Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập

Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động theo thời gian kết hợp sử dụng mạng học sâu tích chập.

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI - - HỒNG THANH NAM CHẨN ĐỐN KẾT CẤU CẦU DỰA TRÊN CHUỖI DỮ LIỆU ĐO DAO ĐỘNG THEO THỜI GIAN KẾT HỢP SỬ DỤNG MẠNG HỌC SÂU TÍCH CHẬP LUẬN ÁN TIẾN SĨ HÀ NỘI – 2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI - - HỒNG THANH NAM CHẨN ĐỐN KẾT CẤU CẦU DỰA TRÊN CHUỖI DỮ LIỆU ĐO DAO ĐỘNG THEO THỜI GIAN KẾT HỢP SỬ DỤNG MẠNG HỌC SÂU TÍCH CHẬP Ngành : Kỹ thuật xây dựng cơng trình giao thông Mã số : 9580205 LUẬN ÁN TIẾN SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS Hoàng Hà TS Nguyễn Thị Cẩm Nhung HÀ NỘI – 2023 LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu khoa học độc lập riêng Các số liệu sử dụng phân tích luận án có nguồn gốc rõ ràng, công bố theo quy định Các kết nghiên cứu luận án tơi tự tìm hiểu, phân tích cách trung thực Việc tham khảo nguồn tài liệu thực trích dẫn ghi nguồn tài liệu tham khảo quy định Hà Nội, ngày 11 tháng năm 2023 Tác giả Hoàng Thanh Nam -i- LỜI CẢM ƠN Tác giả xin bày tỏ lòng biết ơn sâu sắc đến thầy, giáo hướng dẫn: PGS TS Hồng Hà, TS Nguyễn Thị Cẩm Nhung tận tình hướng dẫn, giúp đỡ, tạo điều kiện động viên suốt q trình học tập, nghiên cứu hồn thành luận án Tác giả chân thành cảm ơn tập thể thầy, cô môn Cầu Hầm khoa Đào tạo Sau đại học trường Đại học Giao thông vận tải tạo điều kiện thuận lợi giúp đỡ hướng dẫn suốt thời gian tác giả nghiên cứu Bộ môn khoa Tác giả trân trọng cảm ơn tập thể thầy, cô trường Đại học Giao thông vận tải đóng góp nhiều ý kiến quý báu có giá trị cho nội dung đề tài luận án Tác giả xin bày tỏ lòng biết ơn bạn bè, đồng nghiệp tận tình giúp đỡ động viên suốt trình tác giả học tập, nghiên cứu hoàn thành luận án Cuối cùng, tác giả xin bày tỏ lòng biết ơn sâu sắc tới thành viên gia đình thơng cảm tạo điều kiện chia sẻ khó khăn suốt q trình học tập, nghiên cứu hoàn thành luận án - ii - MỤC LỤC DANH MỤC HÌNH VẼ .v DANH MỤC BẢNG BIỂU viii DANH MỤC CHỮ VIẾT TẮT ix MỞ ĐẦU .1 Mở đầu Mục tiêu nghiên cứu Phương pháp nghiên cứu Đối tượng phạm vi nghiên cứu .8 Ý nghĩa khoa học thực tiễn Nội dung kết cấu luận án CHƯƠNG : TỔNG QUAN VỀ NGHIÊN CỨU CHẨN ĐỐN SỨC KHỎE KẾT CẤU CƠNG TRÌNH CẦU DỰA TRÊN PHƯƠNG PHÁP ĐO NHẬN DẠNG DAO ĐỘNG 11 1.1 Tổng quan nghiên cứu chẩn đoán sức khỏe kết cấu cơng trình cầu dựa phương pháp đo nhận dạng dao động 11 1.1.1 Giới thiệu chẩn đoán sức khỏe kết cấu cơng trình cầu dựa phương pháp đo nhận dạng dao động 11 1.1.2 Mục đích chẩn đốn sức khỏe kết cấu dựa phương pháp đo nhận dạng dao động .13 1.1.3 Sự phát triển phương pháp chẩn đoán sức khỏe kết cấu dựa phương pháp đo nhận dạng dao động 16 1.2 Các nghiên cứu giới chẩn đoán kết cấu dựa phương pháp đo