Luận văn thạc sĩ kỹ thuật xây dựng 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

Luận văn về kỹ thuật xây dựng: Xác định hư hỏng kết cấu khung không gian bằng phương pháp năng lượng biến dạng kết hợp mạng nơ-ron tích chập (CNN).

• Tác giả: Đinh Duy Vũ
• Người hướng dẫn: Pgs. Hồ Đức Duy
• Trường học: Trường 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: Tp. Hồ Chí Minh

Tóm tắt

I. Tổng Quan Cách Xác Định Hư Hỏng Kết Cấu Khung Không Gian

Kết cấu khung không gian ngày càng được sử dụng rộng rãi trong xây dựng hiện đại. Tuy nhiên, trong quá trình khai thác, hư hỏng kết cấu khung không gian là điều khó tránh khỏi do nhiều yếu tố tác động như ăn mòn, xuống cấp vật liệu, hoặc chịu tải trọng vượt quá giới hạn cho phép. Việc phát hiện và đánh giá hư hỏng kết cấu kịp thời là vô cùng quan trọng để đảm bảo an toàn và tuổi thọ công trình. Các phương pháp truyền thống thường tốn nhiều thời gian và công sức, đòi hỏi kỹ thuật viên có kinh nghiệm. Do đó, việc ứng dụng các công nghệ mới, đặc biệt là mạng nơ-ron tích chập (CNN), hứa hẹn mang lại hiệu quả cao hơn trong giám sát kết cấu và chẩn đoán hư hỏng kết cấu. Luận văn này tập trung vào việc kết hợp phương pháp năng lượng biến dạng và CNN để xây dựng một quy trình tự động và chính xác trong việc xác định hư hỏng kết cấu khung không gian.

1.1. Tầm quan trọng của việc giám sát hư hỏng kết cấu

Việc giám sát hư hỏng kết cấu là yếu tố then chốt trong việc duy trì an toàn và hiệu quả của công trình. Khi phát hiện sớm các dấu hiệu hư hỏng kết cấu, có thể tiến hành các biện pháp khắc phục kịp thời, tránh những hậu quả nghiêm trọng như sập đổ công trình. Theo nghiên cứu, việc áp dụng các phương pháp phát hiện hư hỏng kết cấu tiên tiến có thể giúp giảm thiểu chi phí bảo trì và kéo dài tuổi thọ công trình.

1.2. Ưu điểm của phương pháp năng lượng biến dạng và CNN

Phương pháp năng lượng biến dạng nổi bật với độ nhạy cao đối với hư hỏng kết cấu, giúp phát hiện sớm các dấu hiệu tiềm ẩn. Trong khi đó, mạng nơ-ron tích chập (CNN) có khả năng học sâu và tự động trích xuất các đặc trưng quan trọng từ dữ liệu, cho phép chẩn đoán nhanh chóng và chính xác. Sự kết hợp giữa hai phương pháp này tạo nên một hệ thống mạnh mẽ và hiệu quả trong việc đánh giá hư hỏng kết cấu.

II. Thách Thức Vấn Đề Trong Xác Định Hư Hỏng Kết Cấu Hiện Nay

Mặc dù có nhiều phương pháp phát hiện hư hỏng kết cấu, vẫn còn tồn tại những thách thức lớn. Các phương pháp truyền thống thường dựa vào kinh nghiệm của kỹ thuật viên và tốn nhiều thời gian. Các phương pháp dựa trên phân tích dao động có thể gặp khó khăn trong việc phân biệt giữa các loại hư hỏng khác nhau. Hơn nữa, việc xác định vị trí và mức độ hư hỏng kết cấu một cách chính xác vẫn là một bài toán nan giải. Các thuật toán tối ưu hóa, mặc dù có độ chính xác cao, lại tiêu tốn nhiều thời gian tính toán, gây khó khăn cho việc giám sát kết cấu trong thời gian thực. Do đó, cần có những phương pháp mới, nhanh chóng và chính xác hơn để giải quyết những thách thức này.

2.1. Hạn chế của phương pháp truyền thống trong chẩn đoán hư hỏng

Các phương pháp truyền thống thường dựa vào kiểm tra trực quan và kinh nghiệm của kỹ thuật viên. Điều này dễ dẫn đến sai sót chủ quan và bỏ sót các dấu hiệu hư hỏng tiềm ẩn. Bên cạnh đó, việc kiểm tra trực quan thường khó thực hiện ở những vị trí khó tiếp cận của kết cấu khung không gian.

