Tổng quan nghiên cứu

Trong bối cảnh phát triển mạnh mẽ của ngành xây dựng công trình dân dụng và công nghiệp, việc đảm bảo an toàn và độ bền của kết cấu thép là vấn đề cấp thiết. Theo ước tính, các công trình sử dụng kết cấu thép chiếm tỷ lệ ngày càng cao do ưu điểm về khả năng chịu tải lớn, thi công nhanh và tiết kiệm chi phí. Tuy nhiên, hiện tượng lỏng lẻo bu lông tại các vị trí liên kết chân cột thép là nguyên nhân chính dẫn đến suy giảm hiệu suất và nguy cơ hư hỏng kết cấu. Nghiên cứu này tập trung theo dõi hiện tượng lỏng lẻo bu lông trong chân cột thép bằng phương pháp đo điện kháng cơ học (ESMI) kết hợp với mạng nơ-ron nhân tạo đa lớp (ANNs MLP), nhằm phát hiện sớm và chính xác mức độ hư hỏng.

Mục tiêu cụ thể của luận văn là xây dựng mô hình mô phỏng và thực nghiệm để xác định miền tần số nhạy cảm trong khoảng 10-100 kHz đối với dầm nhôm và 60-90 kHz đối với liên kết bu lông chân cột thép; đồng thời phát triển thuật toán ANNs MLP để chẩn đoán mức độ lỏng lẻo bu lông với các mức giảm lực 5%, 10%, 20%, 25%. Nghiên cứu được thực hiện tại TP. Hồ Chí Minh trong giai đoạn từ 2019 đến 2020, với dữ liệu thu thập từ các mô hình mô phỏng và thí nghiệm thực tế.

Ý nghĩa của nghiên cứu thể hiện qua việc nâng cao hiệu quả giám sát sức khỏe kết cấu (SHM), giảm thiểu rủi ro an toàn và chi phí bảo trì, đồng thời góp phần phát triển các phương pháp không phá hủy (NDE) ứng dụng trong xây dựng công nghiệp hiện đại.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên hai lý thuyết chính: nguyên lý điện kháng cơ học (ESMI) và mô hình mạng nơ-ron nhân tạo đa lớp (ANNs MLP).

  • Nguyên lý điện kháng cơ học (ESMI): Dựa trên hiện tượng chuyển đổi năng lượng điện - cơ học của vật liệu PZT (Lead Zirconate Titanate), khi được kích thích bằng tín hiệu điện tần số cao, PZT tạo ra sóng cơ học truyền trong kết cấu. Sự thay đổi trong điện kháng của PZT phản ánh trạng thái hư hỏng hoặc biến dạng của kết cấu, đặc biệt là hiện tượng lỏng lẻo bu lông. Các chỉ số như RMSD (Root Mean Square Deviation) được sử dụng để đánh giá mức độ khác biệt giữa tín hiệu đo được và tín hiệu chuẩn, từ đó phát hiện sự xuất hiện của hư hỏng.

  • Mạng nơ-ron nhân tạo đa lớp (ANNs MLP): Là mô hình trí tuệ nhân tạo mô phỏng hoạt động của hệ thần kinh sinh học, gồm nhiều lớp nơ-ron kết nối với nhau. ANNs MLP được huấn luyện trên dữ liệu tín hiệu điện kháng thu thập được để phân loại mức độ hư hỏng bu lông, từ đó chẩn đoán chính xác vị trí và mức độ lỏng lẻo. Mạng sử dụng hàm kích hoạt sigmoid và thuật toán lan truyền ngược (back-propagation) để tối ưu trọng số liên kết.

Các khái niệm chuyên ngành quan trọng bao gồm: điện kháng cơ học (ESMI), chỉ số RMSD, mạng nơ-ron nhân tạo (ANNs), tần số nhạy cảm, và mô hình mô phỏng phần tử hữu hạn (FEM).

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm kết quả mô phỏng phần tử hữu hạn (FEM) và dữ liệu thực nghiệm thu thập từ các mô hình dầm nhôm và liên kết bu lông chân cột thép. Cỡ mẫu nghiên cứu gồm nhiều trường hợp lỏng lẻo bu lông với các mức giảm lực khác nhau (5%, 10%, 20%, 25%) tại các vị trí khác nhau trên kết cấu.

Phương pháp phân tích sử dụng kết hợp:

  • Phân tích điện kháng cơ học trong miền tần số từ 10-100 kHz (dầm nhôm) và 60-90 kHz (liên kết bu lông).
  • Tính toán chỉ số RMSD để phát hiện sự khác biệt tín hiệu.
  • Huấn luyện và kiểm thử mạng ANNs MLP trên phần mềm IBM SPSS Statistics, với việc lựa chọn miền tần số nhạy cảm làm đầu vào, nhằm phân loại chính xác mức độ hư hỏng.

