Xác định hư hỏng cho tuabin gió sử dụng các đặc trưng dao động

I H C QU C GIA TP H CHÍ MINH TR NG I H C BÁCH KHOA NGUY N H UăPH XỄCă NG NHăH ăH NG CHO TUABIN GIÓ S CăTR NGăDAOă NG Chuyên ngành: K thu t Xây d ng Mã s : 8580201 LU N V N TH CăS TP H CHÍ MINH, tháng 07 n m 2022 D NG CÁC CƠNG TRÌNH TR NG C HỒN THÀNH T I I H C BÁCH KHOA I H C QU C GIA TP H CHÍ MINH Cán b h ng d n khoa h c 1: PGS TS H Cán b h ng d n khoa h c 2: TS Hu nh Thanh C nh Cán b ch m nh n xét 1: PGS.ăTS.ă c Duy Nguy năV năV ng Cán b ch m nh n xét 2: TS Tr n Minh Thi Lu n v n th c s đ c b o v t i Tr ng i h c Bách Khoa, HQG - Tp.HCM, ngày 27 tháng 07 n m 2022 Thành ph n H i đ ng đánh giá lu n v n th c s g m: PGS TS Nguy n V n Hi u - Ch t ch h i đ ng PGS TS Nguy n Minh Long - Th ký PGS TS Nguy n V n V ng - Ph n bi n TS Tr n Minh Thi - Ph n bi n PGS TS L - y viên CH T CH H Iă ng V n H i NG TR NG KHOA K THU T XÂY D NG PGS TS Nguy năV năHi u I H C QU C GIA TP.HCM TR NGă C NG HÒA XÃ H I CH NGH AăVI T NAM I H C BÁCH KHOA c L p - T Do - H nh Phúc NHI M V LU N V N TH CăS H tên h c viên: NGUY N H UăPH NG MSHV: 2070671 Ngày, tháng, n m sinh: 10/06/1998 N i sinh: TP.HCM Chuyên ngành: K thu t Xây d ng Mã s : 8580201 I TÊN TÀI: Xácăđ nhăh ăh ng cho tuabin gió s d ngăcácăđ cătr ngădaoăđ ng (Damage identification for wind turbines using vibration characteristics) II NHI M V VÀ N I DUNG Tìm hi u n m v ng ph ng pháp ch n đoán h h ng k t c u s d ng ph ng pháp s thay đ i t n s , s thay đ i d ng dao đ ng, n ng l ng bi n d ng v̀ thu t toán m ng n -ron nhân t o Xây d ng mơ hình tuabin ć ḿng gi ng ch̀m theo ph ng pháp PTHH Áp d ng ph ng pháp s thay đ i t n s , s thay đ i d ng dao đ ng, n ng l ng bi n d ng đ ch n đoán cho k t c u tuabin v i k ch b n h h ng khác ánh giá đ xác c a ph ng pháp ch n đốn thơng qua ma tr n nh m l n Xây d ng m ng n -ron nhân t o ch n đoán m c đ h h ng k t c u tuabin Phân t́ch v̀ đánh giá k t qu ch n đoán K t lu n v̀ ki n ngh III NGÀY GIAO NHI M V : 14/02/2022 IV NGÀY HOÀN THÀNH NHI M V : 13/06/2022 V H VÀ TÊN CÁN B Thanh C nh H NG D N: PGS TS H c Duy, TS Hu nh Tp HCM, ngày 13 tháng 06 n m 2022 NG PGS TS H IH NG D N CH NHI M B c Duy TS Hu nh Thanh C nh TR NG KHOA K THU T XÂY D NG MÔN L IăC Mă N Lu n v n th c s l̀ b̀i lu n cu i kh́a nh m gíp cho h c viên h c đ t nghiên c u v n đ , bi t cách gi i quy t v n đ đư đ th c sau n m h c o la trách c g ng n l c c a b n thân, đư nh n c nhi u s giup đ t t p th va cá nhân PGS.TS H nên ý t c đ t ra, t ng ôn l i ki n i m ni m t hào c a m i h c viên cao h c hoàn thành lu n v n nay, n oai đ c kh n ng c Duy, Th y đư t n tâm h u tiên, Tôi xin g i l i tri ân đ n Th y ng d n, đ a g i ý đ u tiên đ hình thành ng c a đ tài Th y đư góp ý cho tơi v cách nh n đ nh đun đ n nh ng v n đ nghiên c u, c ng nh cách ti p c n nghiên c u hi u qu S t n tâm ch b o c a Th y l̀ đ ng l c l n đ tơi có th hồn thành t t lu n v n ǹy Xin chân th̀nh c m n Th y TS Hu nh Thanh C nh v̀ anh Nguy n Công Uy đư gíp đ r t nhi u tr̀nh l̀m lu n v n c ng nh mô h̀nh k t c u, gi i đáp th c m c c a th i gian v a qua Tôi xin chân thành c m n quý Th y Cô Khoa K thu t Xây d ng, tr ng i h c Bách Khoa Tp.HCM đư truy n d y nh ng ki n th c quý giá cho tôi, đ́ c ng la nh ng ki n th c không th thi u đ ng nghiên c u khoa h c s nghi p c a sau Sau cùng, xin t lòng bi t n sâu s c đ n cha m , ng gia đ̀nh đa lu n ng h , đ ng viên tơi, giup tơi v trình h c t p làm lu n v n t i tr i thân t qua kho h n su t ng Lu n v n th c s hoàn thành th i gian quy đ nh v i s n l c c a b n thân, nhiên khơng th khơng có nh ng thi u sót Kính mong q Th y Cơ ch d n thêm đ b sung nh ng ki n th c hoàn thi n b n thân minh h n Xin trân tr ng c m n Thành ph H Chí Minh, ngày 13 tháng 06 n