NCS | Nghiên cứu sinh |
Tiếng Anh | |
ABC | Artificial Bee Colony – Thuật toán bầy ong |
AC | Ant Colony – Thuật toán đàn kiến |
ANN | Artificial Neural Network (mạng nơ ron nhân tạo) |
AI | Artificial Intelligence (Trí tuệ nhân tạo) |
BP | Backpropagation - Thuật toán truyền ngược |
COMAC | Co-Ordinate Modal Assurance Criterion (Tiêu chí đảm bảo hình dạng dạo động phối hợp) |
CS | Cuckoo Search - Thuật toán tìm kiếm chim Cúc cu |
DOF | Degree-of-freedom (Bậc tự do) |
GA | Genetic Algorithm - Thuật toán di truyền |
GD | Gradient Descent - độ dốc đi xuống |
FFT | Fast Fourier Transform (Chuyển đổi Fourier) |
FHWA | Federal Highway Administration (Cục quản lý đường cao tốc liên bang) |
FRF | Fast Response Transform (Chuyển đổi phản ứng nhanh) |
HS | Thuật toán tìm kiếm hài hòa |
LM | Thuật toán Levenberg-Marquest. |
MAC | Modal Assurance Criterion (Tiêu chí đảm bảo hình dạng dạo động) |
ML | Machine learning - phương pháp học máy |
MSE | Mean Square Error - sai số bình phương trung bình |
PSO | Particle Swarm Optimization - Thuật toán tối ưu hóa bầy đàn |
SHM | Structural Health Monitoring – giám sát sức khỏe kết cấu |
WT | Wavelet Transform (Chuyển đổi sóng Wavelet) |
Có thể bạn quan tâm!
-
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 - 1 -
Tổng Quan Về Giám Sát Sức Khỏe Kết Cấu Công Trình Dựa Trên Phương Pháp Đo Nhận Dạng Dao Động -
Tình Hình Nghiên Cứu Ở Việt Nam Về Giám Sát Sức Khỏe Kết Cấu Công Trình Dựa Trên Phương Pháp Đo Nhận Dạng Dao Động -
Phương Pháp Dựa Vào Sự Thay Đổi Của Hình Dạng Dao Động
Xem toàn bộ 154 trang tài liệu này.
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 kết cấu 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 dòi 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 [6-1010]. Tuy nhiên, sự thay đổi của các tham số kết cấu nhiều khi không rò 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 dòi tình trạng sức khỏe và giúp phát hiện sớm hư hỏng trong kết cấu.
Hiện nay có hai phương pháp chính để theo dòi 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 trưng 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.
Quá trình đo đạc xác định các đặc trưng động học của kết cấu được gọi là quá trình đo nhận dạng dao động. Quá trình này là rất cần thiết để xây dựng một mô hình phân tích số đáng tin cậy dùng để đánh giá tình trạng sức khỏe của các công trình. Trong quá trình này, các phép đo được thực hiện dưới kích động cưỡng bức hoặc kích động tự nhiên.
Kích động cưỡng bức có thể được thực hiện bằng cách dùng các lực kích thích nhân tạo (ví dụ như các loại máy rung). Kích động cưỡng bức thích hợp cho các kết cấu nhỏ, đặc biệt là các kết cấu trong phòng thí nghiệm.
Kích động tự nhiên được tạo ra bởi gió, vi chấn, hay xung kích của phương tiện giao thông. Kích động tự nhiên rất phù hợp với công trình lớn, đặc biệt là công trình cầu vì yêu cầu chi phí thấp và quá trình kích động không cản trở sự lưu thông của phương tiện giao thông trên cầu.
Những năm gần đây, việc theo dòi sức khỏe kết cấu công trình đang nhận được sự quan tâm đặc biệt của các nhà khoa học. Trong đó việc ứng dụng phương pháp học máy (Machine learning – ML) để hoàn thiện quy trình đánh giá sức khỏe kết cấu công trình dựa trên phân tích động đã cho thấy những hiệu quả tiềm năng [11-17]. Một trong những đặc tính nổi bật của ML là khả năng học từ kinh nghiệm, tự cải thiện hiệu suất của mạng. 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. Một trong những phương pháp học máy là mạng nơ ron nhân tạo (ANN), đây là các chương trình máy tính lấy cảm hứng từ hệ nơ ron sinh học được thiết kế để mô phỏng theo cách mà bộ não con người xử lý thông tin. ANN thu thập kiến thức bằng cách phát hiện các mẫu và mối quan hệ trong dữ liệu thông qua học tập từ kinh nghiệm,
không phải từ lập trình. ML 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 ML, 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 ML. 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 – GO) 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 trong tự nhiên trong quá trình tiến hóa, có khả năng tìm kiếm tối ưu toàn cục dựa trên phương pháp tìm kiếm ngẫu nhiên. Vì vậy việc kết hợp các thuật toán tối ưu tiến hóa với ML sẽ đem lại những tiềm năng để khắc phục nhược điểm (tối ưu cục bộ) của phương pháp học máy, và cải thiện độ chính xác của kết quả thu được.
