Luận Văn Thạc Sĩ Về Phân Tích Hư Hỏng Trong Kết Cấu Khung Không Gian

Luận văn thạc sĩ nghiên cứu xác định hư hỏng trong kết cấu khung không gian bằng phương pháp năng lượng biến dạng và mạng nơron tích chập.

• Tác giả: Đinh Duy Vũ
• Người hướng dẫn: PGS. Hồ Đức Duy
• Trường học: Đại học Bách Khoa - ĐHQG TP.HCM
• Chuyên ngành: Kỹ thuật Xây dựng
• Đề tài: Xác định hư hỏng trong kết cấu khung không gian sử dụng phương pháp năng lượng biến dạng kết hợp với mạng nơ-ron tích chập
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan về phân tích hư hỏng kết cấu khung không gian

Phân tích hư hỏng trong kết cấu khung không gian là một lĩnh vực quan trọng trong kỹ thuật xây dựng. Kết cấu khung không gian thường được sử dụng trong các công trình lớn như nhà cao tầng, cầu và nhà xưởng. Việc xác định hư hỏng kịp thời giúp đảm bảo an toàn và kéo dài tuổi thọ của công trình. Nghiên cứu này tập trung vào việc áp dụng phương pháp năng lượng biến dạng và mạng nơ-ron tích chập để phát hiện và phân tích hư hỏng.

1.1. Khái niệm về kết cấu khung không gian

Kết cấu khung không gian là hệ thống các thanh kết nối với nhau tạo thành một cấu trúc ba chiều. Chúng có khả năng chịu tải tốt và được sử dụng rộng rãi trong xây dựng. Việc phân tích hư hỏng trong loại kết cấu này là cần thiết để đảm bảo tính ổn định và an toàn.

1.2. Tầm quan trọng của việc phân tích hư hỏng

Phân tích hư hỏng giúp phát hiện sớm các vấn đề tiềm ẩn trong kết cấu, từ đó có biện pháp khắc phục kịp thời. Điều này không chỉ bảo vệ an toàn cho người sử dụng mà còn tiết kiệm chi phí sửa chữa và bảo trì.

II. Thách thức trong phân tích hư hỏng kết cấu khung không gian

Mặc dù có nhiều phương pháp phân tích hư hỏng, nhưng việc xác định chính xác vị trí và mức độ hư hỏng vẫn gặp nhiều khó khăn. Các yếu tố như độ chính xác của dữ liệu, thời gian xử lý và khả năng áp dụng trong thực tế là những thách thức lớn. Nghiên cứu này sẽ chỉ ra những vấn đề này và cách giải quyết chúng.

2.1. Độ chính xác của dữ liệu phân tích

Độ chính xác của dữ liệu đầu vào ảnh hưởng trực tiếp đến kết quả phân tích. Việc thu thập dữ liệu không chính xác có thể dẫn đến những sai sót trong việc xác định hư hỏng.

2.2. Thời gian xử lý và hiệu suất

Thời gian xử lý là một yếu tố quan trọng trong phân tích hư hỏng. Các phương pháp truyền thống thường tốn nhiều thời gian, ảnh hưởng đến khả năng theo dõi trong thời gian thực.

III. Phương pháp năng lượng biến dạng trong phân tích hư hỏng

Phương pháp năng lượng biến dạng là một trong những kỹ thuật hiệu quả để xác định hư hỏng trong kết cấu. Phương pháp này dựa trên việc phân tích sự thay đổi năng lượng trong kết cấu khi có hư hỏng xảy ra. Nghiên cứu này sẽ trình bày chi tiết về cách thức hoạt động của phương pháp này.

3.1. Nguyên lý hoạt động của phương pháp

Phương pháp năng lượng biến dạng dựa trên nguyên lý rằng khi có hư hỏng, năng lượng biến dạng trong kết cấu sẽ thay đổi. Việc đo lường sự thay đổi này giúp xác định vị trí và mức độ hư hỏng.

3.2. Ưu điểm của phương pháp năng lượng biến dạng

Phương pháp này có độ nhạy cao với hư hỏng và có thể áp dụng trong nhiều loại kết cấu khác nhau. Nó cũng cho phép phân tích trong thời gian thực, giúp cải thiện hiệu suất theo dõi.

IV. Ứng dụng mạng nơ ron tích chập trong phân tích hư hỏng

Mạng nơ-ron tích chập (CNN) là một công nghệ học sâu đang được áp dụng rộng rãi trong nhiều lĩnh vực, bao gồm cả phân tích hư hỏng kết cấu. Nghiên cứu này sẽ trình bày cách mà CNN có thể được sử dụng để cải thiện độ chính xác trong việc xác định hư hỏng.

