Luận văn thạc sĩ kỹ thuật xác định hư hỏng kết cấu dàn sử dụng giải thuật tối ưu cuckoo search (cs) và thông tin dao động của kết cấu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC CÔNG NGHỆ TP.HCM - LV ẠC TH TRẦN QUỐC TUẤN SĨ KT XÁC ĐỊNH HƢ HỎNG KẾT CẤU DÀN SỬ DỤNG ÂN N GIẢI THUẬT TỐI ƢU CUCKOO SEARCH (CS) VÀ THÔNG TIN DAO ĐỘNG CỦA KẾT CẤU G O CA LUẬN VĂN THẠC SĨ Chun ngành: Kỹ thuật xây dựng cơng trình dân dụng cơng nghiệp Mã ngành: 60580208 TP HỒ CHÍ MINH, năm 2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC CÔNG NGHỆ TP.HCM - LV ẠC TH SĨ TRẦN QUỐC TUẤN KT N XÁC ĐỊNH HƢ HỎNG KẾT CẤU DÀN SỬ DỤNG ÂN GIẢI THUẬT TỐI ƢU CUCKOO SEARCH (CS) VÀ G THÔNG TIN DAO ĐỘNG CỦA KẾT CẤU O CA LUẬN VĂN THẠC SĨ Chun ngành: Kỹ thuật xây dựng cơng trình dân dụng công nghiệp Mã ngành: 60580208 CÁN BỘ HƢỚNG DẪN KHOA HỌC: PGS.TS.NGUYỄN THỜI TRUNG TP HỒ CHÍ MINH, tháng 07 năm 2017 CƠNG TRÌNH ĐƢỢC HỒN THÀNH TẠI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ TP.HCM Cán hƣớng dẫn khoa học: PGS.TS NGUYỄN THỜI TRUNG Luận văn Thạc sĩ đƣợc bảo vệ Trƣờng Đại học Công nghệ TP.HCM ngày 04 LV tháng 10 năm 2017 ẠC TH Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm: Chức danh Hội đồng TS KHỔNG TRỌNG TOÀN Chủ tịch TS NGUYỄN VĂN GIANG Phản biện TS NGUYỄN HỒNG ÂN TS TRẦN TUẤN NAM TS ĐÀO ĐÌNH NHÂN SĨ Họ tên TT KT G ÂN N Phản biện Ủy viên CA Ủy viên, Thƣ ký O Xác nhận Chủ tịch Hội đồng đánh giá Luận văn sau Luận văn đƣợc sửa chữa (nếu có) Chủ tịch Hội đồng đánh giá LV TRƢỜNG ĐH CÔNG NGHỆ TP HCM CỘNG HÕA XÃ HỘI CHỦ NGHĨA VIỆT NAM PHÒNG QLKH – ĐTSĐH Độc lập – Tự – Hạnh phúc TP HCM, ngày 31 tháng 07 năm 2017 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: TRẦN QUỐC TUẤN Giới tính: Nam Ngày, tháng, năm sinh: 18-12-1971 Nơi sinh: TP.HCM Chuyên ngành: Kỹ thuật xây dựng cơng trình MSHV:1441870034 LV TH I- Tên đề tài: ẠC Xác định hƣ hỏng kết cấu dàn sử dụng giải thuật tối ƣu Cuckoo Search (CS) thông tin dao động kết cấu SĨ II- Nhiệm vụ nội dung: KT Thành lập toán xác định hƣ hỏng kết cấu dàn ÂN để xác định vị trí mức độ hƣ hại N Sử dụng phƣơng pháp lƣợng biến dạng giải thuật tối ƣu Cuckoo Search (CS) G Sử dụng ngơn ngữ lập trình Matlab để mơ tính tốn kết số III- Ngày giao nhiệm vụ: 26/09/2016 IV- Ngày hoàn thành nhiệm vụ: 31/07/2017 O CA So sánh kết đạt đƣợc với phƣơng pháp khác V- Cán hƣớng dẫn: PGS.TS NGUYỄN THỜI TRUNG CÁN BỘ HƢỚNG DẪN (Họ tên chữ ký) KHOA QUẢN LÝ CHUYÊN NGÀNH (Họ tên chữ ký) i LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng tơi dƣới hƣớng dẫn PGS.TS Nguyễn Thời Trung Các số liệu, kết nêu Luận văn trung thực chƣa đƣợc công bố cơng trình khác Tơi xin cam đoan giúp đỡ cho việc thực Luận văn đƣợc cảm ơn thơng tin trích dẫn Luận văn đƣợc rõ nguồn gốc LV Học viên thực Luận văn ẠC TH SĨ TRẦN QUỐC TUẤN KT G ÂN N O CA ii LỜI CÁM ƠN Đầu tiên xin gửi đến ngƣời Thầy tơi, Thầy Nguyễn Thời Trung lịng biết ơn sâu sắc Tơi ln cảm thấy ngƣời may mắn đƣợc Thầy dạy hƣớng dẫn thực luận văn Thầy không truyền đạt kiến thức mà cịn truyền đạt niềm đam mê cơng việc nghiên cứu sống Trong suốt trình làm luận văn, gặp nhiều bở ngỡ khó khăn nhƣng học đƣợc nhiều từ lời khuyên quý báu động viên Thầy Tôi xin gửi lời cảm ơn đến Quý Thầy Cô Khoa Xây Dựng trƣờng Đại học Công nghệ TPHCM Thầy Cô ngƣời dạy dỗ, truyền đạt kiến thức tảng kinh nghiệm sống cho LV suốt thời gian học TH Tôi xin gửi lời cảm ơn đến bạn nghiên cứu viên Viện Khoa học Tính tốn ẠC (INCOS-TĐT), đặc biệt bạn Đinh Công Dự, Hồ Hữu Vịnh, Võ Duy Trung Các bạn ngƣời đồng hành từ lúc bắt đầu chọn đề tài lúc hoàn thành luận văn Một SĨ lần xin chân thành cảm ơn bạn KT Cuối cùng, xin cám ơn đến bạn bè gia đình động viên, khích lệ để tơi có đƣợc G ÂN Một lần nữa, xin trân trọng cảm ơn N kết nhƣ ngày hôm CA TPHCM, ngày 31 tháng 07 năm 2017 O Học viên thực TRẦN QUỐC TUẤN iii TÓM TẮT TÊN ĐỀ TÀI “XÁC ĐỊNH HƢ HỎNG KẾT CẤU DÀN SỬ DỤNG GIẢI THUẬT TỐI ƢU CUCKOO SEARCH (CS) VÀ THÔNG TIN DAO ĐỘNG CỦA KẾT CẤU” Luận văn trình bày phƣơng pháp hai giai đoạn để phát vị trí mức độ hƣ hại kết cấu dàn dựa phƣơng pháp thay đổi lƣợng biến dạng gỉải thuật tối ƣu Cuckoo Search (CS) Ở giai đoạn thứ nhất, phƣơng pháp thay đổi lƣợng biến dạng đƣợc sử dụng Trong phƣơng pháp này, thay đổi lƣợng biến dạng LV phần tử kết cấu khỏe mạnh kết cấu hƣ hại đƣợc chuẩn hóa thành số đƣợc TH gọi nMSEBI (normal Modal Strain Energy Based damage Index) để xác định vị trí có ẠC khả hƣ hại kết cấu dàn Ở giai đoạn thứ hai, toán xác định hƣ hại đƣợc chuyển thành tốn tối ƣu hóa, hàm mục tiêu thay đổi tần số tự nhiên SĨ dạng dao động (mode shape) kết cấu hƣ hại kết cấu không hƣ hại biến KT thiết kế phần trăm hƣ hại phần tử có khả hƣ hại đƣợc xác định giai đoạn N trƣớc Để giải toán tối ƣu vừa thành lập, giải thuật tìm kiếm tối ƣu Cuckoo Search (CS) ÂN đƣợc sử dụng Tính hiệu độ tin cậy phƣơng pháp hai giai đoạn đƣợc thể thơng G qua ví dụ số cho kết cấu dàn phẳng dàn không gian Đồng thời, ảnh hƣởng O đƣợc tác giả thực khảo sát ví dụ số CA tham số phƣơng pháp nhƣ tham số kết cấu ảnh hƣởng nhiễu Từ khóa: Phần tử hữu hạn (FEM), kết cấu dàn, phƣơng pháp thay đổi lƣợng biến dạng, giải thuật tối ƣu Cuckoo Search (CS), chẩn đoán sức khỏe kết cấu (SHM) iv ABSTRACT The thesis presents a two-stage damage identification method to identify locations and extents of multiple damages in truss structures by using a modal strain energy method and a Cuckoo Search (CS) algorithm In the first stage, the modal strain energy method is used In this method, the change in strain energy of elements between healthy and damaged structures is computed and normalized to give a so-called the normal Modal Strain Energy Based damage Index (nMSEBI) for damage assessment of the truss structures In the second stage, the damage identification problem is transformed into an optimization problem in which the objective function is the change in natural frequency and the mode shape between the LV damaged structure and the adjusted structure based on finite element analysis and design TH variables are the damage ratios of the damaged elements identified in the previous stage In ẠC order to solve the optimization problem established, the Cuckoo Search (CS) algorithm is employed The effectiveness and reliability of the two-stage method is demonstrated through SĨ several numerical examples of 2D and 3D truss structures In addition, the influence of the KT parameters of the damage identification methods as well as paramaters of structures and section G ÂN N measurement noise on the damage identification results is investigated in numerical examples O CA Key words: Finite Element Method (FEM), Truss Structure, Modal Energy Strain Based Index (MSEBI), Cuckoo Search (CS) Algorithm, Structural Health Monitoring (SHM) v MỤC LỤC Chƣơng