Luận văn thạc sĩ Kỹ thuật xây dựng: Chẩn đoán vết nứt trong kết cấu nhôm sử dụng đáp ứng trở kháng và mạng nơ-ron tích chập

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

LÊ ANH TUẤN

CHẨN ĐOÁN VẾT NỨT TRONG KẾT CẤU NHÔM SỬ DỤNG ĐÁP ỨNG TRỞ KHÁNG VÀ MẠNG NƠ-RON TÍCH CHẬP

Chuyên ngành : Kỹ thuật Xây dựng Mã số : 8580201

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, tháng 07 năm 2023

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI

TRƯỜNG ĐẠI HỌC BÁCH KHOA –ĐHQG -HCM Cán bộ hướng dẫn khoa học: PGS TS Hồ Đức Duy Chữ ký:

Cán bộ chấm nhận xét 1: PGS.TS Châu Đình Thành Chữ ký: (Ghi rõ họ, tên, học hàm, học vị và chữ ký)

Cán bộ chấm nhận xét 2: PGS.TS Lương Văn Hải Chữ ký:

(Ghi rõ họ, tên, học hàm, học vị và chữ ký)

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày 11 tháng 07 năm 2023

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:

(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn thạc sĩ)

3 PGS.TS Châu Đình Thành Phản biện 1

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có)

CHỦ TỊCH HỘI ĐỒNG

PGS.TS Cao Văn Vui

TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG

PGS.TS Lê Anh Tuấn

ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc Lập – Tự Do – Hạnh Phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ và tên học viên: LÊ ANH TUẤN MSHV: 2270050 Ngày, tháng, năm sinh: 03/05/1998 Nơi sinh: Đồng Nai Chuyên ngành: Kỹ Thuật Xây Dựng Mã số: 8580201

I TÊN ĐỀ TÀI

Chẩn đoán vết nứt trong kết cấu nhôm sử dụng đáp ứng trở kháng và mạng nơ-ron tích chập (Crack detection in aluminum structures using impedance responses and convolutional neural network)

II NHIỆM VỤ VÀ NỘI DUNG

1 Mô phỏng dầm nhôm, ghi nhận tín hiệu trở kháng, so sánh với số liệu thực nghiệm đã được công bố và chẩn đoán mức độ hư hỏng bằng mạng 1D-CNN

2 Mô phỏng tấm tròn nhôm, ghi nhận tín hiệu trở kháng, so sánh với số liệu thực nghiệm đã được công bố và chẩn đoán vị trí hư hỏng bằng mạng 1D-CNN

3 Mô phỏng tấm tròn nhôm, ghi nhận tín hiệu trở kháng, xác định vùng ảnh hưởng của cảm biến PZT bằng mạng 1D-CNN

III NGÀY GIAO NHIỆM VỤ 06/02/2023

IV NGÀY HOÀN THÀNH NHIỆM VỤ 11/06/2023 V CÁN BỘ HƯỚNG DẪN PGS.TS Hồ Đức Duy

CÁN BỘ HƯỚNG DẪN

PGS TS Hồ Đức Duy

TP.HCM, ngày tháng năm

CHỦ NHIỆM BỘ MÔN ĐÀO TẠO

PGS TS Lương Văn Hải

TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG

PGS.TS Lê Anh Tuấn

LỜI CẢM ƠN

Sau nhiều năm học tập và trưởng thành tại trường Đại học Bách Khoa – ĐHQG TP HCM, tôi luôn nhận được sự giúp đỡ và hỗ trợ to lớn từ quý Thầy Cô giảng viên, những người đã truyền đạt cho tôi những kiến thức quý báu và kinh nghiệm sống đáng quý Với lòng biết ơn sâu sắc, tôi xin gửi lời cảm ơn đến Ban Giám hiệu nhà trường, quý Thầy Cô khoa xây dựng, những người đã giúp đỡ tôi tận tình trong suốt thời gian học tập tại đây

Trong quá trình nghiên cứu và hoàn thiện luận văn, tôi đã được sự hướng dẫn và định hướng của Thầy PGS TS Hồ Đức Duy, người đã luôn tận tình hỗ trợ tôi từ khi tôi bắt đầu luận văn cho đến khi hoàn thành Những lời khuyên quý báu và sự động viên của Thầy đã giúp tôi vượt qua nhiều khó khăn trong quá trình nghiên cứu và hoàn thiện luận văn

Đồng thời, tôi cũng muốn gửi lời cảm ơn chân thành đến gia đình và bạn bè của mình, BK.SHM.Lab, đặc biệt là ThS Lê Bá Tùng, những người đã luôn ủng hộ tôi trong mọi hoàn cảnh và tạo điều kiện thuận lợi cho tôi để có thể tập trung vào việc hoàn thiện luận văn

Mặc dù tôi đã cố gắng hết sức để hoàn thiện luận văn một cách tốt nhất, tuy nhiên không thể tránh khỏi những sai sót và thiếu sót Vì thế, tôi rất mong nhận được sự đóng góp quý báu của quý Thầy Cô và bạn bè để tôi có thể hoàn thiện tốt hơn

Cuối cùng, tôi muốn gửi lời chúc sức khỏe và thành công đến quý Thầy Cô, gia đình, và bạn bè Một lần nữa, tôi xin bày tỏ lòng biết ơn chân thành đến những người đã giúp đỡ tôi trong suốt thời gian học tập và nghiên cứu tại trường Đại học Đại học Bách Khoa – ĐHQG TP HCM

TP HCM, ngày tháng năm

HỌC VIÊN CAO HỌC

Lê Anh Tuấn

Nghiên cứu này sử dụng phần mềm ANSYS APDL 19.2 để tiến hành các thí nghiệm mô phỏng trên các mẫu dầm nhôm Các thí nghiệm bao gồm giai đoạn không hư hỏng và giai đoạn có hư hỏng, để tạo ra các dữ liệu đáp ứng trở kháng Sau đó, tín hiệu trở kháng từ mô phỏng được so sánh với kết quả thực nghiệm đã được công bố, nhằm chứng minh khả năng của phương pháp mô phỏng trong việc phát hiện và đánh giá hư hỏng trong kết cấu nhôm Đồng thời, mạng nơ-ron tích chập được áp dụng để chẩn đoán mức độ hư hỏng cho các dầm nhôm

Bên cạnh đó, nghiên cứu này cũng mô phỏng tấm tròn nhôm và ghi nhận tín hiệu trở kháng Kết quả được so sánh với dữ liệu thực nghiệm đã được công bố và áp dụng mạng nơ-ron tích chập để chẩn đoán vị trí của hư hỏng trên các tấm tròn nhôm Qua đó, phương pháp này giúp xác định vết nứt và vị trí hư hỏng trong kết cấu nhôm một cách chính xác và hiệu quả

Tóm lại, nghiên cứu này tập trung vào việc áp dụng phương pháp đáp ứng trở kháng và mạng nơ-ron tích chập để chẩn đoán vết nứt và mức độ hư hỏng trong kết cấu nhôm Phương pháp này có tiềm năng trong việc giám sát và đánh giá tình trạng kết cấu nhôm, từ đó đảm bảo an toàn và tăng cường hiệu suất của công trình xây dựng

CRACK DETECTION IN ALUMINUM STRUCTURES USING IMPEDANCE RESPONSES AND

CONVOLUTIONAL NEURAL NETWORK

Nowadays, aluminum structures are increasingly being used in the construction industry However, like other types of structures, aluminum structures also face hidden issues and potential damages that cannot be easily detected by the naked eye Therefore, this study proposes a diagnostic method for crack detection in aluminum structures using impedance response and convolutional neural networks (CNN)

The research utilizes ANSYS APDL 19.2 software to simulate experiments on aluminum beam samples, including undamaged and damaged stages The impedance response signals from the simulations are compared with experimental results to demonstrate the capability of the simulation method in detecting structural damages Subsequently, a CNN is applied to diagnose the extent of damage in the aluminum beams

In addition, the study compares the impedance response results of simulated and experimental thin circular aluminum plates with a PZT (piezoelectric) sensor placed at the center of the plate The study also varies the distance of the damage from the plate center at high excitation frequencies Furthermore, the CNN is utilized to determine the location of the damage in the thin circular aluminum plates

In summary, this research focuses on the application of impedance response and convolutional neural networks for diagnosing cracks and assessing the level of damage in aluminum structures This method has the potential to enhance monitoring and evaluation of the condition of aluminum structures, thereby improving the performance and safety of construction projects

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công việc do chính tôi thực hiện dưới sự hướng dẫn của thầy PGS.TS Hồ Đức Duy

Các kết quả trong luận văn là đúng sự thật và chưa được công bố ở các nghiên cứu khác

