Microsoft Word - ban thao so 13-cnkt1.doc

Microsoft Word ban thao so 13 cnkt1 doc TAÏP CHÍ PHAÙT TRIEÅN KH&CN, TAÄP 12, SOÁ 13 2009 Trang 57 THUẬT TOÁN XÁC ĐỊNH VỊ TRÍ SUY GIẢM ĐỘ CỨNG CHỐNG BIẾN DẠNG CỦA CẦU Nguyễn Sỹ Dũng(1), Lê Thanh Tùng([.]

TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 12, SỐ 13 - 2009 THUẬT TỐN XÁC ĐỊNH VỊ TRÍ SUY GIẢM ĐỘ CỨNG CHỐNG BIẾN DẠNG CỦA CẦU Nguyễn Sỹ Dũng(1), Lê Thanh Tùng(2), Ngô Kiều Nhi(2) (1) Trường Đại học Công nghiệp TP HCM (2) Trường Đại học Bách khoa TP HCM TĨM TẮT: Bài báo trình bày hai nội dung Thứ nhất, giới thiệu thuật toán mới, mang tên thuật tốn VTHH, dùng để xác định vị trí suy giảm độ cứng chống biến dạng cầu dựa vào độ biến thiên biến dạng đàn hồi cầu xuất khuyết tật – xác lập thông qua số liệu đo biên độ giao động Trong đó, hệ thống suy diễn Neuro-Fuzzy chúng tơi ứng dụng để nhận dạng hệ giai đoạn chưa bị hư hỏng, sở để đánh giá mức độ suy giảm độ cứng chống biến dạng hệ hai thời điểm: thời điểm nhận dạng thời điểm kiểm tra Nội dung thứ hai trình bày thí nghiệm đo biên độ dao động cầu mơ hình chúng tơi thực Phịng thí nghiệm Cơ học ứng dụng, trường Đại học Bách khoa thành phố Hồ Chí Minh Thí nghiệm nhằm xây dựng sở liệu để kiểm chứng thuật toán VTHH, định hướng ứng dụng so sánh hiệu thuật toán với Phương pháp lượng cơng bố Từ khóa: tên thuật tốn VTHH, , hệ thống suy diễn Neuro-Fuzzy 1.ĐẶT VẤN ĐỀ Phương pháp xác định vị trí hư hỏng mức độ hư hỏng cầu dựa đặc điểm biến thiên biến dạng đàn hồi cầu - dạng dầm chịu lực - xuất khuyết tật [5] [8] có độ tin cậy cao ứng dụng cho mơ hình tính tốn cầu, trường hợp số liệu đo có sai số khuyết tật xuất đồng thời nhiều phần tử với mức độ hư hỏng khác Nguyên tắc phương pháp cầu phân chia thành nhiều phần tử nhỏ dạng dầm theo mơ hình phương pháp phần tử hữu hạn (FEM) Cho hệ dao động tần số khác ứng với mode dao động khác (gọi trạng thái dao động -TTDĐ) Đo chuyển vị nút Y j , j = n thời điểm khác trước sau có khuyết tật để tính hệ số hư hỏng [5] tính hệ số hư hỏng trung bình [8] phần tử Phần tử có độ suy giảm độ cứng chống biến dạng EJ lớn phần tử có có hệ số hư hỏng lớn Trong báo trình bày thuật tốn xác định vị trí hư hỏng xuất hệ, thuật tốn VTHH, xây dựng sở phát triển phương pháp lượng [5], [8] ứng dụng mạng Neuro-Fuzzy [9]: - Thuật toán VTHH dựa vào thay đổi biến dạng đàn hồi (TNBDĐH) phần tử để nhận biết vị trí khuyết tật hệ Tuy nhiên khác với [5], thực việc so sánh theo hai mức: so sánh tuyệt đối so sánh tương đối So sánh thay đổi tuyệt đối TNBDĐH phần tử hai thời điểm, thời điểm không hư thời điểm kiểm tra nhằm xác định tình trạng suy giảm TNBDĐH phần tử So sánh thay đổi tương đối TNBDĐH phần tử so với phần tử lại hệ thời điểm nhằm xác định phần tử có mức độ suy giảm lớn nhất, nghĩa phần tử có khả bị phá hỏng sớm hệ - Để xác định TNBDĐH hệ hai thời điểm, thời điểm không hư hỏng thời điểm kiểm tra phải tiến hành đo biên