TỔNG QUAN 1.1 Đặt vấn đề 1.2 Tổng quan tài liệu 1.2.1 Tình hình nghiên cứu giới 1.2.1 Tình hình nghiên cứu nƣớc 1.2.3 Nhận xét 1.3 Mục tiêu nghiên cứu 1.4 Đối tƣợng phạm vi nghiên cứu 10 LV 1.4.1 Đối tƣợng nghiên cứu 10 TH 1.4.2 Phạm vi nghiên cứu 10 ẠC 1.5 Phƣơng pháp nghiên cứu 10 1.6 Bố cục luận văn 10 SĨ Chƣơng CƠ SỞ LÝ THUYẾT 11 KT 2.1 Phƣơng pháp phần tử hữu hạn cho kết cấu dàn 11 N 2.1.1 Phần tử dàn tuyến tính hệ tọa độ địa phƣơng 11 ÂN 2.1.2 Phần tử dàn tuyến tính hệ tọa độ tổng thể 13 G 2.2 Bài toán chẩn đoán hƣ hại cho kết cấu 18 CA 2.2.1 Xác định vị trí hƣ hại phƣơng pháp lƣợng biến dạng 19 O 2.2.2 Đánh giá hƣ hại thuật tốn tối ƣu hóa 22 2.3 Giải thuật Cuckoo Search (CS) 22 2.3.1 Giới thiệu 22 2.3.2 Phƣơng pháp 25 2.4 Lƣu đồ giải thuật 28 Chƣơng VÍ DỤ SỐ 29 3.1 Kết cấu dàn phẳng 29 3.1.1 ài toán 30 3.1.2 Bài toán 45 3.1.3 Bài toán 50 vi 3.2 Kết cấu dàn không gian 63 3.2.1 Kiểm chứng code Matlab 65 3.2.2 Xác định vị trí hƣ hại 66 3.2.3 Xác định mức độ hƣ hại 70 Chƣơng 4: KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 75 4.1 Kết luận 75 4.2 Hƣớng phát triển đề tài 76 TÀI LIỆU THAM KHẢO 77 PHỤ LỤC LV ẠC TH SĨ KT G ÂN N O CA 71 đƣợc điều chỉnh n = 40; số vòng lặp cực đại 15000, cho trƣờng hợp hƣ hại 3, kích thƣớc dân số đƣợc điều chỉnh n = 50; số vòng lặp cực đại 20000 3.2.3.1 rường hợp hư hại Kết xác định mức độ hƣ hại cho trƣờng hợp hƣ hại sử dụng phƣơng pháp CS ứng với mức độ nhiễu khác đƣợc trình bày ảng 3.23 Kết cho hai trƣờng hợp nhiễu (3% 5%), kết xác định mức độ hƣ hại thu đƣợc phần tử 28 từ thuật tốn tối ƣu CS xác (sai số gần = ) ảng 3.24 Kết xác định mức độ hƣ hại sử dụng phƣơng pháp CS ứng với mức độ nhiễu khác Giá trị mức độ hƣ hại trung bình phần tƣ 28 sau 10 lần Sai số mức độ nhiễu phân tích hƣ hại (%) LV Mức độ TH x1 f(x) Phần tử thứ 28 3% 8342 0.2501 0.0015 0.04 5% 10408 0.2501 0.0041 0.04 SĨ KT Ghi chú: x1 ẠC Số vòng lặp hƣ hại phần tử thứ 28; f(x) giá trị hàm mục tiêu N ÂN Q trình hội tụ tốn dàn khơng gian 52 trƣờng hợp hƣ hại giải G phƣơng pháp CS đƣợc thể Hình 3.48 Ta thấy, lời giải CS cho kết hội CA tụ tốt Trƣờng hợp nhiễu , hội tụ sau 8342 vòng lặp tƣơng ứng với 333680 lần phân tích Trƣờng hợp nhiễu , hội tụ sau 10408 vòng lặp tƣơng ứng với 416320 lần O phân tích 72 HAM MUC TIEU TOT NHAT-nhieu 3% TRUNG BINH-nhieu 3% TOT NHAT-nhieu 5% TRUNG BINH-nhieu 5% 0 200 400 600 800 1000 1200 SO VONG LAP 1400 1600 1800 2000 Hình 3.48 Kết hội tụ nghiệm hàm mục tiêu, trƣờng hợp nhiễu 3% 5% 3.2.3.2 rường hợp hư hại LV Kết xác định mức độ hƣ hại cho trƣờng hợp hƣ hại sử dụng phƣơng pháp CS TH ứng với mức độ nhiễu khác đƣợc trình bày ảng 3.24 Kết cho hai trƣờng hợp nhiễu (3% 5%), kết xác định mức độ hƣ hại thu đƣợc ẠC phần tử 14 17 từ thuật toán tối ƣu CS xác (sai số ≈ 0%) SĨ KT ảng 3.25 Kết xác định mức độ hƣ hại sử dụng phƣơng pháp CS ứng với mức độ nhiễu khác Giá trị hƣ hại trung bình sau 10 lần phân tích Số vịng x2 f(x) G lặp x1 ÂN N Mức độ hƣ hại khảo sát Sai số mức độ hƣ hại (%) Phần tử 14 thứ 17 CA Phần tử thứ 3541 0.3002 0.2999 0.0015 0.07 0.03 5% 3572 0.2996 0.2995 0.0042 0.13 0.13 Ghi chú: x1 hƣ hại phần tử thứ 14; x2 O 3% hƣ hại phần tử thứ 17; f(x) giá trị hàm mục tiêu Quá trình hội tụ nghiệm hàm mục tiêu toán dàn không gian 52 trƣờng hợp hƣ hại giải phƣơng pháp CS đƣợc thể Hình 3.49 Ta thấy, lời giải CS cho kết hội tụ tốt Trƣờng hợp nhiễu , kết hội tụ sau 