Tóm tắt Luận án Tiến sĩ Kỹ thuật: Chẩn đoán dầm cầu bằng phương pháp phân tích dao động trên mô hình số hoá kết cấu được cập nhật sử dụng thuật toán tối ưu hoá bầy đàn kết hợp mạng nơ ron nhân tạo

Mục tiêu chung của đề tài "Chẩn đoán dầm cầu bằng phương pháp phân tích dao động trên mô hình số hoá kết cấu được cập nhật sử dụng thuật toán tối ưu hoá bầy đàn kết hợp mạng nơ ron nhân tạo" là nghiên cứu bài toán chẩn đoán hư hỏng của kết cấu dựa trên các đặc trưng dao động; Đề xuất thuật toán kết hợp mạng nơ ron nhân tạo và tối ưu tiến hóa PSO cập nhật mô hình số hóa kết cấu theo các đặc trưng động học để cập nhật chính xác mô hình kết cấu áp dụng cho bài toán chẩn đoán kết cấu...
Nội dung trích xuất từ tài liệu:
Tóm tắt Luận án Tiến sĩ Kỹ thuật: Chẩn đoán dầm cầu bằng phương pháp phân tích dao động trên mô hình số hoá kết cấu được cập nhật sử dụng thuật toán tối ưu hoá bầy đàn kết hợp mạng nơ ron nhân tạo BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI HỒ KHẮC HẠNH CHẨN ĐOÁN DẦM CẦU BẰNG PHƢƠNG PHÁP PHÂN TÍCH DAO ĐỘNG TRÊN MÔ HÌNH SỐ HOÁ KẾT CẤU ĐƢỢC CẬP NHẬT SỬ DỤNG THUẬT TOÁN TỐI ƢU HOÁ BẦY ĐÀN KẾT HỢP MẠNG NƠ RON NHÂN TẠO Ngành : Kỹ thuật xây dựng công trình giao thông Chuyên ngành : Xây dựng Cầu Hầm Mã số : 9580205 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT Hà Nội – 2021 Công trình được hoàn thành tại: Đại học Giao thông vận tải Người hướng dẫn khoa học 1: PGS.TS. Bùi Tiến Thành Người hướng dẫn khoa học 2: PGS.TS. Ngô Văn Minh Phản biện 1: Phản biện 2: Phản biện 3: Luận án sẽ được bảo vệ trước Hội đồng chấm luận án cấp Trường theo Quyết định Số /QĐ-ĐHGTVT ngày tháng năm 2021 họp tại: Trường Đại học Giao thông vận tải Vào hồi ngày tháng năm 2021 Có thể tìm hiểu luận án tại thư viện: - Thư viện Trường Đại học Giao thông vận tải; - Thư viện Quốc Gia. 1 MỞ ĐẦU 1. Đặt vấn đề nghiên cứu Trong quá trình khai thác, có nhiều nguyên nhân gây ra hư hỏng cũng như làm ảnh hưởng đến chất lượng khai thác của công trình cầu như các tác động tự nhiên (bão lũ, động đất) hoặc các tác động do con người như xe quá tải, va xô,... Ngoài ra, các công trình cầu còn có các hình thái dao động riêng, gây ra rung động khuếch đại khi tần số dao động riêng của kết cấu trùng khớp với tần số của phương tiện di chuyển (cộng hưởng cơ học) sẽ làm cho kết cấu công trình bị hư hỏng. Ở mức độ thấp hơn, trạng thái ứng suất trong kết cấu thay đổi liên tục do sự dao động dưới tác dụng của tải trọng nặng, lặp dẫn đến phá hoại mỏi.Việc hư hỏng các công trình giao thông không chỉ làm ảnh hưởng đến kinh tế mà còn gây mất an toàn cho người và phương tiện tham gia giao thông. Vì vậy, những năm gần đây, các hệ thống đánh giá sức khỏe kết cấu công trình (SHM - Structural Health Monitoring) đã được triển khai rộng rãi và nhận được nhiều sự quan tâm của các nhà nghiên cứu trong lĩnh vực xây dựng công trình trên thế giới. Nhiệm vụ của hệ thống đánh giá sức khỏe công trình là quan trắc để phát hiện sớm những hư hỏng dựa trên các dữ liệu đo đạc và phân tích đánh giá mức độ nghiêm trọng của những hư hỏng này trước khi đưa ra các quyết định sửa chữa. Trong các giải pháp giám sát sức khỏe kết cấu, giải pháp sử dụng các phương pháp không phá huỷ đang trở thành hướng