Luận văn thạc sĩ Kỹ thuật xây dựng: Chẩn đoán hư hỏng trong kết cấu dầm sử dụng hàm đáp ứng tần số

Trang 1

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

Trang 2

TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học 1: PGS TS Hồ Đức Duy

Cán bộ hướng dẫn khoa học 2: TS Hà Minh Tuấn

Cán bộ chấm nhận xét 1: PGS TS Đỗ Nguyễn Văn Vương

Cán bộ chấm nhận xét 2: PGS TS Nguyễn Minh Long

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp HCM, ngày 27 tháng 07 năm 2022

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

1 PGS TS Lương Văn Hải - Chủ tịch hội đồng

3 PGS TS Đỗ Nguyễn Văn Vương - Phản biện 1 4 PGS TS Nguyễn Minh Long - Phản biện 2 5 PGS TS Nguyễn Văn Hiếu - Ủy viên

KỸ THUẬT XÂY DỰNG

PGS TS Lương Văn Hải

Trang 3

ĐẠI HỌC QUỐC GIA TP.HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc Lập - Tự Do - Hạnh Phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ và tên học viên: TRƯƠNG TRẦN ĐỆ NHẤT MSHV: 2070670 Ngày, tháng, năm sinh: 02/09/1998 Nơi sinh: An Giang Chuyên ngành: Kỹ thuật Xây dựng Mã số: 85 80 201

I TÊN ĐỀ TÀI: Chẩn đoán hư hỏng trong kết cấu dầm sử dụng hàm đáp ứng tần số (Damage detection in beams using the frequency response function)

II NHIỆM VỤ VÀ NỘI DUNG

1 Tìm hiểu và nắm vững các phương pháp chẩn đoán hư hỏng kết cấu sử dụng các đặc trưng dao động

2 Xây dựng mô hình PTHH cho dầm thép sử dụng phần mềm ANSYS Hư hỏng trong dầm được tạo ra bằng cách giảm độ cứng chống uốn Đánh giá sự xuất hiện của hư hỏng trong dầm bằng hệ số tương quan của hàm đáp ứng tần số (CC of FRF)

3 Xác định vị trí hư hỏng trong dầm bằng phương pháp hàm đáp ứng tần số (FRF) kết hợp với chỉ số định vị hư hỏng (FRFBI)

4 Xây dựng thuật toán mạng nơ-ron nhân tạo (ANNs) để chẩn đoán mức độ hư hỏng trong dầm

5 Phân tích và đánh giá kết quả chẩn đoán hư hỏng cho kết cấu dầm 6 Kết luận và kiến nghị

III NGÀY GIAO NHIỆM VỤ : 14/02/2022 IV NGÀY HOÀN THÀNH NHIỆM VỤ : 13/06/2022

V CÁN BỘ HƯỚNG DẪN : PGS TS Hồ Đức Duy TS Hà Minh Tuấn

Thành phố Hồ Chí Minh, ngày 13 tháng 06 năm 2022

PGS TS Hồ Đức Duy TS Hà Minh Tuấn

TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG

Trang 4

LỜI CẢM ƠN

Luận văn thạc sĩ Kỹ thuật Xây dựng nằm trong hệ thống bài luận cuối khóa nhằm trang bị cho học viên cao học khả năng tự nghiên cứu, biết cách giải quyết những vấn đề cụ thể đặt ra trong thực tế xây dựng Đó là trách nhiệm và niềm tự hào của mỗi học viên cao học

Để hoàn thành luận văn này, ngoài sự cố gắng và nỗ lực của bản thân, tôi đã nhận được nhiều sự giúp đỡ từ tập thể và các cá nhân Tôi xin ghi nhận và tỏ lòng biết ơn tới tập thể và các cá nhân đã dành cho tôi sự giúp đỡ quý báu đó

Đầu tiên tôi xin bày tỏ lòng biết ơn sâu sắc đến Thầy PGS TS Hồ Đức Duy và TS Hà Minh Tuấn Thầy đã đưa ra gợi ý đầu tiên để hình thành nên ý tưởng của đề tài, góp ý cho tôi rất nhiều về cách nhận định đúng đắn trong những vấn đề nghiên cứu, cách tiếp cận nghiên cứu hiệu quả

Tôi xin chân thành cảm ơn quý Thầy Cô Khoa Kỹ thuật Xây dựng, trường Đại học Bách Khoa - Tp.HCM đã truyền dạy những kiến thức quý giá cho tôi, đó cũng là những kiến thức không thể thiếu trên con đường nghiên cứu khoa học và sự nghiệp của tôi sau này

Sau cùng, tôi xin tỏ lòng biết ơn sâu sắc đến cha mẹ, người thân trong gia đình đã luôn ủng hộ, động viên tôi, giúp tôi vượt qua khó khăn trong suốt quá trình học tập và làm luận văn tại trường

Luận văn thạc sĩ đã hoàn thành trong thời gian quy định với sự nỗ lực của bản thân, tuy nhiên không thể không có những thiếu sót Kính mong quý Thầy Cô chỉ dẫn thêm để tôi bổ sung những kiến thức và hoàn thiện bản thân mình hơn

Xin trân trọng cảm ơn

Trương Trần Đệ Nhất

Trang 7

LỜI CAM ĐOAN

Tôi xin cam đoan nghiên cứu được trình bày ở đây do chính tôi thực hiện dưới sự hướng dẫn của Thầy PGS TS Hồ Đức Duy và TS Hà Minh Tuấn

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 nghiên cứu của mình

Trương Trần Đệ Nhất

Trang 8

1.1.1 Tầm quan trọng của việc theo dõi và chẩn đoán kết cấu 1

1.1.2 Kết cấu dầm và một số dạng hư hỏng thường gặp 3

1.1.3 Hàm đáp ứng tần số (Frequency Response Function – FRF) 4

1.1.4 Tổng quan về trí tuệ nhân tạo, học máy, mạng nơ-ron nhân tạo 5

1.2 Mục tiêu và nội dung nghiên cứu 8

1.2.1 Mục tiêu nghiên cứu 8

1.2.2 Nội dung nghiên cứu 8

1.3 Đối tượng và phạm vi nghiên cứu 9

1.4 Tính cần thiết và ý nghĩa thực tiễn của nghiên cứu 9

1.5 Cấu trúc luận văn 10

CHƯƠNG 2 TỔNG QUAN 12

2.1 Tình hình nghiên cứu nước ngoài 12

2.2 Tình hình nghiên cứu tại việt nam 15

2.3 Tổng kết 17

Trang 9

CHƯƠNG 3 CƠ SỞ LÝ THUYẾT 18

3.1 Phân tích dao động tự do 18

3.2 Hàm đáp ứng tần số (Frequency Response Function: FRF) 19

3.2.1 Hệ số tương quan hàm đáp ứng tần số (Correlation Cofficient of Frequency Response Function: CC of FRF) 21

3.2.2 Chỉ số định vị hư hỏng (Frequency Response Function – Based Index: FRFBI) 22

3.2.3 Ngưỡng hư hỏng đề xuất 24

3.3 Phương pháp đánh giá độ chính xác chẩn đoán 26

3.4.1 Định nghĩa của thuật toán Machine learning 28

3.4.2 Phân nhóm các thuật toán machine learning 28

3.4.3 Mô hình chung cho các bài toán machine learning 29

3.4.4 Cấu tạo của một mạng nơ-ron thần kinh nhân tạo 30

3.4.5 Hàm kích hoạt 30

3.4.6 Xây dựng mạng nơ-ron nhân tạo (ANNs) 31

3.5 Quy trình chẩn đoán hư hỏng bằng phương pháp sử dụng hàm đáp tần số dựa trên phân tích dao động kết hợp với thuật toán trí tuệ nhân tạo 35