m 2022 H c viên th c hi n Nguy n H u Ph i ng TịMăT T Tên đ tài lu n v n: “Xácăđ nhăh ăh ng cho tuabin gió s d ngăcácăđ cătr ngă daoăđ ng” Nghiên c u ǹy tr̀nh b̀y ph ng pháp theo d̃i, đánh giá tr ng thái h h ng c a k t c u tuabin gí ngòi kh i ć ḿng gi ng ch̀m s d ng đ c tr ng dao đ ng K t c u tuabin đ c mô ph ng theo ph ng pháp ph n t h u h n b ng ph n m m SAP2000 Hai lo i h h ng khác k t c u tuabin đ gi m đ c ng v̀ h h ng m t cát tr ng thái tr c nghiên c u: h h ng móng Sau đ́, d li u dao đ ng c h h ng v̀ sau h h ng đ c thu th p đ áp d ng ph hai ng pháp ch n đoán theo tr̀nh t sau: Ch n đoán s xu t hi n c a h h ng d a v̀o s thay đ i t n s v̀ s thay đ i d ng dao đ ng Ch n đoán v tŕ h h ng d a v̀o ph ng pháp n ng l ng bi n d ng Ch n đoán m c đ h h ng d a v̀o thu t toán m ng n -ron nhân t o ch́nh xác c a ph nh m l n v i nhi u ng ng pháp ch n đoán v tŕ đ c đánh giá thông qua ma tr n ng h h ng khác T đ́, đ xu t đ c ng ng h h ng h p lý đ cho k t qu ch n đoán l̀ ch́nh xác nh t K t qu t nghiên c u cho th y ph ng pháp n ng l ng bi n d ng k t h p v i thu t toán m ng n -ron nhân t o cho k t qu ch n đoán k t c u tuabin gí ć đ xác cao c v v trí l n m c đ h h ng ii ABSTRACT The thesis title: “Damage identification for wind turbines using vibration characteristics” This study presents methods to monitor and identify damages of offshore wind turbine tower with caisson foundation using vibration characteristics The turbine structure is simulated by finite element method using SAP2000 software Two types of damage are introduced: the first type is decreasing in structure stiffness and the second one is loss of sand in the foundation Then, modal parameters of intact and damaged structures are collected for applying diagnostic methods in the following order: Identify the occurrence of damage based on frequency change method and mode shape change method Detect the damaged locations using modal strain energy method Estimate the severity of structural damages using artificial neural network The accuracy of method detecting damaged locations is evaluated through the Confusion Matrix along with a set of different damage thresholds From there, a reasonable damage threshold is proposed to give the most accurate diagnostic results The results show that modal strain energy method combined with the artificial neural network algorithm is capable of exactly identifying the location and the severity of damages in wind turbine structures iii L IăCAMă OAN Tôi xin cam đoan nghiên c u đ h ng d n c a Th y PGS TS H c trình bày chinh tơi th c hi n d is c Duy Th y TS Hu nh Thanh C nh Các k t qu lu n v n la đung s th t va ch a đ c công b nghiên c u khác Tôi xin ch u trách nhi m v công vi c th c hi n nghiên c u c a Thành ph H Chí Minh, ngày 13 tháng 06 n m 2022 Nguy n H u Ph iv ng M CăL C L I C Mă N i TÓM T T ii ABSTRACT iii L IăCAMă OAN iv M C L C v DANH M C CÁC B NG viii DANH M C CÁC HÌNH .x DANH M C CÁC CH CH VI T T T xiii NGă1.ăGI I THI U 1.1 t v n đ 1.1.1 T ng quan v công nghi p n gí 1.1.2 T m quan tr ng c a vi c theo dõi ch n đoán k t c u 1.1.3 H h ng k t c u tuabin gí 1.2 M c tiêu n i dung nghiên c u .6 1.2.1 M c tiêu nghiên c u 1.2.2 N i dung nghiên c u 1.3 it ng ph m vi nghiên c u 1.4 Tính c n thi t va ngh a th c ti n c a nghiên c u 1.5 C u trúc lu n v n CH NGă2.ăT NG QUAN 2.1 Tình hình nghiên c u n c .9 2.2 Tình hình nghiên c u t i Vi t Nam 12 2.3 T ng k t 14 CH NGă3.