Tôi xin chịu trách nhiệm về công việc thực hiện của mình

Tp HCM, ngày tháng năm

LÊ ANH TUẤN

MỤC LỤC

DANH MỤC BẢNG BIỂU ix

DANH MỤC HÌNH ẢNH x

DANH MỤC TỪ VIẾT TẮT xii

DANH MỤC KÝ HIỆU xiii

CHƯƠNG 1 GIỚI THIỆU 1

1.1 Đặt vấn đề 1

1.2 Mục tiêu và nội dung nghiên cứu 5

1.2.1 Mục tiêu nghiên cứu 5

1.2.2 Nội dung nghiên cứu 5

1.3 Đối tượng và phạm vi nghiên cứu 6

1.3.1 Đối tượng nghiên cứu 6

1.3.2 Phạm vi nghiên cứu 6

1.4 Tính cấp thiết và ý nghĩa thực tiễn của nghiên cứu 6

1.5 Cấu trúc luận văn 7

3.1.4 Nguyên lý hoạt động của phương pháp trở kháng 23

3.1.5 Phương pháp đánh giá hư hỏng bằng đáp ứng trở kháng 24

3.2 Phương pháp mạng nơ-ron tích chập 24

3.2.1 Một số khái niệm tổng quát 24

3.2.2 Khái niệm về thuật toán mạng nơ-ron tích chập (CNN) 27

3.3 Phương pháp và công cụ hỗ trợ nghiên cứu 32

3.3.1 Mô phỏng bài toán trở kháng bằng phần mềm ANSYS 32

3.3.2 Xây dựng mạng nơ-ron tích chập bằng phần mềm MATLAB 38

CHƯƠNG 4 CÁC BÀI TOÁN KHẢO SÁT 41

4.1 Bài toán 1: Dầm nhôm 41

4.1.1 Thông số mô hình 42

4.1.2 Mô phỏng dầm nhôm và tín hiệu đáp ứng trở kháng 43

4.1.3 Xác định chỉ số đánh giá hư hỏng 45

4.1.4 Xây dựng mạng CNN chẩn đoán mức độ hư hỏng 46

4.1.5 Chẩn đoán hư hỏng kết cấu sử dụng mạng nơ-ron tích chập 49

4.2 Bài toán 2: Tấm tròn nhôm bán kính 50mm với khoảng cách vết nứt thay đổi 53

4.2.1 Thông số mô hình 53

4.2.2 Mô phỏng tấm tròn nhôm và tín hiệu đáp ứng trở kháng 55

4.2.3 Xác định chỉ số đánh giá hư hỏng 58

4.2.4 Xây dựng mạng CNN chẩn đoán vị trí hư hỏng 59

4.2.5 Chẩn đoán hư hỏng kết cấu sử dụng mạng nơ-ron tích chập 60

4.3 Bài toán 3: Tấm tròn nhôm bán kính 100mm với khoảng cách vết nứt thay đổi 64

4.3.1 Thông số mô hình 64

4.3.2 Mô phỏng tấm tròn nhôm và tín hiệu đáp ứng trở kháng 64

4.3.3 Xác định chỉ số đánh giá hư hỏng 66

4.3.4 Xây dựng mạng CNN chẩn đoán vị trí hư hỏng 67

4.3.5 Chẩn đoán hư hỏng kết cấu sử dụng mạng nơ-ron tích chập 67

CHƯƠNG 5 KẾT LUẬN VÀ KIẾN NGHỊ 73

5.1 Kết luận 73

5.2 Kiến nghị 73

TÀI LIỆU THAM KHẢO 75

DANH MỤC BẢNG BIỂU

Bảng 4.1 Đặc trưng vật liệu dầm nhôm của Liu và cộng sự [52] 42

Bảng 4.2 Đặc trưng vật liệu tấm PZT của Liu và cộng sự [52] 42

Bảng 4.3 Chi tiết các lớp trong thuật toán 1D-CNN 48

Bảng 4.4 Kết quả huấn luyện và chẩn đoán vết nứt 2 mm 50

Bảng 4.5 Kết quả huấn luyện và chẩn đoán vết nứt 7 mm 52

Bảng 4.6 Đặc trưng vật liệu tấm nhôm của Giurgiutiu và cộng sự (2001) [53] 54

Bảng 4.7 Đặc trưng vật liệu tấm PZT của Giurgiutiu và cộng sự (2001) [53] 54

Bảng 4.8 Chi tiết các lớp ẩn trong thuật toán 1D-CNN 59

Bảng 4.9 Kết quả huấn luyện và chẩn đoán vết nứt cách 5 mm 61

Bảng 4.10 Kết quả huấn luyện và chẩn đoán vết nứt cách 20 mm 62

Bảng 4.11 Kết quả huấn luyện và chẩn đoán vết nứt cách 49 mm 63

Bảng 4.12 Kết quả huấn luyện và chẩn đoán vết nứt cách 10 mm 68

Bảng 4.13 Kết quả huấn luyện và chẩn đoán vết nứt cách 50 mm 69

Bảng 4.14 Kết quả huấn luyện và chẩn đoán vết nứt cách 90 mm 70

Bảng 4.15 Kết quả huấn luyện và chẩn đoán vết nứt cách 99 mm 71

DANH MỤC HÌNH ẢNH

Hình 1.1 Tòa nhà Petronas Twin Towers, Malaysia [1] 2

Hình 1.2 Tòa nhà Burj Khalifa, Các Tiểu Tiểu Vương quốc Arab Thống nhất [2] 2

Hình 1.3 Tòa nhà The Gherkin, Anh [3] 3

Hình 1.4 Tòa nhà Taipei 101, Đài Bắc [4] 3

Hình 3.1 Nguyên tắc hoạt động của vật liệu áp điện 18

Hình 3.2 Cấu trúc tinh thể PZT 19

Hình 3.3 Một số dạng PZT 20

Hình 3.4 Mô hình tương tác cơ-điện giữa PZT và kết cấu (Liang, 1994) [1] 21

Hình 3.5 Mối quan hệ giữa AI, Machine Learning và Deep Learning 25

Hình 3.6 Sự khác biệt cơ bản giữa Machine Learning và Deep Learning Deep Learning – DL hay học sâu hoặc thâm học là một nhánh máy học sử dụng 26

Hình 3.7 Cấu trúc của mạng nơ-ron tích chập 27

Hình 3.8 Minh họa tích chập 28

Hình 3.9 Mô hình mạng nơ-ron tích chập 28

Hình 3.10 Lớp tích chập hoạt động với stride là 2 29

Hình 3.11 Hàm phi tuyết RELU 31

Hình 3.12 Lớp gộp- POOLING LAYER 31

Hình 3.13 Sơ đồ chẩn đoán sử dụng đáp ứng trở kháng cơ-điện và mạng CNN 33

Hình 3.14 Sơ đồ quy trình phân tích đáp ứng trở kháng trong ANSYS APDL 34

Hình 3.15 Đặc trưng hình học phần tử SOLID185 35

Hình 3.16 Đặc trưng hình học phần tử SOLID5 Một số thông số đầu vào cơ bản của phần tử SOLID5: 37

Hình 3.17 Sơ đồ các bước xây dựng mạng CNNs trong phần mềm 39

Hình 4.1 Mô hình thí nghiệm dầm nhôm Liu và Jiang 2009 [52] 43

Hình 4.2 Mô phỏng dầm nhôm trong ANSYS APDL 43

Hình 4.3 Đáp ứng trở kháng của dầm nhôm không bị nứt trong miền tần số 19 đến 24 kHz 43

Hình 4.4 Đáp ứng trở kháng của dầm nhôm có vết nứt 3mm trong miền tần số 19 đến 24 kHz 44

Hình 4.5 Đáp ứng trở kháng của dầm nhôm có vết nứt 6mm trong miền tần số 19 đến 24 kHz 44

Hình 4.13 Mô phỏng tấm tròn nhôm trong ANSYS APDL 55

Hình 4.14 Đáp ứng trở kháng của tấm nhôm không bị nứt trong miền tần số 10 đến 40 kHz 56

Hình 4.15 Đáp ứng trở kháng của tấm nhôm có vết nứt cách 3mm trong miền tần số 10 đến 40 kHz 56

Hình 4.16 Đáp ứng trở kháng của tấm nhôm có vết nứt cách 40mm trong miền tần số 10 đến 40 kHz 57

Hình 4.17 Đáp ứng trở kháng của tấm nhôm không nứt, có vết nứt cách 3 mm, có vết nứt cách 10 mm, có vết nứt cách 25 mm và có vết nứt cách 40 mm trong miền tần số 10 đến 40 kHz 57

Hình 4.18 Chỉ số RMSD cho dải tần số 58

Hình 4.19 Kết quả chẩn đoán vết nứt cách 5 mm 61

Hình 4.20 Kết quả chẩn đoán vết nứt cách 20 mm 62

Hình 4.21 Kết quả chẩn đoán vết nứt cách 49 mm 63

Hình 4.22 Mô phỏng tấm tròn nhôm trong ANSYS APDL 65

Hình 4.23 Đáp ứng trở kháng của tấm nhôm không nứt, có vết nứt cách 20 mm, có vết nứt cách 40 mm, có vết nứt cách 60 mm và có vết nứt cách 80 mm trong miền tần số 10 kHz đến 40 kHz 65

Deviation

Chỉ số độ lệch hệ số tương quan

CNN Convolutional Neural Network Mạng nơ-ron tích chập

EMI Electromagnetic Interference Đáp ứng trở kháng cơ điện FC Fully Connected Lớp kết nối đầy đủ (mạng CNN) FEM Finite Element Model/Method Mô hình phần tử hữu hạn

MAPD Mean Absolute Percentage Deviation

Chỉ số độ lệch phần trăm tuyệt đối trung bình

ML Machine Learning Phương pháp học máy

PZT Lead Zirconate Titanate Cảm biến Lead Zirconate Titanate SHM Structural Health Monitoring Lĩnh vực theo dõi, chuẩn đoán sức

DANH MỤC KÝ HIỆU

𝐷𝑗𝑘𝑙 và 𝐷𝑘 : Ma trận hằng số ghép nối điện môi 𝐷𝑖 : Hằng số áp điện của cảm biến PZT 𝐸𝑘 : Vector cường độ điện trường 𝑒33𝜎

̅̅̅̅ : Hằng số điện dung của cảm biến PZT Im(Q) và Re(Q) : Phần thực và phần ảo của giá trị điện tích Im{𝑍(𝜔)} hay Im(Z) : Phần ảo của kháng trở điện-cơ

𝑘𝑥, 𝑘𝑦 và 𝑘𝑧 : Độ cứng lò xo theo các phương x, y, và z 𝜂 và 𝛿 : Hệ số cản và hệ số mất mát điện môi của PZT 𝜌 : Khối lượng riêng của cảm biến PZT

𝜀𝑗𝑘𝛾 : Ma trận hằng số điện môi

Re{𝑍(𝜔)} hay Re(Z) : Phần thực của trở kháng cơ-điện

CHƯƠNG 1 GIỚI THIỆU1.1 Đặt vấn đề

Ngày nay với sự phát triển thần tốc của khoa học và kỹ thuật, ngày càng nhiều công trình, nhiều kết cấu cực lớn và những hạ tầng quan trọng xuất hiện Những công trình này có kích thước khổng lồ và được thiết kế cực kỳ phức tạp nhưng sẽ chắc chắn bị ảnh hưởng của môi trường, của sự quá tải, của tuổi đời vật liệu… Dưới những sự tác động trên, khả năng chống lại những thảm họa tự nhiên của công trình sẽ giảm và dẫn đến những tai nạn thảm khốc Vì thế theo dõi sự thay đổi khả năng làm việc của kết cấu để chẩn đoán hư hỏng là việc hết sức quan trọng, đặc biệt là sau một số vụ tai nạn thực tế đã xảy ra

Xu hướng sử dụng vật liệu nhôm trong xây dựng ngày càng được phát triển mạnh mẽ, ngày càng hoàn thiện và nó được các chuyên gia xây dựng và các kiến trúc sư coi là một vật liệu xanh bởi nó không chỉ là vật liệu có thể thay thế cho nhựa, thép, gỗ, trọng lượng nhẹ, chịu tải lớn và tính linh hoạt cao mà nó còn cho phép kiến trúc sư có thể đưa ra những ý tưởng khác nhau, tạo dấu ấn công trình Trên thế giới, sản phẩm nhôm được sử dụng khá nhiều trong kiến trúc, nhất là trong việc bảo vệ công trình hay những công trình đòi hỏi cao về kết cấu nhưng có định hình phức tạp mà vật liệu thép không thể đáp ứng được Các hệ chắn nắng làm bằng nhôm có ưu điểm là nhẹ, thi công nhanh, thoáng về mặt thị giác, dễ bảo dưỡng, sửa chữa, tạo nên tính đa dạng về hình thức và chất cản vật liệu cho mặt đứng công trình Nhẹ, bền và dễ sử dụng là 3 từ dùng để mô tả về nhôm Đặc tính “nhẹ” làm giảm đi sức nặng của các công trình cho phép các kiến trúc sư có thể mở rộng hoặc thay đổi linh hoạt cấu trúc của chúng mà vẫn đảm bảo tiến độ xây dựng, thi công Trong khi đó, khả năng chịu lực tốt cùng với chống lại sự ăn mòn là đặc điểm then chốt giúp nhôm được ưa chuộng hơn cả tại những vùng khí hậu nhiệt đới khắc nghiệt