3.5.1 Chuẩn bị dữ liệu phân tích dao động 35

3.5.2 Đánh giá sự xuất hiện hư hỏng 35

Trang 10

3.5.8 Ứng dụng thuật toán trí tuệ nhân tạo để chẩn đoán hư hỏng 36

3.5.9 Lưu đồ thực hiện 40

CHƯƠNG 4 BÀI TOÁN PHÂN TÍCH 43

4.1 Bài toán dầm thép gối tựa đơn giản 44

4.1.1 Mô hình bài toán 44

4.1.2 Trường hợp hư hỏng 45

4.1.3 Thông số mô phỏng 46

4.1.4 Mô hình trong ANSYS APDL 47

4.2 Kết quả phân tích dao động 50

4.2.1 Tần số dao động 50

4.2.2 Dạng dao động 51

4.2.3 Kết quả phần tích dao động ứng với từng trường hợp hư hỏng 53

4.3 Kết quả chẩn đoán hư hỏng bằng phương pháp hàm đáp ứng tần số (FRF) 73

4.3.1 Hệ số tương quan hàm đáp ứng tần số (CC of FRF) 73

4.3.2 Chỉ số định vị hư hỏng (FRFBI) 76

4.3.3 Kết quả chẩn đoán mức độ hư hỏng bằng mạng nơ-ron nhân tạo (ANNs) 95

4.4 Phân tích và đánh giá kết quả 109

4.4.1 Độ tin cậy mô hình 109

4.4.2 Độ chính xác của kết quả chẩn đoán hư hỏng và mức độ hư hỏng 109

CHƯƠNG 5 KẾT LUẬN VÀ KIẾN NGHỊ 111

5.1 Kết luận 111

5.2 Kiến nghị 113

DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC 114

TÀI LIỆU THAM KHẢO 115

LÝ LỊCH TRÍCH NGANG 119

Trang 11

DANH MỤC CÁC BẢNG BIỂU

Bảng 3.1: Bảng tóm tắt các thông số cho mô hình DFNN 34

Bảng 4.1: Các trường hợp hư hỏng của dầm thép 45

Bảng 4.2: Khai báo kiểu phần tử đươc lựa chọn trong mô phỏng 46

Bảng 4.3: Khai báo thông số vật liệu đươc lựa chọn trong mô phỏng 46

Bảng 4.4: Kết quả so sánh tần số từ mô hình ANSYS với phương pháp giải tích và từ bài báo khoa học 51

Bảng 4.5: Kết quả tần số dao động khi dầm chưa hư hỏng và dầm hư hỏng với các trường hợp khác nhau 53

Bảng 4.6: Kết quả chỉ số chẩn đoán hư hỏng với trường hợp hư hỏng thứ nhất (TH1) 78

Bảng 4.7: Kết quả chỉ số chẩn đoán hư hỏng với trường hợp hư hỏng thứ hai (TH2) 80

Bảng 4.8: Kết quả chỉ số chẩn đoán hư hỏng với trường hợp hư hỏng thứ ba (TH3) 82

Bảng 4.9: Kết quả chỉ số chẩn đoán hư hỏng với trường hợp hư hỏng thứ tư (TH4) 85

Bảng 4.10: Kết quả chỉ số chẩn đoán hư hỏng với trường hợp hư hỏng thứ năm (TH5) 87

Bảng 4.11: Kết quả chỉ số chẩn đoán hư hỏng với trường hợp hư hỏng thứ sáu (TH6) 90

Bảng 4.12: Kết quả chỉ số chẩn đoán hư hỏng với trường hợp hư hỏng thứ sáu (TH6) 93

Bảng 4.13: So sánh sự chênh lệch độ chính xác giữa dầm chia 20 phần tử và 100 phần tử 93

Bảng 4.14: Bảng dữ liệu huấn luyện và vị trí cần chẩn đoán hư hỏng trong dầm 95

Bảng 4.15: Bảng tóm tắt các biểu đồ kết quả chẩn đoán hư hỏng trường hợp một vị trí 96

Bảng 4.16: Kết quả chẩn đoán mức độ hư hỏng trường hợp một vị trí 97

Trang 12

Bảng 4.17: Bảng dữ liệu huấn luyện và vị trí cần chẩn đoán hư hỏng trong dầm 98Bảng 4.18: Bảng tóm tắt các biểu đồ kết quả chẩn đoán hư hỏng trường hợp

một vị trí 98Bảng 4.19: Kết quả chẩn đoán mức độ hư hỏng trường hợp một vị trí 100Bảng 4.20: Bảng dữ liệu huấn luyện và vị trí cần chẩn đoán hư hỏng trong

dầm 101Bảng 4.21: Bảng tóm tắt các biểu đồ kết quả chẩn đoán hư hỏng trường hợp

hai vị trí hư hỏng 101Bảng 4.22: Kết quả chẩn đoán mức độ hư hỏng trường hợp hai vị trí hư hỏng

(phần tử thứ 6) 103Bảng 4.23: Kết quả chẩn đoán mức độ hư hỏng trường hợp hai vị trí hư hỏng

(phần tử thứ 12) 103Bảng 4.24: Bảng dữ liệu huấn luyện và vị trí cần chẩn đoán hư hỏng trong

dầm 104Bảng 4.25: Bảng tóm tắt các biểu đồ kết quả chẩn đoán hư hỏng trường hợp

hai vị trí hư hỏng 105Bảng 4.26: : Kết quả chẩn đoán mức độ hư hỏng trường hợp hai vị trí hư hỏng

(phần tử thứ 6) 107Bảng 4.27: Kết quả chẩn đoán mức độ hư hỏng trường hợp hai vị trí hư hỏng

(phần tử thứ 12) 107Bảng 4.28: Kết quả chỉ số chẩn đoán hư hỏng với trường hợp hư hỏng thứ nhất

và thứ hai 108Bảng 4.29: Kết quả chỉ số chẩn đoán hư hỏng với trường hợp hư hỏng thứ ba

và thứ tư 108Bảng 4.30: Kết quả chỉ số chẩn đoán hư hỏng với trường hợp hư hỏng thứ năm

và thứ sáu 109

Trang 13

DANH MỤC CÁC HÌNH VẼ

Hình 1.1: Hình ảnh về hệ thống xác định hư hỏng trong SHM 1

Hình 1.2: Minh họa bốn cấp độ trong lĩnh vực theo dõi và chẩn đoán sức khỏe kết cấu (SHM) 2

Hình 1.3: Một số hình dạng cơ bản của kết cấu dầm 3

Hình 1.4: Hư hỏng xảy ra trong kết cấu tấm 4

Hình 1.5: Mối quan hệ giữa AI, Machine Learning và Deep Learning 5

Hình 1.6: Ứng dựng của trí tuệ nhân tạo (AI) vào chẩn đoán và theo dõi hư hỏng trong kết cấu (SHM) 7

