Tổng quan nghiên cứu

Trong kỹ thuật công trình, kết cấu dầm đóng vai trò là cấu kiện chịu uốn chủ lực, trực tiếp truyền tải trọng sàn xuống hệ thống cột, vách và móng. Thực tế khai thác cho thấy hơn 65% các sự cố suy giảm an toàn chịu lực bắt nguồn từ sự hình thành âm thầm của các vết nứt và khuyết tật cục bộ trong dầm. Những hư hỏng này phát triển dần theo thời gian dưới tác động của tải trọng lặp, môi trường ăn mòn và sự lão hóa vật liệu. Nếu không được phát hiện kịp thời, công trình đối mặt với nguy cơ phá hoại đột ngột, gây thiệt hại nghiêm trọng về kinh tế và an toàn tính mạng.

Đề tài nghiên cứu được thực hiện nhằm giải quyết bài toán chẩn đoán hư hỏng kết cấu dầm thông qua việc kết hợp phép biến đổi Wavelet trên dữ liệu dạng dao động với thuật toán mạng nơ-ron nhân tạo. Nghiên cứu tập trung giải quyết đồng bộ ba cấp độ quan trọng trong hệ thống năm cấp độ giám sát sức khỏe kết cấu: nhận diện sự xuất hiện của hư hỏng, định vị chính xác tọa độ hư hỏng và định lượng mức độ suy giảm độ cứng.

Công trình được thực hiện trong khoảng thời gian 15 tháng từ tháng 09 năm 2022 đến tháng 12 năm 2023 tại Trường Đại học Bách Khoa thuộc Đại học Quốc gia Thành phố Hồ Chí Minh, thuộc chuyên ngành Kỹ thuật Xây dựng với mã số đào tạo 85 80 201. Phạm vi nghiên cứu tập trung vào hai mô hình kết cấu điển hình: dầm đơn giản đồng chất có từ 1 đến 3 vị trí suy giảm độ cứng và dầm bê tông cốt thép chịu tải trọng tĩnh tăng dần từ 0 kN đến 236 kN. Ý nghĩa thực tiễn của luận văn thể hiện qua việc nâng cao độ chính xác nhận dạng hư hỏng tổng thể lên trên 92%, tạo nền tảng vững chắc để chuyển đổi phương thức bảo trì công trình từ bị động sang chủ động theo thời gian thực.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên ba trụ cột lý thuyết chuyên sâu:

Thứ nhất, lý thuyết giám sát sức khỏe kết cấu công trình (Structural Health Monitoring) và cơ học động lực học kết cấu. Khi cấu kiện xuất hiện hư hỏng, độ cứng chống uốn cục bộ suy giảm sẽ dẫn đến sự thay đổi tương ứng trong các thông số động lực học như tần số dao động riêng và dạng dao động.

Thứ hai, lý thuyết biến đổi Wavelet (Wavelet Transform). Khác với biến đổi Fourier truyền thống bị mất thông tin thời gian khi chuyển sang miền tần số, biến đổi Wavelet liên tục (CWT) và biến đổi Wavelet dừng (SWT) sử dụng hàm Wavelet mẹ có độ dài hữu hạn để phân tích tín hiệu trên cả miền không gian và tỷ lệ. Đặc tính này mang lại độ nhạy vượt trội trong việc bắt trọn các điểm gián đoạn vi mô và bước nhảy độ dốc trên đường cong dạng dao động do vết nứt gây ra. Các họ hàm Wavelet tiêu biểu như Daubechies, Symlets, Coiflets và Biorthogonal được áp dụng để tối ưu hóa khả năng trích xuất đặc trưng.

Thứ ba, lý thuyết mạng nơ-ron nhân tạo (Artificial Neural Network - ANNs) và mô hình vật liệu phi tuyến. Luận văn ứng dụng mạng nơ-ron truyền thẳng nhiều lớp để thiết lập quan hệ ánh xạ phi tuyến phức tạp giữa vector dữ liệu dạng dao động và mức độ hư hỏng của từng phần tử. Ứng xử phi tuyến của bê tông được mô hình hóa theo tiêu chuẩn phá hoại William-Warnke cùng đường cong ứng suất - biến dạng Kent-Park (1971), kết hợp mô hình vật liệu thép đàn dẻo song tuyến tính BISO.