ăC ăS 3.1 Ph LÝ THUY T 15 ng pháp ch n đoán d a s thay đ i t n s 15 3.1.1 Gi i thi u ph ng pháp 15 3.1.2 Công th c đánh giá 15 3.1.3 Các b 3.2 Ph c tính tốn c a ph ng pháp 16 ng pháp ch n đoán d a s thay đ i d ng dao đ ng 16 3.2.1 Gi i thi u ph ng pháp 16 3.2.2 Công th c đánh giá 16 3.2.3 Các b 3.3 Ph c tính toán c a ph ng pháp n ng l ng pháp 17 ng bi n d ng 17 v 3.3.1 Gi i thi u ph ng pháp 17 3.3.2 Công th c đánh giá 18 3.3.3 Ng ng h h ng 20 3.3.4 nh h ng c a u ki n biên 21 3.3.5 Các b c tính toán c a ph 3.4 Ph ng pháp 22 ng pháp đánh giá đ xác c a k t qu ch n đốn 24 3.4.1 Mô hinh đ nh giá 24 3.4.2 Các ch s đánh giá 25 3.4.3 xu t ch s s d ng đ đánh giá ph ng pháp 26 3.5 Thu t toán Machine learning m ng n -ron nhân t o 27 3.5.1 nh ngh a c a thu t toán Machine learning 27 3.5.2 Phân nhóm thu t tốn machine learning 28 3.5.3 M ng n -ron nhân t o .29 3.6 Ph n m m IBM SPSS .32 3.6.1 Gi i thi u 32 3.6.2 Các b CH c xây d ng m ng n -ron nhân t o .33 NGă4.ăCỄCăBĨIăTOỄNăKH O SÁT 35 4.1 Mô ph ng k t c u va phân ti dao đ ng .35 4.1.1 Thơng s tốn 35 4.1.2 Mô ph ng s 38 4.1.3 Phân tich d o đ ng t 41 4.1.4 Ki m ch ng mơ hình .42 4.2 Bai to n 1: H h ng đ c ng ph n thân tuabin gió 46 4.2.1 Gi i thi u 46 4.2.2 Các tr ng h p h h ng kh o sát 46 4.2.3 Ch n đoán s xu t hi n c a h h ng 48 4.2.4 Ch n đoán v tŕ h h ng b ng ph ng pháp n ng l ng bi n d ng 51 4.2.5 ng d ng thu t toán m ng n -ron nhân t o đ ch n đoán m c đ h h ng đ c ng k t c u thân tuabin .80 4.2.6 K t lu n chung cho toán 89 4.3 Bai to n 2: H h ng đ c ng ph n móng gi ng ch̀m c a tuabin gió 91 4.3.1 Gi i thi u 91 4.3.2 Các tr ng h p h h ng kh o sát 91 4.3.3 Ch n đoán s xu t hi n c a h h ng 92 4.3.4 Ch n đoán v tŕ h h ng b ng ph vi ng pháp n ng l ng bi n d ng 97 4.3.5 ng d ng thu t toán m ng n -ron nhân t o đ ch n đoán m c đ h h ng đ c ng k t c u ḿng c a tuabin 111 4.3.6 K t lu n chung cho toán .118 4.4 Bai to n 3: H h ng m t cát ph n móng gi ng ch̀m .119 4.4.1 Gi i thi u .119 4.4.2 Các tr ng h p h h ng kh o sát 119 4.4.3 Ch n đoán s xu t hi n c a h h ng 121 4.4.4 Ch n đốn chi u sâu m t cát móng b ng ph ng pháp n ng l ng bi n d ng 124 4.4.5 ng d ng thu t toán m ng n -ron nhân t o đ ch n đoán chi u sâu m t cát ḿng tuabin 149 4.4.6 K t lu n chung cho toán .153 CH NGă5.ăK T LU N VÀ KI N NGH 155 5.1 K t lu n 155 5.2 Nh ng m c n c i thi n .157 5.3 Ki n ngh 157 DANH M C CÁC CƠNG TRÌNH KHOA H C 158 TÀI LI U THAM KH O .159 LÝ L CH TRÍCH NGANG 163 vii 4.4.5 ng d ng thu t toán m ngăn -ron nhân t o đ ch năđoánăchi u sâu m t cát ḿng tuabin Bai toán đ t ra: S d ng thu t toán m ng n -ron nhân t o đ ch n đoán chi u sâu m t cát ḿng tuabin gió bi t giá tr d ng dao đ ng (Mode shape) 4.4.5.1 D li u hu n luy n D li u hu n luy n mô h̀nh l̀ d ng dao đ ng (Mode shape) đư chu n h́a c a ph n ḿng tuabin gí theo ph đư kh o sát ph ng pháp n ng l ng X, Y v̀ Z t ng ng v i tr ng h p h h ng ng bi n d ng (m c 4.4.2) B ng 4.61 B d li u hu n luy n B d li u Ph n tr m chi u sâu m t cát H/L (%) 20 Hu n luy n 46 66 87 4.4.5.2 D li u ch năđoán D li u ch n đoán la d ng dao đ ng ph n ḿng theo ph ng X,Y v̀ Z ng v i ph n tr m chi u sâu m t cát nh B ng 4.62: B ng 4.62 B d li u ch n đoán D li u Ch n đoán Ph n tr m chi u sâu m t cát H/L (%) 31 70 4.4.5.3 Hu n luy n mơ hình 4.4.5.3.1 Xây d ng m ng n ron nhân t o bai toán nay, xu t s d ng m ng n -ron nhân t o có c u t o nh B ng 4.63: 149 B ng 4.63 C u hình m ng n -ron nhân t o S n ron Input Layer Hidden Layer Hidden Layer Output Layer 20 27 27 Sigmoid Sigmoid Identity Hàm kích ho t 4.4.5.3.2 Hu n luy n m ng n -ron nhân t o Các thông s c a mơ h̀nh đ c ch n nh Hình 4.78 v̀ Hình 4.79, đ́: • Thu t tốn t i u: Gradient Descent with Momentum • Lo i hu n luy n: Batch • Hàm loss function: Mean squared error (mse) • S l ng Epoch: 50000 Hình 4.78 Ki n tŕc m ng n ron nhân t o 150 Hình 4.79 Thu t tốn t i u m ng n ron nhân t o 4.4.5.4 K t qu ch năđoánăchi u sâu m t cát Trong toán này, h c viên trinh bay n hình c th k t qu ch n đoán ph n tr m chi u sâu