Hình 1.7: Quá trình hoạt động của ANNs dựa trên hệ thống thần kinh sinh học 8

Hình 3.1: Minh họa một dầm đơn giản và vị trí đo đạc 23

Hình 3.2: Minh họa ngưỡng hư hỏng (Hồ và cộng sự 2018) 25

Hình 3.3: Minh họa ngưỡng hư hỏng FRFBIo = %10 FRFBImax 25

Hình 3.4: Quy ước vùng hư hỏng chẩn đoán và vùng hư hỏng thực tế 27

Hình 3.5: Phân nhóm các thuật toán machine learning 29

Hình 3.6: Mô hình chung trong các bài toán machine learning 29

Hình 3.11: Sơ đồ các bước xây dựng mạng ANNs dựa trên mô hình DFNN 42

Hình 4.1: Mô hình phần tử hữu hạn dầm thép hai đầu gối tựa đơn giản 44

Hình 4.2: Mô hình ANSYS của dầm thép, hai đầu gối tựa 45

Hình 4.3: Sơ đồ chia lưới phần tử và vị trí tải tác dụng 47

Hình 4.4: Mô hình chia lưới phần tử dầm trong ANSYS APDL 47

Trang 14

Hình 4.5: Khai báo điều kiện biên trong mô hình ANSYS 48

Hình 4.6: Vị trí tải tác trọng trong mô hình ANSYS 50

Hình 4.7: Công thức xấc định tần số dầm đơn giản (Chopra 2017) 50

Hình 4.19: Biểu đồ so sánh dạng dao động thứ hai (TH 0 và TH 1) 57

Trang 15

Hình 4.32: Biểu đồ so sánh dạng dao động thứ tư (TH 0 và TH 2) 63

Hình 4.46: Đồ thị hàm đáp ứng tần số của nút thứ 11 (vị trí 0.95 m) trong dầm 69

Trang 16

Hình 4.55: Đồ thị hàm đáp ứng tần số của nút thứ 20 (vị trí 1.805 m) trong dầm 72Hình 4.56: Biểu đồ hệ số tương quan của hàm đáp ứng tần số của dầm chưa hư

hỏng và bị hư hỏng ứng với trường hợp hư hỏng thứ nhất 73Hình 4.57: Biểu đồ hệ số tương quan của hàm đáp ứng tần số của dầm chưa hư

hỏng và bị hư hỏng ứng với trường hợp hư hỏng thứ hai 73Hình 4.58: Biểu đồ hệ số tương quan của hàm đáp ứng tần số của dầm chưa hư

hỏng và bị hư hỏng ứng với trường hợp hư hỏng thứ ba 74Hình 4.59: Biểu đồ hệ số tương quan của hàm đáp ứng tần số của dầm chưa hư

hỏng và bị hư hỏng ứng với trường hợp hư hỏng thứ tư 74Hình 4.60: Biểu đồ hệ số tương quan của hàm đáp ứng tần số của dầm chưa hư

hỏng và bị hư hỏng ứng với trường hợp hư hỏng thứ năm 74Hình 4.61: Biểu đồ hệ số tương quan của hàm đáp ứng tần số của dầm ứng với

trường hợp hư hỏng thứ sáu 75Hình 4.62: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ nhất

- Mode 1) 76Hình 4.63: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ nhất

- Mode 2) 77Hình 4.64: Biểu đồ chỉ số hư hỏng FRFBI j( ).(Trường hợp hư hỏng thứ nhất

- Mode 3) 77Hình 4.65: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ nhất

-Mode 4) 77Hình 4.66: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ nhất

- Kết hợp Mode 1, 2, 3, 4) 78Hình 4.67: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ hai -

Mode 1) 79Hình 4.68: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ hai -

Mode 2) 79

Trang 17

Hình 4.69: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ hai - Mode 3) 79Hình 4.70: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ hai -

Mode 4) 80Hình 4.71: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ hai

– Kết hợp Mode 1, 2, 3, 4) 80Hình 4.72: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ ba -

Mode 1) 81Hình 4.73: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ ba -

Mode 4) 82Hình 4.76: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ ba –

Kết hợp Mode 1, 2, 3, 4) 82Hình 4.77: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ tư -

Mode 1) 83Hình 4.78: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ tư -

Mode 4) 84Hình 4.81: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ tư –

Kết hợp Mode 1, 2, 3, 4) 84

Trang 18

Hình 4.82: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ năm - Mode 1) 86Hình 4.83: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ năm

- Mode 2) 86Hình 4.84: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ năm

– Kết hợp Mode 1, 2, 3, 4) 87Hình 4.87: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ sáu -

Mode 1) 88Hình 4.88: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ sáu -

Mode 4) 89Hình 4.91: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ sáu

– Kết hợp Mode 1, 2, 3, 4) 89Hình 4.92: So đồ phần tử hữu hạn dầm thép chia 100 phần tử 91Hình 4.93: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ sáu

– Mode 1) 91Hình 4.94: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ sáu

– Mode 2) 92Hình 4.95: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ sáu

– Mode 3) 92

Trang 19

Hình 4.96: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ sáu – Mode 4) 92Hình 4.97: Biểu đồ chỉ số hư hỏng FRFBI j( ) (Trường hợp hư hỏng thứ sáu

– Kết hợp Mode 1, 2, 3, 4) 93

Trang 20

DANH MỤC CÁC CHỮ VIẾT TẮT

ANNs Mạng nơ-ron nhân tạo (Artificial Neural Networks)

CC of FRF Hệ số tương quan của hàm đáp ứng tần số (Correlation Coefficient of Frequency Response Function)

MSEDI Chỉ số hư hỏng năng lượng biến dạng (Modal Strain Energy

Damage Index)

PTHH Phần phần tử hữu hạn

FRFBI Chỉ số định vị hư hỏng (Frequency Response Function – Based

Index)

DFNN Mạng nơ-ron nhân tạo học sâu (Deep Feed-forward Neural

Networks)

Trang 21

ELU Đơn vị hàm mũ tuyến tính (Exponential Linear Units)

Trang 22

j theo chiều dài dầm

( )

FRFf Hàm đáp ứng tần số tại nút j trong dầm ở trạng thái

trước và sau khi bị hư hỏng

Trang 23

 

E Giá trị trung bình của hàm đáp ứng tần số tại nút j tại

tần số thứ i của dầm ở hai trạng thái dầm chưa hư

hỏng và dầm bị hư hỏng

 Độ lệch chuẩn của hàm đáp ứng tần số tại nút j tại tần

số thứ i của dầm ở hai trạng thái trước và sau hư hỏng

trong dầm ở trạng thái trước và sau khi bị hư hỏng

predictdam in

L , Chiều dài vùng hư hỏng chẩn đoán nằm trong vùng hư hỏng thực tế

predictdam out

L , Chiều dài vùng hư hỏng chẩn đoán nằm ngoài vùng hư hỏng thực tế

y và yn Giá trị chẩn đoán và giá trị thực tế

Trang 24

CHƯƠNG 1 GIỚI THIỆU 1.1 Đặt vấn đề

1.1.1 Tầm quan trọng của việc theo dõi và chẩn đoán kết cấu

Trong những năm gần đây, lĩnh vực theo dõi và chẩn đoán sức khỏe kết cấu (Structural Health Monitoring: SHM) đã và đang đóng vai trò quan trọng đối với sự an toàn, tuổi thọ, quá trình hoạt động bền vững của kết cấu công trình Thuật ngữ “SHM” đề cập đến việc đánh giá ứng xử đang làm việc của kết cấu bằng các kỹ thuật đo lường khác nhau Các phương pháp SHM được áp dụng để đưa ra cảnh báo về sự xuất hiện hư hỏng từ những tín hiệu đáp ứng ghi nhận trong kết cấu, nhận dạng vị trí và độ lớn của hư hỏng trong kết cấu, đánh giá được ảnh hưởng của hư hỏng đến toàn bộ kết cấu, minh họa như Hình 1.1