3541 vòng lặp tƣơng ứng với 141640 lần phân tích Trƣờng hợp nhiễu , kết hội tụ sau 3572 vòng lặp tƣơng ứng với 142880 lần phân tích 73 HAM MUC TIEU TOT NHAT-nhieu 3% TRUNG BINH-nhieu 3% TOT NHAT-nhieu 5% TRUNG BINH-nhieu 5% 0 200 400 600 800 1000 1200 SO VONG LAP 1400 1600 1800 2000 Hình 3.49 Kết hội tụ nghiệm hàm mục tiêu, trƣờng hợp nhiễu 3% 5% 3.2.3.3 rường hợp hư hại LV Kết xác định mức độ hƣ hại cho trƣờng hợp hƣ hại sử dụng phƣơng pháp CS TH ứng với mức độ nhiễu khác đƣợc trình bày ảng 3.25 Kết cho 5%), kết xác định mức độ hƣ hại thu đƣợc ẠC hai trƣờng hợp nhiễu (3 phần tử 14, 19 28 từ thuật tốn tối ƣu CS xác (sai số ≈ 0%) SĨ KT ảng 3.26 Kết xác định mức độ hƣ hại sử dụng phƣơng pháp CS ứng với mức độ nhiễu khác Giá trị hƣ hại trung bình sau 10 lần phân tích Sai số mức độ hƣ hại ÂN N Số vòng x1 x2 x3 G Mức độ hƣ hại khảo sát f(x) Phần tử Phần tử Phần tử thứ 14 thứ 19 thứ 28 CA lặp 3% 20000 0.2502 0.2003 0.2501 0.0016 0.08 O 0.15 0.04 5% 20000 0.2503 0.2005 0.2501 0.0043 0.12 0.25 0.04 Ghi chú: x1 hƣ hại phần tử thứ 14; x2 thứ 28; f(x) giá trị hàm mục tiêu hƣ hại phần tử thứ 19; x3 hƣ hại phần tử Quá trình hội tụ tốn dàn khơng gian 52 trƣờng hợp hƣ hại giải phƣơng pháp CS đƣợc thể Hình 3.29 Ta thấy, lời giải CS cho kết hội tụ tốt Trƣờng hợp nhiễu , kết hội tụ sau 20000 vòng lặp tƣơng ứng với 1000000 lần phân tích Trƣờng hợp nhiễu , kết hội tụ sau 20000 vòng lặp tƣơng ứng với 1000000 lần phân tích 74 HAM MUC TIEU TOT NHAT-nhieu 3% TRUNG BINH-nhieu 3% TOT NHAT-nhieu 5% TRUNG BINH-nhieu 5% 0 2000 4000 6000 8000 10000 12000 SO VONG LAP 14000 16000 18000 20000 Hình 3.50 Kết hội tụ nghiệm hàm mục tiêu, trƣờng hợp nhiễu 3% 5% LV ẠC TH SĨ KT G ÂN N O CA 75 Chƣơng 4: KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 4.1 Kết luận Trong phần mở đầu phần sở lý thuyết, luận văn trình bày tổng quan tình hình nghiên cứu ngồi nƣớc, lý thuyết dàn, sở lý thuyết phƣơng pháp thay đổi lƣợng, giải thuật tối ƣu hóa Cuckoo Search (CS) phƣơng pháp phần tử hữu hạn cho kết cấu dàn Trong phần nội dung phƣơng pháp nghiên cứu, luận văn trình bày phƣơng pháp hai giai đoạn nhằm xác định vị trí mức độ hƣ hại cho kết cấu dàn phẳng dàn không gian dựa phƣơng pháp thay đổi lƣợng biến dạng gỉải thuật tối ƣu LV Cuckoo Search (CS) Ở giai đoạn thứ nhất, phƣơng pháp thay đổi lƣợng biến dạng, TH dựa thay đổi lƣợng biến dạng phần tử kết cấu không hƣ hại kết cấu bị hƣ hại đƣợc sử dụng chuẩn hóa thành số nMSEBI để xác định vị trí có ẠC khả bị hƣ hại Ở giai đoạn thứ hai, toán tối ƣu đƣợc thành lập với hàm mục SĨ tiêu thay đổi tần số tự nhiên dạng dao động (mode shape) kết cấu hƣ hại KT kết cấu mơ hình (bởi phƣơng pháp phần tử hữu hạn) biến thiết kế phần trăm hƣ hại phần tử có khả hƣ hại đƣợc xác định giai đoạn trƣớc Sau đó, giải thuật N định mức độ hƣ hại vị trí hƣ hại G ÂN tìm kiếm tối ƣu Cuckoo Search (CS) đƣợc sử dụng để giải toán tối ƣu nhằm xác Trong phần ví dụ số, luận văn tiến hành thực ví dụ số nhằm khảo sát ảnh CA hƣởng tham số nhƣ số lƣợng dạng dao động (mode shape), số phần tử hƣ hại, mức O độ hƣ hại nhiễu đến kết xác định vị trí mức độ hƣ hại phƣơng pháp thay đổi lƣợng biến dạng phƣơng pháp CS Kết cho thấy số đề xuất nMSEBI cần sử dụng dạng dao động xác định đƣợc vị trí phần tử hƣ hại (trong trƣờng hợp xét đến nhiễu), số MSEBI cịn xác định nhầm phần tử không hƣ hại (ngay sử dụng đến dạng dao động) Việc sử dụng