độ dao động điểm nút phần tử TTDĐ Việc thực cách dễ dàng mơ hình tốn – trình bày [5] [8] – lại khó thực xác hệ thực tế khó lặp lại cách xác TTDĐ hai thời điểm khác hệ thực Trang 57 Science & Technology Development, Vol 12, No.13 - 2009 có cấu trúc phức tạp Để giải vấn đề này, nghiên cứu sử dụng mạng Neuro-Fuzzy [11] để nhận dạng hệ mối quan hệ input-output TTDĐ-chuyển vị Đây mơ hình suy diễn có cấu trúc thích nghi cho độ xác đáp ứng cao, hoàn toàn phù hợp với toán - Nhằm kiểm chứng hiệu thuật toán đề xuất đánh giá khả áp dụng thuật toán hệ thống cầu thực, tiến hành thực nhiều thí nghiệm đo động để xây dựng sở liệu cho ứng dụng hai thuật toán VTHH [5] khung thí nghiệm giả lập cấu trúc, chế độ làm việc, giả lập tình trạng suy giảm độ cứng chống biến dạng nhịp cầu tựa hai gối (khớp lề loại loại 5) Thí nghiệm thực Phịng Thí nghiệm Cơ học ứng dụng trường Đại học Bách khoa thành phố Hồ Chí Minh HỆ SỐ HƯ HỎNG TƯƠNG ĐỐI Hệ số hư hỏng tương đối – sở để thiết lập thuật toán VTHH – xây dựng dựa mức độ biến thiên biến dạng đàn hồi xuất khuyết tật làm suy giảm độ cứng chống biến dạng phần tử Chia hệ thành Ne phần tử kích thích cho hệ dao động Thế biến dạng đàn hồi phần tử thứ j trạng thái dao động thứ i tính: U ji = bj ( EJ ) j [Y j'' ( X )]2 dX ∫a j (1) đó, E modun đàn hồi vật liệu; J momen quán tính tiết diện ngang dầm; cận aj, bj ứng với tọa độ nút hai đầu phần tử j khảo Dựa vào [5] suy tình trạng suy giảm độ cứng chống biến dạng phần tử thứ j TTDĐ thứ i thông qua hệ số z ji : z ji = b j '' [Y j ( X )]2 dX ∫a j (2) - Ở trạng thái không hư hỏng cầu: Kích thích cho cầu dao động nhiều trạng thái dao động (TTDĐ) khác Đo biên độ dao động tất phần tử TTDĐ để xây dựng tập mẫu sở TΣ gồm Ne tập mẫu phần tử Tập mẫu phần tử thứ j, ứng với phần tử thứ j, có P cặp mẫu input-output, ( xi , z ji ), i = P Trong xi = [ xi1 xi2 xin ] vector đặc trưng cho chế độ kích thích dao động hệ, z ji tính theo (2) phép sai phân hữu hạn Xây dựng Ne mạng neuro-fuzzy nhận dạng quan hệ ( xi , z ji ) cầu chưa hư hỏng cho tất phần tử cầu dựa TΣ Mạng neuro-fuzzy nhận dạng phần tử thứ j, ký hiệu ENFj, có cấu trúc hình - Tại thời điểm kiểm tra: Thực nhiều chế độ kích thích dao động ngẫu nhiên để tạo TTDĐtest khác Ứng với TTDĐ TTDĐtest, đo biên độ dao động hệ hai điểm nút trung điểm phần tử Sử dụng (2) phép sai phân hữu hạn để xây dựng tập liệu TΣtest gồm Ne tập mẫu phần tử Tập mẫu phần tử thứ j, ứng với phần tử thứ j, có Ptest cặp mẫu input-output, ( xi , z ji ), i = Ptest Trang 58 TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 12, SỐ 13 - 2009 Trên phần tử thứ j: sử dụng tín hiệu vào input tập mẫu kiểm tra TΣtest cho mạng ENFj xác định Ptest giá trị zˆ ji trạng thái không hư hỏng cầu tương ứng với tất TTDĐ TTDĐtest phần tử Hệ số hư hỏng tương đối: Trong Ptest trạng thái dao động xi thuộc tập TΣtest , xác định độ lớn giá trị sai lệch tuyệt đối zˆ ji z ji ứng