Phương pháp nghiên cứu

Nghiên cứu áp dụng phương pháp mô phỏng số phần tử hữu hạn kết hợp thuật toán học máy thông minh:

  • Nguồn dữ liệu và cỡ mẫu: Đối với dầm đơn giản đồng chất, mô hình phần tử thanh hai chiều được khảo sát trên phần mềm SAP2000 với 4 kịch bản chia lưới gồm 50, 100, 200 và 400 phần tử. Mẫu 200 phần tử được lựa chọn làm cỡ mẫu tối ưu nhằm cân bằng giữa độ mịn của dữ liệu không gian và chi phí tính toán. Đối với dầm bê tông cốt thép, mô hình không gian ba chiều được thiết lập trên ANSYS APDL bằng phần tử khối 8 nút SOLID65 cho bê tông và phần tử BEAM188 cho cốt thép, thu thập dữ liệu dao động qua 8 cấp gia tải thực nghiệm từ 40 kN đến 236 kN.
  • Phương pháp phân tích: Sử dụng phương pháp phân tích dao động tự do để trích xuất 4 dạng dao động uốn cơ bản đầu tiên, sau đó xây dựng dạng dao động tổng hợp nhằm tăng cường năng lượng tín hiệu. Kỹ thuật khử nhiễu biên được áp dụng để loại bỏ triệt để các xung giả tại vùng gối tựa.
  • Đánh giá định lượng: Hiệu quả chẩn đoán vị trí được lượng hóa thông qua 3 chỉ số: Chỉ số A (Độ chính xác vùng hư hỏng), Chỉ số B (Độ chính xác vùng không hư hỏng) và Chỉ số C (Độ chính xác tổng thể).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm số trên hai bài toán kết cấu đã mang lại 4 phát hiện quan trọng:

Thứ nhất, việc sử dụng dạng dao động tổng hợp từ 4 mode dao động uốn đầu tiên kết hợp biến đổi Wavelet cho phép triệt tiêu hiện tượng nhiễu biên, giúp chỉ số chính xác định vị hư hỏng (Chỉ số A) đạt mức 95,8% trên dầm đồng chất có 3 vị trí hư hỏng đồng thời. Kết quả này vượt trội hoàn toàn so với việc chỉ sử dụng dạng dao động bậc 1 đơn lẻ vốn chỉ đạt độ chính xác 72,4%.

Thứ hai, trên cấu kiện dầm bê tông cốt thép, phương pháp Wavelet đã xác định chính xác thời điểm bắt đầu xuất hiện vết nứt đầu tiên tại cấp tải 41 kN, hoàn toàn trùng khớp với giá trị tải trọng gây nứt lý thuyết là 40,8 kN. Khi tải trọng tăng dần lên 60 kN, 99 kN, 158 kN và đạt 236 kN, biểu đồ Wavelet phản ánh rõ nét sự lan rộng và mở rộng bề rộng vết nứt từ giữa nhịp dầm sang hai phía gối tựa.

Thứ ba, vị trí thu thập dữ liệu dao động dọc theo chiều cao dầm có ảnh hưởng quyết định đến độ tin cậy chẩn đoán. Dữ liệu đo tại thớ đáy mặt dưới dầm mang lại chỉ số chính xác tổng thể C đạt 92,4%, cao hơn 8,3% so với dữ liệu thu thập tại mặt giữa dầm (đạt 84,1%) và cao hơn 15,9% so với mặt trên cùng của dầm (chỉ đạt 76,5%) do mặt trên chịu ứng suất nén nên các vết nứt bị khép kín.

Thứ tư, phương pháp huấn luyện mạng ANNs phân đoạn theo từng giai đoạn làm việc của dầm (giai đoạn đàn hồi, giai đoạn nứt ổn định và giai đoạn chảy dẻo) giúp giảm sai số trung bình bình phương (MSE) hơn 65% so với phương pháp huấn luyện gộp toàn bộ dữ liệu, đưa sai số dự báo mức độ hư hỏng thực tế xuống dưới 4,8%.

Thảo luận kết quả

Nguyên nhân căn bản tạo nên sự thành công của phương pháp là do vết nứt gây ra sự suy giảm cục bộ của mô men quán tính tiết diện, tạo thành điểm gập khúc có độ dốc biến đổi rất nhỏ trên đường cong biến dạng dao động. Trong khi mắt thường và các phép toán đạo hàm thông thường không thể nhận biết, phép biến đổi Wavelet với các hàm co giãn đa tỷ lệ đã khuếch đại bước nhảy này thành các đỉnh cực đại rõ rệt trong ma trận hệ số chi tiết.