phƣơng pháp hai giai đoạn cho kết tốt kết cấu dàn Phƣơng pháp hai giai đoạn đƣợc áp dụng luận văn có ƣu điểm sau: - Việc sử dụng số nMSEBI đề xuất để xác định vị trí hƣ hại phần tử hiệu quả, có phần tử bị xác định nhầm 76 - Phƣơng pháp xác định vị trí hƣ hại giai đoạn giúp làm giảm đáng kể số biến thiết kế giai đoạn - Giải thuật tìm kiếm Cuckoo Search (CS) hiệu việc đánh giá mức độ hƣ hại phần tử thực bị hƣ hại, nhƣ xác định đƣợc phần tử bị xác định hƣ hại nhầm giai đoạn 4.2 Hƣớng phát triển đề tài Do thời gian thực luận văn hạn chế nên nghiên cứu khơng tránh khỏi thiếu sót định Tác giả mong nhận đƣợc quan tâm Thầy Cô đồng nghiệp để phát triển đề tài theo hƣớng sau: Mở rộng phƣơng pháp hai giai đoạn đƣợc sử dụng luận văn để chẩn đoán hƣ LV - hỏng cho kết cấu khung, tấm, vỏ TH - Cải tiến giải thuật tìm kiếm tối ƣu Cuckoo Search để làm giảm chi phí tính tốn ẠC SĨ KT G ÂN N O CA 77 TÀI LIỆU THAM KHẢO [1] S C Mohan, D K Maiti, and D Maity, “Structural damage assessment using FRF employing particle swarm optimization,” Appl Math Comput., vol 219, no 20, pp 10387–10400, Jun 2013 [2] X Wu, J Ghaboussi, and J H Garrett Jr, “Use of neural networks in detection of structural damage,” Comput Struct., vol 42, no 4, pp 649–659, Feb 1992 [3] P Cawley and R D Adams, “The location of defects in structures from measurements of natural frequencies,” J Strain Anal Eng Des., vol 14, no 2, pp 49–57, 2007 [4] Q Lu, G Ren, and Y Zhao, “Multiple Damage Location With Flexibility Curvature and LV Relative Frequency Change for eam Structures,” J Sound Vib., vol 253, pp 1101–1114, ẠC [5] TH 2002 O S Salawu, “Detection of structural damage through changes in frequency: a review,” SĨ Eng Struct., vol 19, no 9, pp 718–723, Sep 1997 O S and C.Williams, “ ridge assessment using forced-vibration testing,” vol 121, pp 161–173, 1995 KT [6] N R J Allemang and D L rown, “A correlation coefficient for modal vector analysis,” ÂN [7] G First Int Modal Anal Conf., pp 110–116, 1982 CA [8] A K Pandey, M iswas, and M M Samman, “Damage detection from changes in O curvature mode shapes,” J Sound Vib., vol 145, no 2, pp 321–332, 1991 [9] A K Pandey and M iswas, “Damage Detection in Structures Using Changes in Flexibility,” J Sound Vib., vol 169, no 1, pp 3–17, 1994 [10] D ernal, “Load Vectors for Damage Localization,” J Eng Mech., vol 128, no 1, pp 7– 14, 2002 [11] S T Quek, V A Tran, X Y Hou, and W H Duan, “Structural damage detection using enhanced damage locating vector method with limited wireless sensors,” J Sound Vib., vol 328, no 4–5, pp 411–427, Dec 2009 78 [12] S A Jang, S Sim, and F S Jr, “Structural Damage Detection Using Static Strain Data.” [13] S M Seyedpoor and M Montazer, “A damage identification method for truss structures using a flexibility-based damage probability index and differential evolution algorithm,” vol 5977, no November, 2015 [14] Z Y Shi, S S Law, and L M Zhang, “Structural Damage Localization from Modal Strain Energy Change,” J Sound Vib., vol 218, no 5, pp 825–844, 1998 [15] S Wu, J Zhou, S Rui, and Q Fei, “Reformulation of elemental modal strain energy method based on strain modes for structural damage detection,” 2016 LV [16] O G .Gunes, “Structural health monitoring and damage assessment Part I: A critical TH review of approaches and methods,” pp 1694–1702, 2013 ẠC [17] S W Doebling, C R Farrar, M Prime, and D W Shevitz, “Damage identification and SĨ health monitoring of structural and mechanical systems from changes in their vibration KT characteristics: a literature review,” Los Alamos National Lab., NM (United States), 1996 N [18] S W S C.A eattie, “Model correlation and damage location for large space truss ÂN structures: secant method development and evaluation,” 1991 G [19] D C Zimmerman and S W Smith, “Model refinement and damage location for intelligent O CA structures,” Intell Struct Syst., pp 403–452, 1992 [20] Z Sun, “Structural damage assessment based on wavelet packet transform,” J Struct Eng., vol 128, p 1354, 2002 [21] and P W T J.N.Kudva, N.Munir, “Damage detection in smart structures using neural networks and finite-element analysis,” vol 1, no 2, p 108, 1992 [22] and J H G X.Wu, J.Ghabussi, “Use of neural networks in detection of structural damage,” vol 42, no 4, pp 649–659, 1992 [23] A Kaveh and A Zolghadr, “An improved CSS for damage detection of truss structures using changes in natural frequencies and mode shapes,” Adv Eng Softw., vol 80, pp 93– 79 100, Feb 2015 [24] Z T Wei, J K Liu, and Z R Lu, “Damage identification in plates based on the ratio of modal strain energy change and sensitivity analysis,” Inverse Probl Sci Eng., no March 2015, pp 37–41, 2015 [25] X Wang, N Hu, H Fukunaga, and Z H Yao, “Structural damage identification using static test data and changes in frequencies,” Eng Struct., vol 23, no 6, pp 610–621, Jun 2001 [26] N T H L Nguyễn Q hân, “Chẩn đốn khung có chứa vết nứt wavelet kết hợp giải thuật di truyền,” 2010 LV [27] K V Nguyen and H T Tran, “Multi-cracks detection of a beam-like structure based on TH the on-vehicle vibration signal and wavelet analysis,” J Sound Vib., vol 329, no 21, pp ẠC 4455–4465, Oct 2010 SĨ [28] N T H L Lê Xn Hằng, “Phân tích chẩn đốn dầm đàn hồi có nhiều vết nứt,” Tạp chí KT phát triển KH CN, p Số 18, tập 12, 2009 N [29] T T K Trần Văn Liên, “Kiểm tra thực nghiệm phƣơng pháp xác định vết nứt dầm G dựng, số 9, 2014 ÂN chịu uốn phân tích wavelet chuyển vị tĩnh,” Tạp chí khoa học công nghệ xây CA [30] T A H Trần Văn Liên, “Xác định vết nứt kết cấu hệ phân tích wavelet O dừng chuyển vị động,” Tạp chí khoa học cơng nghệ xây dựng, số 21, 2014 [31] T Vo-Duy, V Ho-Huu, H Dang-Trung, and T Nguyen-Thoi, “A two-step approach for damage detection in laminated composite structures using modal strain energy method and an improved differential evolution algorithm,” Compos Struct., vol 147, pp 42–53, Jul 2016 [32] N T Tiến, “Chẩn đoán hƣ hại dầm composite nhiều lớp sử dụng phƣơng pháp véc-tơ định vị DLV giải thuật tiến hóa khác biệt DE,” 2017 [33] Đ Q Tồn, “Chẩn đốn hƣ hỏng kết cấu khung phƣơng pháp kết hợp véc-tơ định vị (DLV) giải thuật tiến hóa khác biệt (DE),” 2017 80 [34] M I Friswell, J E T Penny, and S D Garvey, “A combined genetic and eigensensitivity algorithm for the location of damage in structures,” Comput Struct., vol 69, no 5, pp 547–556, Dec 1998 [35] S M Seyedpoor, “Structural Damage Detection Using a Multi-Stage Particle Swarm Optimization,” Adv Struct Eng., vol 14, no 3, pp 533–549, Jun 2011 [36] S M Seyedpoor, “A two stage method for structural damage detection using a modal strain energy based index and particle swarm optimization,” Int J Non Linear Mech., vol 47, no 1, pp 1–8, 2012 [37] J Liu, H Zhu, Q