Hình 1.1: Hình ảnh về hệ thống xác định hư hỏng trong SHM (Nguồn: Internet)

SHM là một hướng nghiên cứu quan trọng trong lĩnh vực xây dựng, được áp

dụng để theo dõi và kiểm soát quá trình thi công, xác nhận đặc điểm thiết kế của công trình, xác nhận tải trọng trong công trình, phát hiện hư hỏng kịp thời,… Trong khoảng vài thập niên trở lại đây, số lượng các nghiên cứu về SHM có sự phát triển nhanh chóng Qua đó, nhiều nghiên cứu đã đưa ra các cơ sơ lý thuyết, đề xuất các hệ thống và phương pháp để theo dõi một cách hiệu quả, linh hoạt về thực trạng của kết cấu xây dựng Việc này giúp kỹ sư phát hiện sớm những tình huống bất lợi cho kết cấu, từ đó tạo điều kiện thuận lợi cho việc sửa chữa hoặc thay thế những cấu kiện hư hỏng một cách kịp thời; đánh giá thực trạng công trình về công năng, tuổi thọ và hạn chế tối đa các thiệt hại có thể xảy ra Các kỹ sư sử dụng hai phương pháp

Trang 25

phổ biến để khảo sát và phát hiện hư hỏng, như sau: phương pháp thí nghiệm phá hủy và phương pháp thí nghiệm không phá hủy Với những ưu điểm như khả năng đo lường có thể thích ứng linh hoạt, chi phí thí nghiệm tương đối thấp nên phương pháp thí nghiệm không phá hủy ngày càng trở nên phổ biến Trong phương pháp thí nghiệm không phá hủy, phương pháp phân tích các đặc trưng dao động của kết cấu trở thành một trong những phương pháp gián tiếp hiệu quả để phát hiện và chẩn đoán hư hỏng kết cấu Khi hư hỏng xuất hiện trong kết cấu dẫn đến những biến đổi các đặc trưng về thông số dao động như tần số dao động, dạng dao động, năng lượng biến dạng, hàm đáp ứng tần số… Sự thay đổi trên được sử dụng để phát hiện và chẩn đoán hư hỏng trong phương pháp phân tích các đặc trưng dao động

Hình 1.2: Minh họa bốn cấp độ trong lĩnh vực theo dõi và chẩn đoán sức khỏe kết cấu (SHM)

Hiện nay, lĩnh vực theo dõi và chẩn đoán sức khỏe kết cấu chia thành bốn cấp

độ như Hình 1.2, bao gồm: (cấp độ 1) ghi nhận tín hiệu từ đáp ứng của kết cấu, (cấp độ 2) cảnh báo sự xuất hiện của hư hỏng từ tín hiệu được ghi nhận, (cấp độ 3) nhận dạng vị trí và độ lớn của hư hỏng trong kết cấu và (cấp độ 4) đánh giá ảnh

hưởng của hư hỏng đến toàn bộ kết cấu Trong luận văn này, phương pháp chẩn

đoán hư hỏng sử dụng hàm đáp ứng tần số đã thực hiện đến cấp độ 3

Trang 26

Trong lĩnh vực xây dựng nói chung và ngành xây dựng dân dụng nói riêng, kết cấu dầm là một phần không thể thiếu trong tổng thể công trình Trong quá trình sử dụng, không thể tránh khỏi hư hỏng tạo thành vết nứt do nhiều nguyên nhân như: tác động vật lý, hoá học, môi trường khắc nghiệt,… Các hư hỏng này có khả năng gia tăng theo thời gian do sự xuống cấp của kết cấu hoặc sự gia tăng của tác động gây hư hỏng Ngoài ra, kết cấu dầm thường là thành phần liên kết giữa kết cấu cột, sàn và móng Kết cấu dầm giữ một vị trí quan trọng trong việc chịu tải trọng từ sàn và truyền các tải trọng này lên cột, sau đó tải trọng từ cột truyền xuống móng Vì tính chất quan trọng này, những phương pháp chẩn đoán để phát hiện hư hỏng kịp thời là vô cùng cần thiết

1.1.2 Kết cấu dầm và một số dạng hư hỏng thường gặp

Dầm là cấu kiện cơ bản, thường phổ biến là dạng lăng trụ hình chữ nhật hoặc hình vuông, các tiết diện minh họa trong Hình 1.3 Dầm được xem như thanh chịu lực (chịu uốn là chủ yếu), có vai trò dùng để đỡ các bản dầm, sàn, tường, mái phía trên Dầm có cấu tạo đơn giản, chi phí chế tạo tương đối thấp nên kết cấu dầm được sử dụng khá rộng rãi trong công trình xây dựng như dầm sàn, dầm móng, dầm mái, dầm cầu trục, dầm cầu…

Hình 1.3: Một số hình dạng cơ bản của kết cấu dầm (Nguồn: Internet)

Kết cấu dầm có thể là dầm bê tông cốt thép, thép hình, gỗ Có hai loại dầm chính và dầm phụ, dầm phụ thường gối lên dầm chính để chia nhỏ kích thước tấm sàn hoặc dầm phụ vuông góc với hai đầu dầm chính để làm giằng (dầm cấu tạo) Dầm chính là dầm được thiết kế đi qua các cột, gác chân cột, vách Dầm chính có kích thước lớn hơn các dầm khác, quan niệm phổ biến xem dầm chính là dầm theo phương chịu lực chính của công trình và thường phải gánh chịu nhiều lực hơn dầm

Trang 27

phụ bởi dầm chính là dầm gánh đỡ dầm phụ Hệ dầm chính thông thường gác lên cột, hệ dầm phụ đỡ tường WC và tường lô gia

Trong quá trình sử dụng, những hư hỏng trong kết cấu dầm có thể xảy ra ở nhiều dạng khác nhau như: phần tử trong kết cấu chịu lực quá giới hạn dẫn đến bị nứt, làm cho độ cứng suy giảm; vật liệu bị tác động của môi trường xung quanh làm giảm cường độ và đặc tính ban đầu của vật liệu (ăn mòn, bị sự cố do tác động bởi con người,…); kết cấu bị khuyết tật trong quá trình thi công,… Các hư hỏng này có khả năng gia tăng theo thời gian do sự xuống cấp của kết cấu hay do sự gia tăng của tác động gây hư hỏng Hình 1.4 thể hiện một số hư hỏng đã xảy ra trong thực tế

Hình 1.4: Hư hỏng xảy ra trong kết cấu tấm (Nguồn: Internet)

Trong một hệ kết cấu, kết cấu dầm trực tiếp nhận tải trọng thẳng đứng để truyền xuống cột, sau đó xuống móng; đồng thời dầm còn có vai trò rất quan trọng là cấu kiện cứng nằm ngang cùng với kết cấu sàn tiếp nhận tải trọng ngang (gió, động đất) để truyền vào các kết cấu thẳng đứng (cột, vách), qua đó truyền xuống móng Do các tính chất quan trọng như trên, việc đề xuất và phát triển các phương pháp chẩn đoán hư hỏng trong kết cấu dầm là điều cấp bách

1.1.3 Hàm đáp ứng tần số (Frequency Response Function – FRF)

Việc phát triển các phương pháp chẩn đoán hư hỏng, đặc biệt là phương pháp sử dụng các đáp ứng dao động từ kết cấu nhận được sự quan tâm của rất nhiều nhà nghiên cứu Trong đó, phương pháp hàm đáp ứng tần số (Frequency Response Function: FRF) đã chứng tỏ là một trong những phương pháp có tính hiệu quả cao cho việc chẩn đoán hư hỏng trong kết cấu