Một số ứng dụng của kết cấu nhôm tại Việt Nam và thế giới được thể hiện trong các hình từ hình 1.1 đến hình 1.4

Hình 1.1 Tòa nhà Petronas Twin Towers, Malaysia [1]

Tòa nhà nổi tiếng ở Kuala Lumpur là một trong những ví dụ tiêu biểu về kết cấu nhôm trong ngành kiến trúc Kết cấu của tòa nhà bao gồm khung nhôm được xử lý và gia công đặc biệt để đảm bảo tính cứng vững và an toàn cho tòa nhà

Hình 1.2 Tòa nhà Burj Khalifa, Các Tiểu Tiểu Vương quốc Arab Thống nhất [2]

Burj Khalifa là tòa nhà cao nhất thế giới hiện nay và sử dụng kết cấu khung nhôm kết hợp khung bê tông cốt thép trong việc xây dựng Kết cấu nhôm được sử dụng trong việc tạo ra một khung xương vững chắc cho tòa nhà và giúp giảm thiểu trọng lượng của tòa nhà

Hình 1.3 Tòa nhà The Gherkin, Anh [3]

Tòa nhà nổi tiếng ở London, Anh được thiết kế bởi kiến trúc sư Norman Foster Kết cấu của tòa nhà bao gồm khung nhôm và đồng thời cũng có các vật liệu xây dựng khác như kính và thép

Hình 1.4 Tòa nhà Taipei 101, Đài Bắc [4]

Kết cấu của Taipei 101 sử dụng nhiều vật liệu xây dựng, bao gồm cả kết cấu nhôm Kết cấu nhôm được sử dụng để tạo ra khung xương chịu lực và cấu trúc bên ngoài của tòa nhà Ngoài kết cấu nhôm, tòa nhà còn sử dụng thép và bê tông để tạo ra một kết cấu vững chắc và đáng tin cậy

Theo dõi và chẩn đoán kết cấu (SHM: Structural Health Monitoring) là một kỹ thuật mới kết hợp giữa nhiều ngành kỹ thuật nhiệt học, kỹ thuật điện, kỹ thuật phân tích số liệu, vật liệu và công nghệ thông tin… Theo dõi và chẩn đoán kết cấu là một quá trình

tìm kiếm hư hỏng và xác định đặc trưng của kết cấu kỹ thuật Mục tiêu của theo dõi và chẩn đoán kết cấu :

- Theo dõi và điều khiển quá trình xây dựng

- Kiểm tra thiết kế và khả năng làm việc của kết cấu - Kiểm tra tải trọng hiện trường

- Hỗ trợ bảo dưỡng công trình xây dựng

- Xác định hư hỏng trước khi hư hỏng đạt đến mức nguy hiểm từ đó đảm bảo an toàn cho cộng đồng

- Giảm thiểu chi phí và thời gian sửa chữa hư hỏng

- Hỗ trợ trong những trường hợp khẩn cấp như là sơ tán hoặc điều khiển giao thông Hiện nay có hai phương pháp được nghiên cứu nhằm để theo dõi và chẩn đoán kết cấu (SHM) đó là phương pháp phá hủy (DE – Destructive Evaluation) và phương pháp không phá hủy (NDE – Non-destructive Evaluation):

- Phương pháp phá hủy (DE) là phương pháp mà mẫu thử hoặc kết cấu (một phần) sẽ bị tác động đến mức hư hỏng nhằm mục đích xác định tính chất cơ học, sức bền, tính dẻo và độ cứng… Đây là phương pháp đánh giá trực tiếp có thể xác định được tính chất của kết cấu ngay sau thí nghiệm

- Phương pháp không phá hủy (NDE) là phương pháp dùng để thử nghiệm, kiểm tra, đánh giá và chẩn đoán kỹ thuật các sản phẩm, công trình công nghiệp mà không làm tổn hại đến khả năng sử dụng của chúng và sau khi kiểm tra kết cấu vẫn có thể dùng được theo các mục đích thiết kế ban đầu NDE chỉ cho được các kết quả gián tiếp (thông qua so sánh với mẫu chuẩn)

Công nghệ theo dõi và chẩn đoán kết cấu đã phát triển nhiều trong thời gian gần đây, đặc biệt là sử dụng thiết bị cảm biến tích hợp để cung cấp khả năng tự động theo dõi và phát hiện các hư hỏng trong cấu trúc Tính năng cảnh báo sớm khi hư hỏng mới xuất hiện sẽ rất hữu ích, tránh được thiệt hại nghiêm trọng cho cấu trúc và các chức năng liên quan

Kỹ thuật giám sát tính toàn vẹn cấu trúc được đề xuất sử dụng các biến đổi trong đáp ứng động học để định lượng và xác định các hư hỏng Phương pháp này khác biệt với các phương pháp phân tích khác bởi nó sử dụng tần số cao để kích thích cấu trúc và cảm biến để phát hiện các rung động của cấu trúc Tần số cao được sử dụng để tạo ra các xung kích thích ngắn, nhỏ hơn chiều dài đặc trưng của hư hỏng, giúp dễ dàng phát hiện các hư hỏng mới bắt đầu mà không ảnh hưởng đến độ cứng của kết cấu Phát hiện sớm các hư hỏng mới này là rất quan trọng vì nó cung cấp cảnh báo trước khi sự cố xảy

ra

Phương pháp phân tích hư hỏng cục bộ này là hữu ích nhất, vì các phương pháp tổng thể không thể dự báo được các hư hỏng này Kỹ thuật này sử dụng các miếng PZT nhỏ để tạo ra tần số kích thích cao, thường là các tần số kHz, để theo dõi kết cấu Sử dụng các tần số kích thích cao là phương pháp hiệu quả để giám sát và chẩn đoán các hư hỏng cấu trúc mà không gây tổn hại đến chúng Kỹ thuật này sử dụng tích hợp các cảm biến để theo dõi tình trạng kết cấu và cảnh báo ngay khi phát hiện các hư hỏng mới bắt đầu, trước khi chúng gây ra những thiệt hại nghiêm trọng

Tại tần số kích thích cao, các hư hỏng nhỏ như vết nứt và tách lớp vật liệu sẽ tạo ra các phản ứng cục bộ trong các đặc trưng trở kháng Sử dụng các tần số cao cũng giúp giới hạn khu vực cảm biến của thiết bị, từ đó cô lập các tác động của hư hỏng trong các khu vực xa hơn Phương pháp này rất hữu ích để đảm bảo tính toàn vẹn kết cấu tại mọi thời điểm, đặc biệt là trong những khu vực quan trọng của kết cấu Kết hợp với các tấm nhỏ PZT, kỹ thuật này đem lại hiệu quả cao và khả năng giám sát tốt hơn cho việc xác định và theo dõi các hư hỏng

Từ các yêu cầu cấp thiết trên, đề tài “Chẩn đoán vết nứt trong kết cấu nhôm sử dụng đáp ứng trở kháng và mạng nơ-ron tích chập” là vấn đề cần được đi sâu tìm hiểu và nghiên cứu Để đạt được mục tiêu trên các vấn đề nghiên cứu trong phạm vi luận văn sẽ được thực hiện: Sử dụng phần mềm ANSYS APDL 19.2 mô phỏng các thí nghiệm được tiến hành trên các mẫu dầm nhôm, tấm tròn nhôm trong giai đoạn không hư hỏng và có hư hỏng

1.2 Mục tiêu và nội dung nghiên cứu

1.2.1 Mục tiêu nghiên cứu

Chẩn đoán vết nứt trong kết cấu nhôm sử dụng đáp ứng trở kháng và mạng nơ-ron tích chập Mục tiêu của luận văn là ứng dụng phương pháp trở kháng thông qua việc sử dụng tính chất đặc trưng của thiết bị áp điện (PZT) để theo dõi và chẩn đoán kết cấu nhôm Ngoài ra, luận văn còn xây dựng mạng nơ-ron tích chập để chẩn đoán mức độ và vị trí hư hỏng của kết cấu

1.2.2 Nội dung nghiên cứu

1 Mô phỏng dầm nhôm, ghi nhận tín hiệu trở kháng, so sánh với số liệu thực nghiệm đã được công bố và chẩn đoán mức độ hư hỏng bằng mạng 1D-CNN

2 Mô phỏng tấm tròn nhôm, ghi nhận tín hiệu trở kháng, so sánh với số liệu thực nghiệm đã được công bố và chẩn đoán vị trí hư hỏng bằng mạng 1D-CNN

3 Mô phỏng tấm tròn nhôm, ghi nhận tín hiệu trở kháng, xác định vùng ảnh hưởng của cảm biến PZT bằng mạng 1D-CNN

1.3 Đối tượng và phạm vi nghiên cứu

1.3.1 Đối tượng nghiên cứu

Chẩn đoán mức độ và vị trí hư hỏng trong kết cấu nhôm sử dụng đáp ứng trở kháng và mạng nơ-ron tích chập

1.4 Tính cấp thiết và ý nghĩa thực tiễn của nghiên cứu

Kết cấu nhôm đóng vai trò đặc biệt quan trọng trong sự làm việc của một hệ kết cấu Một sự cố nhỏ do hư hỏng bên trong có thể gây ra những hậu quả nghiêm trọng Hiện nay, có nhiều phương pháp chẩn đoán hư hỏng nhưng hầu hết đều mang tính chủ động và đòi hỏi người thực hiện có những kỹ năng và kinh nghiệm chuyên môn Một số phương pháp yêu cầu tác động vào kết cấu như khoan xâm nhập, gây ra nguy cơ hư hỏng thêm cho kết cấu cần được chẩn đoán