Ma, L Zhang, and H Xu, “An Artificial Bee Colony algorithm with LV guide of global & local optima and asynchronous scaling factors for numerical TH optimization,” Appl Soft Comput J., 2015 ẠC [38] X S Yang and S Deb, “Cuckoo Search via Lévy flights,” Nature & Biologically Inspired Computing, 2009 NaBIC 2009 World Congress on pp 210–214, 2009 SĨ KT [39] H Xu, J Liu, and Z Lu, “Structural damage identification based on cuckoo search algorithm,” Adv Struct Eng., vol 19, no 5, pp 849–859, 2016 N ÂN [40] PGS TS NGUYỄN XUÂN HÙNG , PGS TS NGUYỄN THỜI TRUNG, PHƢƠNG G PHÁP PHẦN TỬ HỮU HẠN HÀ NỘI: NHÀ XUẤT ẢN XÂY DỰNG, 2015 CA [41] H Y Guo and Z L Li, “Structural Multi-Damage Identi ¯ cation Based on Modal Strain O Energy Equivalence Index Method,” vol 14, no 7, pp 1–17, 2014 [42] Y Li, S Wang, M Zhang, and C Zheng, “An Improved Modal Strain Energy Method for Damage Detection in Offshore Platform Structures,” pp 1–3, 2016 [43] F C Stubbs N, Kim JT, “Field verification of anondestructive damage localization and sevrity estimation algorithm,” pp 210–218, 1995 [44] M Montazer and S M Seyedpoor, “A New Flexibility ased Damage Index for Damage Detection of Truss Structures,” vol 2014, 2014 [45] A Kaveh and A Zolghadr, “Guided Modal Strain Energy-Based Approach for Structural 81 Damage Identification Using Tug-of-War Optimization Algorithm,” no Holland 1975, pp 1–12, 2017 [46] A M Reynolds and M A Frye, “Free-flight odor tracking in Drosophila is consistent with an optimal intermittent scale-free search,” PLoS One, vol 2, no 4, 2007 [47] I Pavlyukevich, “Lévy flights, non-local search and simulated annealing,” J Comput Phys., vol 226, no 2, pp 1830–1844, Oct 2007 [48] C T rown, L S Liebovitch, and R Glendon, “L??vy flights in dobe Ju/’hoansi foraging patterns,” Hum Ecol., vol 35, no 1, pp 129–138, 2007 LV [49] W D artheleny.P, ertolotti.J, “A Lévy flight for light, Nature,” pp 495–498, 2008 TH [50] F Wang, T Chan, D Thambiratnam, A Tan, and C Cowled, “Correlation-Based Damage ẠC Detection for Complicated Truss Bridges Using Multi-Layer Genetic Algorithm,” Adv Struct Eng., vol 15, no 5, pp 693–706, May 2012 SĨ [51] A Kaveh and A Zolghadr, “Truss optimization with natural frequency constraints using a KT hybridized CSS-BBBC algorithm with trap recognition capability,” Comput Struct., vol G ÂN N 102–103, pp 14–27, Jul 2012 O CA PHỤ LỤC Code Matlab kiểm chứng tần số LV clear all;close all; format long; global element gcoord nele %% INPUT PARAMETER OF MATERIAL baitoan=2; nnmod=[1,2,3]; nele = 28; nei = zeros(length(nnmod),nele); for n=1:length(nnmod) nmod=nnmod(n); [L,rho,A,E,dam_e,dam_pe]=INPUT(baitoan); %% GCOORD & NODES [element,gcoord,nele,nnode,sdof,nnod]=nodes_gcoord(L); %% BOUNDARY CONDITIONS (chu y bai toan) nut_dkbgcd=[1]; nut_dkbgtd=[14]; bcdof=[nut_dkbgcd*2-1; nut_dkbgcd*2;nut_dkbgtd*21;nut_dkbgtd*2;]; b=unique(sort(bcdof)); %% CACULATION STIFFNESS MATRIX [kk_ud,kk_d,M]=STIFFNESS_UD(nele,element,gcoord,E,A,rho,sdof ,dam_e,dam_pe); [eigval, eigvec] = eigens(kk_ud,M,b); [eigvaldamg, eigvecdamg] = eigens(kk_d,M,b); omega1=sqrt(eigval);omega2=sqrt(eigvaldamg); f1=omega1(1:10)./(2*pi);f2=omega2(1:10)./(2*pi); % T=1./f %% FLEXIBILITY METHOD flexintct = flex(eigval,eigvec,nmod); flexdamg = flex(eigvaldamg,eigvecdamg,nmod); %% DAMAGE LOCATING VECTORS % dlv = dlvs(flexintct, flexdamg); ẠC TH SĨ KT G ÂN N O