với TTDĐ, sau tính giá trị sai lệch tuyệt đối trung bình theo chuẩn tổng bình phương trung bình: ∆z j = Ptest Ptest ∑ ( zˆ ji − z ji ) = i =1 Ptest Ptest ∑ ( ε ji ) (3) i =1 Hệ số hư hỏng tương đối tính sau: ∆z j ∆z j = max [ ∆zk ] (4) k =1 N e Hệ số hư hỏng tương đối phản ánh mức độ thay đổi biến dạng đàn hồi phần tử thời điểm kiểm tra so với thời điểm phần tử không bị hư hỏng, đồng thời hệ số hư hỏng cịn thể tình trạng suy giảm độ cứng chống biến dạng phần tử so với phần tử khác hệ TTDĐ Trong Ne phần tử hệ, phần tử có độ lớn ∆z j lớn mức độ suy giảm độ cứng chống biến dạng phần tử lớn, ∆z j cho biết vị trí xuất khuyết tật hệ TTDĐi , i=1…P xi1 max M µ H (1) ( x ) H R(1) R1 xi2 M xin ( xi , z ji ) xi = [ xi1, , xin ] ENFj , j=1…N µ H (1) ( x ) H1(1) M H1(2) M max zˆ ji H R(2) M M H1( M ) µ H ( M ) ( x ) max M H R( M ) M µ H R( M ) (x ) M Hình Cấu trúc mạng Neuro-Fuzzy sử dụng cho phần tử, ENFj , j=1…N MẠNG NEURO-FUZZY NHẬN DẠNG CƠ HỆ Trang 59 Science & Technology Development, Vol 12, No.13 - 2009 Sử dụng mạng Neuro-Fuzzy để nhận dạng phần tử (mạng ENFj) toàn hệ giai đoạn không hư hỏng (mạng GNF) GNF i=1…P xi1 M ENF1 zˆ1i ENF2 zˆ2i M xij ENFj M zˆ ji M xin ENFNe zˆ Ni Hình Cấu trúc mạng Neuro-Fuzzy sử dụng cho cầu, GNF Mạng Neuro-Fuzzy nhận dạng phần tử: Cấu trúc mạng mạng Neuro-Fuzzy nhận dạng phần tử – gọi tắt mạng ENF, Element Neuro-Fuzzy Net – gồm lớp: lớp vào, lớp ẩn lớp (hình 1, trình bày chi tiết [11]) Số neuron lớp vào phụ thuộc vào cấu trúc không gian liệu vào Số neuron lớp Số neuron lớp ẩn xác lập tự động thơng qua q trình huấn luyện mạng, liên quan tới yêu cầu độ xác phép xấp xỉ đặc thù không gian liệu tập liệu huấn luyện mạng Tín hiệu mạng tính: M zˆi = ∑µ k =1 Bi( k ) ( xi ).zki ( xi ) M ∑µ k =1 Bi( k ) (5) (i = P) ( xi ) đó, µ pHB( k ) ( xi ) giá trị liên thuộc mẫu xi , i = P, (tập mẫu huấn luyện mạng có P r mẫu) vào tập mờ (k ) pHBr mẫu huấn luyện thứ thứ r tập mờ siêu hộp mang nhãn k; i, i = P , theo siêu phẳng thứ k zki ( xi ) tín hiệu Mạng neuro-fuzzy nhận dạng hệ: Nếu tập mẫu huấn luyện mạng có P cặp mẫu liệu input-output, cầu chia thành Ne phần tử theo mơ hình FEM mạng Neuro-Fuzzy nhận dạng hệ trạng thái không hư hỏng (gọi tắt mạng GNFcs – Global Neuro-Fuzzy Net) kết hợp Ne mạng ENFj (j=1…Ne) có cấu trúc giống hình 1, chung lớp vào (hình 2) THUẬT TỐN XÁC ĐỊNH VỊ TRÍ HƯ HỎNG, VTHH Sơ đồ khối thuật tốn trình bày hình Trang 60 TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 12, SỐ 13 - 2009 TTDĐi zˆ ji GNF Kích thích hệ dao + ∑ - Đo biên độ dao động ε ji - Tính ∆z j j = N e z ji Hình Nhận dạng vị trí khuyết tật dựa vào GNFcs Ne số phần tử chia hệ; Ptest số TTDĐ sử dụng để kiểm tra Bước Nhận dạng cầu trạng thái không hư hỏng Ở trạng thái không hư hỏng cầu: - Đo biên độ dao động cầu nhiều TTDĐ khác nhau; - Tính z ji dựa vào (2); Xây dựng mạng ENFi nhận dạng phần tử xây dựng mạng GNFcs nhận dạng tất