Để khắc phục những hạn chế trên, phương pháp trở kháng cơ-điện đã ra đời, giúp chẩn đoán hư hỏng và vị trí hư hỏng một cách chính xác và hiệu quả Đặc biệt, phương pháp trở kháng cơ-điện là một phương pháp chủ yếu được áp dụng để chẩn đoán hư hỏng trong kết cấu nhôm Phương pháp này cho thấy ưu điểm là giá thành thấp, có thể theo dõi công trình trong thời gian dài, không đòi hỏi nhân công có chuyên môn cao và các kết quả trực quan dễ xử lý

Phương pháp trở kháng là phương pháp rất phù hợp để xác định và theo dõi hư hỏng và vị trí vết nứt tại các vị trí trên kết cấu bằng cách sử dụng các cảm biến có diện tích rất nhỏ và khối lượng không đáng kể Việc sử dụng phương pháp này không ảnh hưởng đến sự làm việc bình thường của kết cấu Phương pháp này giúp xác định sớm hư hỏng và đánh giá mức độ hư hỏng để đưa ra biện pháp xử lý sớm, đảm bảo cho kết cấu làm việc bình thường và an toàn Các nghiên cứu đã sử dụng các cảm biến PZT dạng tấm phẳng được dán bên ngoài kết cấu nhôm để theo dõi hư hỏng và vị trí vết nứt

Các chỉ số đánh giá hư hỏng dựa trên đáp ứng trở kháng như chỉ số RMSD (Root Mean Square Deviation), chỉ số CC (Correlation Coefficient), chỉ số CCD (Correlation Coefficient Deviation), chỉ số MAPD (Mean Absolute Percentage Deviation),… có thể cung cấp cho nhà nghiên cứu thông tin về sự xuất hiện của hư hỏng thông qua việc thay đổi các chỉ số trong từng trường hợp hư hỏng

Hiện nay, để theo dõi sức khỏe kết cấu, có hai phương pháp chính là tiếp cận dựa trên mô hình và tiếp cận theo hướng dữ liệu Tuy nhiên, phương pháp tiếp cận theo hướng dữ liệu đối diện với thách thức lớn là phải xử lý một lượng lớn thông tin thu được Vì vậy, các nhà nghiên cứu đang áp dụng trí tuệ nhân tạo (AI) và sử dụng các thuật toán học sâu để phân tích dữ liệu và nhận ra các khuôn mẫu sẵn có trong dữ liệu

Mục tiêu cuối cùng của các thuật toán học sâu là so sánh thống kê với đường cơ sở và quyết định sử dụng loại học tập phù hợp, tức là giám sát hoặc không giám sát, dựa trên sự sẵn có của dữ liệu từ các trạng thái hư hỏng của kết cấu Nếu có sẵn dữ liệu từ trạng thái hư hỏng, loại học tập sẽ được giám sát Ngược lại, nếu chỉ có dữ liệu từ trạng thái không bị hư hại của kết cấu, học không giám sát được áp dụng để xác định kết cấu cơ bản trong dữ liệu này

Sử dụng các thuật toán học sâu trong việc theo dõi sức khỏe kết cấu đã tạo ra một quy trình tự động với sự can thiệp tối thiểu của con người và đem lại hiệu quả đáng kể Trong nghiên cứu này, phương pháp sử dụng đáp ứng trở kháng kết hợp với mạng nơ-ron tích chập (CNN) được phát triển để chẩn đoán hư hỏng của kết cấu nhôm

1.5 Cấu trúc luận văn

Nội dung luận văn được trình bày gồm 5 chương như sau:

Chương 1 Giới thiệu

Giới thiệu sơ lược về đề tài nghiên cứu, mục tiêu và nội dung nghiên cứu, đối tượng và phạm vi nghiên cứu, tính cần thiết và ý nghĩa thực tiễn của đề tài

Chương 2 Tổng quan

Tổng quan về tình hình nghiên cứu của các tác giả trong và ngoài nước về phương pháp trở kháng để xác định, chẩn đoán hư hỏng của kết cấu, phương pháp sử dụng CNN trong việc xác định, chẩn đoán hư hỏng trong kết cấu nhôm

Chương 3 Cơ sở lý thuyết

Trình bày các cơ sở lý thuyết, các phương pháp sẽ áp dụng để chẩn đoán hư hỏng và vị trí vết nứt trong kết cấu nhôm

Chương 4 Các bài toán khảo sát

Áp dụng cơ sở lý thuyết để thực hiện tính toán các bài toán ứng dụng và nhận xét

kết quả đạt được

Chương 5 Kết luận và kiến nghị

Đưa ra một số kết luận quan trọng đạt được trong luận văn và kiến nghị hướng phát triển đề tài trong tương lai

CHƯƠNG 2 TỔNG QUAN

SHM ra đời nhằm mục đích cung cấp mọi thông tin về sức khỏe kết cấu trong thời gian tồn tại của nó, chẩn đoán "tình trạng" của các thành phần vật liệu, các bộ phận cấu thành kết cấu nói chung Trạng thái của kết cấu phải được duy trì theo quy định thiết kế Giữa những phương pháp theo dõi sức khỏe kết cấu (SHM) theo phương pháp không phá hủy (NDE) thì phương pháp trở kháng (Impedance-based method) dựa vào tìm những thay đổi điện trong trở kháng cơ điện của thiết bị áp điện (Piezoelectric device) được liên kết trên kết cấu, đã được mở rộng nghiên cứu và áp dụng để tìm ra hư hỏng trong kết cấu

Chương này sẽ trình bày các nghiên cứu ở trong và ngoài nước về lĩnh vực trở kháng, đồng thời kết hợp mạng nơ- ron tích chập để chẩn đoán kết cấu

2.1 Tình hình nghiên cứu nước ngoài

2.1.1 Phương pháp trở kháng

Năm 1993, Liang và cộng sự đã giới thiệu một phương pháp sử dụng trở kháng để đánh giá các thông số cơ học của một kết cấu [5] Nghiên cứu này đã trình bày và mô tả sự tương tác giữa tấm PZT (chất có khả năng chuyển đổi điện năng thành năng lượng cơ học) và kết cấu chủ thông qua mô hình một bậc tự do, bao gồm lò xo và vật nặng, đồng thời xem xét hệ số cản (mô hình SMD) Tác giả đã sử dụng tần số kích thích cao (lớn hơn 30kHz) để tìm kết quả bài toán trở kháng và so sánh với kết quả tương ứng thu được từ phương pháp phần tử hữu hạn Nhờ đó, các tác giả đã tìm ra mối quan hệ giữa giá trị trở kháng của tấm PZT và trở kháng cơ học của kết cấu chủ

Năm 1994, từ mô hình ban đầu của Liang (1993), Zhou và cộng sự đã giới thiệu và kiểm chứng thực nghiệm một mô hình động học phức tạp hơn với hai bậc tự do [6] Trong mô hình này, một tấm PZT mỏng được giả sử có hai cạnh cố định và hai cạnh được gắn vào kết cấu chủ Tác giả đã thiết kế và thử nghiệm mô hình này để làm rõ khả năng của phương pháp trở kháng trong việc xác định và dự đoán các thông số vật lý của hệ kết cấu, và kết quả được so sánh với các kết quả thực nghiệm.Kết quả của nghiên cứu đã khẳng định rằng phương pháp trở kháng có khả năng đáng tin cậy để đưa ra thông tin về các thông số cơ học của kết cấu dựa trên các kết quả thực nghiệm Ngoài ra, tác giả đã nhận thấy rằng việc sử dụng một cặp tấm PZT gắn vào nhau dẫn đến tốc độ phản hồi tốt hơn so với việc sử dụng tấm PZT đơn lẻ

Năm 1995, Sun và cộng sự [7] đã đưa ra ứng dụng phương pháp trở kháng để giám sát sức khỏe của một kết cấu giàn trong phòng thí nghiệm Nghiên cứu này đề xuất một khái niệm mới về việc xác định vị trí các cảm biến phát hiện hư hỏng trên kết cấu Tác giả đã gắn các tấm PZT tại các điểm giao nút của giàn để theo dõi hoạt động của kết

cấu, và sử dụng thuật toán thống kê để dõi quá trình hoạt động của dàn Kết quả nghiên cứu cho thấy đáp ứng trở kháng tại các điểm PZT khác nhau trong giàn là khác nhau, do đó, sử dụng nhiều tấm PZT tại các vị trí khác nhau là cần thiết để giám sát kết cấu Nghiên cứu cũng chỉ ra rằng ở miền tần số cao, phạm vi giám sát của kết cấu giảm đi Đồng thời, tác giả nhận thấy chỉ số RMSD (Root Mean Square Deviation) là một công cụ hữu ích để phát hiện sự hư hỏng trong kết cấu

Năm 2000, Park và cộng sự đã trình bày về ứng dụng phương pháp trở kháng để giám sát sức khỏe của các bộ phận chính trên một số kết cấu dân dụng [8] Tác giả tiến hành theo dõi tình trạng hư hỏng của kết cấu bằng cách sử dụng tần số cao (trên 30kHz) Nghiên cứu cũng tập trung vào ảnh hưởng của thay đổi điều kiện biên và biến đổi nhiệt độ, cũng như các tác động không thể kiểm soát được Kết quả nghiên cứu đã chứng minh khả năng và hiệu quả của phương pháp trở kháng trong việc giám sát tình trạng của các công trình dân dụng khác nhau và phân biệt các dạng hư hỏng đa dạng Điều này cho thấy tiềm năng của phương pháp trở kháng trong việc theo dõi và đánh giá sức khỏe của kết cấu, giúp xác định các vấn đề và hư hỏng sớm hơn để có thể thực hiện biện pháp bảo trì và sửa chữa kịp thời

Năm 2001, Giurgiutiu và Zagrai đã khảo sát các cảm biến áp điện trong việc đánh giá tính cơ học của các cấu trúc [9] Thí nghiệm được tiến hành trên các mẫu đơn giản như dầm thép để nghiên cứu lý thuyết và trên mẫu lưỡi tua bin thực tế để minh họa cho phương pháp Kết quả cho thấy rằng đáp ứng trở kháng được ghi lại bởi các cảm biến áp cơ-điện thể hiện chính xác phản ứng cơ học của cấu trúc Điều đáng chú ý là tác giả nhận ra rằng sự có mặt của cảm biến không làm thay đổi phản ứng của cấu trúc do cảm biến có khối lượng không đáng kể Điều này cho thấy tính nhạy cảm và tin cậy của phương pháp trở kháng trong việc đánh giá và giám sát cấu trúc, mà không ảnh hưởng đến hiệu suất hoạt động của chúng