m t cát c a mode theo ph Các mode l i s đ c t́m t t d ng X, Y v̀ Z (B ng 4.64 đ n B ng 4.66) i d ng k t qu v̀ sai s B ng 4.64 Ch n đoán chi u sâu m t cát - mode – Ph ng X M cđ th c t (%) Ch n đoán l n1 (%) Ch n đoán l n2 (%) Ch n đoán l n3 (%) Ch n đoán l n4 (%) Ch n đoán l n5 (%) Trung bình (%) Sai s (%) Hu n luy n 0.000 0.000 0.000 0.000 0.004 0.001 - Hu n luy n 20 20.000 20.000 20.000 20.000 19.991 19.998 0.009 Hu n luy n 46 46.000 46.000 46.000 46.000 46.010 46.002 0.004 Hu n luy n 66 66.000 66.000 66.000 66.000 65.995 65.999 0.002 Hu n luy n 87 87.000 87.000 87.000 87.000 87.000 87.000 0.000 Ch năđoán 31 33.064 32.972 33.058 33.059 33.059 33.042 6.588 Ch năđoán 70 71.998 71.661 71.810 71.780 72.009 71.852 2.645 151 B ng 4.65 Ch n đoán chi u sâu m t cát - mode – Ph ng Y M cđ th c t (%) Ch n đoán l n1 (%) Ch n đoán l n2 (%) Ch n đoán l n3 (%) Ch n đoán l n4 (%) Ch n đốn l n5 (%) Trung bình (%) Sai s (%) Hu n luy n 0.003 0.000 0.000 0.000 0.002 0.001 - Hu n luy n 20 19.990 19.999 20.000 20.000 19.994 19.997 0.017 Hu n luy n 46 46.014 46.001 46.000 46.000 46.008 46.005 0.010 Hu n luy n 66 65.992 65.999 66.000 66.000 65.995 65.997 0.004 Hu n luy n 87 87.001 87.000 87.000 87.000 87.001 87.000 0.000 Ch năđoán 31 32.893 32.872 33.021 32.736 32.696 32.844 5.947 Ch năđoán 70 72.250 72.151 72.218 72.629 72.193 72.288 3.269 B ng 4.66 Ch n đoán chi u sâu m t cát - mode – Ph ng Z M cđ th c t (%) Ch n đoán l n1 (%) Ch n đoán l n2 (%) Ch n đoán l n3 (%) Ch n đoán l n4 (%) Ch n đốn l n5 (%) Trung bình (%) Sai s (%) Hu n luy n 0.000 0.000 0.000 0.000 0.000 0.000 - Hu n luy n 20 20.000 20.000 20.000 20.000 20.000 20.000 0.000 Hu n luy n 46 46.000 46.000 46.000 46.000 46.000 46.000 0.000 Hu n luy n 66 66.000 66.000 66.000 66.000 66.000 66.000 0.000 Hu n luy n 87 87.000 87.000 87.000 87.000 87.000 87.000 0.000 Ch năđoán 31 27.352 27.732 33.065 29.323 28.943 29.283 5.539 Ch năđoán 70 77.418 76.810 78.133 76.681 74.835 76.775 9.679 4.4.5.5 T ng h p k t qu ch năđoánăchi u sâu m t cát ḿng B ng 4.67 Ch n đoán chi u sâu m t cát H/L = 31% Chi u sâu m t cát th c t (%) 31 Trung b̀nh Mode Ph n tr m chi u sâu m t cát H/L ch n đoán Ph ng X Sai s Ph ng Y Sai s Ph ng Z Sai s 27.958 9.812 35.169 13.447 33.299 7.415 33.042 6.588 32.844 5.947 29.283 5.539 29.126 6.046 34.945 12.726 - - 30.042 3.090 34.319 10.707 31.291 0.938 152 B ng 4.68 Ch n đoán chi u sâu m t cát H/L = 70% Chi u sâu m t cát th c t (%) Mode 70 Ph n tr m chi u sâu m t cát H/L ch n đoán Ph ng X Sai s Ph ng Y Sai s Ph ng Z Sai s 72.438 3.483 61.056 12.778 73.863 5.519 71.852 2.645 72.288 3.269 76.775 9.679 74.055 5.793 68.413 2.267 - - 72.782 3.974 67.252 3.925 75.319 7.599 Trung b̀nh Nh n xét B ng 4.67 đ n B ng 4.68 cho th y vi c áp d ng thu t toán m ng n -ron nhân t o đ ch n đoán chi u sâu m t cát ḿng tuabin gí c ng cho k t qu t t K t qu ch n đoán cho tr theo ph ng h p h h ng kh o sát đ u ć sai s d ng X v̀ Z, nhiên, v n ć m t s mode theo ph i 10% t t c mode ng Y ć sai s 10% l̀: • H/L = 31% - mode 1: ć sai s l̀ 13.4% • H/L = 31% - mode 3: ć sai s l̀ 12.7% • H/L = 70% - mode 1: ć sai s l̀ 12.8% N m l n ch n đốn liên ti p l ch khơng nhi u, cho th y s tr ng h p h h ng cho k t qu m c đ chênh n đ nh c a thu t toán hu n luy n v̀ d li u d ng dao đ ng đ u v̀o K t qu c a mode hai tr ng h p h h ng ch n đoán theo c ph ng X, Y v̀ Z ć sai s l̀ nh nh t so v i mode l i V̀ theo nh k t qu kh o sát s thay đ i t n s m c 4.4.3.1, mode nh y nh t v i h h ng m t cát K t qu ch n đoán trung b̀nh c a mode cho đ sai s l̀ x p x 10% tr xu ng, ć th ch p nh n đ cho th y s hi u qu c a ph c, ng pháp ch n đoán ng d ng m ng n -ron nhân t o 4.4.6 K t lu n chung cho toán Ch n đoán s xu t hi n c a h h ng