Timeline nghiên cứu kéo dài từ tháng 2/2019 đến tháng 8/2020, bao gồm các giai đoạn: khảo sát lý thuyết, xây dựng mô hình mô phỏng, thực hiện thí nghiệm, xử lý dữ liệu và phát triển thuật toán ANNs.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Xác định miền tần số nhạy cảm:

    • Dầm nhôm có miền tần số nhạy cảm trong khoảng 10-100 kHz, với các đỉnh nhạy cảm tập trung ở 19-24 kHz.
    • Liên kết bu lông chân cột thép có miền tần số nhạy cảm từ 60-90 kHz, tùy thuộc vào vị trí và mức độ lỏng lẻo bu lông.

  2. Hiệu quả chỉ số RMSD trong phát hiện hư hỏng:

    • RMSD tăng rõ rệt khi bu lông bị lỏng với mức giảm lực từ 5% đến 25%, cho thấy chỉ số này có khả năng cảnh báo sự xuất hiện hư hỏng.
    • Ví dụ, RMSD tăng từ khoảng 0.05 lên 0.25 khi mức lỏng lẻo bu lông tăng từ 5% lên 25%.

  3. Độ chính xác của mạng ANNs MLP trong chẩn đoán mức độ hư hỏng:

    • Mạng ANNs MLP đạt sai số huấn luyện thấp (MAPD dưới 5%) trong việc phân loại mức độ lỏng lẻo bu lông.
    • Mạng có khả năng phân biệt chính xác giữa các mức giảm lực 5%, 10%, 20%, 25% với độ chính xác trên 90%.

  4. So sánh mô hình mô phỏng và thực nghiệm:

    • Kết quả mô phỏng phần tử hữu hạn tương đồng với dữ liệu thực nghiệm, sai số RMSD dưới 10%, chứng tỏ mô hình mô phỏng có độ tin cậy cao.
    • Điều này giúp giảm chi phí và thời gian thử nghiệm thực tế.

Thảo luận kết quả

Nguyên nhân miền tần số nhạy cảm khác nhau giữa các kết cấu là do đặc tính vật liệu và cấu trúc hình học khác biệt, ảnh hưởng đến sóng cơ học truyền trong kết cấu. Chỉ số RMSD thể hiện sự nhạy bén trong việc phát hiện sự thay đổi tín hiệu điện kháng do lỏng lẻo bu lông gây ra, phù hợp với các nghiên cứu trước đây về giám sát kết cấu thép.

Mạng ANNs MLP phát huy hiệu quả trong việc xử lý dữ liệu phức tạp và phân loại mức độ hư hỏng, vượt trội so với các phương pháp truyền thống nhờ khả năng học và tổng quát hóa tốt. Kết quả này đồng nhất với các báo cáo của ngành về ứng dụng trí tuệ nhân tạo trong giám sát sức khỏe kết cấu.

Dữ liệu có thể được trình bày qua biểu đồ RMSD theo mức độ lỏng lẻo bu lông và bảng so sánh độ chính xác phân loại của mạng ANNs MLP, giúp trực quan hóa hiệu quả phương pháp.

Đề xuất và khuyến nghị

  1. Triển khai hệ thống giám sát điện kháng cơ học tại các công trình thép:

    • Áp dụng cảm biến PZT tại các vị trí liên kết bu lông chân cột thép để theo dõi liên tục.
    • Mục tiêu giảm thiểu rủi ro hư hỏng kết cấu, thời gian thực hiện trong 6-12 tháng, do các đơn vị quản lý công trình thực hiện.

  2. Phát triển phần mềm chẩn đoán dựa trên mạng ANNs MLP:

    • Tích hợp thuật toán ANNs MLP vào hệ thống giám sát để tự động phân loại mức độ lỏng lẻo bu lông.
    • Mục tiêu nâng cao độ chính xác chẩn đoán trên 90%, hoàn thiện trong vòng 1 năm, do nhóm nghiên cứu và công ty công nghệ thực hiện.

  3. Đào tạo nhân lực chuyên môn về kỹ thuật giám sát kết cấu:

    • Tổ chức các khóa đào tạo về nguyên lý điện kháng cơ học và ứng dụng mạng nơ-ron nhân tạo.
    • Mục tiêu nâng cao năng lực vận hành và bảo trì hệ thống, thời gian đào tạo 3-6 tháng, do các trường đại học và viện nghiên cứu đảm nhiệm.