Năm 2002, Bhalla và cộng sự đã nghiên cứu về ứng dụng thực tế của phương pháp trở kháng trong việc giám sát sức khỏe của công trình với thời gian đáp ứng trở kháng trên hai tháng [10] Tác giả đã nhận ra thách thức chính của việc sử dụng PZT là đạt được hành vi nhất quán trong môi trường tự nhiên Điều này đòi hỏi bảo vệ tấm dán PZT khỏi tác động của môi trường, và việc sử dụng một tấm che phù hợp để bảo vệ PZT trở nên cần thiết, đặc biệt là để chống ẩm và đảm bảo tuổi thọ dài hạn Tác giả đã phát hiện rằng tấm PZT vẫn đáp ứng một cách nhạy bén đối với hư hỏng, ngay cả khi có lớp bảo vệ Nghiên cứu bao gồm việc sử dụng một lớp silica để bảo vệ bộ chuyển đổi PZT trong môi trường ẩm ướt và sử dụng keo kết dính chất lượng cao để dán PZT Năm 2002, Xu và cộng sự đã nghiên cứu về tác động của lớp liên kết trong tương tác giữa tấm PZT và kết cấu chủ [11] Tác giả đã mô hình hóa lớp liên kết giữa miếng

dán áp điện PZT và kết cấu chủ như một hệ thống SMD trong phân tích điện cơ kết hợp Độ cứng của lò xo được cho là thay đổi và có tác động trực tiếp đến trở kháng cơ học của kết cấu Nghiên cứu này đã chứng minh rằng ảnh hưởng của điều kiện liên kết là quan trọng để đạt được kết quả chính xác Tuy nhiên, đo đạc độ cứng của lớp liên kết giữa tấm PZT và kết cấu chủ là khó khăn Mặc dù vậy, nghiên cứu này đóng góp vào việc hiểu rõ hơn về vai trò của lớp liên kết trong tương tác giữa PZT và kết cấu chủ, và có thể hướng dẫn cho việc điều chỉnh và tối ưu hóa hệ thống trở kháng trong ứng dụng thực tế

Năm 2002, Tseng và Naidu đã nghiên cứu về ứng dụng phương pháp trở kháng trong việc đánh giá các mẫu nhôm [12] Nghiên cứu cho thấy một số khó khăn khi áp dụng phương pháp trở kháng ở tần số thấp, do không thể phát hiện được các hư hỏng ban đầu Tuy nhiên, qua thực nghiệm, đã chứng minh được rằng phương pháp đáp ứng trở kháng có thể đạt tới phạm vi tần số 150 kHz Đáng chú ý, tín hiệu từ cảm biến PZT được phát hiện có vùng cảm biến rộng, cho phép phát hiện các hư hỏng ban đầu ngay cả khi chúng nhỏ và xa tới 1 m từ tấm cảm biến Ví dụ, một vết nứt có kích thước 5 mm ở vị trí đó cũng có thể được phát hiện bởi tấm cảm biến Những kết quả này chỉ ra tiềm năng của phương pháp trở kháng trong việc phát hiện và đánh giá các hư hỏng ban đầu trong các mẫu nhôm

Năm 2002, Tseng và cộng sự đã nghiên cứu về sử dụng cảm biến trở kháng bề mặt để đánh giá hai loại hư hỏng phổ biến trong kết cấu bê tông, đó là lỗ rỗng và vết nứt [13] Trong nghiên cứu, họ sử dụng phần mềm ANSYS để mô phỏng một mẫu bê tông hình vuông và phân tích trở kháng cơ học của kết cấu Kết quả nghiên cứu đã chứng minh tính khả thi của phần mềm ANSYS trong việc giải quyết vấn đề sử dụng cảm biến trở kháng để theo dõi sức khỏe của công trình Việc mô hình hóa mẫu bê tông và phân tích trở kháng cơ học cho thấy khả năng của phần mềm trong đánh giá và phát hiện các hư hỏng trong kết cấu

Năm 2008, Yang và cộng sự đã thành công trong việc mô phỏng đáp ứng trở kháng trên dầm nhôm bằng phần mềm ANSYS, và các kết quả thu được có độ tương đồng cao với kết quả thực nghiệm, ngay cả ở tần số lên tới 100 kHz [14] Thông qua thực nghiệm, nhóm nghiên cứu đã phát hiện rằng độ dày của lớp liên kết giữa tấm PZT và kết cấu chủ cần được giảm xuống dưới một phần ba độ dày để tránh các tác động tiêu cực do hiện tượng cộng hưởng giữa miếng dán PZT và phản hồi từ kết cấu chủ Kết quả này đề cao tầm quan trọng của việc tối ưu hóa độ dày liên kết để đạt được hiệu suất tốt nhất trong việc sử dụng cảm biến trở kháng trên các kết cấu nhôm

Năm 2016, Oliveira và cộng sự đã nghiên cứu về đáp ứng trở kháng của hợp kim nhôm [15] Nghiên cứu sử dụng phương pháp phổ trở kháng để đo và đánh giá các hợp

kim nhôm theo thời gian và tần số Phân tích trở kháng cho phép xác định biến đổi của lớp bảo vệ bề mặt, đánh giá tốc độ ăn mòn và dự đoán tuổi thọ của vật liệu Kết quả nghiên cứu cho thấy phương pháp này là công cụ hữu ích để cải thiện hiệu suất và độ bền của cấu trúc nhôm trong môi trường khắc nghiệt như không gian Đánh giá trở kháng giúp hiểu rõ hơn về tác động của môi trường và giúp đưa ra các biện pháp bảo vệ và tối ưu hóa hợp kim nhôm trong các ứng dụng của chúng

Năm 2018, Nguyen và cộng sự đã nghiên cứu đáp ứng trở kháng của vật liệu composite nhôm khi chịu tải trọng giới hạn [16] Bằng cách đo và phân tích trở kháng, nghiên cứu này xác định được sự thay đổi trong tính chất cơ học của vật liệu và độ bền của nó dưới tác động của tải trọng giới hạn Kết quả nghiên cứu cung cấp thông tin quan trọng để tối ưu hóa thiết kế và cải thiện độ bền của các cấu trúc sử dụng vật liệu composite nhôm trong các ứng dụng thực tế

Năm 2019, Wang và cộng sự đã sử dụng phương pháp phân tích trở kháng để đánh giá hiệu suất bảo vệ của các lớp phủ hợp kim nhôm trước sự tác động của ăn mòn [17] Bằng cách đo và phân tích các thông số trở kháng, các nhà nghiên cứu đã xác định được tính chất bảo vệ của các lớp phủ và đưa ra nhận định về khả năng chống ăn mòn của chúng Kết quả nghiên cứu cho thấy rằng phương pháp phân tích trở kháng là một công cụ hữu ích để đánh giá và tối ưu hóa hiệu suất bảo vệ chống ăn mòn của các lớp phủ hợp kim nhôm Các kết quả này có thể hỗ trợ trong việc phát triển các lớp phủ nhôm đáng tin cậy để bảo vệ các sản phẩm và cấu trúc nhôm khỏi sự ăn mòn trong các ứng dụng thực tế

Năm 2022, Ali và cộng sự đã sử dụng phổ trở kháng để đánh giá và theo dõi sự thay đổi của tính chất điện hóa của hợp kim nhôm khi chịu tác động của môi trường [18] Tác giả đã tiến hành các thử nghiệm và đo đạc đáp ứng trở kháng của hợp kim nhôm trong suốt quá trình bị ô xi hóa Kết quả nghiên cứu cho thấy rằng đáp ứng trở kháng của hợp kim nhôm thay đổi theo thời gian và môi trường Tác giả đưa ra các kết luận quan trọng để đánh giá và bảo vệ chất lượng và bền vững của các kết cấu sử dụng hợp kim nhôm

Năm 2023, Liu và cộng sự đã sử dụng phương pháp phân tích trở kháng để đánh giá và theo dõi sự phát triển của quá trình ăn mòn trong hợp kim nhôm dưới tác động của môi trường biển [19] Bằng cách đo và phân tích các thông số trở kháng, các nhà nghiên cứu đã xác định được các biến đổi và xu hướng của quá trình ăn mòn, từ đó cung cấp thông tin quan trọng về hiện tượng ăn mòn trong hợp kim nhôm trong môi trường biển

2.1.2 Ứng dụng CNN trong SHM

Năm 2016, Guo và cộng sự đã đề xuất một mạng nơ-ron tích chập trong thuật toán

học sâu có khả năng thích ứng với tốc độ học tập phân cấp mới [20] Phương pháp này được áp dụng để chẩn đoán các lỗi ổ trục và xác định mức độ nghiêm trọng của chúng Mạng nơ-ron tích chập giải quyết được vấn đề trích xuất các đặc trưng tự động mà không đòi hỏi sự chuyên môn cao và tối đa hóa độ chính xác mà không làm phức tạp cấu trúc máy Phương pháp này đạt được hiệu suất đáng kể trong việc nhận dạng mẫu lỗi và đánh giá kích thước lỗi Tác giả nhấn mạnh rằng thuật toán cải tiến này rất phù hợp với mô hình chẩn đoán lỗi và phương pháp đề xuất vượt trội so với các phương pháp hiện có khác

Năm 2017, Abdeljaber và cộng sự đã chứng minh sự hiệu quả của một công cụ phát hiện hư hỏng kết cấu, dựa trên sử dụng dao động và mạng 1D-CNN [21] Được đánh giá thông qua việc thử nghiệm trên dữ liệu của một nghiên cứu điểm chuẩn, với nút liên kết dầm trong kết cấu thép, kết quả rõ ràng: thuật toán 1D-CNN đã đạt được thành công vượt trội trong việc ước tính mức độ hư hỏng của kết cấu thực tế, áp dụng cho 9 kịch bản hư hỏng của nghiên cứu điểm chuẩn Mạng CNN đã chứng minh hiệu quả đáng kể khi ước tính mức độ hư hỏng dựa trên dữ liệu đầu vào có hạn chế

Năm 2017, Abdeljaber và cộng sự đã chứng minh sự hiệu quả của một công cụ phát hiện hư hỏng kết cấu, dựa trên sử dụng dao động và mạng 1D-CNN [22] Được đánh giá thông qua việc thử nghiệm trên dữ liệu của một nghiên cứu điểm chuẩn, với nút liên kết dầm trong kết cấu thép, kết quả rõ ràng: thuật toán 1D-CNN đã đạt được thành công vượt trội trong việc ước tính mức độ hư hỏng của kết cấu thực tế, áp dụng cho 9 kịch bản hư hỏng của nghiên cứu điểm chuẩn Mạng CNN đã chứng minh hiệu quả đáng kể khi ước tính mức độ hư hỏng dựa trên dữ liệu đầu vào có hạn chế