b ng ph ng pháp s thay đ i t n s s thay đ i d ng dao đ ng cho k t qu t t đ i v i k t c u tuabin gio Các tr sát đ u nh n di n đ ng h p kh o c s xu t hi n h h ng Mode nh y nh t v i h h ng m t cát 153 mà có t n s t ng it n t, mode nh y nh t mà có t n s t ng nhi u nh t M c đ h h ng l n, hay nói cách khác, kh i l ng cát m t nhi u thi đ t ng t n s nhi u Ch n đoán chi u sâu m t cát b ng ph tr • ng h p va tr ng pháp n ng l ng h p 2, cát ch m t ngo i tr mode theo ph ph ng bi n d ng: đo n Tube (đo n th ng), ng X va Y, mode l i c a c ng ć kh n ng ch n đoán t t chi u sâu m t cát C th ng ng Zo = 5%, mode co đ xác cao 80% Mode t ng h p co đ xác n đ nh nh t mode tr • ng h p va tr ng h p 4, cát m t xu ng đo n Cone (đo n xiên hinh non) Thi mode theo ph ng X v̀ Y ch có th ch n đốn đ h h ng đ n ph n Tube (t c kho ng 50% chi u cao ḿng) C th h p 3, ch s Accuracy ng ng Zo = 5% c a mode theo ph ch đ t đ xác 65% – 70%, tr 45%, nh ng mode theo ph tr c ng ng X v̀ Y ng h p ch đ t đ xác 40% – ng Z tr ng h p nay, đ xác Accuracy v n đ t 85% Có th k t lu n r ng m t cát đ n ph n đo n Cone, mode u n ĺc đ́ng ǵp va dao đ ng it h n, mode d c tr c luc đon gop vao dao đ ng nhi u h n nên kh n ng ch n đoán c a ph ng pháp • Khi t ng ng mode ǹy đ c t t h n ng Zo t 5% đ n 30%, tr c a mode co xu h ng h p ch s đ xác ng t ng lên Nh ng tr ng h p cịn l i, thi đ xác gi m Do đo, đ đ xác ch n đoán c a ph l ng ng bi n d ng đ c cao nh t t t c tr ng pháp n ng ng h p, h c viên đ xu t ng Zo = 5% đ kh o sát h h ng cho toán Ch n đoán chi u sâu m t cát b ng ANN: • Nh n th y ngòi ph ng pháp n ng l ng bi n d ng, c ng ć th ch n đoán chi u sâu m t cát b ng thu t toán m ng n -ron nhân t o n u ch́ng ta ć tr c d li u c a tr ng thái h h ng đ hu n luy n mơ h̀nh • C̀ng nhi u d li u hu n luy n th̀ thu t toán s ch n đoán c̀ng ch́nh xác 154 CH NGă5 K T LU N VÀ KI N NGH 5.1 K t lu n Trong lu n v n na , n i dung nghiên c u đa đ c th c hi n nh sau: Mơ hình k t c u tuabin gí ngòi kh i ć ḿng gi ng ch̀m b ng ph n m m SAP2000 theo s li u t k t qu nghiên c u đư công b c a tác gi Nguyen (2018) [36] Phân ti h dao đ ng cho k t c u, k t qu t n s v̀ d ng dao đ ng đ b̀i nghiên c u K t qu chênh l ch v t n s l n nh t l̀ ph ng X v̀ Y l n l đ ng l̀ g n nh t c ki m ch ng v i mode u n đ u tiên theo t l̀ 5.915% v̀ 5.773%, mode l i đ u d ng đ ng, ch khác i 2% D ng dao d ng dao đ ng th theo ph ng xo n, cho th y mô hình c a k t c u tuabin co đ tin c y cao Hai lo i h h ng cho ba b̀i toán khác l n l tđ c kh o sát đ đánh giá s hi u qu c a ph ng pháp l̀: • B̀i tốn 1: h h ng đ c ng ph n thân tuabin gí Trong b̀i toán ǹy, l n l t áp d ng ph ng pháp s thay đ i t n s , s thay đ i d ng dao đ ng đ ch n đoán s hi n di n c a h h ng ́p d ng ph ng pháp n ng l ng bi n d ng đ ch n đoán v tŕ x y h h ng Kh o sát đ ch́nh xác c a ph ng pháp thông qua ch s ma tr n nh m l n ć s l d li u khác (21 m v̀ 11 m), ngòi ng đ c kh o sát đ t̀m ng ng m ng h h ng c ng ng cho đ ch́nh xác t t nh t Ch n đoán m c đ h h ng t i v tŕ đ́ b ng thu t toán m ng n -ron nhân t o v i d li u đ u vào d ng dao đ ng t i m kh o sát ng v i tr ng h p h h ng gi đ nh • B̀i tốn 2: h h ng đ c ng ph n neo v̀ ph n s gi ng ch̀m Trong b̀i toán ǹy, ph n gia c ng c a ḿng ng pháp ch n đoán c ng t ng t nh b̀i tốn • B̀i tốn 3: h h ng m t cát ḿng gi ng ch̀m Ch n đoán s hi n di n h h ng t c ph ng t nh b̀i toán ng pháp n ng l b̀i toán ǹy, l n l t áp d ng ng bi n d ng v̀ m ng n -ron nhân t o đ ch n đoán chi u sâu m t cát K t lu n chung t k t qu phân tích c a ba tốn: 155 • Ph ng pháp đ n gi n hi u qu đ nh n di n đ c h h ng đa x y k t c u tuabin hay ch a nh vào s thay đ i t n s c a d ng dao đ ng Khi có m t h h ng xu t hi n tuabin, t n s dao đ ng t nhiên c a tuabin s thay đ i i v i h h ng đ c ng gi m th̀ t n s s gi m, đ i v i h h ng m t kh i l ng th̀ t n s s t ng D a vào s thay đ i t ng lên ho c gi m c a t n s mà có th nh n xét k t c u tuabin co h h ng hay không lo i h h ng đo la k t c u b gi m đ c ng hay m t kh i l • Ph ng ng pháp s thay đ i d ng dao đ ng có th nhanh chóng phát hi n s hi n di n c a h h ng x y k t c u tuabin nh xem xét s t d ng dao đ ng c a hai tr ng thái tr ch s MAC Tuy nhiên, ph c h h ng va sau h h ng thông qua ng pháp v n m t s nh ch a co kh n ng nh n bi t đ • Ph c m nh c v tŕ h h ng, không th nh n bi t đ lo i h h ng gi m đ c ng hay m t kh i l hi n đ ng đ ng c ng k t c u, khó phát c h h ng n u ch s MAC có s thay đ i r t nh ng pháp n ng l ng bi n d ng đư đ c áp d ng ch n đoán t t vùng h h ng c a k t c u tuabin gí v i m c đ h h ng khác nhau, t ng ng t i v tŕ khác Không ph i d ng dao đ ng nao c ng ch n đoán chinh xác đ c v tri h h ng Tr dao đ ng cho k t qu t ng h p s d ng t ng h p nhi u d ng ng đ i t t nên đ c đ xu t s d ng cho toán ch n đoán Vi đ i v i toán ch n đoán, v tri h h ng không bi t tr nên s không bi t d ng dao đ ng phù h p c a ph ng đánh giá đ hi u qu ng pháp ch n đoán d a s thay đ i n ng l ng h h ng đa đ đo, mô hinh c ng bi n d ng, c đ xu t cho t ng b̀i toán khác Bên c nh nh giá theo Confusion Matrix (ma tr n nh m l n) ch s đánh giá phân tích t Confusion matrix đ giá đ xác c a ph c đ xu t áp d ng đ đánh ng pháp ch n đoán, kh n ng ch n đoán đun vùng h kh n ng ch n đoán đun cho vùng khơng h • Thơng s đ u vào c a ph đ ng c a k t c u ng pháp ch n đoán ch t n s d ng dao tr ng thái tr 156 c h h ng va sau h h ng Hai lo i d li u có th phân tich đ c t s li u đo dao đ ng th c t m kh n ng áp d ng ph i u ng pháp va th c ti n công tác ki m tra, ch n đoán h h ng k t c u tuabin gí, có th m r ng c u ki n ph c t p khác • Ch n đốn m c đ h h ng k t c u tuabin b ng thu t toán m ng n ron nhân t o (ANN) nh m t n d ng d li u kh đ hu n luy n mô h̀nh K t qu cho th y ph ng pháp ch n đốn theo ANN ć đ xác cao 5.2 Nh ngăđi m c n c i thi n M c dù ph ng pháp ch n đoán n ng l ng bi n d ng thu t toán m ng n -ron nhân t o (ANN) đem l i hi u qu cao vi c ch n đoán h h ng k t c u tuabin gí, nhiên nghiên c u v n cịn m t s h n ch sau: • Các h h ng b̀i toán v n ch l̀ h h ng riêng l h h ng ǹy n u x y đ ng th i th̀ ch a đ t ng c u ki n, c kh o sát • Xây d ng thu t toán ANN ch b ng ph n m m nên cịn nhi u gi i h n, khơng xây d ng đ • Ph c ki n tŕc m ng ph c t p h n ng pháp n ng l ng bi n d ng ch a th ch n đoán cho ph n k t c u ć ti t di n thay đ i (đo n Cone h̀nh ńn b̀i toán 3) s d ng đ c tr ng dao đ ng c a mode u n 5.3 Ki n ngh T nh ng k t qu đ t đ đ c đ a co t c nh ng h n ch ph tr thành ch đ nghiên c u t ng pháp, m t s ki n ngh ng lai: • Nghiên c u lu n v n na m i ch kh o sát k t c u tuabin ć ḿng gi ng ch̀m Các k t c u tuabin gí ć ḿng lo i khác c n đ c kh o sát • Ch n đoán k t h p nhi u lo i h h ng khác x y đ ng th i k t c u • C i ti n thu t toán n ng l ng bi n d ng đ ch n đoán cho k t c u ć ti t di n thay đ i 157 DANHăM CăCỄCăCỌNGăTRỊNHăKHOAăH C T p chí trongăn c M H Tran, M N Pham, H P Nguyen, T D N Truong, C T Nguyen, M T Ha D D Ho “Xác đ nh v tri h h ng d m bê tông c t thep co gia c t m FRP s d ng ph ng pháp n ng l ng ng bi n d ng,” T p chí Phát tri n Khoa h c Cơng ngh – K thu t Công ngh , vol 5, pp 1508-1519, 2022 T p chí qu c t T C Le, T H T Luu, H P Nguyen, T H Nguyen, D D Ho and T C Huynh “Impedance-based Structural Health Monitoring of Wind Turbine Structures: Current Status and Future Perspectives,” Energies, vol 15, pp 54-59, 2022 H i ngh qu c t C T Nguyen, M H Tran, M N Pham, H P Nguyen, T D N Truong and D D Ho “Monitoring the change in vibration characteristics for reinforced