CA sensordof = sort([2*(1:nnod)-1,2*(1:nnod)]); flexintctsensor = flexintct(sensordof,sensordof); flexdamgsensor = flexdamg(sensordof,sensordof); dlv = dlvssensor(flexintctsensor, flexdamgsensor, sdof , sensordof); % disp('check dlvsensor') xxx=max(abs((flexintct-flexdamg)*dlv));max(xxx); dsplm = solstatic(kk_ud,dlv,bcdof); %% CACULATION NCE,NCI VALUES nei(n,:) = truss_mnmse(nele,size(dlv,2),dsplm(:,:),kk_ud,A,E,rho,gcoord ,element); nei(n,:) = nei(n,:)/max(nei(n,:)); end plotneiscale Code Matlab số MSEBI nMSEBI LV clear all;close all;clc; format long; global nodes nnode nele %% INPUT PARAMETER OF MATERIAL dam_e=[10,20,30] ; dam_pe=[25,25,20]; % dam_e=[10,20] ; dam_pe=[25,15]; % dam_e=[10] ; dam_pe=[30]; nnmod=[3:5]; Noise = 'no'; % yes or no NoiseLevel = [0/100; 3/100]; nv=1; % xxx = cell(1,nv); % xxxx= cell(1,nv); MSEBI=cell(1,nv); baitoan=2; [L,rho,A,E]=INPUT(baitoan); ẠC TH SĨ KT ÂN N G [eigval,eigvec,eigvaldamg,eigvecdamg,kk_ud,kk_d, M,bcdof,nele,edof,nodes,gcoord,A] = fh2D9bar(dam_e,dam_pe); % xxx{i}= eigvecdamg; % xxxx{i}=kk_ud; % end % xx=max(xxx{1}-xxx{3}); max(xx) % break %% %% Noise eigvaldamg_noise=eigvaldamg; eigvecdamg_noise=eigvecdamg; O CA if strcmp(Noise,'yes') eigvaldamg_noise = eigvaldamg + NoiseLevel(1)*(2*rand(size(eigvaldamg))-1).*eigvaldamg; eigvecdamg_noise = eigvecdamg + NoiseLevel(2)*(2*rand(size(eigvecdamg))-1).*eigvecdamg; end luu = []; luu_1 = []; for i =1:nv for n=1:length(nnmod) nmod=nnmod(n); %% %% Base on nMSEBDI mnmseintct = mnmse(nele,nmod,eigvec,kk_ud,nodes,gcoord,A,E,rho); mnmsedamg = mnmse(nele,nmod, eigvecdamg_noise,kk_d,nodes,gcoord,A,E,rho); LV % MSEBI = msebi(mnmseintct,mnmsedamg); % nn=size(mnmseintct);n=nn(2); MSEBI = SCBFIe(mnmseintct,mnmsedamg,n,nele); luu =[luu;MSEBI]; mseplot TH ẠC nMSEBDI = SCBFIe2(mnmseintct,mnmsedamg,n,nele); % xxx{i} =MSEBI; luu_1 =[luu_1;nMSEBDI]; mseplot2 end end %% Plot % mseplot SĨ KT ÂN N Code Matlab Cuckoo search (CS) G O CA clear all; close all; clc addpath /DE-function /FEM-bar /Cuckoo_search format long delete dulieu.txt diary dulieu.txt %% cai dat cac thong so ban dau cua CS Popsize = 30; % kich thuot dan so MaxFES = 15000; % so vong lap cuc dai Display = 'yes'; % hien thi ket qua len man hinh tol = 1e-6; %DK dung =abs(f_best/f_mean -1) Noise = 'yes'; % yes or no NoiseLevel = [0/100; 3/100]; %% xac dinh thong so cua bai toan nf = 4; % number of mode required nbar = 31; % number variables of FEA ixd = 0*ones(1,nbar); % ixd([10 20]) = [0.25 0.15]; % assummed damage element ixd([10]) = [0.3]; % assummed damage element %ixd([10 20 30]) = [0.25 0.25 0.2];% assummed damage element dam_e=[10]; % suspected element [fh] = fhframe(nf); Hz_ud=fh/2/pi % health frequency nv=10; xd1=zeros(nv,nbar);xd2=zeros(nv,nbar);xd4=zeros(nv,nbar);FEA 1=zeros(nv,1);FEA2=zeros(nv,1);FEA4=zeros(nv,1); xd4={}; for kk=1:nv LV ẠC TH [fd,eigvecdamg,flexdamg] = fdframe_noise(ixd,nf,Noise,NoiseLevel); % damage frequency Hz_d=fd/2/pi objfun = @(x)shm2D9bar(x,nf,fh,fd,eigvecdamg,flexdamg,dam_e); dim = length(dam_e); Lb = 0*ones(1,dim); Ub = 1*ones(1,dim); SĨ KT ÂN N %% OPTIMIZATION G MaxIter = 150; % Maximum iteration pmutate = 0.3; % Mutative probability % [x1,f1,FES1] = GeneticAlgorithm( objfun,Popsize,pmutate,dim,Lb,Ub,MaxIter,tol,Display ) O CA [x5,fmin] = cuckoo_search(objfun,Popsize,Lb,Ub,MaxFES,tol,Display); xd4 = [xd4,{x5}]; end diary off