn kỹ thuật xây dựng nói chung. Sự tích hợp của trí tuệ nhân tạo không chỉ mở ra những cơ hội mới trong việc hiểu rõ hơn về các vấn đề kỹ thuật phức tạp mà còn giúp tối ưu hóa quy trình nghiên cứu và ứng dụng công nghệ trong ngành. Điều này thúc đẩy sự tiến bộ và đổi mới trong lĩnh vực kỹ thuật xây dựng, làm tăng khả năng đáp ứng nhanh chóng và hiệu quả đối với những thách thức ngày càng phức tạp của môi trường xây dựng hiện đại.
Cấu trúc luận văn Cấu trúc luận văn gồm 5 chương như sau: Chương 1. Giới thiệu Chương này giới thiệu sơ lược về các vấn đề trong đề tài và lĩnh vực nghiên cứu, trình bày cụ thể đối tượng, mục tiêu, nội dung và tính cấp thiết của đề tài nghiên cứu. Tổng quan Chương này trình bày tổng quan các nghiên cứu trong và ngoài nước có liên quan đến đề tài. Từ đó, nhận xét, củng cố và đúc kết hướng nghiên cứu của luận văn.
Cơ sở lý thuyết Chương này trình bày chi tiết các cơ sở lý thuyết về kết cấu tấm FGM, phân tích động lực của tấm bằng phương pháp IGA và học máy. Các bài toán khảo sát Chương này trình bày một số bài toán được khảo sát để chứng minh hiệu quả của phương pháp được đề xuất ở Chương 3. Kết luận và kiến nghị Chương này đưa ra các đúc kết về điểm mạnh, điểm yếu của phương pháp từ đó đưa ra phương pháp kèm các kiến nghị về sau. Tài liệu tham khảo Trích dẫn các tài liệu có liên quan phục vụ cho các bài toán khảo sát nghiên cứu trong luận văn.
8 CHƯƠNG 2 CHƯƠNG 2. TỔNG QUAN Trong chương này, các nghiên cứu liên quan đến đề tài cả trong và ngoài nước sẽ được trình bày.