phần tử cầu trạng thái không hư hỏng Bước Kiểm tra tình trạng suy giảm độ cứng chống biến dạng cầu (hình 3) Tại thời điểm kiểm tra: - - Đo biên độ dao động cầu nhiều TTDĐ khác nhau; - Tính z ji dựa vào (2); - Xác định zˆ ji dựa vào ENFi GNFcs; - Tính hệ số hư hỏng tương đối ∆z j phần tử dựa vào (3) (4) Bước Xác định vị trí hư hỏng cầu Phần tử có ∆z j lớn so với phần tử cịn lại phần tử bị hư hỏng Bước Điều kiện dừng: - Nếu tiếp tục kiểm tra: quay laị bước - Nếu không tiếp tục kiểm tra: dừng chương trình THÍ NGHIỆM KIỂM CHỨNG 5.1 Mơ tả thí nghiệm Phần trình bày thí nghiệm đo số liệu động chúng tơi thực Phịng thí nghiệm Cơ học Ứng dụng trường Đại học Bách khoa thành phố Hồ Chí Minh Trang 61 Science & Technology Development, Vol 12, No.13 - 2009 X O L 40 × 40 × 3,5 Z d M, ω e e e Động điện AC pha 3000 X 400 O (a) Z (b) Y13 Y12 e Y11 Y10 Y9 Y8 Y7 Y6 Y5 Y4 Y3 Y2 Y1 e Hình Mơ hình thí nghiệm (a) Sơ đồ kết cấu mơ hình thí nghiệm; (b)Các phần tử theo phương pháp FEM - Động điện Đ mang khối lượng lệch tâm M gắn chặt vào khung nhiều vị trí khác hình Độ lệch tâm Md thay đổi vô cấp cách điều chỉnh khoảng cách d Sử dụng biến tần để điều chỉnh vơ cấp tốc độ góc ω Đ - Khung sắt có chiều dài L=3m chia thành 12 phần 13 nút chia Y1,…, Y12 - Sử dụng cảm biến thiết bị đo chuyển vị Phịng thí nghiệm Cơ học Ứng dụng, trường Đại học Bách khoa TP HCM, để đo biên độ dao động điểm nút Y1, …, Y12 khung Khi khung chưa bị hư Bằng cách thay đổi vị trí Đ khung, thay đổi độ lệch tâm Md thay đổi vận tốc góc ω Đ tạo P=1200 TTDĐ khung thí nghiệm Đo biên độ dao động điểm nút Y1, …, Y12 ứng với TTDĐ để xây dựng tập liệu TΣ gồm 1200 mẫu liệu input-output Đây tập số liệu sử dụng để huấn luyện mạng Neuro-Fuzzy sở GNFcs nhận dạng phần tử hệ tình trạng chưa bị hư hỏng Tạo vị trí hư khung Cắt khung ba vị trí Y4+, Y6+ Y10+ (Y4+ nằm trung điểm đọan Y4Y5; Y6+ nằm trung điểm đọan Y6Y7; Y10+ nằm trung điểm đọan Y10Y11) trường hợp: 1/ Trang 62 TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 12, SOÁ 13 - 2009 cắt Y4+ , 2/ cắt Y6+, 3/ cắt đồng thời Y6+ Y10+ Trong trường hợp nêu trên, mức độ suy giảm độ cứng chống biến dạng khung, EJ, thực theo mức: mức a-a suy giảm 1,56%, mức b-b suy giảm 4,90%, mức c-c suy giảm 11,16% mức d-d suy giảm 23,40% Ứng với mức độ suy giảm EJ, thay đỏi TTDĐ, cụ thể thay đổi độ lệch tâm, thay đổi vị trí Đ thay đổi vận tốc góc Đ, chúng tơi xây dựng tập TΣtest có Ptest=48 mẫu liệu input-output, sử dụng để kiểm chứng hiệu thuật toán VTHH (mục 4) việc xác định vị trí hư hỏng xuất hệ 5.2 Các kết thí nghiệm Hư hỏng đơn khung chia thành bốn phần tử Hình Chia phần tử Hư Y4+ (phần tử 2) với bốn mức độ khác a-a, b-b, c-c, d-d Trang 63 Science & Technology Development, Vol 12, No.13 - 2009 Hình Chia phần tử, hư Y6+ (phần tử 2) với bốn mức độ khác a-a, b-b, c-c, d-d Trong thí nghiệm thực việc kiểm chứng khả xác định vị trí bị suy giảm độ cứng chống