Trang 28

Việc sử dụng FRF trong chẩn đoán hư hỏng dần trở nên phổ biến hơn Hàm đáp ứng tần số trong phân tích dao động là một hàm dựa trên sự đo lường tần số và xác định đặc trưng của ứng xử động lực học kết cấu, được sử dụng để xác định miền tần số và dạng dao động của một kết cấu ở hai trạng thái trước và sau hư hỏng, dưới tác dụng của lực điều hòa

1.1.4 Tổng quan về trí tuệ nhân tạo, học máy, mạng nơ-ron nhân tạo 1.1.4.1 Trí tuệ nhân tạo

Trí tuệ nhân tạo (Artificial Intelligence: AI) là một ngành thuộc lĩnh vực khoa học máy tính (Computer Science), là trí thông minh của máy do con người lập trình tạo nên với mục tiêu giúp máy tính có thể tự động hóa thực hiện các hành vi thông minh như con người Ví dụ như mô phỏng các quá trình suy nghĩ và học tập của con người cho máy móc, đặc biệt là các hệ thống máy tính Theo Hình 1.5, các quá trình này bao gồm việc học tập (thu thập thông tin và các quy tắc sử dụng thông tin), lập luận (sử dụng các quy tắc để đạt được kết luận gần đúng) và tự sửa lỗi… Trí tuệ nhân tạo khác với việc lập trình logic trong các ngôn ngữ lập trình là ở việc ứng dụng các hệ thống học máy (Machine Learning) để mô phỏng trí tuệ của con người trong các tình huống xử lý mà con người làm tốt hơn máy tính Cụ thể, trí tuệ nhân tạo giúp máy tính có được những trí tuệ của con người như: biết suy nghĩ và lập luận để giải quyết vấn đề, biết giao tiếp do hiểu ngôn ngữ, tiếng nói, biết học và tự thích nghi

Hình 1.5: Mối quan hệ giữa AI, Machine Learning và Deep Learning (Nguồn: Internet)

Trang 29

Học máy (Machine Learning: ML) là một công nghệ phát triển từ lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép hệ thống có khả năng tự học hỏi từ những bộ dữ liệu lớn để giải quyết những vấn đề cụ thể Thuật toán học máy là chương trình máy tính có khả năng học hỏi về cách hoàn thành các nhiệm vụ và cải thiện hiệu suất theo thời gian Trong vài thập kỷ trở lại đây, ngành công nghệ thông tin ngày càng phát triển đi cùng với sự phát triển là khả năng tính toán của máy tính ngày càng nâng lên một tầm cao mới và số lượng dữ liệu khổng lồ được thu thập Machine Learning đã tiến thêm một bước dài giúp cho một lĩnh vực mới được ra đời gọi là Học Sâu (Deep Learning) Học sâu (Deep learning) là một nhánh của ngành học máy dựa trên một tập hợp các thuật toán để cố gắng mô hình hóa dữ liệu trừu tượng ở mức cao bằng cách sử dụng nhiều lớp xử lý với cấu trúc phức tạp hoặc thực hiện nhiều biến đổi phi tuyến Deep Learning đã giúp máy tính thực thi những việc không khả thi như phân loại cả ngàn vật thể khác nhau trong các bức ảnh, tự tạo chú thích cho ảnh, mô phỏng giọng nói và chữ viết của con người, giao tiếp với con người hay thậm chỉ cả sáng tác văn học hay âm nhạc

1.1.4.2 Ứng dựng trí tuệ nhân tạo vào bài toán chẩn đoán hư hỏng

Những năm gần đây, với sự tăng trưởng mạnh mẽ của ngành xây dựng kèm theo là số lượng các nghiên cứu về theo dõi và chẩn đoán sức khỏe kết cấu kết hợp trí tuệ nhân tạo ngày càng phát triển và đóng vai trò quan trọng Từ đó, giúp cho chủ đầu tư, các bộ phận duy tu, bảo dưỡng có thể dễ dàng phát hiện và chẩn đoán các trạng thái tại bất kỳ thời điểm nào trong tuổi thọ của công trình Từ khả năng của trí tuệ nhân tạo, các tình huống liên quan đến công tác ra quyết định như chẩn đoán hư hỏng, phát hiện ăn mòn, phát hiện các trạng thái bất thường, những vấn đề này rất khó khi phải xử lý nhanh chóng và kịp thời bởi con người Nhưng AI có thể thu thập, lập luận và xử lý với độ chính xác rất cao bằng các mô hình trí tuệ nhân tạo Bằng cách thu thập các dữ liệu từ kinh nghiệm trong quá khứ và thực tại, các mô hình AI có thể học và hiểu được các cấu trúc dựa trên cơ sở phân cấp các khái niệm, có thể đưa ra được các quyết định mang tính chất chẩn đoán và cảnh báo Các vấn đề trên được thể hiện trực quan thông qua Hình 1.6

Trang 30

Hình 1.6: Ứng dựng của trí tuệ nhân tạo (AI) vào chẩn đoán và theo dõi hư hỏng trong kết cấu (SHM)

(Nguồn: Internet)

1.1.4.3 Mạng nơ-ron nhân tạo

Hình 1.7 thể hiện mạng nơ-ron nhân tạo (Artificial Neural Networks: ANNs) là mô hình toán học xử lý thông tin được mô phỏng dựa trên hoạt động của hệ thống thần kinh sinh học, bao gồm số lượng lớn các nơ-ron được gắn kết để xử lý thông tin Nó gồm có một nhóm các nơ-ron nhân tạo (nút) nối với nhau, xử lý thông tin bằng cách truyền theo các kết nối và tính giá trị mới tại các nút Trong nhiều trường hợp, mạng nơ-ron nhân tạo là một hệ thống thích ứng (Adaptive System) tự thay đổi cấu trúc của mình dựa trên các thông tin bên ngoài hay bên trong chảy qua mạng trong quá trình học.Một mạng nơ-ron là một nhóm các nút nối với nhau, gần giống như các mạng nơ-ron khổng lồ trong não người ANNs giống như bộ não con người, được học bởi kinh nghiệm (thông qua huấn luyện), có khả năng lưu giữ những kinh nghiệm hiểu biết (hay tri thức) và sử dụng những tri thức đó trong việc dự đoán các dữ liệu chưa biết (Unseen Data)

Trang 31

Hình 1.7: Quá trình hoạt động của ANNs dựa trên hệ thống thần kinh sinh học (Nguồn: Internet)

1.2 Mục tiêu và nội dung nghiên cứu 1.2.1 Mục tiêu nghiên cứu

Mục tiêu nghiên cứu của đề tài là chẩn đoán sự xuất hiện, vị trí và mức độ hư hỏng cho kết cấu dầm bằng phương pháp sử dụng hàm đáp ứng tần số (FRF) Trước tiên, dầm có thể nhận biết được việc bắt đầu xuất hiện hư hỏng bằng cách sử dụng hệ số tương quan của hàm đáp ứng tần số (CC of FRF) Tiếp theo, hàm đáp ứng tần số kết hợp với thuật toán chỉ số định vị hư hỏng (FRFBI) dựa trên hai trạng thái trước và sau hư hỏng của dầm Từ đó, phương pháp có thể chẩn đoán vị trí hư hỏng trong kết cấu dầm Cuối cùng, nghiên cứu thực hiện chẩn đoán mức độ hư hỏng thông qua mạng nơ-ron nhân tạo (ANNs) So với các nghiên cứu đã công bố, điểm đóng góp chính của luận văn này là phát triển phương pháp chẩn đoán sự xuất hiện, vị trí và mức độ của hư hỏng cho kết cấu dầm chỉ sử dụng dữ liệu hàm đáp ứng tần số