nghiên cứu nhận được sự quan tâm của rất nhiều nhà khoa học trên thế giới [1-5]. Ưu điểm của phương pháp này là có thể xác định được thông số có tính bất định (uncertainty) của kết cấu bao gồm điều kiện biên, các đặc tính về vật liệu, hay đặc trưng hình học có thể thay đổi theo thời gian dưới tác dụng của tải trọng khai thác và môi trường,...Hơn nữa phương pháp theo dõi sức khỏe kết cấu không phá hủy có thể phát hiện được các hư hỏng nằm trong kết cấu mà không làm thay đổi tính chất vật lý ban đầu của kết cấu [6-10]. Tuy nhiên, sự thay đổi của các tham số kết cấu nhiều khi không rõ ràng, đặc biệt là với các hư hỏng nằm trong kết cấu. Ngoài ra, dữ liệu thu được thường bị ảnh hưởng bởi nhiễu, làm giảm độ chính xác của kết quả. Do đó, mục tiêu của đề tài là phát triển một giải pháp hiệu quả, chi phí thấp để theo dõi tình trạng sức khỏe và giúp phát hiện sớm hư hỏng trong kết cấu. Hiện nay có hai phương pháp chính để theo dõi tình trạng sức khỏe kết cấu là phương pháp tĩnh và phương pháp động. Trong khi phương pháp tĩnh dựa trên phân tích các đáp ứng (ứng suất, biến dạng và chuyển vị) của kết cấu dưới tác dụng của các tải trọng đặt tĩnh, thì phương pháp động dựa trên việc xác định và phân tích các đặc trưng động học như tần số dao động tự nhiên (natural frequencies), dạng dao động (mode shapes) và/hoặc hệ số cản (damping ratio) để đánh giá. Trong hai phương pháp trên, do các đặc trung động học của kết cấu (đặc biệt là dạng dao động) phụ thuộc vào sự phân bố về độ cứng và khối lượng của nó, nên dựa vào các đặc trưng động học có thể giúp xác định được vị trí có khả năng xuất hiện hư hỏng trong kết cấu. Những năm gần đây, việc theo dõi sức khỏe kết cấu công trình đang nhận được sự quan tâm đặc biệt của các nhà khoa học. Trong đó việc ứng dụng học máy (Machine learning – ML) để hoàn thiện quy trình đánh giá sức khỏe công trình dự trên phân tích động đã cho thấy những hiệu quả tiềm năng [11-17]. Một trong những đặc tính nổi bật của học máy là khả năng học từ kinh nghiệm từ đó cải thiện hiệu suất của nó. Do đó, mạng được đào tạo có thể được sử dụng để phân loại và kiểm tra các bộ dữ liệu mới tương tự như đặc điểm của các bộ dữ liệu được đào tạo. Phương pháp học máy đã được ứng dụng để giải quyết nhiều vấn đề kỹ thuật phức tạp, bao gồm nhận dạng, phân loại, hệ thống kiểm soát và xử lý hình ảnh,...Tuy nhiên do áp dụng các thuật toán truyền ngược dựa trên độ dốc giảm dần, một nhược điểm lớn của phương pháp học máy, mạng có thể bị rơi vào các tối ưu cục bộ khi tạo ra các bề mặt phức tạp với quá nhiều điểm tối ưu cục bộ, từ đó làm giảm độ chính xác và hiệu quả của phương pháp học máy. Để khắc phục nhược điểm này, các phương pháp tối ưu tiến hóa được áp dụng. Tối ưu tiến hóa là phương pháp tối ưu toàn cục (global optimization) cho phép xác định kết quả tối ưu tổng thể và tránh được các vùng tối ưu cục bộ. Các thuật toán tối ưu tiến hóa phổ biến có thể kể đến là: thuật toán di truyền (Genetic Algorithm – GA) [18-19], thuật toán tối ưu hóa bầy đàn (Particle Swarm Optimization – PSO) [20], hay thuật toán tối ưu hóa tìm kiếm chim Cúc cu (Cuckoo Search - CS). Những phương pháp tối ưu tiến hóa này làm việc dựa trên nguyên lý ứng xử của các sinh vật tr ...