nhận dạng dao động 21 1.3 Các nghiên cứu Việt Nam chẩn đoán kết cấu dựa phương pháp đo nhận dạng dao động 27 1.4 Kết luận Chương 30 - iii - CHƯƠNG CƠ SỞ LÝ THUYẾT VỀ GIÁM SÁT SỨC KHỎE KẾT CẤU SỬ DỤNG DỮ LIỆU CHUỖI THỜI GIAN DỰA TRÊN CÁC ĐẶC TRƯNG ĐỘNG HỌC 32 2.1 Khái niệm liệu chuỗi thời gian (Time series data) 32 2.2 Dữ liệu chuỗi thời gian cho giám sát sức khỏe kết cấu 34 2.3 Các loại liệu chuỗi thời gian .37 2.4 Tính bất định liệu chuỗi thời gian giám sát sức khỏe kết cấu cầu 39 2.4.1 Phương trình dao động kết cấu [131] .39 2.4.2 Dao động tự [131] 41 2.4.3 Dao động tắt dần [131] 45 2.4.4 Đặc trưng bất định, ngẫu nhiên chuỗi liệu theo thời gian giám sát sức khỏe kết cấu cầu 47 2.5 Phương pháp xấp xỉ tổng hợp tượng trưng (Symbolic Aggregate approXimation – SAX) 51 2.6 Phương pháp phân rã sóng rời rạc đa cấp (Multilevel Discrete Wavelet Decomposition – MDWD) 54 2.7 Kết luận Chương 56 CHƯƠNG MẠNG HỌC SÂU TRUYỀN THỐNG VÀ MẠNG HỌC SÂU TÍCH CHẬP ỨNG DỤNG TRONG CHẨN ĐỐN KẾT CẤU CƠNG TRÌNH CẦU 57 3.1 Mạng học sâu truyền thống .57 3.1.1 Cấu trúc mạng học sâu truyền thống 59 3.1.2 Một số mạng học sâu truyền thống 63 3.1.3 Mạng học sâu CNN chiều (2DCNN) 63 3.1.4 Mạng học sâu CNN chiều 64 3.2 Mạng học sâu tích chập đề xuất .66 3.3 Kết luận chương 73 - iv - CHƯƠNG ÁP DỤNG MẠNG HỌC SÂU TÍCH CHẬP KẾT HỢP PHƯƠNG PHÁP SAX-MDWD ĐỂ CHẨN ĐỐN CÁC HƯ HỎNG CHO MƠ HÌNH CẦU .74 4.1 Áp dụng mạng học sâu tích chập kết hợp phương pháp SAX-MDWD để chẩn đốn hư hỏng cho mơ hình cầu thực tế .74 4.1.1 Giới thiệu mơ hình cầu 74 4.1.2 Xử lý liệu 79 4.1.3 Kiến trúc mạng 82 4.1.4 Huấn luyện mạng phân tích kết 84 4.2 Áp dụng mạng học sâu tích chập để chẩn đốn hư hỏng cho mơ hình cầu phịng thí nghiệm 93 4.2.1 Mơ tả mơ hình 93 4.2.2 Thí nghiệm đo dao động mơ hình cầu dây văng 95 4.2.3 Phân tích xử lý số liệu 99 4.2.4 Xử lý liệu 103 4.2.5 Các trường hợp tạo hư hỏng 104 4.2.6 Kiến trúc mạng 105 4.2.7 Phân tích kết 107 4.3 Kết luận chương 111 KẾT LUẬN VÀ KIẾN NGHỊ 112 TÀI LIỆU THAM KHẢO PL1 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA LUẬN ÁN PL14 Phụ lục: Code PL15 -v - DANH MỤC HÌNH VẼ Hình 0.1 Q trình chẩn đốn hư hỏng kết cấu cơng trình Hình 1.1 Quá trình phát triển hệ thống quan trắc (Wenzel, 2003) 19 Hình 1.2 Giới thiệu hệ thống “quan trắc thông minh” 19 Hình 1.3 Hệ thống quan trắc cầu dây võng Akashi Kaikyo, Nhật Bản .20 Hình 2.1 Một số loại liệu theo thời gian; (a) Dữ liệu nhiệt độ hàng ngày thấp theo thời gian, (b) Dữ liệu gia tốc theo thời gian trích xuất từ cảm biến 32 Hình 2.2 Tính ổn định khơng ổn định liệu chuỗi thời gian: (a) chuỗi thời gian ổn định, chuỗi thời gian không ổn định (b – d) 38 Hình 2.3 Hệ thống bậc tự lý tưởng hóa: (a) thành phần bản; (b) lực trạng thái cân .39 Hình 2.4 Mơ hình phần tử nhiều bậc tự 41 Hình 2.5 Ứng dụng phương pháp SAX để giảm chiều