1.2.2 Nội dung nghiên cứu

Nội dung của luận văn được thực hiện thông qua các bước cụ thể như sau:

Bài toán phân tích: Thực hiện bài toán dầm thép, hai đầu gối tựa đơn giản

Chẩn đoán sự xuất hiện, vị trí và mức độ hư hỏng từ phương pháp chỉ sử dụng dữ liệu hàm đáp ứng tần số (FRF)

+ Mô phỏng và phân tích dao động tự do của dầm thép ở hai trạng thái trước và sau khi hư hỏng

+ Xuất dữ liệu hàm đáp ứng tần số (FRF) từ mô hình và áp dụng hệ số tương quan của hàm đáp ứng tần số (CC of FRF) để đánh giá sự xuất hiện hư hỏng trong dầm

Trang 32

+ Sử dụng thuật toán chỉ số định vị hư hỏng (FRFBI) với các kết quả phân tích dao động thu được để chẩn đoán vị trí hư hỏng Đánh giá định lượng độ chính xác chẩn đoán bằng các chỉ số A, B, C

+ Sử dụng mạng nơ-ron nhân tạo (ANNs) để chẩn đoán mức độ hư hỏng của kết cấu

Từ các kết quả phân tích, các kết luận và kiến nghị được rút ra

1.3 Đối tượng và phạm vi nghiên cứu

Trong luận văn này, đối tượng nghiên cứu là chỉ sử dụng hàm đáp ứng tần số và kết hợp với xây dựng mạng nơ-ron nhân tạo để chẩn đoán hư hỏng trong kết cấu dầm

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

Dầm thép được sử dụng rất phổ biến trong lĩnh vực xây dựng nói chung và xây dựng dân dụng nói riêng như nhà xưởng và kết cấu cầu (được xây dựng chủ yếu bằng vật liệu thép) Trong quá trình xây dựng và sử dụng, việc xảy ra các khuyết tật hay hư hỏng trong kết cấu là không thể tránh khỏi Vì vậy, công tác chẩn đoán để phát hiện hư hỏng nhằm kịp thời sửa chữa, bảo trì là rất cần thiết đối với sự an toàn và vận hành ổn định của kết cấu

Phương pháp sử dụng hàm đáp ứng tần số là một trong các phương pháp thí nghiệm không phá huỷ, xác định hư hỏng của kết cấu dựa trên dao động Hàm đáp ứng tần số còn là một trong những phương pháp tiếp cận cơ bản trong việc phát hiện hư hỏng và giám sát sức khoẻ của kết cấu Nhờ vào các ưu điểm như sau:

+ Dữ liệu hàm đáp ứng tần số của dầm ở 2 trạng thái (chưa hư hỏng và đã hư hỏng) có thể phân tích được từ số liệu đo đạc ngoài thực tế

+ Dữ liệu thể hiện được ứng xử của kết cấu thông qua các đỉnh tần số cộng hưởng (hay giá trị tần số của các dạng dao động) và ứng xử của kết cấu tại các giá trị tần số xung quanh tần số cộng hưởng

+ Dữ liệu thu thập được là các dải tần số rộng, nên phương pháp chẩn đoán hư hỏng trong kết cấu áp dụng được nhiều dạng dữ liệu đầu vào nhằm phục vụ cho việc khảo sát

+ Dữ liệu hàm đáp ứng tần số biểu diễn một cách linh hoạt ở nhiều dạng như đồ thị giá trị cường độ FRF và pha dao động, đồ thị phần thực, đồ thị phần ảo… Việc thể hiện được nhiều dạng biểu đồ như trên giúp mở rộng thêm nhiều nghiên cứu

Trang 33

+ Hàm đáp ứng tần số có độ nhạy và tính chính xác cao, sau khi dữ liệu được áp dụng phương pháp độ cong (còn gọi là đạo hàm bậc hai)

Tổng kết từ các ưu điểm đã trình bày như trên, nghiên cứu này có các điểm mới như sau:

+ Phương pháp chẩn đoán hư hỏng chỉ sử dụng duy nhất một dữ liệu là hàm đáp ứng tần số

+ Phương pháp độ cong (hay đạo hàm bậc hai) của dữ liệu hàm đáp ứng tần số làm tăng độ nhạy và độ chính xác của kết quả chẩn đoán

+ Chẩn đoán sự xuất hiện hư hỏng tại từng vị trí dọc theo chiều dài dầm cho nhiều trường hợp hư hỏng khác nhau thông qua hệ số tương quan của hàm đáp ứng tần số

+ Chẩn đoán vị trí hư hỏng thông qua thuật toán chỉ số định vị hư hỏng có tính đơn giản và hiệu quả được đề xuất trong nghiên cứu này Ngoài ra, số lượng dao động được lựa chọn một cách chủ động để sử dụng cho phương pháp này Từ đó, độ chính xác của thuật toán được đánh giá và độ tin cậy của phương pháp được chứng minh

+ Mạng nơ-ron nhân tạo được lập trình theo ngôn ngữ Python để chẩn đoán mức độ hư hỏng trong dầm Việc xây dựng mạng ANNs là chủ động lựa chọn các thông số cho thuật toán và trình tối ưu nên kết quả chẩn đoán tốt hơn Thêm vào đó, lớp đầu vào của mạng nơ-ron được tiến hành khảo sát với nhiều dạng dữ liệu FRF khác nhau Từ đó, nghiên cứu trình bày các kết quả có độ chính xác và tối ưu nhất

1.5 Cấu trúc luận văn

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

CHƯƠNG 1: GIỚI THIỆU

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

Trang 34

Trình bày cơ sở lý thuyết về phân tích dao động, phương pháp sử dụng hàm đáp ứng tần số, hệ số tương quan, thuật toán chỉ số định vị hư hỏng và mạng nơ-ron nhân tạo Các thuật toán được áp dụng trong chẩn đoán hư hỏng cho kết cấu dầm

CHƯƠNG 4: BÀI TOÁN PHÂN TÍCH

Áp dụng cơ sở lý thuyết về phương pháp sử dụng hàm đáp ứng tần số đánh giá sự xuất hiện hư hỏng thông qua hệ số tương quan hàm đáp ứng tần số Sau đó, thuật toán chỉ số định vị hư hỏng được tính toán để chẩn đoán vị trí hư hỏng Phương pháp được đánh giá thông qua các chỉ số A (Độ chính xác vùng hư hỏng), B (Độ chính xác vùng không hư hỏng), C (Độ chính xác tổng thể) và ứng dụng mạng ANNs để chẩn đoán hư hỏng cho bài toán dầm thép

CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ

Từ kết quả thu được, đưa ra một số kết luận và kiến nghị cho những nghiên cứu về sau

Trang 35

CHƯƠNG 2 TỔNG QUAN

Trong chương này, các nghiên cứu liên quan đến đề tài được trình bày theo trình tự thời gian nghiên cứu được công bố Đồng thời các nghiên cứu trong nước được trình bày Sau đó, những thành quả nghiên cứu đã công bố được tiến hành tổng kết nhằm làm nền tảng xây dựng định hướng cho nghiên cứu, phù hợp với tính cần thiết trong lĩnh vực chẩn đoán hư hỏng này