concrete frames under various loadings,” presented at The 2nd International Conference on Structural Health Monitoring and Engineering Structures, Hanoi, 2021 158 TĨIăLI UăTHAMăKH O [1] Wikipedia “ i n gió t i Vi t Nam.” Internet: https://vi.wikipedia.org/wiki/ i n_gí_t i_Vi t_Nam, Apr 14, 2022 [2] L Hùng “B c Liêu d n đ u mi n Tây phát tri n n gió.” Internet: https://baotainguyenmoitruong.vn/bac-lieu-dan-dau-mien-tay-phat-trien-diengio-309601.html, Aug 26, 2020 [3] PECC2 “D án nha máy n gió tân thu n 75 mw hồn thành xu t s c m c tiêu v n hanh th ng m i (COD).” Internet: http://pecc2.com/vn/du-an-nha-may-dien- gio-tan-thuan-75-mw-hoan-thanh-xuat-sac-muc-tieu-van-hanh-thuong-mai-cod.html, Oct 30, 2021 [4] M Mehdizadeh "Curvature Mode Shape Analyses Of Damage In Structures," M.S thesis, RMIT University, Australia, 2009 [5] P Cawley and R D Adams "The Location Of Defects In Structures From Measurements Of Natural Frequencies," The Journal of Strain Analysis for Engineering Design, vol 14, no 2, pp 49-57, 1979 [6] W M West "Illustration of the Use of Modal Assurance Criterion to Detect Structural Changes in an Orbiter Test Specimen," presented at Air Force Conference on Aircraft Structural Integrity, Australia, 1984 [7] L Ringer “Modal Assurance Criteria Value for Two Orthogonal Modal Vectors,” Procedia Engineering, vol 48, pp 543–548, 1985 [8] D Fotsch and D J Ewins "Application of MAC in the Frequency Domain," Technology and Medicine, vol 14, pp 1-9, 2000 [9] R J Allemang "The Modal Assurance Criterion - Twenty Years of Use and Abuse," Sound and vibration, vol 50, pp 546–554, 2003 [10] Y Liang, K Choy and J Hu "Detection of Cracks in Beam Structures Using Measurements of Natural Frequencies," Journal of the Franklin Institute, vol 15, pp 16-32, 1991 159 [11] W M Ostachowics and M Krawczuk "Analysis of the Effect of Cracks on the Natural Frequencies of a Cantilever Beam," Journal of Sound and Vibration, vol 150, pp 191-201, 1991 [12] N Stubbs and J.T Kim "Model-uncertainty impact and damage-detection accurary in plate girder," Structural Engineering, vol 121, no 10, pp 1409-1417, 1995 [13] S H Petro, S E Chen, H V Gangarao and S Venkatappa “Damage detection using vibration measurement,” The International Society for Optical Engineering, vol 1, pp 113-119, 1997 [14] S W Doebling "A Summary Review Of Vibration-Based Damage Identification Method," The Shock and Vibration Digest, vol 30 , no , pp 91-105, 1998 [15] C P Ratcliffe "Damage Detection Using A Modified Laplacian Operator On Mode Shape Data," Journal of Sound and Vibration, vol 204 , no , pp 505-517, 1997 [16] C Efstathiades, C C Baniotopoulos, P Nazarko, L Ziemianski and G E Stavroulakis “Application of neural networks for the structural health monitoring in curtain-wall systems,” Engineering Structures, vol 29, pp 3475–3484, 2007 [17] D Fixit and S Hanagud "Single Beam Analysis of Damage Beams Verified Using a Strain Energy Based Damage Measure," International Journal of Solids and Structures, vol 48, pp 592-602, 2011 [18] S Seyedpoor "A Two Stage Method for Structural Damage Detection Using a Modal Strain Energy Based Index and Particle Swarm Optimization," International Journal of Non - Linear Mechanics, vol 47, pp 1-8, 2012 [19] S J S Hakim and H A Razak “Structural damage detection of steel bridge girder using artificial neural networks and finite element models,” Steel and Composite Structures, vol 14, pp 367-377, 2013 [20] T C Nguyen, T C Huynh, and J T Kim "Numerical evaluation for vibrationbased damage detection in wind turbine tower structure," Wind and Structures, vol 21, pp 657–675, 2015 160 [21] M Feyzollahzadeh, M J Mahmoodi, S M