liệu 53 Hình 2.6 Phân rã sóng rời rạc ba mức độ tín hiệu 56 Hình 3.1 Kernel kích thước 3*3 57 Hình 3.2 Máy tính coi hình ảnh mảng số Ma trận bên phải chứa số từ đến 255 (giá trị pixel), số tương ứng với độ sáng pixel hình ảnh bên trái Hình hình ảnh tổng hợp ma trận bên phải hình ảnh bên trái 58 Hình 3.3 Một kiến trúc CNN đơn giản bao gồm năm lớp 60 Hình 3.4 Max pooling với kích thước (2,2) 61 Hình 3.5 Sau lớp gộp (2*2) 62 Hình 3.6 Tích hợp tối đa tích hợp trung bình 62 Hình 3.7 Lớp kết nối đầy đủ .63 Hình 3.8 Hình minh họa CNN mẫu với lớp chập lớp kết nối đầy đủ 64 Hình 3.9 Một cấu hình 1DCNN mẫu với lớp CNN ANN 66 Hình 3.10 Mơ hình RNN cho tốn 67 Hình 3.11 Mơ hình LSTM 69 Hình 3.12 Băng chuyền truyền liệu LSTM .70 Hình 3.13 Kiến trúc mạng lai 1-DCNN-LSTM 72 Hình 4.1 Hình chiếu đứng hình chiếu cầu Z24 [129] 75 - vi Hình 4.2 (a) Hình ảnh cầu Z24 trước tạo hư hỏng, (b) Cắt, tạo hư hỏng thân trụ, (c) kích nâng trụ, (d) tạo đứt cáp DƯL [129] 76 Hình 4.3 Sơ đồ bố trí điểm đo (a) mặt bằng, (b) mặt đứng [129] 77 Hình 4.4 (a) – (h) Dữ liệu gia tốc theo thời gian sensors 79 Hình 4.5 Quá trình tiền xử lý liệu động theo thời gian 80 Hình 4.6 Dữ liệu gia tốc theo thời gian sensors sau xử lý phương pháp MDWD SAX .81 Hình 4.7 Dữ liệu gia tốc theo thời gian 16 lớp sau xử lý 82 Hình 4.8 Kiến trúc mạng 1DCNN-LSTM đề xuất 83 Hình 4.9 Đặc trưng mạng 1DCNN-LSTM (MDWD-SAX-1DCNN-LSTM) 83 Hình 4.10 Đặc trưng mạng 1DCNN-LSTM 84 Hình 4.11 Đặc trưng mạng 1DCNN 84 Hình 4.12 Giao diện Google colab 85 Hình 4.13 Sự hội tụ mơ hình (a) độ hội tụ trình huấn luyện phương pháp; (b) độ hội tụ trình đánh giá mạng phương pháp 85 Hình 4.14 Ma trận lỗi (a) 1DCNN; (b) 1DCNN-LSTM; (c) MDWD-SAX-1DCNN-LSTM 91 Hình 4.15 Kết độ xác mạng bước đánh giá 91 Hình 4.16 Mơ hình cầu dây văng phịng thí nghiệm 93 Hình 4.17 Neo dây cáp hàn cố định mặt cầu 94 Hình 4.18 Hệ thống điều chỉnh lực căng dây văng đỉnh tháp 94 Hình 4.19 Quả nặng treo neo cáp kết cấu nhịp 95 Hình 4.24 Đầu đo gia tốc PCB-353B34 96 Hình 4.25 Bộ thu thập liệu cDAQ-9178 mơ đun đầu vào NI-9234 96 Hình 4.26 Các sơ đồ bố trí điểm đo dao động .98 Hình 4.27 Bố trí đầu đo gia tốc vị trí theo sơ đồ đo 98 Hình 4.28 Tạo lực kích thích .98 Hình 4.29 Theo dõi liệu đo theo thời gian phần mềm LabView 2014 99 Hình 4.30 Dữ liệu đo miền thời gian trước sau áp dụng biến đổi Fourier 99 Hình 4.31 Dữ liệu thô thu từ cảm biến 103 Hình 4.32 Dữ liệu sau biến đổi dùng SAX-MDWD .104 Hình 4.33 Trường hợp hư hỏng mơ hình cầu dây văng (hư hỏng cấp 2) 105 - vii Hình 4.34 Đặc trưng mạng 1DCNN-LSTM 106 Hình 4.35 Đặc trưng mạng 1DCNN 106 Hình 4.36 Sự hội tụ mơ hình (a) độ hội tụ trình huấn luyện; (b) độ hội tụ trình đánh giá mạng mơ hình 107 Hình 4.37 Ma trận lỗi (a) 1DCNN; (b) 1DCNN-LSTM; (c) MDWD-SAX-1DCNN-LSTM 109 Hình 4.38 Kết độ xác mạng bước đánh giá 110