  4. Mở rộng nghiên cứu ứng dụng cho các loại kết cấu khác:

    • Nghiên cứu áp dụng phương pháp cho kết cấu bê tông cốt thép và kết cấu composite.
    • Mục tiêu đa dạng hóa ứng dụng, hoàn thành trong 2-3 năm, do các trung tâm nghiên cứu phối hợp thực hiện.

Đối tượng nên tham khảo luận văn

  1. Kỹ sư và chuyên gia giám sát kết cấu:

    • Lợi ích: Áp dụng phương pháp phát hiện sớm hư hỏng bu lông, nâng cao an toàn công trình.
    • Use case: Giám sát các công trình thép công nghiệp, nhà xưởng.

  2. Nhà nghiên cứu và sinh viên ngành kỹ thuật xây dựng:

    • Lợi ích: Nắm bắt kiến thức về công nghệ giám sát không phá hủy và trí tuệ nhân tạo.
    • Use case: Phát triển đề tài nghiên cứu, luận văn thạc sĩ, tiến sĩ.

  3. Doanh nghiệp công nghệ và sản xuất cảm biến:

    • Lợi ích: Phát triển sản phẩm cảm biến PZT và phần mềm chẩn đoán thông minh.
    • Use case: Thiết kế hệ thống giám sát kết cấu thông minh.

  4. Cơ quan quản lý và bảo trì công trình:

    • Lợi ích: Lập kế hoạch bảo trì dựa trên dữ liệu giám sát chính xác, giảm chi phí sửa chữa.
    • Use case: Quản lý vòng đời công trình, đảm bảo an toàn vận hành.

Câu hỏi thường gặp

  1. Phương pháp điện kháng cơ học (ESMI) là gì?
    ESMI là kỹ thuật sử dụng cảm biến PZT để đo sự thay đổi điện kháng khi kết cấu bị hư hỏng. Ví dụ, khi bu lông bị lỏng, sóng cơ học truyền qua thay đổi, làm biến đổi điện kháng cảm biến, giúp phát hiện hư hỏng sớm.

  2. Mạng nơ-ron nhân tạo đa lớp (ANNs MLP) hoạt động như thế nào trong nghiên cứu này?
    ANNs MLP được huấn luyện trên dữ liệu tín hiệu điện kháng để phân loại mức độ lỏng lẻo bu lông. Mạng học từ các mẫu dữ liệu và dự đoán chính xác mức độ hư hỏng, hỗ trợ chẩn đoán tự động.

  3. Miền tần số nhạy cảm có vai trò gì?
    Miền tần số nhạy cảm là khoảng tần số mà tín hiệu điện kháng phản ứng rõ rệt nhất với hư hỏng. Việc xác định miền này giúp tăng độ nhạy và chính xác trong phát hiện hư hỏng.

  4. Chỉ số RMSD được sử dụng như thế nào?
    RMSD đo sự khác biệt trung bình giữa tín hiệu hiện tại và tín hiệu chuẩn. Giá trị RMSD tăng cho thấy sự xuất hiện của hư hỏng, giúp cảnh báo kịp thời.

  5. Phương pháp này có thể áp dụng cho các kết cấu khác không?
    Có, phương pháp có thể mở rộng cho kết cấu bê tông cốt thép hoặc composite với điều chỉnh miền tần số và mô hình mạng phù hợp, giúp đa dạng hóa ứng dụng trong giám sát kết cấu.

Kết luận

  • Nghiên cứu đã xác định được miền tần số nhạy cảm cho dầm nhôm (10-100 kHz) và liên kết bu lông chân cột thép (60-90 kHz).
  • Chỉ số RMSD hiệu quả trong việc phát hiện sự xuất hiện và vị trí lỏng lẻo bu lông.
  • Mạng ANNs MLP chẩn đoán chính xác mức độ hư hỏng với sai số huấn luyện dưới 5%.
  • Mô hình mô phỏng phần tử hữu hạn tương đồng với dữ liệu thực nghiệm, đảm bảo độ tin cậy.
  • Đề xuất triển khai hệ thống giám sát điện kháng cơ học kết hợp ANNs MLP để nâng cao an toàn và hiệu quả bảo trì công trình.

Next steps: Phát triển phần mềm chẩn đoán tích hợp, mở rộng ứng dụng cho các loại kết cấu khác, và đào tạo nhân lực chuyên môn. Độc giả và các đơn vị quan tâm được khuyến khích áp dụng và phát triển nghiên cứu này nhằm nâng cao chất lượng giám sát kết cấu thép hiện đại.