biến dạng khung thuật toán VTHH trường hợp khung chia thành bốn phần tử có chiều dài nhau, đồng thời tất thí nghiệm thực tình trạng hư hỏng đơn - có vị trí khung bị hư thí nghiệm Bốn phần tử chia theo thứ tự Y1-Y4, Y4-Y7, Y7-Y10, Y10-Y13 dài nhau, L/4 Sử dụng thuật toán VTHH để xác định vị trí suy giảm độ cứng chống biến dạng khung tám trường hợp sau: - Cắt khung Y4+ với bốn mức a-a, b-b, c-c, d-d - Cắt khung Y6+ với bốn mức a-a, b-b, c-c, d-d Ở đây, hai điểm dùng làm thí nghiệm (Y4+ Y6+) hai điểm phân biệt thuộc phần tử số Kết tính tốn trình bày hình Các biểu đồ cho thấy trường hợp hư hỏng đơn với bốn mức hỏng nêu trên, thuật toán VTHH xác định vị trí suy giảm độ cứng chống biến dạng khung thí nghiệm, mức độ hư hỏng thấp (mức a-a) So sánh kết thuật toán VTHH [5] Khung thí nghiệm hình chia thành phần tử theo thứ tự Y1-Y5, Y5-Y9, Y9Y13 có độ dài nhau, L/3 Sử dụng VTHH phương pháp lượng [5] (gọi tắt [5]) để xác định vị trí suy giảm độ cứng chống biến dạng khung sáu trường hợp: - Cắt khung Y6+ với ba mức b-b, c-c, d-d - Cắt khung đồng thời hai vị trí Y6+ Y10+ với ba mức b-b, c-c, d-d Hình trình bày kết thí nghiệm ứng với trường hợp hư hỏng đơn Y6+, thuộc phần tử số Các biểu đồ cho thấy thuật toán VTHH xác định vị trí suy giảm độ cứng chống biến dạng Đối với [5], vị trí hỏng xác định mức độ hỏng tương đối cao: c-c dd (độ suy giảm theo thứ tự 11,16% 23,40%), mức độ hư hỏng bé b-b (suy giảm 4,90%), phương pháp [5] xác định khơng xác Hình trình bày kết thí nghiệm trường hợp hư hỏng kép: hỏng đồng thời Y6+, thuộc phần tử số 2, Y10+, thuộc phần tử số Các biểu đồ hình cho thấy trường hợp hư đồng thời hai vị trí, kết tương tự trường hợp hư hỏng đơn: mức hư hỏng lớn (c-c d-d), hai phương pháp xác định xác vị trí suy giảm độ cứng chống biến dạng (phần tử 3); mức hư hỏng thấp hơn, b-b, VTHH xác định đúng, phương pháp [5] xác định sai vị trí Trang 64 TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 12, SỐ 13 - 2009 Hình Chia phần tử Hư Y6+ (phần tử 2) với bốn mức độ khác a-a, b-b, c-c, d-d Thay đổi nút giới hạn phần tử Trong thí nghiệm chúng tơi khảo sát cách phân chia phần tử thay đổi độ xác việc xác định vị trí khuyết tật xuất hệ hai phương pháp, thuật toán VTHH [5], ứng với cách phân chia Khung thí nghiệm chia thành ba phần tử theo hai cách chia khác (hình 9): - Cách 1: Y1-Y5, Y5-Y9, Y9-Y13 có độ dài nhau, L/3 Vị trí hư hỏng Y4+ nằm sát nút biên Y5 - Cách 2: Y2-Y6, Y6-Y10, Y10-Y13 có độ dài khơng Vị trí hư hỏng Y4+ nằm gần nút phần tử 1, Y4 Để tính hệ số hư hỏng theo thuật tốn VTHH [5], phần tử thứ ba đưa vào nút ảo Y14 Khi phần tử nằm khỏang Y10-Y14 Việc đưa Y14 vào nhằm đưa độ dài ba phần tử L/3 Nút ảo Y14 khơng thuộc hệ có biên độ dao động Y14 ln zero Hình Chia phần tử Hư đồng thời Y6+ (phần tử 2) Y10+ (phần tử 3) Kết thí nghiệm cho thấy: Theo cách phân chia phần tử thứ nhất, hai phương pháp xác định vị trí hư mức độ hư hỏng