Năm 2018, Abdeljaber và cộng sự đã giới thiệu một hệ thống phát hiện hư hỏng trong kết cấu khung không gian bằng thép (với giả định của tác giả), nhanh chóng và chính xác bằng cách áp dụng thuật toán 1D-CNN trên bộ dữ liệu học tập nhỏ gọn và độc nhất [23] Phương pháp đề xuất này thực hiện việc phát hiện hư hỏng dựa trên dao động và định vị hư hỏng trong thời gian thực Điểm mạnh của phương pháp này là khả năng tự động trích xuất các đặc trưng quan trọng liên quan đến thiệt hại từ các tín hiệu gia tốc thô Tuy nhiên, nghiên cứu đã chỉ ra rằng thuật toán CNN chỉ xử lý dữ liệu hiện có tại địa phương để đánh giá tình trạng cấu trúc tại vị trí cụ thể

Năm 2018, Li và cộng sự đã áp dụng mạng neural tích chập (CNN) để phát hiện hư hỏng nứt trong cấu trúc [24] Phương pháp này sử dụng dữ liệu ảnh của các vùng bề mặt bị nứt và không bị nứt để huấn luyện mạng neural Kết quả nghiên cứu cho thấy phương pháp này đạt được hiệu suất cao trong việc phát hiện hư hỏng nứt, vượt qua các phương pháp truyền thống khác Bài báo cũng đề xuất cải tiến và tối ưu hóa mạng neural để nâng cao hiệu suất phát hiện Tổng quan, nghiên cứu này mang lại những tiến bộ

trong việc ứng dụng CNN trong phát hiện hư hỏng nứt trên cấu trúc

Năm 2019, Li và cộng sự đã nghiên cứu vết nứt trong cấu trúc bê tông bằng mạng neural tích chập dư (residual convolutional neural network) [25] Nghiên cứu này sử dụng dữ liệu ảnh của các vùng bề mặt bê tông có nứt và không nứt để huấn luyện mạng neural Kết quả cho thấy phương pháp này đạt được hiệu suất cao trong việc nhận diện và phân loại các vùng bề mặt bị nứt Bài báo đề xuất một mô hình mạng neural cải tiến để tăng cường khả năng phát hiện nứt và giảm sai số Tổng quan, nghiên cứu này đóng góp vào việc áp dụng mạng neural tích chập dư trong phát hiện nứt trong cấu trúc bê tông và nâng cao khả năng phân loại nứt và không nứt

Năm 2020, Guo và cộng sự đã nghiên cứ vết nứt trên các bề mặt cấu trúc bằng mạng neural tích chập cải tiến [26] Nghiên cứu này đề xuất một mô hình mạng neural mới để nhận diện nứt dựa trên dữ liệu hình ảnh của các vùng bề mặt cấu trúc Kết quả thử nghiệm cho thấy phương pháp này đạt được hiệu suất tốt trong việc phát hiện và định vị nứt, vượt qua các phương pháp truyền thống Bài báo cũng giới thiệu các cải tiến trong kiến trúc mạng neural nhằm cải thiện độ chính xác và hiệu suất của quá trình phát hiện nứt Tổng quan, nghiên cứu này đóng góp vào lĩnh vực phát hiện nứt trên các bề mặt cấu trúc bằng cách áp dụng mạng neural tích chập cải tiến

Năm 2021, Bao và cộng sự đã nghiên cứu vết nứt trong cấu trúc bê tông bằng mạng neural tích chập nhẹ [27] Nghiên cứu này giới thiệu một mô hình mạng neural nhẹ để nhận diện nứt dựa trên dữ liệu hình ảnh của các vùng bề mặt bê tông Phương pháp này đạt được hiệu suất cao trong việc phát hiện và phân loại các vùng bề mặt bị nứt, đồng thời tối ưu hóa độ phức tạp tính toán của mô hình để đạt được hiệu suất cao với tài nguyên tính toán hạn chế Bài báo cung cấp một cách tiếp cận mới để giảm tải tính toán và tăng tốc độ xử lý trong quá trình phát hiện nứt Tóm lại, nghiên cứu này đóng góp vào việc áp dụng mạng neural tích chập nhẹ trong phát hiện nứt trong cấu trúc bê tông, mang lại hiệu suất tốt và tối ưu hóa tính toán

Năm 2022, Zhang và cộng sự đã nghiên cứu vết nứt trong cấu trúc gạch bằng mạng neural tích chập sâu [28] Nghiên cứu này đề xuất một mô hình mạng neural sâu để nhận diện nứt dựa trên dữ liệu hình ảnh của các vùng bề mặt cấu trúc gạch Kết quả thử nghiệm cho thấy phương pháp này đạt được hiệu suất cao trong việc phát hiện và phân loại các vùng bề mặt bị nứt Bài báo giới thiệu sự kết hợp giữa mạng neural tích chập sâu và các kỹ thuật xử lý hình ảnh để nâng cao độ chính xác và độ nhạy của phương pháp Nghiên cứu này đóng góp vào lĩnh vực phát hiện nứt trong cấu trúc gạch bằng cách áp dụng mạng neural tích chập sâu, cung cấp một phương pháp hiệu quả và chính xác trong việc đánh giá tình trạng hư hỏng của cấu trúc gạch

2.2 Tình hình nghiên cứu tại Việt Nam

2.2.1 Phương pháp trở kháng

Năm 2011, Nguyễn đã mô hình hóa toán học của bài toán liên hợp cơ-điện và áp dụng phương pháp phần tử hữu hạn kết hợp thực nghiệm trong vật liệu áp điện [29] Tuy nghiên cứu này đã tập trung vào phân tích cơ học của vật liệu áp điện, nhưng chưa đi vào việc chẩn đoán hư hỏng của cấu trúc

Năm 2015, Lê đã mô phỏng lại kết cấu bằng phần mềm ANSYS V14.5, chứng minh tính hiệu quả của phần mềm này trong việc thu thập đáp ứng trở kháng của kết cấu [30] Ngoài ra, tác giả đã đề xuất một phương pháp mới nhằm loại bỏ ảnh hưởng của nhiệt độ đối với hoạt động của tấm cảm biến Phương pháp này hứa hẹn mang lại tiềm năng lớn cho lĩnh vực theo dõi và chẩn đoán kết cấu

Năm 2017, Nguyễn và Nguyễn đã khảo sát đáp ứng trở kháng của kết cấu thép trong các công trình nhà cao tầng [31] Nghiên cứu này xem xét các yếu tố ảnh hưởng đến đáp ứng trở kháng của kết cấu thép và phân tích các thông số quan trọng như cường độ, độ co giãn và độ bền của vật liệu Kết quả nghiên cứu cho thấy sự ảnh hưởng của các yếu tố này đến hiệu suất và độ tin cậy của kết cấu thép Bài báo cung cấp thông tin giá trị cho lĩnh vực xây dựng nhà cao tầng và đóng góp vào việc nâng cao hiểu biết về đáp ứng trở kháng của kết cấu thép

Năm 2018, Nguyễn và cộng sự đã nghiên cứu đáp ứng trở kháng của kết cấu thép trong các công trình cầu [32] Nghiên cứu này xem xét các yếu tố ảnh hưởng đến đáp ứng trở kháng của kết cấu thép như tải trọng, biến dạng và độ bền của vật liệu Kết quả nghiên cứu cho thấy sự tương quan giữa các yếu tố này và hiệu suất của kết cấu thép trong công trình cầu Bài báo cung cấp thông tin hữu ích cho lĩnh vực xây dựng cầu và đóng góp vào việc nâng cao hiểu biết về đáp ứng trở kháng của kết cấu thép trong công trình cầu

Năm 2019, Hoàng và cộng sự đã nghiên cứu việc đánh giá đáp ứng trở kháng của kết cấu thép với hình dạng hình học phức tạp [33] Nghiên cứu này xem xét các yếu tố ảnh hưởng đến đáp ứng trở kháng của kết cấu thép như hình dạng, kích thước và phân bố tải trọng Kết quả nghiên cứu cho thấy sự tương quan giữa các yếu tố này và hiệu suất của kết cấu thép Bài báo đề xuất phương pháp đánh giá đáp ứng trở kháng dựa trên phân tích số liệu và mô phỏng Nghiên cứu này đóng góp kiến thức quan trọng cho lĩnh vực xây dựng và giúp cải thiện hiểu biết về đáp ứng trở kháng của kết cấu thép với hình dạng phức tạp

Năm 2020, Trần và cộng sự đã nghiên cứu đáp ứng trở kháng của kết cấu thép trong các công trình nhà xưởng [34] Nghiên cứu này xem xét các yếu tố ảnh hưởng đến đáp ứng trở kháng của kết cấu thép như tải trọng, biến dạng và tính chất cơ học của vật

liệu Kết quả nghiên cứu cho thấy mối tương quan giữa các yếu tố này và hiệu suất của kết cấu thép trong công trình nhà xưởng Bài báo đề xuất phương pháp đánh giá đáp ứng trở kháng dựa trên quan sát thực nghiệm và mô phỏng số học Nghiên cứu này cung cấp thông tin hữu ích cho lĩnh vực xây dựng nhà xưởng và đóng góp vào việc nâng cao hiểu biết về đáp ứng trở kháng của kết cấu thép trong môi trường nhà xưởng

Năm 2021, Lê và cộng sự đã khảo sát đáp ứng trở kháng của kết cấu thép với hình dạng đa dạng [35] Nghiên cứu này xem xét các yếu tố ảnh hưởng đến đáp ứng trở kháng của kết cấu thép như hình dạng, kích thước và tính chất cơ học của vật liệu Kết quả nghiên cứu cho thấy mối tương quan giữa các yếu tố này và hiệu suất của kết cấu thép trong các hình dạng đa dạng Bài báo cung cấp phương pháp đánh giá đáp ứng trở kháng dựa trên phân tích số liệu và mô phỏng Nghiên cứu này mang lại thông tin quan trọng cho lĩnh vực xây dựng và đóng góp vào việc nâng cao hiểu biết về đáp ứng trở kháng của kết cấu thép trong các hình dạng hình học đa dạng

Năm 2021, Đỗ đã nghiên cứu phương pháp trở kháng để chẩn đoán tổn hao lực căng dây cáp có xét đến yếu tố nhiệt độ môi trường [36] Đầu tiên, mẫu dầm nhôm được mô phỏng để so sánh đáp ứng trở kháng giữa mô phỏng và thực nghiệm, từ đó đánh giá độ tin cậy của phương pháp mô phỏng Thứ hai, một vùng neo cáp của trụ anten thực tế được mô phỏng với nhiều mức độ tổn hao lực căng dây cáp và sự thay đổi của nhiệt độ Từ đó, tổn hao lực căng cáp và sự ảnh hưởng của nhiệt độ đến đáp ứng trở kháng được đánh giá Thứ ba, một mô hình sử dụng vật liệu cảm biến MFC để chẩn đoán tổn hao lực căng dây cáp trong vùng neo có xét đến ảnh hưởng của nhiệt độ được phát triển Cuối cùng, tính hiệu quả của phương pháp, đề xuất tiếp tục nghiên cứu và áp dụng cả hai mô hình vào thực tế được thảo luận