2.2. Khó khăn trong việc xác định chính xác vị trí và mức độ hư hỏng

Việc xác định chính xác vị trí và mức độ hư hỏng là rất quan trọng để đưa ra các biện pháp khắc phục hiệu quả. Tuy nhiên, nhiều phương pháp hiện tại chỉ có thể phát hiện sự tồn tại của hư hỏng mà không thể cung cấp thông tin chi tiết về vị trí và mức độ của nó. Điều này gây khó khăn cho việc đánh giá mức độ nguy hiểm và lên kế hoạch sửa chữa.

III. Giải Pháp Phương Pháp Năng Lượng Biến Dạng và Mạng CNN

Nghiên cứu này đề xuất một phương pháp mới kết hợp phương pháp năng lượng biến dạng và mạng nơ-ron tích chập (CNN) để xác định hư hỏng kết cấu khung không gian. Năng lượng biến dạng là một thông số dao động có độ nhạy cao với hư hỏng, trong khi CNN có khả năng học sâu và tự động trích xuất các đặc trưng từ dữ liệu. Phương pháp này bao gồm việc xây dựng mô hình phần tử hữu hạn của kết cấu khung không gian, tính toán năng lượng biến dạng ở các vị trí khác nhau, và sử dụng CNN để học mối quan hệ giữa năng lượng biến dạng và trạng thái hư hỏng. Kết quả cho thấy phương pháp này có thể xác định vị trí và mức độ hư hỏng một cách chính xác và hiệu quả.

3.1. Ứng dụng năng lượng biến dạng làm thông số phát hiện hư hỏng

Năng lượng biến dạng là một thông số dao động thể hiện năng lượng tích lũy trong kết cấu khi chịu tác động của tải trọng. Khi xuất hiện hư hỏng, sự phân bố năng lượng biến dạng sẽ thay đổi. Do đó, năng lượng biến dạng có thể được sử dụng như một chỉ số nhạy cảm để phát hiện hư hỏng kết cấu.

3.2. Xây dựng mô hình CNN để phân tích năng lượng biến dạng

Mạng nơ-ron tích chập (CNN) là một loại mạng nơ-ron sâu được thiết kế đặc biệt để xử lý dữ liệu có cấu trúc không gian, chẳng hạn như ảnh và tín hiệu. Trong nghiên cứu này, CNN được sử dụng để học mối quan hệ phức tạp giữa phân bố năng lượng biến dạng và trạng thái hư hỏng của kết cấu khung không gian.

3.3. Quy trình huấn luyện mô hình CNN với dữ liệu hư hỏng

Để CNN có thể học được mối quan hệ trên, cần cung cấp cho nó một lượng lớn dữ liệu huấn luyện, bao gồm các mẫu kết cấu với các trạng thái hư hỏng khác nhau và phân bố năng lượng biến dạng tương ứng. Quá trình huấn luyện bao gồm việc điều chỉnh các tham số của CNN để giảm thiểu sai số giữa dự đoán của mô hình và trạng thái hư hỏng thực tế.

IV. Nghiên Cứu Kết Quả Chẩn Đoán Hư Hỏng Của Phương Pháp Đề Xuất

Phương pháp đề xuất đã được kiểm chứng trên hai mô hình kết cấu khung không gian khác nhau. Kết quả cho thấy phương pháp này có khả năng chẩn đoán hư hỏng một cách chính xác, với độ chính xác cao trong việc xác định vị trí và mức độ hư hỏng. So sánh với các phương pháp khác, phương pháp đề xuất có ưu điểm về tốc độ tính toán và khả năng áp dụng trong thời gian thực. Nghiên cứu cũng chỉ ra rằng việc kết hợp tần số dao động tự nhiên với năng lượng biến dạng có thể cải thiện độ chính xác của phương pháp.

4.1. Độ chính xác trong xác định vị trí và mức độ hư hỏng

Kết quả thực nghiệm cho thấy phương pháp đề xuất có độ chính xác cao trong việc xác định hư hỏng kết cấu, cho phép kỹ sư xác định chính xác vị trí và mức độ hư hỏng kết cấu. Điều này rất quan trọng để đưa ra các biện pháp sửa chữa phù hợp và hiệu quả.