2.1 Tình hình nghiên cứu nước ngoài

Özgüven (1990) [1] đã trình bày cách phát triển phương pháp sử dụng hàm đáp ứng tần số để phân tích lại kết cấu, sau khi mô hình được hiệu chỉnh các thông số đặc trưng của kết cấu Trong bài báo này, các dữ liệu FRF được tính toán theo lý thuyết hoặc đo bằng thực nghiệm cho kết cấu đã được hiệu chỉnh Các thông số hiệu chỉnh được thể hiện dưới dạng ma trận khối lượng, độ cứng và độ cản Công thức được đưa ra cho hai trường hợp có thể có và không có bậc tự do được thêm vào kết cấu đã hiệu chỉnh Kết quả được tác giả chứng minh có sự thay đổi rõ rệt ở kết cấu khi được hiệu chỉnh các thông số

Ting và cộng sự (1993) [2] đã trình bày một phương pháp để cải thiện độ nhạy của FRF Nhìn chung, ý tưởng cơ bản của phương pháp này là đánh giá biên độ của FRF bằng cách so sánh giá trị lý thuyết và giá trị đo được

Sampaio và cộng sự (1999) [3] đã đề xuất một phương pháp sử dụng độ cong hàm đáp ứng tần số để chẩn đoán hư hỏng trong kết cấu Trong bài báo này, tập trung vào chẩn đoán dựa trên sự thay đổi độ cứng bằng cách thu thập dữ liệu số thông qua một dầm tự do Nghiên cứu đã sử dụng độ cong (hay đạo hàm bậc hai) của dữ liệu FRF để làm cho quá trình chẩn đoán hư hỏng có độ chính xác cao

De Roeck và cộng sự (2002) [4] đã đề xuất sử dụng phương pháp phần tử hữu hạn (FEM) để phát hiện hư hỏng dựa trên mô hình Thành phần của các phương pháp động học sử dụng FRF để xác định thiệt hại là rất hiệu quả về mặt lý thuyết và đã chứng minh với kết quả thực nghiệm rất khả quan trong việc chẩn đoán, xác định vị trí và mức độ của hư hỏng

Lin và cộng sự (2006) [5] đã nghiên cứu cập nhật mô hình của kết cấu có hệ số cản bằng cách sử dụng dữ liệu FRF Bài báo đã giải quyết được các vấn đề phức tạp trong việc xác định dữ liệu FRF trong kết cấu có hệ số cản và không có hệ số cản

Trang 36

Yan và cộng sự (2007) [6] đã đề xuất phương pháp phát hiện hư hỏng bên trong kết cấu, đặc biệt là các hình dạng bất thường và kết cấu phức tạp, một cơ chế gọi là “chẩn đoán hư hỏng dựa trên dao động tổng thể của kết cấu” Cách tiếp cận phương pháp này dựa trên nguyên lý bất kỳ kết cấu nào cũng có thể được coi là một hệ động lực với các đặc tính về độ cứng, khối lượng và độ cản Khi có một số hư hỏng đối với kết cấu dẫn đến các thông số bị thay đổi như thông số FRF và các thông số dao động khác của hệ kết cấu đó FRF phản ánh các đặc tính vốn có của kết cấu, có thể dễ dàng tính toán bằng cách sử dụng phân tích phổ gia tốc cầu Kết quả đã công bố cho thấy có tính chính xác cao

Liu và cộng sự (2009) [7] đã trình bày một phương pháp sử dụng các hình dạng của hàm đáp ứng tần số để khoanh vùng hư hỏng trong kết cấu Phương pháp trong lược đồ bao gồm một số hiệu chỉnh quan trọng như sử dụng các phần ảo hình dạng của FRF và chuẩn hóa hình dạng FRF trước khi so sánh Bài báo đã giải thích thành công về mặt lý thuyết và kết quả chẩn đoán cho việc sử dụng hình dạng FRF để xác định vị trí hư hỏng trong kết cấu

Nuno (2013) [8] đã trình bày phương pháp đo độ cong hàm đáp ứng tần số (FRF) để chẩn đoán hư hỏng áp dụng vào kết cấu cầu tại Thụy Điển Hư hỏng được tạo ra trên các dầm ngang của cầu ở các mức độ khác nhau Chỉ số hư hỏng của phương pháp độ cong FRF được tính toán từ dữ liệu thực nghiệm của cầu trong từng trường hợp hư hỏng Từ kết quả, phương pháp độ cong FRF có khả năng chẩn đoán hư hỏng của cầu trong một điều kiện nhất định

Bandara và cộng sự (2014) [9] đã đề xuất một phương pháp chẩn đoán hư hỏng dựa trên mạng nơ-ron nhân tạo bằng cách sử dụng hàm đáp ứng tần số và có hiệu quả trong việc phát hiện hư hỏng phi tuyến đối với một mức độ kích thích nhất định Nghiên cứu tập trung vào việc làm giảm kích thước dữ liệu hàm đáp ứng tần số và biến các dữ liệu này thành chỉ số hư hỏng Sau đó, phương pháp mạng nơ-ron nhân tạo được sử dụng để phát hiện các mức độ hư hỏng phi tuyến theo thuật toán đã đề xuất Kết quả cho thấy rằng các mức độ hư hỏng phi tuyến đã chẩn đoán chính xác bởi các mạng nơ-ron nhân tạo được huấn luyện bằng dữ liệu hàm đáp ứng tần số

Mondal và cộng sự (2015) [10] đã trình bày phương pháp sử dụng độ cong hàm đáp ứng tần số ở các giá trị tần số khác với tần số cộng hưởng để chẩn đoán hư hỏng Nghiên cứu này ứng dụng trên dầm hai đầu gối tựa đơn và ảnh hưởng của việc nhiễu ngẫu nhiên được xem xét Bài báo xác định các vùng hiệu quả nhất của dải tần số để tính toán độ cong FRF và chẩn đoán các hư hỏng Qua đó, kết quả cho thấy được phương pháp có khả năng chẩn đoán hư hỏng trên dầm

Trang 37

Esfandiari và cộng sự (2016) [11] đã chứng minh sử dụng dữ liệu FRF, thay vì dữ liệu dao động tự do, có lợi ích là tránh sai số khi phân tích, đặc biệt khi trích xuất các dạng dao động của kết cấu gần nhau

Kumar và Reddy (2016) [12] đã đề xuất cách chẩn đoán hư hỏng cho kết cấu dầm và tấm dựa trên tính toán độ cong của hàm đáp ứng tần số (FRF) thông qua công thức mới làm đường cong mịn hơn Quy trình tính toán của phương pháp theo hai bước lần lượt là chẩn đoán vị trí hư hỏng và mức độ hư hỏng Nghiên cứu áp dụng phương pháp độ cong hàm đáp ứng tần số cho kết quả tốt trong quá trình chẩn đoán hư hỏng

Murali (2016) [13] đã đề xuất phương pháp sử dụng hàm đáp ứng tần số để phát hiện sự hiện diện hư hỏng và mức độ hư hỏng trong kết cấu Trong nghiên cứu này, các mức độ hư hỏng khác nhau và các vị trí hư hỏng khác nhau được chứng minh làm thay đổi biên độ, độ lệch đỉnh và thay đổi hình dạng của hàm đáp ứng tần số Mức độ hư hỏng chẩn đoán dựa trên chỉ số bảo toàn miền tần số (FDAC) Kết quả cho thấy tính hiệu quả của phương pháp khi xác định sự hiện diện hư hỏng và chẩn đoán mức độ hư hỏng