YadavarNikravesh and J Jamali "Wind load response of offshore wind turbine towers with fixed monopile platform," Wind Engineering and Industrial Aerodynamics, vol 158, pp 122–138, 2016 [22] C U Nguyen, T C Huynh, N L Dang and J T Kim "Vibration-based damage alarming criteria for wind turbine towers," Structural Monitoring and Maintenance, vol 4, pp 221–236, 2017 [23] C U Nguyen, S Y Lee, H T Kim and J T Kim "Vibration-based damage assessment in gravity-based wind turbine tower under various waves," Shock and Vibration, vol 2019, pp 1-17, 2019 [24] P Kumar, A Siddiqui, A Ghadi, D Tony, S Rhenius, and S Rane “Damage Detection in beams using Vibration analysis and Artificial Neural Network,” presented at 4th Biennial International Conference, Korea, April, 2021 [25] H H "Ch n đoán t n hao ng su t c a cáp d m BTCT ng su t tr s d ng tr kh ng co et Bách Khoa - n đ nh y c a mi n t n s ," Lu n v n th c s , c ih c i h c Qu c Gia TPHCM, Vi t Nam, 2016 [26] D D Ho, T C Le, Q H Lê, M T A Nguyen T C Nguyen "Phát tri n ph ng pháp n ng l ng bi n d ng đ ch n đoán h h ng cho k t c u d m v i u ki n biên khác nhau," T p chí Xây d ng Vi t Nam, vol 9, pp 341-347, 2018 [27] T T Nguyen “Ch n đoán v t n t cho d m bê tông c t thép s d ng ph n ng l ng bi n d ng,” Lu n v n Th c S , i H c Bách Khoa - ng pháp i H c Qu c Gia Tp HCM, Vi t Nam, 2019 [28] C T Nguyen “Xác đ nh tr ng thái h h ng c a khung bê tông c t thép d a vào k t qu phân ti h dao đ ng,” Lu n v n Th c S , i H c Bách Khoa - iH c Qu c Gia Tp HCM, Vi t Nam, 2021 [29] T S Vo “Ch n đoán h h ng k t c u t m s d ng ph ng pháp n ng l bi n d ng k t h p v i thu t tốn trí tu nhân t o,” Lu n v n Th c S , Khoa - i H c Qu c Gia Tp HCM, Vi t Nam, 2022 161 ng i H c Bách [30] Y Cha and O Buyukozturk "Structural damage detection using modal strain energy and hybrid multiobjective optimization," Computer-Aided Civil and Infrastructure Engineering, vol 30, no 5, pp 347-358, 2015 [31] J T Kim, Y S Ryu, H M Cho, and N Stubbs "Damage identification in beamtype structures: frequency-based method vs mode-shape-based method," Engineering Structures, vol 25, no 1, pp 57-67, 2003 [32] H T Vu “Machine Learning c b n.” Internet: Documentation.” Internet: https://machinelearningcoban.com/, Oct 11, 2018 [33] Manual “IBM SPSS Statistics 28 https://www.ibm.com/support/pages/ibm-spss-statistics-28-documentation, Jul 25, 2022 [34] C U Nguyen "Identification of Dynamic Characteristics of Wind Turbine Tower with Caisson Foundation," M.A Thesis, Pukyong National University, Korean 2018 [35] K Peire, H Noneman, and E Bosschem "Gravity Base Foundations For The Thornton Bank Offshore Wind Farm," presented at International Association of Dredging Companies, Korean, 2009 162 LụăL CHăTRÍCHăNGANG H tên: Nguy n H u Ph ng Ngay, thá g, n m sinh: 10-06-1998 a ch liên l c: 119B Hi n V N i sinh: TP.HCM ng, Ph ng Ph́ Th nh, Qu n Tân Ph́, TP.HCM i n tho i: 0902612721 Email: nhphuong.sdh20@hcmut.edu.vn QUA TR NH ÀO T O 2016 – 2020: K s Xây d ng, Tr ng i h c Bách Khoa Tp.HCM 2020 – 2022: H c viên cao h c chuyên ngành K thu t Xây d ng, Tr Khoa Tp.HCM 163 ng i h c Bách ... Accuracy cho d ng dao đ ng 127 B ng 4.54 K t qu ch s Recall cho d ng dao đ ng 129 B ng 4.55 K t qu ch s Accuracy cho d ng dao đ ng 133 B ng 4.56 K t qu ch s Recall cho d ng dao đ ng... Accuracy cho d ng dao đ ng 139 B ng 4.58 K t qu ch s Recall cho d ng dao đ ng 141 B ng 4.59 K t qu ch s Accuracy cho d ng dao đ ng 145 B ng 4.60 K t qu ch s Recall cho d ng dao đ ng... Tên đ tài lu n v n: ? ?Xác? ?đ nhăh ăh ng cho tuabin gió s d ng? ?các? ?đ cătr ngă dao? ?đ ng” Nghiên c u ǹy tr̀nh b̀y ph ng pháp theo d̃i, đánh giá tr ng thái h h ng c a k t c u tuabin gí ngòi kh i