Ở Việt Nam, các thuật toán tối ưu tiến hóa và ML đã được áp dụng trong nhiều lĩnh vực như toán học, tin học, cơ điện tử và đem lại hiệu quả trong xác định tối ưu vùng phủ sóng, hay tối ưu quy hoạch mạng [2121-22],…Tuy nhiên việc áp dụng các phương pháp này trong lĩnh vực giám sát sức khỏe kết cấu vẫn còn rất mới ở Việt Nam. Việc đánh giá sức khỏe kết cấu công trình cầu chủ yếu được thực hiện thông qua công tác thử tải, dựa vào đáp ứng tĩnh của kết cấu dưới tác dụng của tải trọng thử và phải được thực hiện trong điều kiện cấm lưu thông các phương tiện giao thông trên cầu. Ngoài ra, phép thử tải không thể thực hiện một cách thường xuyên mà chỉ được thực hiện sau những khoảng thời gian nhất định; do đó chỉ cung cấp hình ảnh về trạng thái sức khỏe kết cấu công trình ở những thời điểm rất cụ thể, không đưa ra được các dự báo về tình trạng sức khỏe của kết cấu trong tương lai. Phương pháp đánh giá động, với các ưu điểm: không thay đổi tính chất vật lý ban đầu của kết cấu, dễ áp dụng, kết quả có độ tin cậy cao, không hoặc ít gây cản trở lưu thông trên cầu và có khả năng thực hiện thường xuyên, liên tục do vậy là một phương pháp phù hợp hơn, đặc biệt là cho những công trình cầu lớn và có kết cấu phức tạp.
Gần đây, việc theo dòi sức khỏe của kết cấu thông qua các đặc trưng dao động được đo đạc tại hiện trường bắt đầu được thực hiện. Một số cầu lớn như Mỹ Thuận, Bãi Cháy, hay Kiền đã được lắp đặt các thiết bị theo dòi thường xuyên sức khỏe kết cấu. Về nguyên tắc những thiết bị này cung cấp những dữ liệu cơ bản về đáp ứng động của kết cấu như gia tốc, vận tốc, chuyển vị động tại một số vị trí. Các số liệu này là căn cứ xác định các đặc trưng dao động (tần số dao động tự nhiên, dạng dao động, hệ số cản) của công trình. Các đặc trưng dao động thực đo này là “chuẩn” để điều chỉnh và từ đó xác định được các thông số bất định của kết cấu về điều kiện biên, độ cứng, khối lượng,...trên mô hình tính toán. Mô hình tính toán sau khi đã được cập nhật chuẩn sẽ là căn cứ để đánh giá khả năng chịu lực và chẩn đoán hư hỏng (nếu có) của công trình.
Nội dung có tính cốt lòi trong quy trình phân tích, đánh giá kết cấu dựa trên kết quả đo đạc xác định các đặc trưng dao động là thuật toán giúp cập nhật và hoàn thiện một cách tự động mô hình tính toán kết cấu từ kết quả đo đạc hiện trường. Như trên đã phân tích, việc ứng dụng các thuật toán học máy vào việc cập nhật các mô hình toán này hứa hẹn là một giải pháp tốt để hoàn thiện quy trình đánh giá động kết cấu công trình cầu, do đó nghiên cứu sinh quyết định lựa chọn 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” làm chủ đề nghiên cứu của mình.
2. Mục tiêu nghiên cứu
- 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 (Artificial Neural Network – ANN) và thuật toán tối ưu hóa bầy đàn (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.
- Xây dựng chương trình cập nhật mô hình kết cấu theo thuật toán đề xuất cho kết cấu dầm. Mở rộng áp dụng với các dạng kết cấu khác như kết cấu dàn và kết cấu tấm (bản).
- Thực hiện và tham khảo các thí nghiệm đo dao động của kết cấu trong phòng thí nghiệm và công trình cầu thực tế, sau đó áp dụng phương pháp đề xuất để cập nhật mô hình cũng như chẩn đoán hư hỏng trong kết cấu.
3. Phương pháp nghiên cứu
- Phương pháp tổng hợp phân tích lý thuyết;
- Phương pháp số;
- Phương pháp phân tích số kết hợp với thực nghiệm.