Năm 2023, Lê đã đánh giá ảnh hưởng của vị trí đặt PZT-tấm nhôm tương tác, vật liệu, hình dạng của PZT và tấm nhôm tương tác đến độ nhạy của tín hiệu trở kháng dưới sự tổn hao lực căng cáp của trụ anten [37] Sự thay đổi của tín hiệu trở kháng được đánh giá thông qua chỉ số thống kê RMSD (root-mean-square-deviation) để cảnh báo sự thay đổi lực căng cáp Mạng nơ- ron nhân tạo được xây dựng và áp dụng để chẩn đoán sự thay đổi lực căng cáp

Năm 2023, Nguyễn đã nghiên cứu về phương pháp theo dõi sức khỏe kết cấu dựa trên kỹ thuật dao động và trở kháng được áp dụng để xác định lực căng và đánh giá mức độ hao tổn lực căng cáp [38] Nghiên cứu đề xuất kết hợp hai phương pháp trên để đánh giá sự thay đổi lực căng cáp loại bỏ ảnh hưởng của nhiệt độ đến kết quả quan trắc

2.2.2 Ứng dụng CNN trong SHM

Năm 2023, Lê đã nghiên cứu một phương pháp chẩn đoán hư hỏng trong vùng neo của KC BTCT UST [39] Phương pháp sử dụng kết hợp đáp ứng trở kháng cơ-điện từ

cốt liệu thông minh hình cầu và CNN Đầu tiên, đáp ứng trở kháng của cốt liệu thông minh hình cầu được mô phỏng bằng phần mềm phần tử hữu hạn và kết quả sẽ được kiểm chứng để đánh giá độ tin cậy của mô hình Thứ hai, một mô hình vùng neo KC BTCT UST được mô phỏng bằng phần mềm phần tử hữu hạn và cốt liệu thông minh được gán vào mô hình tại vị trí nguy hiểm; từ đó, các giá trị đáp ứng trở kháng cho từng kịch bản huấn luyện và chẩn đoán sẽ được ghi nhận Thứ ba, mạng nơ-ron tích chập được ứng dụng để chẩn đoán mức độ hư hỏng cho 2 trường hợp hư hỏng điển hình của vùng neo Thêm vào đó, sự ảnh hưởng của mức độ nhiễu đến kết quả chẩn đoán được phân tích và đánh giá Cuối cùng, tính hiệu quả của phương pháp chẩn đoán sử dụng kết hợp giá trị đáp ứng trở kháng từ cốt liệu thông minh hình cầu và mạng nơ-ron tích chập trong việc chẩn đoán hư hỏng vùng neo KC BTCT UST do sự suy giảm cường độ trong bê tông và sự tổn hao ứng suất trong cáp được đánh giá

2.3 Tổng kết

Các nghiên cứu về trở kháng để chẩn đoán hư hỏng trong kết cấu đã đạt được nhiều thành tựu trong cả nghiên cứu lý thuyết, nghiên cứu thực nghiệm và mô phỏng Mạng nơ-ron tích chập chỉ mới hình thành và đang được phát triển trong thời gian gần đây, nhờ vào sự hỗ trợ, phát triển của công nghệ thông tin và các máy tính thông minh Tuy nhiên, làm thế nào để ứng dụng nó có hiệu quả vào các lĩnh vực của đời sống, đặc biệt là ứng dụng vào lĩnh vực xây dựng nói chung và chẩn đoán kết cấu nói riêng là vấn đề cần được quan tâm, tìm hiểu

Từ những vấn đề trên, học viên tiếp tục nghiên cứu và phát triển mở rộng với đề tài “Chẩn đoán vết nứt trong kết cấu nhôm sử dụng đáp ứng trở kháng và mạng nơ-ron tích chập” Trong luận văn này, dầm đơn giản bằng nhôm có gắn đáp ứng trở kháng sẽ được mô phỏng và kiểm chứng với kết quả nghiên cứu thực nghiệm và thêm vào đó kết hợp với mạng CNN để chẩn đoán được mức độ hư hỏng

CHƯƠNG 3 CƠ SỞ LÝ THUYẾT

Chương này sẽ trình bày các cơ sở lý thuyết của phương pháp trở kháng, mạng ron tích chập (CNN), phương pháp chẩn đoán sử dụng kết hợp đáp ứng trở kháng cơ-điện và mạng nơ-ron tích chập, phương pháp và công cụ hỗ trợ nghiên cứu sẽ được sử dụng

nơ-3.1 Phương pháp trở kháng

3.1.1 Vật liệu áp điện

Hiện tượng áp điện (Piezoelectric phenomena) là một hiện tượng được nhà khoáng vật học người Pháp đề cập đầu tiên vào năm 1817; sau đó được anh em nhà Pierre và Jacques Curie chứng minh và nghiên cứu thêm vào năm 1880 Cụ thể hiện tượng áp điện được phát hiện và nghiên cứu như sau: Các tác giả đã tìm được một loại chất có tính chất hóa học gần giống gốm (Ceramic) – nó có hai hiệu ứng thuận và nghịch nhưng khi áp vào nó một trường điện thì nó biến đổi hình dạng và ngược lại khi dùng lực cơ học tác động vào nó thì nó tạo ra dòng điện Nó như một máy biến đổi trực tiếp từ năng lượng điện sang năng lượng cơ học và ngược lại Nếu như theo chiều hướng thuận, có nghĩa là tác dụng lực lên vật thì sẽ sinh ra điện và ngược lại là áp điện nghịch – tác động hiệu thế vào vật thì sẽ sinh ra công biến dạng làm biến đổi lực Ngày nay, các nhà nghiên cứu đã tìm ra được được một vật được cấu tạo bởi ba yếu tố Chì – Zorconi – Titan (PZT) là một vật liệu có tính chất áp điện điển hình

Hình 3.1 Nguyên tắc hoạt động của vật liệu áp điện [40]

Trong hai thập kỷ vừa qua, vật liệu áp điện đã được ứng dụng rộng rãi trong lĩnh vực SHM Ưu điểm của loại vật liệu này là rẻ, nhẹ, đa năng và có thể chế tạo thành nhiều hình dạng khác nhau Vật liệu áp điện có thể được sử dụng như là cảm biến để ghi nhận biến dạng của kết cấu, hoặc như là thiết bị truyền động để kích thích kết cấu

Nguyên nhân của các hiệu ứng thuận – nghịch vừa nêu có thể được giải thích dưới cấp độ phân tử – những hạt cơ bản cấu tạo nên vật chất áp điện Hầu hết các vật liệu áp điện đều có dạng cấu tạo nguyên tử tương tự nhau, bao gồm: Một bộ khung bên ngoài

làm không gian chứa, bộ khung này thường có cấu trúc từ các nguyên tử nhiễm điện chì (Pb) và oxi (O); một nhân ở trung tâm của bộ khung đóng vai trò là tác nhân tạo ra điện trường, đó có thể là các nguyên tử kẽm (Zr) và titan (Ti) Khi có lực tác dụng làm biến dạng bộ khung phân tử, lõi nhân (cation) bị tác động làm dịch chuyển dọc theo một trục nhất định, từ đó sinh ra một điện trường bao quanh phân tử

3.1.2 Sơ lược về PZT

PZT (Lead Zirconate Titanate) được cấu tạo bởi ba yếu tố PZT (chì, zorconi, titan) là một trong số các vật liệu áp điện điển hình, có công thức cấu tạo là Pb[ZrxTi1-x]O3 (0 < x < l) Tùy vào tỉ lệ Zr/Ti mà có các loại PZT với các tính chất cơ lý khác nhau

Phân tử PZT có cấu trúc phân cực theo hướng dao động của các nguyên tử nhiễm điện kẽm (Zr) và titan (Ti) bên trong bộ khung do các nguyên tử chì (Pb) và oxi (O) tạo thành (Hình 3.2) Sự chuyển động của nguyên tử nhiễm điện (cation) Zr4+ và Ti4+ tạo nên một điện trường dọc theo phương chuyển động, từ đó hình thành nên hiệu ứng cảm ứng điện trường trong loại vật liệu thông minh này

(a) PZT trạng thái bình thường (b) PZT trạng thái tĩnh điện

Hình 3.2 Cấu trúc tinh thể PZT [41]

Phương dịch chuyển của các cation Zr4+ và Ti4+ trong một cấu trúc tinh thể có thể không cố định, thực tế là phương này bị ảnh hưởng bởi phương của lực tác dụng Nguyên nhân chính làm cho cation Zr4+ và Ti4+ dịch chuyển là do tác động của các lực cơ học Ngoài ra, các yếu tố khác như: từ trường, nhiệt độ cũng có thể là tác nhân kích hoạt sự vận hành năng động của các cation ở khu vực lõi nhân này

Hình 3.3 Một số dạng PZT [42]

Nhằm thích nghi với nhu cầu ứng dụng đa dạng, hình dạng của PZT cũng theo đó được thiết kế một cách phong phú, nhiều mẫu mã Tùy theo loại kết cấu và điều kiện áp dụng, PZT có thể có dạng miếng tròn mỏng, miếng hình vành khuyên, miếng hình vuông, hình chữ nhật, hình thang Độ dày của các PZT cũng tùy thuộc vào đối tượng mà chúng được dán lên Chẳng hạn, đối với các kết cấu trong xây dựng và các chi tiết máy móc trong cơ khí, bề dày của tấm PZT có khuynh hướng lớn hơn so với các PZT ứng dụng trong y khoa, trong các thiết bị nghe nhìn (loa âm thanh, micro, )

Tương tác cơ-điện của vật liệu áp điện được mô tả bởi hệ phương trình tương thích dưới đây:

s là ma trận độ mềm đàn hồi ứng với một điện trường bất biến

 là ma trận hằng số điện môi ứng với một trường ứng suất bất biến 11

Hình 3.4 Mô hình tương tác cơ-điện giữa PZT và kết cấu (Liang, 1996) [43]

Khi cảm biến PZT dược dán vào bề mặt kết cấu, độ dẫn nạp cơ-điện Y(𝜔), đại lượng nghịch đảo của trở kháng cơ-điện 𝑍(𝜔), là một hàm số kết hợp giữa trở kháng cơ của kết cấu Zs(𝜔) và của cảm biến PZTZa(𝜔) được diễn tả bằng công thức sau:

  là độ dẫn nạp cơ-điện, đại lượng nghịch đảo của trở kháng cơ-điện Z

- w l và p, pt lần lượt là chiều rộng, chiều dài và chiều dày của cảm biến 𝑃𝑍𝑇 p

- D31là hằng số áp điện của cảm biến PZT khi ứng suất bằng 0

- Y11E  1 jY11Elà mô đun đàn hồi của cảm biến PZT khi điện trường bằng 0 - e33a  1 je33a là hằng số điện dung của cảm biến PZT

