Các Chỉ Số Đánh Giá Hiệu Suất Của Các Thuật Toán

hưởng của nhiễu đối với dữ liệu đầu vào, nhiễu Gaussian được áp dụng được tính như phương trình 3.2

(3.2)

Có thể bạn quan tâm!

Trong đó là số dữ liệu đầu vào, là dữ liệu đầu vào (trong trường hợp này là các tần số dao động riêng); là tỷ lệ nhiễu sử dụng; random chỉ các số ngẫu nhiên (random có giá trị từ 0 đến 1).

3.1.1. Trường hợp hư hỏng tại một phần tử‌

Các kịch bản hư hỏng trong dầm được tạo ra bằng cách giảm độ cứng của các phần tử. Các tham số độ cứng nằm trong khoảng từ 0 đến 1. Trong khi 1 chỉ ra trường hợp dầm chưa hư hỏng và 0 đại diện cho trường hợp bị hỏng hoàn toàn. Chẳng hạn, nếu giá trị của tham số độ cứng (0,8) được gán cho một phần tử, điều đó có nghĩa là phần tử đó đã giảm 20% độ cứng. Đối với các trường hợp hư hỏng đơn lẻ, độ cứng của các phần tử bị hư hỏng giảm từ 1 (100%) xuống 0,5 (50%) với bước 0,01 (1%), trong khi các phần tử còn lại vẫn còn nguyên vẹn. Bởi vì cầu gồm 3 nhịp giản đơn và đặc trưng của mỗi dầm chủ trên mỗi nhịp là giống nhau, để giảm chi phí tính toán chỉ 1 dầm trên 1 nhịp được xem xét. Dựa trên các kịch bản được mô tả ở trên, số lượng mẫu được tính toán bằng cách sử dụng phương trình 3.3.

(3.3)

Trong đó là số phần tử = 12 phần tử); là số lượng tình huống hư hỏng = 50). Trong trường hợp này, 600 mẫu được sử dụng để huấn luyện mạng, trong khi đó dữ liệu đầu ra bao gồm các vị trí và mức độ hư hỏng.

(a)

(b)
Hình 3.4. Giá trị hồi quy (a) ANN và (b) ANN kết hợp với PSO

Hình 3.4 chỉ ra rằng đường hồi quy trùng với đường 45 độ và giá trị hồi quy ) cao hơn 0,99. Tất cả bộ dữ liệu (huấn luyện, đánh giá và kiểm tra) đều nằm dọc với đường hồi quy mục tiêu. Điều này chứng tỏ rằng sự tương ứng chặt chẽ giữa kết quả thực và mục tiêu đã đạt được.

(a)

(b)
Hình 3.5. Sai số phân bố (a) ANN và (b) ANN kết hợp với PSO

Hình 3.5 cho thấy biểu đồ của các sai số giữa giá trị mục tiêu và giá trị dự đoán sau khi huấn luyện mạng. Tổng phạm vi sai số được chia thành 20 cột. Trục cho biết tỷ lệ mẫu từ tập dữ liệu. Trục thể hiện sai số giữa kết quả tính toán và kết quả thực. Sai số bằng 0 tương ứng với không có lỗi. Có thể thấy rằng hầu hết các bộ dữ liệu đều phân bố bên cạnh cột sai số bằng không. Điều này chứng tỏ kết quả tính toán và đầu ra thực tế là hoàn toàn phù hợp.

(a)

(b)
Hình 3.6. Sai số thực (a) ANN và (b) ANN kết hợp với PSO

Bảng 3.3 cho thấy các chỉ số đánh giá hiệu suất của các thuật toán.

Bảng 3.3. Các chỉ số đánh giá hiệu suất của các thuật toán - Kịch bản hư hỏng đơn

Thuật toán

MSE-giá trị	R- Giá trị	Thời gian (giây)
PSO			4105
ANN	0.0248	0.997	43.79
ANNPSO	0.002	0.998	265.15

Bảng 3.3 và hình 3.6 cho thấy giá trị độ lệch bình phương trung bình MSE được tính bởi ANNPSO là thấp nhất, ở mức trong khi giá trị MSE được xác định bởi ANN là 0.0248. Ngoài ra, ANNPSO lớn hơn ANN về giá trị . Điều này có nghĩa là các đầu ra phân tích (vị trí và mức độ hư hỏng trong dầm xem xét) được xác định bởi ANNPSO gần với đầu ra thực hơn PSO và ANN. MSE được xác định bởi ANN là lớn hơn ANNPSO vì thuật toán này áp dụng thuật toán truyền ngược, có thể rơi vào tối ưu cục bộ. ANNPSO thể hiện khả năng tìm kiếm giải pháp tối ưu vì ANNPSO áp dụng

các kỹ thuật tìm kiếm toàn cục của PSO để tìm kiếm các tham số đào tạo tối ưu được sử dụng để đào tạo mạng. Về mặt thời gian để tìm kiếm giải pháp tối ưu, ANNPSO đòi hỏi nhiều thời gian hơn ANN, tuy nhiên ANNPSO lại dành ít thời gian cho việc đào tạo mạng hơn PSO. Cụ thể, ANNPSO dành 265.15 giây để đào tạo mạng, trong khi ANN và PSO dành lần lượt khoảng 43.79 giây và 4’105 giây để đào tạo mạng. PSO dành nhiều thời gian nhất để tìm kiếm giải pháp tối ưu vì thuật toán này phải điều chỉnh quá nhiều tham số trong quá trình tìm kiếm. Đây là một nhược điểm chính khi sử dụng PSO cũng như các thuật toán tối ưu tiến hóa khác để giải quyết các vấn đề về xác định hư hỏng trong các kết cấu phức tạp với nhiều bậc tự do.