4.1. Cấu trúc và hoạt động của mạng nơ ron tích chập

Mạng nơ-ron tích chập bao gồm nhiều lớp, mỗi lớp có nhiệm vụ trích xuất các đặc trưng khác nhau từ dữ liệu đầu vào. Điều này giúp cải thiện khả năng nhận diện hư hỏng trong kết cấu.

4.2. Kết quả nghiên cứu với mạng nơ ron tích chập

Nghiên cứu cho thấy rằng việc kết hợp mạng nơ-ron tích chập với phương pháp năng lượng biến dạng mang lại kết quả chính xác hơn trong việc xác định vị trí và mức độ hư hỏng.

V. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy phương pháp kết hợp năng lượng biến dạng và mạng nơ-ron tích chập có khả năng chẩn đoán hư hỏng một cách hiệu quả. Các ứng dụng thực tiễn của phương pháp này sẽ được trình bày trong phần này.

5.1. Ứng dụng trong các công trình xây dựng

Phương pháp này có thể được áp dụng trong việc theo dõi sức khỏe kết cấu của các công trình xây dựng lớn, giúp phát hiện sớm các vấn đề hư hỏng.

5.2. Kết quả thực nghiệm và so sánh

Kết quả thực nghiệm cho thấy phương pháp đề xuất có độ chính xác cao hơn so với các phương pháp truyền thống, từ đó khẳng định tính khả thi của nó trong thực tế.

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

Nghiên cứu đã chỉ ra rằng việc kết hợp phương pháp năng lượng biến dạng và mạng nơ-ron tích chập là một hướng đi tiềm năng trong phân tích hư hỏng kết cấu khung không gian. Tương lai của nghiên cứu này sẽ được thảo luận trong phần này.

6.1. Tóm tắt kết quả nghiên cứu

Kết quả nghiên cứu cho thấy phương pháp đề xuất có khả năng chẩn đoán hư hỏng một cách chính xác và nhanh chóng, mở ra nhiều cơ hội ứng dụng trong thực tế.

6.2. Hướng nghiên cứu tiếp theo

Các nghiên cứu tiếp theo có thể tập trung vào việc cải thiện độ chính xác của mô hình và mở rộng ứng dụng của phương pháp trong các lĩnh vực khác nhau.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. Đặt vấn đề Ngày nay, ở nhiều nơi trên thế giới, đặc biệt là những thành phố lớn, diện tích đất xây dựng ngày càng trở nên hạn chế. Các công trình cao tầng hiện hữu xuống cấp, suy giảm khả năng chịu lực do những nguyên nhân khác nhau, có thể chia làm hai nhóm nguyên nhân chính: một là do các tác nhân không lường trước trong quá trình thiết kế, hai là sự suy giảm chất lượng kết cấu theo thời gian sử dụng. Các công trình mới yêu cầu có quy mô lớn hơn để tối ưu hóa diện tích và thời gian sử dụng.

Do đó, công tác đánh giá sức khỏe của kết cấu là rất quan trọng. An toàn kết cấu là vấn đề thiết yếu đối với tất cả công trình dân dụng như nhà cao tầng, nhà xưởng, nhà phố… Dù vậy, hư hỏng trong các kết cấu công trình dường như không thể tránh khỏi. Do đó, việc cần thiết là phải theo dõi, kiểm tra kết cấu và phát hiện, xác định vị trí và ước tính mức độ hư hỏng trong cấu trúc càng sớm càng tốt để đánh giá tuổi thọ sử dụng của công trình cũng như kịp thời đề xuất và tiến hành các giải pháp để khắc phục và kéo dài tuổi thọ cho công trình. Hai phương pháp phổ biến dùng để đánh giá và phát hiện hư hỏng trên kết cấu bao gồm phương pháp phá hủy và phương pháp không phá hủy.

Với những ưu điểm như khả năng đo lường linh hoạt, chi phí tương đối thấp, phương pháp không phá hủy hay còn biết đến là lĩnh vực theo dõi và chẩn đoán sức khỏe kết cấu (SHM: Structural Health Monitoring) ngày càng trở nên phổ biến. Trong đó, phương pháp phần tử hữu hạn PTHH (Finite Element Method) đã giúp cho lĩnh vực SHM trở thành một trong những phương pháp gián tiếp và hiệu quả để phát hiện, chẩn đoán hư hỏng kết cấu. Sự xuất hiện khuyết tật trong kết cấu dẫn đến sự thay đổi các đặc trưng dao động như: tần số dao động, dạng dao động, độ cong dạng dao động, năng lượng biến dạng… Phương pháp chẩn đoán hư hỏng kết cấu được phân loại làm 4 mức độ [1]: (i) Mức độ 1: Chẩn đoán có hư hỏng hiện diện trong kết cấu; (ii) Mức độ 2: Chẩn đoán vị trí hư hỏng trong kết cấu; (iii) Mức độ 3: Chẩn đoán mức độ hư hỏng trong kết cấu; (iv) Mức độ 4: Dự đoán tuổi thọ còn lại của kết cấu dựa trên mức độ hư hỏng. Hiện nay, mức độ 2 và mức độ 3 được sử dụng phổ biến trong việc chẩn đoán hư hỏng các kết cấu công trình.