Dữ liệu nghiên cứu được biểu diễn trực quan qua hệ thống biểu đồ phân tích Wavelet 2D trước và sau khử nhiễu, biểu đồ quan hệ tải trọng - chuyển vị và bảng ma trận chỉ số A, B, C theo từng cấp tải. So sánh với các nghiên cứu trước đây vốn chủ yếu dựa vào sự thay đổi tần số tự nhiên (thường chỉ giảm dưới 2% khi vết nứt mới xuất hiện), phương pháp kết hợp Wavelet và ANNs phân đoạn thể hiện sự vượt trội về độ nhạy, khả năng kháng nhiễu và năng lực định lượng chính xác độ suy giảm vật liệu.

Đề xuất và khuyến nghị

Nhằm đưa kết quả nghiên cứu vào ứng dụng thực tiễn trong ngành xây dựng và giao thông, 4 khuyến nghị trọng tâm được đề xuất như sau:

  1. Chuẩn hóa quy trình lắp đặt cảm biến đo dao động thực địa: Các đơn vị kiểm định cần bố trí hệ thống cảm biến gia tốc tập trung tại thớ đáy mặt dưới của dầm với mật độ tối thiểu từ 10 đến 12 điểm đo trên mỗi nhịp kết cấu dầm chính nhằm thu thập tối đa phản ứng uốn kéo, triển khai áp dụng trong vòng 6 tháng.
  2. Tích hợp thuật toán xử lý tín hiệu Wavelet tự động: Cơ quan quản lý kỹ thuật và các viện nghiên cứu cần phát triển mô-đun phần mềm tự động tính toán dạng dao động tổng hợp từ 4 mode đầu tiên kết hợp thuật toán làm trơn đường biên, giúp loại bỏ 100% hiện tượng xung nhiễu giả tại các liên kết gối tựa trong vòng 9 tháng tới.
  3. Ứng dụng mô hình mạng nơ-ron huấn luyện phân đoạn: Đội ngũ kỹ sư R&D trong các doanh nghiệp phần mềm xây dựng nên xây dựng kiến trúc mạng ANNs huấn luyện phân tầng theo 3 giai đoạn tải trọng tác dụng, hướng tới mục tiêu kiểm soát sai số dự báo mức độ suy giảm độ cứng dưới 5%, lộ trình hoàn thiện trong 12 tháng.
  4. Xây dựng ngưỡng cảnh báo sớm trong hệ thống bảo trì công trình: Chủ đầu tư các công trình cầu đường nhịp lớn và nhà cao tầng cần ban hành quy chế kích hoạt cảnh báo an toàn cấp 1 khi hệ số suy giảm độ cứng vượt quá 10%, phục vụ công tác duy tu sửa chữa trước khi vết nứt mở rộng gây nguy hiểm.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị thực tiễn cao cho 4 nhóm đối tượng chuyên môn:

  1. Kỹ sư tư vấn thiết kế và chuyên gia kiểm định kết cấu: Cung cấp quy trình kiểm tra không phá hủy tiên tiến để định vị chính xác các vết nứt ngầm trong dầm bê tông cốt thép mà không cần khoan cấy mẫu vật liệu, giúp tiết kiệm hơn 40% chi phí khảo sát công trình.
  2. Giảng viên, học viên cao học và nghiên cứu sinh ngành Xây dựng: Làm tài liệu học thuật chuyên sâu về ứng dụng kết hợp giữa cơ học kết cấu phi tuyến, lý thuyết xử lý tín hiệu số Wavelet và học máy trong bài toán giám sát sức khỏe công trình.
  3. Ban quản lý dự án và các đơn vị quản lý hạ tầng giao thông: Tham khảo khung đánh giá định lượng 3 chỉ số A, B, C để xây dựng tiêu chuẩn nghiệm thu, quy trình bảo trì định kỳ cho các công trình cầu dầm bê tông cốt thép và dầm thép liên hợp.
  4. Doanh nghiệp phát triển giải pháp công nghệ chuyển đổi số xây dựng: Khai thác cấu trúc thuật toán kết hợp Wavelet - ANNs để tích hợp vào các nền tảng phần mềm SHM tự động, phục vụ việc giám sát liên tục tình trạng sức khỏe kết cấu trong thời gian thực.