- Giá trị  và  lần lượt là hệ số cản và hệ số mất mát điện môi của cảm biến PZT -

 là số bước sóng phụ thuộc vào khối lượng riêng 𝜌 và mô đun đàn hồi

Y của cảm biến PZT

-  là khối lượng riêng của cảm biến PZT

- Zs( ) là trở kháng cơ của kết cấu (hay hệ kết cấu chủ) - Za( ) là trở kháng điện của cảm biến 𝑃𝑍𝑇

Trong công thức (3.9), số hạng thứ nhất là độ dẫn điện dung của bản thân cảm biến PZT; số hạng thứ hai bao gồm trở kháng của cảm biến PZT và trở kháng của kết cấu

Trong đó, trở kháng của kết cấu ( )Zs  là tỉ số giữa lực tác dụng và vận tốc tại vị trí dán cảm biến Nếu kết cấu được xem là hệ một bậc tự do, trở kháng của kết cấu Zs ω có thể được biểu diễn bằng công thức sau

Theo phương trình (3.10), dễ dàng nhận thấy các đặc trưng động lực học như khối lượng (m), độ cứng (k) và hệ số cản (c) là các yếu tố ảnh hưởng đến giá trị của trở kháng cơ của kết cấu ; vì vậy, bất kỳ sự thay đổi nào trong các đặc trưng động lực học (được xem là hư hỏng) đều có thể dẫn đến sự thay đổi trong đáp ứng trở kháng cơ-điện; và ngược lại có thể sử dụng sự thay đổi của đáp ứng trở kháng cơ-điện để đánh giá sự thay

đổi của các đặc trưng động lực học trong kết cấu Do đó, ý tưởng cơ bản của phương pháp SHM sử dụng trở kháng là theo dõi sự thay đổi trong đáp ứng trở kháng cơ của kết cấu gây ra bởi hư hỏng

Dựa theo công thức (3.9), giá trị trở kháng cơ-điện Z(ω) có quan hệ trực tiếp với trở kháng của kết cấu ( )Zs  ; khi kết cấu xuất hiện hư hỏng, trở kháng của nó sẽ thay đổi và làm thay đổi trở kháng cơ-điện Do trở kháng cơ-điện Z(ω) là thương số của điện áp đầu vào V(ω) và dòng điện đầu vào I (ω) cho cảm biến Mà các giá trị đầu vào của dòng điện xoay chiều là một đại lượng phức Vì vậy, trở kháng cơ-điện Z(ω) cũng là một đại lượng phức và được biểu diễn như sau:

3.1.4 Nguyên lý hoạt động của phương pháp trở kháng

Đầu tiên sử dụng máy phân tích trở kháng tạo một điện áp kích thích hình sin đến tấm PZT được dán lên kết cấu chủ, kích thích điện gây ra kích thích cơ học lên tấm PZT Tấm PZT này được gắn lên kết cấu chủ nhờ một lớp keo cứng Động lực học kết cấu được kích thích dựa trên trở kháng cơ học của kết cấu và một biến dạng tương ứng được đặt trên cảm biến PZT Hệ số giữa điện áp kích thích đặt vào và dòng điện ra từ tấm PZT được gọi là trở kháng điện được đo từ máy phân tích trở kháng

Về cơ bản máy phân tích trở kháng đo tần số phản ứng của kết cấu trên toàn bộ sóng kích thích Khi kết cấu bị hỏng các đặc trưng của kết cấu bao gồm khối lượng (m), độ cứng (k) và hệ số cản (c) sẽ thay đổi Bất kỳ sự thay đổi các đặc trưng nào của kết cấu sẽ dẫn đến sự thay đổi trong trở kháng cơ học kết cấu, cũng như tần số phản ứng của kết cấu được đo bởi máy phân tích trở kháng Những thay đổi trong trở kháng đo từ

trường hợp không hư hỏng và hư hỏng được dùng để đánh giá hư hỏng kết cấu

3.1.5 Phương pháp đánh giá hư hỏng bằng đáp ứng trở kháng

Có nhiều chỉ số đánh giá được đề xuất để đánh giá sự sai khác của tín hiệu trở kháng (để đánh giá hư hỏng) Ngày nay, các chỉ số đánh giá hư hỏng chính dựa trên đáp ứng trở kháng như chỉ số RMSD (Root Mean Square Deviation), chỉ số CC (Correlation Coefficient), chỉ số CCD (Correlation Coefficient Deviation), chỉ số MAPD (Mean Absolute Percentage Deviation) đang được nghiên cứu rộng rãi và có thể cung cấp cho nhà nghiên cứu về sự xuất hiện của hư hỏng thông qua việc thay đổi các chỉ số trong từng trường hợp hư hỏng Trong nghiên cứu này, học viên sử dụng chỉ số RMSD để đánh giá tín hiệu đáp ứng trở kháng.

Chỉ số đánh giá RMSD được Sun và cộng sự (1995) [7] sử dụng để thống kê chỉ số hư hỏng cho kết cấu tấm mỏng Chỉ số RMSD giữa 2 tín hiệu trở kháng ( )Z i và

3.2 Phương pháp mạng nơ-ron tích chập

3.2.1 Một số khái niệm tổng quát

Trong những năm vừa qua, song hành cùng sự bùng nổ và phát triển của cuộc cách mạng công nghiệp 4.0, các thuật ngữ như trí tuệ nhân tạo (Artificial Intelligence – AI), học máy (Machine Learning – ML) và học sâu (Deep Learning – DL) đang dần trở nên phổ biến và được ứng dụng nhiều trong các lĩnh vực của đời sống

Dưới đây, hình 3.5 thể hiện mối liên hệ và khoảng thời gian phát triển giữa ba khái niệm này bằng cách thể hiện chúng như những hình chữ nhật, trong đó AI – định nghĩa xuất hiện sớm nhất vào khoảng những năm 1950, là hình chữ nhật to nhất và bao trùm hai định nghĩa còn lại Sau đó, Machine Learning – khái niệm xuất hiện vào khoảng những năm 1980; và cuối cùng là Deep Learning – thứ đang thúc đẩy sự bùng phát của AI hiện nay được ra đời vào khoảng những năm 2010

Hình 3.5 Mối quan hệ giữa AI, Machine Learning và Deep Learning [44]

Trí tuệ nhân tạo (Artificial Intelligence - AI) là một lĩnh vực trong khoa học máy tính tập trung vào nghiên cứu và phát triển các hệ thống thông minh có khả năng tự học, tư duy, và thực hiện các nhiệm vụ tương tự như con người AI nhằm mô phỏng khả năng nhận thức, suy luận, ngôn ngữ, và quyết định của con người thông qua việc sử dụng thuật toán và dữ liệu Trí tuệ nhân tạo đã và đang tiến bộ mạnh mẽ, tạo ra những tiến bộ đáng kinh ngạc và ảnh hưởng sâu sắc đến cuộc sống hàng ngày của chúng ta Với sự phát triển của các thuật toán, khả năng tính toán mạnh mẽ và sự gia tăng của dữ liệu, AI đã trở thành một công nghệ đột phá có khả năng tăng cường và thay đổi các lĩnh vực như y tế, giao thông, nông nghiệp, tài chính, và nhiều lĩnh vực khác

Một trong những phân nhánh quan trọng của AI là học máy (machine learning) Học máy tập trung vào xây dựng các mô hình và thuật toán để cho phép máy tính học từ dữ liệu và tự động cải thiện hiệu suất của chúng theo thời gian Bằng cách sử dụng các kỹ thuật học máy như mạng nơ-ron (neural networks), học sâu (deep learning) và học tăng cường (reinforcement learning), AI có thể phân tích và hiểu các mẫu phức tạp trong dữ liệu và đưa ra các dự đoán và quyết định chính xác Ứng dụng của trí tuệ nhân tạo đã thay đổi cách sống và làm việc của chúng ta Trong lĩnh vực y tế, AI đã giúp chẩn đoán và dự đoán bệnh tật một cách chính xác hơn, tăng khả năng dự báo tình trạng bệnh, và cung cấp điều chỉnh và tư vấn điều trị cá nhân hóa Trong lĩnh vực giao thông, AI đóng vai trò quan trọng trong việc tự động hóa các hệ thống lái xe và tăng cường an toàn giao thông Ngoài ra, AI còn có ứng dụng trong nhiều lĩnh vực khác như:

- Truyền thông và quảng cáo: AI hỗ trợ trong việc phân tích dữ liệu và dự đoán

hành vi người dùng để tạo ra nội dung và quảng cáo cá nhân hóa Các hệ thống gợi ý và khuyến nghị cũng được phát triển dựa trên trí tuệ nhân tạo

- Lĩnh vực giáo dục: AI có thể cung cấp các giải pháp học tập cá nhân hóa, đánh giá tiến bộ và hỗ trợ giảng dạy trực tuyến Công nghệ như chatbot và hệ thống tự học cũng được sử dụng để cung cấp trợ giúp và tư vấn cho học sinh và giáo viên

- Thương mại điện tử: AI giúp cải thiện trải nghiệm mua sắm trực tuyến bằng cách cung cấp gợi ý sản phẩm, tùy chỉnh cá nhân và dự đoán xu hướng mua hàng Các hệ thống chatbot và trợ lý ảo cũng được sử dụng để tư vấn và hỗ trợ khách hàng

- Nghiên cứu khoa học: AI đóng vai trò quan trọng trong việc phân tích dữ liệu, mô phỏng và dự đoán trong các lĩnh vực như y học, vật lý học, sinh học và hóa học Nó có thể giúp tìm kiếm thông tin, tạo ra các mô hình dự đoán và tăng cường quy trình nghiên cứu

Hình 3.6 Sự khác biệt cơ bản giữa Machine Learning và Deep Learning [45]

Học sâu thường được nhắc đến cùng với khái niệm dữ liệu lớn (Big Data) và trí tuệ nhân tạo (AI) Đây được xem là một thuật toán dựa trên các ý tưởng đến từ não bộ của con người thông qua việc tiếp thu rất nhiều tầng biểu đạt hay trừu tượng để có thể làm rõ nghĩa của các loại dữ liệu – những dữ liệu đầu vào cung cấp cho DL sẽ được xử lý và từ đó tiến hành xâu chuỗi thành một mạng lưới gọi là mạng nơ-ron nhân tạo (Neural