Dự đoán tuổi thọ ở mức độ 4 thường liên quan đến các lĩnh vực cơ học đứt gãy, phân tích tuổi thọ từ biến hoặc đánh giá thiết kế kết cấu. Nghiên cứu đề xuất thực hiện chẩn đoán ở mức độ 2 và mức độ 3. Giới thiệu 2 (a) (b) Hình 1. Hai dạng hư hỏng có thể xảy ra trong khung ((a): kết cấu bị khuyết tật về kích thước hình học; (b): kết cấu bị nứt) (Nguồn: Internet) Kết cấu khung là kết cấu chịu lực chính của công trình, kết cấu khung được sử dụng rộng rãi trong các công trình xây dựng từ nhà ở, nhà xưởng đến các tòa nhà cao tầng bởi sự đơn giản trong tính toán, hiệu quả, tiết kiệm chi phí và dễ thi công.

Trong tính toán, cột và dầm trong kết cấu khung được đơn giản hóa thành các cấu kiện thanh với độ cứng tương ứng, liên kết với nhau tại các nút khung. Trong quá trình sử dụng, hư hỏng ở kết cấu khung có thể xảy ra ở nhiều dạng khác nhau. Có rất nhiều dạng hư hỏng phổ biến như: võng, nứt do phần tử kết cấu chịu lực quá giới hạn cho phép; giảm cường độ hoặc đặc tính ban đầu của vật liệu do các tác nhân từ môi trường xung quanh như ăn mòn; khuyết tật phần tử kết cấu trong quá trình thi công (Hình 1.1); lỏng liên kết bu lông hay khuyết tật đường hàn đối với kết cấu thép. Hiện nay, nhiều phương pháp được sử dụng để chẩn đoán hư hỏng kết cấu, phương pháp dao động và các ứng dụng của dao động khá phổ biến trong những nghiên cứu gần đây.

Trong đó, phương pháp dựa trên năng lượng biến dạng MSE (Modal Strain Energy) đã chứng minh đây là sự hiệu quả và độ nhạy cao với hư hỏng cục bộ trong kết cấu. MSE là một chỉ số có độ nhạy cao với sự thay đổi độ cứng nên được mở rộng nghiên cứu và áp dụng cho bài toán chẩn đoán hư hỏng kết cấu vì trạng thái hư hỏng của một phần tử nào đó cũng được xem như là sự suy giảm về độ cứng của phần tử đó. Những năm gần đây, với sự tăng trưởng đáng kể của ngành xây dựng kèm theo là số lượng các nghiên cứu về theo dõi và chẩn đoán sức khỏe kết cấu kết hợp trí tuệ nhân tạo (Artificial Intelligence - AI) ngày càng phát triển và đóng vai trò quan trọng. Từ đó, các bộ phận duy tu, bảo dưỡng có thể dễ dàng phát hiện và chẩn đoán các trạng thái tại bất kỳ thời điểm nào trong tuổi thọ của công trình.

Từ khả năng của AI, các tình huống liên quan đến công tác ra quyết định như chẩn đoán hư hỏng, phát Giới thiệu 3 hiện ăn mòn, phát hiện các trạng thái bất thường, những vấn đề này rất khó khi phải xử lý nhanh chóng và kịp thời bởi con người.2 cho thấy khả năng ứng dụng trí tuệ nhân tạo để dự doán vị trí và mức độ hư hỏng trong kết cấu. AI là một ngành thuộc lĩnh vực khoa học máy tính, là trí thông minh của máy do con người lập trình tạo nên với mục tiêu giúp máy tính có thể tự động hóa thực hiện các hành vi thông minh như con người. Trí tuệ nhân tạo khác với việc lập trình logic trong các ngôn ngữ lập trình là ở việc ứng dụng các hệ thống học máy (Machine Learning - ML) để mô phỏng trí tuệ của con người trong các tình huống xử lý mà con người làm tốt hơn máy tính. ML là một công nghệ phát triển từ lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép hệ thống có khả năng tự học hỏi từ những bộ dữ liệu lớn để giải quyết những vấn đề cụ thể.