Câu hỏi thường gặp

  1. Phương pháp phân tích Wavelet có ưu điểm gì vượt trội so với phân tích Fourier trong chẩn đoán dầm? Biến đổi Fourier chỉ cho biết các thành phần tần số tồn tại trong toàn bộ tín hiệu mà làm mất hoàn toàn thông tin vị trí không gian của hư hỏng. Ngược lại, biến đổi Wavelet có khả năng phân tích đa phân giải đồng thời trên cả miền không gian và tỷ lệ. Nhờ đó, phương pháp xác định chính xác vị trí tọa độ điểm nứt với sai số định vị dưới 2%.

  2. Ý nghĩa thực tiễn của ba chỉ số đánh giá A, B và C trong nghiên cứu là gì? Chỉ số A phản ánh tỷ lệ phát hiện chính xác phạm vi vùng hư hỏng thực tế. Chỉ số B đo lường khả năng nhận diện đúng các vùng kết cấu hoàn toàn lành lặn để tránh báo động giả. Chỉ số C là thước đo tổng thể phản ánh độ tin cậy chung của toàn bộ mô hình chẩn đoán, với giá trị thực nghiệm đạt trên 92%.

  3. Tại sao dữ liệu dao động ở mặt dưới đáy dầm lại mang lại kết quả chẩn đoán tốt nhất? Trong dầm chịu uốn đơn thuần, vùng thớ đáy mặt dưới chịu ứng suất kéo lớn nhất, nơi các vết nứt thẳng góc hình thành đầu tiên và mở rộng mạnh nhất. Biến dạng dao động tại mặt đáy chịu tác động trực tiếp từ sự suy giảm độ cứng, giúp hệ số Wavelet phản ứng nhạy hơn 15% so với mặt trên cùng của dầm.

  4. Vì sao cần huấn luyện mạng nơ-ron nhân tạo theo từng giai đoạn làm việc của dầm? Dầm bê tông cốt thép có ứng xử phi tuyến phức tạp thay đổi qua các trạng thái: chưa nứt, nứt ổn định và biến dạng dẻo cốt thép. Huấn luyện ANNs phân đoạn theo từng cấp tải giúp mạng học sâu các đặc trưng biến dạng riêng biệt của từng pha, giảm sai số dự báo mức độ hư hỏng xuống dưới mức 5%.

  5. Phương pháp đề xuất có khả năng nhận diện nhiều vết nứt xuất hiện đồng thời không? Hoàn toàn có khả năng. Khảo sát trên dầm đồng chất với 3 vị trí hư hỏng độc lập tại các phần tử 50, 100 và 150 cho thấy biểu đồ hệ số chi tiết Wavelet xuất hiện đồng thời 3 đỉnh cực trị rõ rệt, định vị chính xác cả 3 điểm hư hỏng với độ chính xác vùng hư hỏng đạt trên 95%.

Kết luận

  • Công trình đã phát triển thành công quy trình chẩn đoán hư hỏng kết cấu dầm thông qua kết hợp phép biến đổi Wavelet cho dạng dao động và mạng nơ-ron nhân tạo, giải quyết trọn vẹn 3 cấp độ chẩn đoán trong SHM.
  • Khẳng định tính ưu việt của dạng dao động tổng hợp kết hợp kỹ thuật khử nhiễu biên, nâng độ chính xác định vị vùng nứt (Chỉ số A) đạt mức trên 95% và độ chính xác tổng thể (Chỉ số C) đạt 92,4%.
  • Xác định chính xác thời điểm xuất hiện vết nứt khởi điểm tại cấp tải 41 kN và theo dõi định lượng sự phát triển vết nứt qua từng cấp gia tải đến giới hạn 236 kN.
  • Đề xuất giải pháp huấn luyện mạng ANNs phân đoạn theo giai đoạn làm việc của dầm, giúp kiểm soát sai số dự báo mức độ suy giảm độ cứng cục bộ dưới 4,8%.
  • Kế hoạch tiếp theo cần tập trung mở rộng thử nghiệm trên các kết cấu dầm khung không gian phức tạp và dầm cầu nhịp lớn ngoài hiện trường trong vòng 6 đến 12 tháng tới.

Hãy đón đầu xu hướng chuyển đổi số trong quản lý hạ tầng xây dựng bằng cách nghiên cứu và ứng dụng ngay phương pháp giám sát sức khỏe kết cấu thông minh tích hợp trí tuệ nhân tạo để đảm bảo an toàn tối đa cho mọi công trình!