4.2. So sánh với các phương pháp chẩn đoán hư hỏng truyền thống

So sánh với các phương pháp chẩn đoán hư hỏng kết cấu truyền thống, phương pháp đề xuất có ưu điểm vượt trội về tốc độ tính toán và khả năng tự động hóa. Điều này giúp tiết kiệm thời gian và công sức, đồng thời giảm thiểu sai sót do yếu tố con người.

4.3. Ảnh hưởng của tần số dao động đến độ chính xác của phương pháp

Nghiên cứu chỉ ra rằng việc kết hợp thông tin về tần số dao động tự nhiên của kết cấu khung không gian với năng lượng biến dạng có thể cải thiện đáng kể độ chính xác của phương pháp xác định hư hỏng kết cấu. Tần số dao động cung cấp thêm thông tin về đặc tính động của kết cấu, giúp CNN phân biệt các loại hư hỏng khác nhau.

V. Ứng Dụng Giám Sát Liên Tục và Thay Đổi Độ Cứng Kết Cấu

Nghiên cứu còn mở rộng phương pháp để giám sát kết cấu liên tục và xác định sự thay đổi độ cứng do sai số thi công. Kết quả cho thấy phương pháp có thể chẩn đoán gần như tức thì, phù hợp cho việc theo dõi trong thời gian thực. Ngoài ra, phương pháp có tiềm năng lớn trong việc cập nhật mô hình phần tử hữu hạn để cải thiện độ chính xác so với kết cấu thực tế, đặc biệt quan trọng trong giai đoạn xây dựng khi độ cứng có thể thay đổi do nhiều yếu tố.

5.1. Khả năng chẩn đoán liên tục trạng thái hư hỏng

Phương pháp đề xuất có khả năng chẩn đoán liên tục trạng thái hư hỏng kết cấu, cho phép theo dõi tình trạng kết cấu theo thời gian thực. Điều này rất hữu ích trong việc phát hiện sớm các dấu hiệu hư hỏng tiềm ẩn và đưa ra các biện pháp phòng ngừa kịp thời.

5.2. Xác định thay đổi độ cứng do sai số thi công

Phương pháp có thể xác định sự thay đổi độ cứng của kết cấu do sai số trong quá trình thi công. Điều này giúp các kỹ sư xây dựng kiểm soát chất lượng công trình và đảm bảo kết cấu đáp ứng các yêu cầu thiết kế.

VI. Kết Luận Tiềm Năng và Hướng Phát Triển Xác Định Hư Hỏng

Nghiên cứu này đã chứng minh tính hiệu quả của việc kết hợp phương pháp năng lượng biến dạng và mạng nơ-ron tích chập (CNN) trong việc xác định hư hỏng kết cấu khung không gian. Phương pháp này có tiềm năng lớn trong việc giám sát kết cấu và chẩn đoán hư hỏng trong thời gian thực. Hướng phát triển tiếp theo có thể tập trung vào việc cải thiện độ chính xác của phương pháp, mở rộng phạm vi ứng dụng cho các loại kết cấu khác, và phát triển các công cụ phần mềm hỗ trợ việc triển khai phương pháp này trong thực tế.

6.1. Ưu điểm vượt trội của phương pháp trong giám sát kết cấu

Phương pháp đề xuất có nhiều ưu điểm vượt trội so với các phương pháp truyền thống, bao gồm độ chính xác cao, tốc độ tính toán nhanh, khả năng tự động hóa, và khả năng áp dụng trong thời gian thực. Điều này giúp cho phương pháp trở thành một công cụ hiệu quả trong việc giám sát kết cấu và chẩn đoán hư hỏng.

6.2. Hướng nghiên cứu và phát triển trong tương lai

Trong tương lai, có thể tập trung vào việc cải thiện độ chính xác của phương pháp, mở rộng phạm vi ứng dụng cho các loại kết cấu khác, và phát triển các công cụ phần mềm hỗ trợ việc triển khai phương pháp này trong thực tế. Ngoài ra, cũng có thể nghiên cứu việc kết hợp phương pháp này với các công nghệ khác, chẳng hạn như cảm biến không dây và trí tuệ nhân tạo, để tạo ra một hệ thống giám sát kết cấu toàn diện và thông minh.

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.