cao d-d, 23,40%; hai mức thấp (11,16% mức c-c 4,9% mức b-b), hai phương pháp không xác định vị trí hư hỏng (hình 10) Theo cách phân chia phần tử thứ hai, hai phương pháp xác định vị trí hư ba mức độ hư hỏng khác (b-b, c-c, d-d), mức độ hư hỏng không cao 4,90% (c-c) hình 11 Trang 65 Science & Technology Development, Vol 12, No.13 - 2009 PT3 PT2 PT1 Cách Y13 Y12 Y10 PT3 Y8 Y6 Y4+ PT2 Y2 Y1 PT1 Cách Y14 Y12 Y10 Y8 Y6 Y4 Y2 Y1 L=3m Hình Hai cách chia phần tử Ở cách 1, vị trí hư Y4+ nằm sát nút biên Ở cách 2, vị trí hư Y4+ nằm gần trung điểm phần tử Hình 10 Kết xác định vị trí hư hỏng trường hợp phần tử chia theo cách Hình 11 Kết xác định vị trí hư hỏng trường hợp phần tử chia theo cách KẾT LUẬN Kết thí nghiệm kiểm chứng cho thấy thuật tốn VTHH xác định vị trí xuất khuyết tật cầu mức độ hư hỏng thấp mức độ hư hỏng xác định [5] Nghĩa VTHH có độ nhạy tốt phương pháp [5] Việc sử dụng mạng Neuro-Fuzzy nhận dạng cầu tình trạng chưa bị hư tạo nên số Trang 66 TẠP CHÍ PHÁT TRIỂN KH&CN, TẬP 12, SỐ 13 - 2009 ưu điểm cho thuật toán VTHH so với [5] Một mặt, giải pháp có tác dụng rút ngắn giai đoạn đo đạc lấy số liệu, làm giảm độ lớn tập mẫu – mạng có khả nội suy thơng số liên quan tới TTDĐ ngẫu nhiên sử dụng giai đọan kiểm tra không trùng với TTDĐ dùng để xây dựng tập liệu lưu trữ ứng với thời điểm cầu chưa hư Mặt khác, giải pháp cịn có tác dụng làm gia tăng độ xác thuật tốn thực tế ta khơng thể lặp lại xác TTDĐ hai thời điểm khác nhau: thời điểm cầu chưa hư thời điểm kiểm tra Đại lượng vật lý sử dụng cho thuật toán VTHH biên độ dao động cầu hồn tồn đo động với độ xác phù hợp thơng qua thiết bị đo giao động quen thuộc Cũng [5], hệ dao động với tần số tiệm cận tới tần số riêng cầu, độ xác VTHH [5] giảm dần Vì thực tế việc xác định xác tần số riêng hệ thực gặp số khó khăn, giải pháp cho việc gia tăng độ tin cậy VTHH [5] ứng dụng kết hợp VTHH [5] với Phương pháp trung bình trình bày [8] Ngoài ra, sử dụng VTHH [5] hệ thống cầu thực cần phải quan tâm tới cách phân chia phần tử Nên sử dụng số giải pháp phân chia khác nhau, khảo sát quy luật hội tụ lời giải để nhận nghiệm A NEW ALGORITHM USED FOR BRIDGE-DAMAGE-LOCATION DETERMINATION Nguyen Sy Dung(1), Le Thanh Tung(2), Ngo Kieu Nhi(2) (1) Ho Chi Minh City University of Industry (2) University of Technology, VNU-HCM ABSTRACT: In this paper we present a new algorithm, named VTHH, used for bridgedamage-location determination This method bases on varied potential energy of vibrational bridge We use a Neuro-Fuzzy inference system to establish the database of the notdamaged bridge, which is used to to find out the varied potential energy A measurement system is built at HCM University of Technology to measure vibrational amplitudes of the bridge model in order to build experiments evaluating efficiency of the proposed algorithm, and comparing efficiency of this algorithm with efficiency of the energy