Nghiên cứu chẩn đoán sự suy giảm độ cứng cho kết cấu dạng dầm sử dụng đường biến dạng kết hợp mạng nơ ron thần kinh nhân tạo

Bài viết "Nghiên cứu chẩn đoán sự suy giảm độ cứng cho kết cấu dạng dầm sử dụng đường biến dạng kết hợp mạng nơ ron thần kinh nhân tạo" trình bày một phương pháp chẩn đoán chỉ sử dụng đường biến dạng làm dữ liệu đầu vào của mạng nơ-ron thần kinh nhân tạo để xác định sự giảm độ cứng của dầm đồng chất. Mục đích của phương pháp này là hỗ trợ các phương pháp theo dõi sức khỏe công trình hiệu quả hơn. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Nghiên cứu chẩn đoán sự suy giảm độ cứng cho kết cấu dạng dầm sử dụng đường biến dạng kết hợp mạng nơ ron thần kinh nhân tạo NGHIÊN CỨU CHẨN ĐOÁN SỰ SUY GIẢM ĐỘ CỨNG CHO KẾT CẤU DẠNG DẦM SỬ DỤNG ĐƯỜNG BIẾN DẠNG KẾT HỢP MẠNG NƠ RON THẦN KINH NHÂN TẠO Cao Ngọc Thạch*, Tống Hoàng Tiến, Phạm Hồng Bảo, Nguyễn Đình Thi, Hà Thanh Tú Khoa Xây dựng, Trường Đại học Công nghệ Thành phố Hồ Chí Minh GVHD: TS. Hà Minh Tuấn TÓM TẮT Nghiên cứu này trình bày một phương pháp chẩn đoán chỉ sử dụng đường biến dạng làm dữ liệu đầu vào của mạng nơ-ron thần kinh nhân tạo để xác định sự giảm độ cứng của dầm đồng chất. Mục đích của phương pháp này là hỗ trợ các phương pháp theo dõi sức khỏe công trình hiệu quả hơn. Phần mềm thương mại ETABS được sử dụng để tính toán dữ liệu đường biến dạng. Các kịch bản hư hỏng được giả định để thu thập dữ liệu đường biến dạng ứng với từng cấp độ giảm độ cứng để xây dựng mạng nơ- ron nhân tạo tại từng cấp tải. Sau đó, độ nhạy của phương pháp trong việc phát hiện hư hỏng trên dầm được đánh giá bằng cách so sánh mức độ suy giảm độ cứng cục bộ trên dầm của dữ liệu thực tế và dữ liệu chẩn đoán. Kết quả chứng minh rằng dữ liệu đường biến dạng có thể được sử dụng làm dữ liệu đầu vào để xây dựng mạng nơ-ron thần kinh nhân tạo để xác định mức độ của hư hỏng trong dầm đồng chất. Từ khóa: suy giảm độ cứng, đường biến dạng, mạng nơ ron thần kinh nhân tạo 1. MỞ ĐẦU Rytter (1993) đề xuất ba cấp bậc xác định hư hỏng: xuất hiện sự hư hỏng, vị trí hư hỏng trong kết cấu và lượng giảm độ cứng. Nói cách khác, mục tiêu của phương pháp phát hiện hư hỏng là xác định được hư hỏng đã xảy ra, vị trí và mức độ nghiêm trọng. Do đó phản ứng của kết cấu được chia thành hai nhóm chính là phản ứng tĩnh và phản ứng động. Việc phát triển phương pháp chẩn đoán hư hỏng có tính hiệu quả và tin cậy là một vấn đề đáng chú ý trong nghiên cứu hiện tại qua nhiều năm nay. Tuy nhiên, các đặc trưng động của kết cấu thường đòi hỏi cần phải có thiết bị và phương pháp phân tích phức tạp để xác định. Bên cạnh các đặc trưng động, một số nghiên cứu hiện nay hướng đến việc nghiên cứu khả năng áp dụng các đặc trưng tĩnh, có thể được xác định với các thiết bị đơn giản hơn, để chẩn đoán hư hại bên trong kết cấu. Sheena và cộng sự (1982) giới thiệu phương pháp phân tích dựa vào việc giảm độ lệch giữa thực tế và đối tượng phân tích ma trận độ cứng để đo được chuyển vị giảm xuống. Sanayei và Onipede (1991) đã đề xuất một phương pháp chính xác để tính các thông số của phần tử kết cấu từ các dữ liệu thí nghiệm tĩnh, ví dụ như việc áp dụng tải tĩnh và đo chuyển vị. Hai năm sau, Banan và cộng sự đã đề nghị một phương pháp dựa vào việc xác định các thông số hư hại của mỗi phần tử từ chuyển vị do tải trọng tĩnh xác định trước. Năm 2001, Wang và cộng sự đề xuất thuật toán hai bước để nhận biết kết cấu bị hư hỏng dựa vào sự chênh lệch giữa tần số tự nhiên và chuyển vị 706 tĩnh. Sau đó, Bakhtiari Nejad và cộng sự đã giới thiệu một phương pháp mô tả sự thay đổi của chuyển vị tĩnh với bậc tự do định trước bằng cách giảm thiểu sự chênh lệch giữa véc-tơ tải của kết cấu có phá hoại và không phá hoại vào năm 2005. Abdo đã thí nghiệm khảo sát các thông số bằng cách sử dụng đường cong chuyển vị để xác định vị trí hư hỏng vào năm 2012, kết quả cho thấy rằng sự thay đổi của đường cong chuyển vị có thể được sử dụng là một chỉ số hữu hiệu, thậm chí có khả năng chỉ ra vị trí của phần tử bị giảm một lượng nhỏ độ cứng. Das và cộng sự (2016) đã hệ thống lại kỹ thuật liên quan tới sự biến đổi dựa vào việc phương pháp chẩn đoán hư hỏng cho các kỹ sư kết cấu. Vào năm 2017, Hà và đồng tác giả đã nghiên cứu chỉ sử dụng trực tiếp dữ liệu chuyển vị nút để chẩn đoán hư hại bên trong kết cấu dầm ứng suất trước. Nhóm nghiên cứu đã đề xuất hai chỉ số nhận biết đó là chỉ số phát hiện sự xuất hiện của hư hại và chỉ số tìm ra vị trí của hư hại. Cùng năm, Schommer và cộng sự (2017) là thực hiện phân tích chuyển vị của dầm BTCT kể đến ảnh hưởng của nhiệt độ để chẩn đoán sức khỏe kết cấu. Năm 2019, Won và cộng sự thực hiện giám sát chuyển vị bằng máy biến áp vi sai biến đổi tuyến tính (Linear Variable Differential Transformer - LVDT) để đánh giá hư hỏng dầm. Gần đây, Zhang và cộng sự (2021) đã đề xuất phương pháp giám sát chuyển vị kết cấu dựa trên vùng nhận dạng kết hợp hệ thống mạng nơ-ron. Trong nghiên cứu này, một phương pháp phát hiện hư hỏng áp dụng mạng nơ-ron thần kinh nhân tạo (ANNs) sử dụng phần mềm SPSS vào những thay đổi trong dữ liệu đường biến dạng của dầm đồng chất được đề xuất. Đầu tiên, mạng ANNs sử dụng chuyển vị nút làm dữ liệu đầu vào được giới thiệu và sử dụng trong nhiều tình huống để xác định sự suy giảm độ cứng cục bộ của mô hình phần tử hữu hạn của dầm đồng chất đơn giản. Sự suy giảm độ cứng được tạo ra bằng cách giảm mô đun đàn hồi cục bộ của dầm được khảo sát. 2. MẠNG NƠ-RON NHÂN TẠO (ARTIFICIAL NEURAL NETWORK) Mạng nơ-ron nhân tạo hay thường gọi ngắn gọn là mạng nơ-ron (Artificial Neural Network - ANNs hay Neural Network) là một mô hình toán học hay mô hình tính toán được xây dựng dựa trên các mạng nơ-ron sinh học. Nó gồm có một nhóm các nơ-ron nhân tạo (nút) nối với nhau và xử lý thông tin bằng cách truyền theo các kết nối và tính giá trị mới tại các nút. ANNs 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 (tri thức) và sử dụng những tri thức đó trong việc dự đoán các dữ liệu chưa biết (unseen data). 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 trinh học. Hình 1: Các thành phần của một mạng nơ-ron nhân tạo (nguồn internet) Mạng nơ-ron nhân tạo được tạo thành khi chúng ta kết nối ...