4. Đối tượng và phạm vi nghiên cứu
- Đặc trưng động học của kết cấu công trình cầu: các thông số đặc trưng về dao động như tần số dao động, các mode dao động, hệ số giảm chấn;
- Mô hình số hóa kết cấu cầu: Thực hiện mô phỏng kết cấu cầu bằng phần mềm Matlab theo phương pháp phần tử hữu hạn;
- Các phương pháp tối ưu tiến hóa và ANN: Phát triển, mở rộng và ứng dụng các thuật toán tối ưu vào nội dung nghiên cứu của đề tài. Qua đó, đề xuất thuật toán kết hợp mới;
- Chẩn đoán vị trí và hư hỏng của kết cấu: Phục vụ nội dung giám sát sức khỏe kết cấu công trình giao thông.
5. Ý nghĩa khoa học và thực tiễn
- Áp dụng các phương pháp tối ưu tiến hóa và phương pháp ANN trong việc cập nhật mô hình số hóa kết cấu và chẩn đoán hư hỏng kết cấu.
- Đề xuất thuật toán kết hợp thuật toán tối ưu tiến hóa với phương pháp ANN để khắc phục những nhược điểm của từng phương pháp riêng rẽ, từ đó tăng độ chính xác của kết quả, giảm thời gian tính toán, khi áp dụng để giám sát sức khỏe kết cấu.
- Tạo cơ sở dữ liệu công trình như một dạng hồ sơ lưu trữ giúp giám sát sức khoẻ công trình.
- Xây dựng chương trình cập nhật nhật mô hình số hóa kết cấu phục vụ chẩn đoán các kết cấu cầu thông thường như dầm, dàn và tấm (bản).
- Kết quả của luận án có thể sử dụng làm tài liệu tham khảo hữu ích cho lĩnh vực giám sát sức khoẻ công trình.
6. Nội dung của luận án
Ngoài phần mở đầu, kết luận và kiến nghị, luận án bao gồm những nội dung như
sau:
Chương 1 - Tổng quan về giám sát sức khỏe kết cấu công trình dựa trên
phương pháp đo nhận dạng dao động
Chương 1 giới thiệu tổng quan về giám sát sức khỏe kết cấu công trình dựa trên phương pháp nhận dạng dao động, tình hình nghiên cứu giám sát sức khỏe kết cấu công trình dựa trên phương pháp nhận dạng dao động trên thế giới cũng như ở Việt Nam.
Chương 2 - Nghiên cứu lý thuyết và phương pháp nhận dạng kết cấu bằng phương pháp đo dao động ngẫu nhiên
Chương 2 giới thiệu cơ sở lý thuyết về dao động kết cấu và các phương pháp dựa vào dao động của kết cấu để chẩn đoán các hư hỏng trong kết cấu bao gồm các phương pháp dựa trên sự thay đổi của tần số dao động riêng, phương pháp dựa vào sự thay đổi của hình dạng dao động, phương pháp dựa trên hàm phản ứng tần số và phương pháp dựa trên sự thay đổi của tần số dao động riêng kết hợp với PSO và ANN. Trong chương này, nguyên lý sử dụng, ưu nhược điểm của từng phương pháp cũng được phân tích chi tiết, trong đó nêu rò tầm quan trọng cũng như những ưu điểm vượt trội của phương pháp đề xuất trong vấn đề giám sát sức khỏe kết cấu công trình.
Chương 3 - Áp dụng các thuật toán tối ưu tiến hóa và phương pháp mạng nơ ron nhân tạo để chẩn đoán các hư hỏng cho mô hình số
Chương 3 giới thiệu một số cách tiếp cận để chẩn đoán các hư hỏng trong kết cấu bằng cách giải các mô hình số. Trong đó 3 thuật toán được áp dụng, thuật toán PSO, ANN và thuật toán được đề xuất bởi NCS, trong đó sử dụng thuật toán PSO làm việc song song với ANN, từ đó khắc phục vấn đề tối ưu cục bộ của phương pháp ANN, tăng độ chính xác của kết quả, giảm thời gian tính toán rất đáng kể so với thuật toán PSO, khi áp dụng để giám sát sức khỏe kết cấu công trình.
Chương 4 - Áp dụng các thuật toán tối ưu tiến hóa và phương pháp mạng nơ ron nhân tạo để chẩn đoán các hư hỏng trên mô hình thực nghiệm
Chương 4 áp dụng phương pháp đề xuất (phương pháp ANN làm việc song song với thuật toán PSO) để chẩn đoán hư hỏng cho một dầm giản đơn trong phòng thí
nghiệm và một cầu cũ nhịp giản đơn. Để so sánh với thuật toán được đề xuất, phương pháp ANN riêng rẽ cũng như thuật toán PSO cũng được áp dụng
Ngoài ra, luận án cũng cung cấp bộ code được NCS xây dựng dựa trên nền tảng của chương trình MATLAB (MathWorks®), để xác định đặc trưng động học (tần số dao động riêng, hình dạng dao động) của kết cấu, code của các thuật toán PSO và phương pháp ANN, và phương pháp ANN làm việc song song với thuật toán PSO được dùng để giám sát sức khỏe kết cấu công trình.