method published Keywords: Damage detection; varied potential energy; neuro-fuzzy TÀI LIỆU THAM KHẢO [1] Hung, S L & Jan, J C., Machine learning in engineering analysis and design: An integrated fuzzy neural network learning model, Computer-Aided Civil and Infrastructure Engineering, 14 (3), 207–19, 1999 [2] Hoon Sohn, Kincho H Law, Application of Ritz Vectors to Damage Detection for A GridType Bridge Model, Proceedings of the 17th International Modal Analysis Conference, Kissimmee, Feb., 1999 [3] Hoon Sohn, Kincho H Law, Damage Diagnosis Using Experimental Ritz Vectors, Journal of Engineering Mechanics, Vol 127, No 11, 1184-1193, 2001 Trang 67 Science & Technology Development, Vol 12, No.13 - 2009 [4] Hui Li, Jinping Ou, Xuefeng Zhao, Wensong Zhou, Hongwei Li & Zhi Zhou, Structural [5] [6] [7] [8] [9] [10] [11] Health Monitoring System for the Shandong Binzhou Yellow River Highway Bridge, Computer-Aided Civil and Infrastructure Engineering 21, pp 306–317, 2006 Hongpo Xu & JagMohan Humar, Damage Detection in a Gider Bridge by Artificial Neural networks Technique, Computer Aided Civil and Infrastructure Engineering 21, pp 450-464, 2006 Massimo Panella, Antonio Stanislao Gallo, An Input – Output Clustering Approach to the Synthesis of ANFIS Networks, IEEE Transactions on fuzzy systems, Vol 13, No 1, February 2005 Nguyễn Sỹ Dũng, Ngô Kiều Nhi, Tổng hợp hệ thống suy diễn Neuro-Fuzzy thích nghi (ANFIS) từ tập liệu số, Tạp chí Tin học Điều khiển học, tập 24, S 2, 1-15, 2008 Nguyễn Sỹ Dũng, Lê Minh Cảnh, Ngô Kiều Nhi, Nhận dạng khuyết tật cầu mơ hình phương pháp lượng mạng neuro-fuzzy, Tạp chí Phát triển Khoa học Cơng nghệ, số 2, trang 5-17, 2008 Spencer, B F Jr Opportunities and challenges for smart sensing technology, in Proceedings of the First International Conference on Structural Health Monitoring and Intelligent Infrastructure, Tokyo, Japan, 65–72 2003 Sayed, T & Razavi, A., Comparison of neural and conventional approaches to mode choice analysis, Journal of Computing in Civil Engineering, ASCE, 14 (1), 23–30, 2000 Sy Dzung Nguyen, and Kieu Nhi Ngo, An Adaptive Input Data Space Parting Solution to The Synthesis of Neuro-Fuzzy Models, International Journal of Control, Automation, and Systems, vol 6, no 6, pp 1-11, December 2008 Trang 68 ... độ cứng chống biến dạng khung tám trường hợp sau: - Cắt khung Y4+ với bốn mức a-a, b-b, c-c, d-d - Cắt khung Y6+ với bốn mức a-a, b-b, c-c, d-d Ở đây, hai điểm dùng làm thí nghiệm (Y4+ Y6+) hai... bốn mức độ khác a-a, b-b, c-c, d-d Trang 63 Science & Technology Development, Vol 12, No.13 - 2009 Hình Chia phần tử, hư Y6+ (phần tử 2) với bốn mức độ khác a-a, b-b, c-c, d-d Trong thí nghiệm... cứng chống biến dạng khung sáu trường hợp: - Cắt khung Y6+ với ba mức b-b, c-c, d-d - Cắt khung đồng thời hai vị trí Y6+ Y10+ với ba mức b-b, c-c, d-d Hình trình bày kết thí nghiệm ứng với trường