Thuật toán học máy là chương trình máy tính có khả năng học hỏi về cách hoàn thành các nhiệm vụ và cải thiện hiệu suất theo thời gian. ML đã tiến thêm một bước dài giúp cho một lĩnh vực mới được ra đời gọi là Học Sâu (Deep Learning - DL). DL là một nhánh của ngành học máy dựa trên một tập hợp các thuật toán để cố gắng mô hình hóa dữ liệu trừu tượng ở mức cao bằng cách sử dụng nhiều lớp xử lý với cấu trúc phức tạp hoặc thực hiện nhiều biến đổi phi tuyến. Ứng dụng trí tuệ nhân tạo trong việc theo dõi sức khỏe kết cấu [2] Mạng nơ-ron nhân tạo (Neural Networks) là mô hình toán học xử lý thông tin được mô phỏng dựa trên hoạt động của hệ thống thần kinh sinh học, bao gồm số lượng lớn các nơ-ron được gắn kết để xử lý thông tin.

Nó gồm có một nhóm các nơ- ron nhân tạo (nút) nối với nhau, xử lý thông tin bằng cách truyền theo các kết nối và tính giá trị mới tại các nút. Trong nhiều trường hợp, mạng nơ-ron nhân tạo là một hệ thống thích ứng (Adaptive System) tự thay đổi cấu trúc của mình dựa trên các thông tin bên ngoài hay bên trong chảy qua mạng trong quá trình học. Một mạng nơ-ron là một nhóm các nút nối với nhau, gần giống như các mạng nơ-ron khổng lồ trong não Giới thiệu 4 người. Mạng nơ-ron giống như bộ não con người, được học bởi kinh nghiệm (thông qua huấn luyện), có khả năng lưu giữ những kinh nghiệm hiểu biết (hay tri thức) và sử dụng những tri thức đó trong việc dự đoán các dữ liệu chưa biết (Unseen Data).

Mạng nơ-ron tích chập (Convolutional Neural Networks – CNNs) được tích hợp thêm pha tích chập(Convolutional Phase) trước khi đến pha kết nối đầy đủ (Fully Connected Phase), hoạt động như một mạng nơ-ron nhân tạo. Pha tích chập có nhiệm vụ sử dụng các lớp tích chập (Convolutional Layer) như một bộ lọc đặc trưng (feature detector) để phân tách theo từng mảnh, hay còn được gọi các đặc trưng của dữ liệu đầu vào. Pha tích chập giúp mạng CNN nhận ra được sự tương đồng khi tìm kiếm các đặc trưng thô. Các đặc trưng này được coi là một dữ liệu chia nhỏ trong bộ dữ liệu đầu vào.

Mạng nơ-ron tích chập (CNNs) Trong các phương pháp sử dụng dao động để chẩn đoán hư hỏng kết cấu, các dạng dao động của kết cấu sẽ được sử dụng trực tiếp hoặc gián tiếp (năng lượng biến dạng) để chẩn đoán hư hỏng kết cấu. Mỗi dạng dao động sẽ có đặc điểm dao động khác nhau. Do đó, các bộ lọc của lớp tích chập có thể được áp dụng để nhận biết các đặc trưng dao động này. Mục tiêu và nội dung nghiên cứu 1.

Mục tiêu nghiên cứu Mục tiêu của nghiên cứu này là phát triển một phương pháp xác định hư hỏng về vị trí và mức độ hư hỏng trong khung không gian một cách chính xác và đáng tin cậy, đồng thời có khả năng thực hiện việc chẩn đoán trong thời gian thực. Mục tiêu của nghiên cứu này có thể đạt được bằng cách sử dụng kỹ thuật học sâu và các thông số dao động. Nghiên cứu này đề xuất sử dụng mạng nơ-ron tích chập kết hợp với năng lượng biến dạng để xác định sự hiện diện, vị trí và mức độ hư hỏng trong khung không gian trong thời gian thực. Nội dung nghiên cứu Nghiên cứu này đề xuất sử dụng mạng nơ-ron tích chập kết hợp với năng lượng biến dạng để xác định sự hiện diện, vị trí và mức độ hư hỏng trong khung không gian trong thời gian thực.

Sáu bộ dữ liệu đầu vào được khảo sát gồm ba bộ dữ liệu không bao gồm yếu tố tần số và ba bộ dữ liệu xét đến tần số ứng với ba chỉ số năng lượng biến dạng MSE (Modal Strain Energy), MSEC (Modal Strain Energy Ratio), MSECR (Modal Strain Energy Change Ratio) để đánh giá ảnh hưởng đến phương pháp đề xuất. Sau đây là các nhiệm vụ và nội dung cụ thể của nghiên cứu: (i) Nghiên cứu tổng quan về các phương pháp theo dõi và chẩn đoán sức khỏe kết cấu khung không gian. Nghiên cứu các cơ sở lý thuyết về các phương pháp xác định sự thay đổi độ cứng dựa trên năng lượng biến dạng.