(a)

(b)

Hình 3.7. Kết quả phát hiện hư hỏng của PSO, ANN và ANNPSO của phần tử số 3:

(a) 7% hư hỏng; (b) 70% hư hỏng

Từ hình 3.7, có thể thấy rằng ANN chỉ xác định chính xác mức độ hư hỏng thuộc về mạng được đào tạo. PSO, ANNPSO có thể xác định chính xác vị trí và mức độ hư hỏng của phần tử 3.

3.1.2. Trường hợp hư hỏng tại nhiều phần tử‌

Độ cứng của các phần tử giảm từ 0% đến 50% với khoảng 1%, được gán ngẫu nhiên cho hai phần tử cùng một lúc, trong khi các phần tử khác vẫn còn nguyên vẹn. Số lượng mẫu ) được tính bằng cách sử dụng phương trình 3.4.

(3.4)

Trong trường hợp này, có 3300 mẫu = 12 và = 50) được tạo từ mô hình cơ sở và được sử dụng để huấn luyện mạng.

(a) (b)

Hình 3.8. Giá trị hồi quy (a) ANN và (b) ANN kết hợp với PSO

(a) (b)

Hình 3.9. Sai số phân bố (a) ANN và (b) ANN kết hợp với PSO

(a) (b)

Hình 3.10. Sai số thực (a) ANN và (b) ANN kết hợp với PSO

Bảng 3.4 cho thấy các chỉ số đánh giá hiệu suất của các thuật toán được đề xuất.

Bảng 3.4. Các chỉ số đánh giá hiệu quả của các thuật toán - Kịch bản hư hỏng tại nhiều phần tử cho dầm xem xét.

Thuật toán

MSE-giá trị	R- Giá trị	Thời gian (giây)
PSO			5120
ANN	0.1224	0.995	88.54
ANNPSO	0.0142	0.998	379.45

Từ Bảng 3.4, hình 3.8 đến hình 3.10, rò ràng ANNPSO cung cấp sự khác biệt nhỏ hơn giữa các đầu ra được tính toán và mong muốn so với cả PSO và ANN. Đối với thời gian để tìm giải pháp tối ưu, trong khi ANN và ANNPSO chỉ dành 88.54 giây và 379.45 giây để tìm kiếm giải pháp tối ưu, tương ứng, PSO dành 5120 giây cho quá trình này.

Hình 3.11. Kết quả phát hiện hư hỏng của PSO, ANN và ANNPSO trong dầm: 20% hư hỏng của phần tử 1 – và 60% hư hỏng của phần tử 3.

Hình 3.11 cho thấy PSO, ANNPSO có thể xác định chính xác vị trí hư hỏng của các phần tử. Có một số lỗi xảy ra khi sử dụng PSO và ANN để phát hiện mức độ hư hỏng của các phần tử. Các kết quả dự đoán về mức độ hư hỏng khi áp dụng ANNPSO tương ứng với hư hỏng thực tế.

3.2. Tấm composite‌

Trong phần này một tấm composite 3 lớp [0° 90° 0°] (hình 3.12) được sử dụng để đánh giá hiệu quả của thuật toán được đề xuất. Tấm được ngàm ở 4 cạnh với chiều

(a)

(b)

Hình 3.12. (a) Tấm composite 3 lớp ; (b) Mô hình phần tử hữu hạn

dày và chiều dài của tấm là = 0,2 và = = 1m, tương ứng. Độ dày của mỗi lớp là . Các thông số vật liệu được sử dụng được liệt kê như bảng 3.5

Bảng 3.5. Thông số vật liệu của tấm Composite‌

Tỷ lệ mô đun đàn hồi ()

Hệ số possion )

Mô đun đàn hồi cắt )

Mô đun đàn hồi cắt ( )

Mô đun đàn hồi cắt )

Chiều dài tấm () - m

Chiều dày tấm () -m

Chiều rộng tấm )-

Chiều dày mỗi lớp -

0.25

0.2

Mô hình số của tấm composite được xây dựng sử dụng các đoạn code đươc NCS phát triển trên nền tảng chương trình MATLAB. Tấm được chia thành 10 phần tử cho mỗi chiều áp dụng lý thuyết biến dạng cắt bậc nhất [142]. Phần tử shell bốn nút được sử dụng. Mỗi phần tử shell có sáu bậc tự do (DOF) tại mỗi nút bao gồm các chuyển vị tịnh tiến và chuyển vị xoay. tương ứng với hướng , trong khi trục trùng với hướng và trục trùng với trục thẳng đứng. Đặc trưng dao động của tấm bao gồm tần số dao động riêng và hình dạng dao động được thể hiện như bảng 3.6 và hình 3.13

Bảng 3.6. Tần số dao động riêng của 15 mode đầu tiên

Modes

Tần số dao động

riêng (Hz)

Modes

Tần số dao động

riêng (Hz)

Modes

Tần số dao động

riêng (Hz)

Modes

Tần số dao động riêng (Hz)	Modes	Tần số dao động riêng (Hz)	Modes	Tần số dao động riêng (Hz)
1	4.45	6	11.58	11	14.89
2	6.88	7	12.08	12	15.76
3	7.70	8	12.59	13	15.80
4	9.28	9	14.60	14	16.41
5	10.47	10	14.77	15	17.53

Hình 3.13. Hình dạng dao động của 15 mode đầu tiên

Kiến trúc của mạng bao gồm một lớp đầu vào, một lớp đầu ra và một lớp ẩn như trong Hình 3.14. Dữ liệu đầu vào bao gồm tần số dao động riêng của 15 mode đầu