Oskoui và cộng sự (2019) [14], Zhou và cộng sự (2020) [15], Locke và cộng sự (2020) [16] đã trình bày các vấn đề trong quá trình sử dụng công trình xây dựng cần được thường xuyên kiểm tra để phát hiện các hư hỏng tiềm ẩn do quá tải, các tác động của môi trường, sự mỏi, tuổi thọ và các tác động động lực học Vì vậy, việc phát triển các phương pháp xác định thiệt hại cho kết cấu cầu mới là cần thiết Đánh giá sức khỏe kết cấu thường được thực hiện bằng phương pháp tĩnh hoặc động; hoặc kết hợp cả phương pháp tĩnh và động Tuy nhiên, phương pháp động luôn được ưu tiên hơn phương pháp tĩnh Phương pháp tĩnh phải tốn nhiều thời gian và yêu cầu phức tạp cũng như là vấn đề chốt chặn giao thông Do đó, để đánh giá một số lượng lớn các cây cầu, tốt hơn là sử dụng các phương pháp động lực học, đặc biệt là từ quan điểm tối ưu hóa thời gian và tài nguyên

Esfandiari và cộng sự (2020) [17] đã đề xuất một phương pháp cập nhật mô hình dựa trên độ nhạy mới thông qua sự thay đổi các thành phần chính (PC) của hàm đáp ứng tần số Việc ước tính hư hỏng, chẩn đoán vị trí và mức độ hư hỏng thực hiện theo sự phát triển của quan hệ độ nhạy Mối quan hệ độ nhạy được suy ra bằng cách kết hợp dữ liệu phân tích các thành phần chính (PCA) thu thập từ các dao động của kết cấu giàn và khung Các dữ liệu được đo không đầy đủ trong một số thành phần của công thức toán học và sau đó được giải bằng phương pháp bình phương nhỏ nhất Kết quả chứng minh khả năng của phương pháp này như một

Trang 38

thuật toán chẩn đoán hư hỏng hiệu quả khi có các sai số trong việc đo lường và mô hình hóa khối lượng

Kildashti và cộng sự (2020) [18] đã đưa ra cách theo dõi tình trạng cầu bằng phương pháp kiểm tra từng nhịp cầu, kết luận rằng phản ứng dao động của phương tiện đã xác định được hư hỏng của cây cầu, đồng thời xác định được vị trí hư hỏng và mức độ nghiêm trọng của nó Tuy nhiên, phương pháp này cần nghiên cứu thêm trong trường hợp tối ưu hóa các thông số của xe vì phương pháp phụ thuộc nhiều vào các thông số nhất định của xe

Mousavi và cộng sự (2020) [19] đã xác định vị trí và định lượng hư hỏng của cầu bằng cách sử dụng mạng thần kinh nhân tạo dựa trên sự phá hủy của dạng dao động thực nghiệm tổng thể hoàn chỉnh với kỹ thuật nhiễu thích ứng

Zirong (2020) [20] đã đề xuất một phương pháp chẩn đoán hư hỏng mới cho kết cấu khung chịu cắt Bài báo sử dụng kỹ thuật chuỗi Neumann với dữ liệu FRF ở trạng thái hư hỏng được mở rộng thành các hàm của ma trận rút gọn FRF ở trạng thái trước hư hỏng Các phương trình chuỗi gần đúng bị rút gọn với nhiều điểm tần số đã được giải bằng cách sử dụng phương pháp tối ưu hóa có ràng buộc Từ đó, chẩn đoán vị trí hư hỏng thông qua mối tương quan của nghiệm véc-tơ xác định hư hỏng là chỉ số vị trí hư hỏng Ngoài ra, phương pháp này còn khử nhiễu khá hiệu quả bằng cách đồng thời tăng số lượng các phương trình và giảm các hệ số chưa biết trong các ma trận FRF

Zhan và cộng sự (2021) [21] đã trình bày việc sử dụng phương pháp cập nhật mô hình cho cầu dầm hộp Trong nghiên cứu này, các đáp ứng tần số của cây cầu được thu thập khi có phương tiện qua lại, và hàm mục tiêu đã được xây dựng Theo đó, mô hình được cập nhật dựa trên các chỉ số thiệt hại, vị trí thiệt hại cũng như mức độ nghiêm trọng đã được phát hiện

2.2 Tình hình nghiên cứu tại việt nam

Một số nghiên cứu có liên quan được xuất bản và đăng trên các tạp chí và hội nghị khoa học trong nước như sau:

Lê và Nguyễn (2009) [22] đã đưa ra cách xác định vị trí và chiều sâu các vết nứt trong dầm bằng thuật toán di truyền (Genetic Algorithm: GA) trên cơ sở dấu hiệu chẩn đoán vết nứt là tần số dao động riêng của dầm Ma trận độ cứng của phần tử dầm có vết nứt được xây dựng trên giả thiết độ mềm cục bộ tăng lên do sự xuất hiện của vết nứt Vị trí và chiều sâu vết nứt xác định bằng cách cực tiểu hoá hàm mục tiêu biểu diễn sự chênh lệch giữa tần số riêng tính toán và đo được Kết quả

Trang 39

nhận được cho thấy phương pháp này cho giá trị chẩn đoán có độ chính xác cao và tốc độ hội tụ nhanh

Nguyễn và cộng sự (2014) [23] đã trình bày một số kết quả xác định vết nứt trên mô hình khung phẳng trong phòng thí nghiệm dựa vào thực nghiệm đo tần số và dạng dao động riêng Các dạng dao động riêng đo được là đầu vào cho phân tích wavelet dùng để xác định vị trí vết nứt Độ sâu vết nứt là kết quả giải bài toán ngược bằng thuật toán di truyền trên cơ sở so sánh kết quả đo thực nghiệm với kết quả tính toán mô hình theo phương pháp độ cứng động lực học kết hợp với phương pháp ma trận chuyển trí và mô hình lò xo của vết nứt Kết quả nghiên cứu cho thấy đây là phương pháp tin cậy để chẩn đoán vết nứt trong kết cấu

Lê và cộng sự (2019) [24] đã đề xuất một phương pháp chẩn đoán hư hỏng về cả vị trí và mức độ của hư hỏng cho kết cấu tấm thông qua quy trình chẩn đoán hai bước Trong bước thứ nhất, chỉ tiêu dựa vào sự thay đổi của năng lượng biến dạng (Modal Strain Energy Damage Index: MSEDI) được sử dụng để chẩn đoán vị trí của hư hỏng Giá trị năng lượng biến dạng được xác định từ kết quả phân tích dao động của kết cấu tấm ở hai trạng thái trước và sau khi xuất hiện hư hỏng Trong bước thứ hai, thuật toán di truyền được sử dụng để cực tiểu hóa hàm mục tiêu với biến số là véc-tơ mức độ suy giảm chiều dày của các phần tử có khả năng xảy ra hư hỏng đã được cảnh báo từ bước thứ nhất Hàm mục tiêu được sử dụng cũng dựa trên giá trị năng lượng biến dạng Tính hiệu quả của phương pháp đề xuất được khảo sát và đánh giá thông qua bài toán tấm với các kịch bản hư hỏng khác nhau Kết quả phân tích cho thấy, phương pháp đề xuất có khả năng chẩn đoán chính xác sự xuất hiện, vị trí và độ lớn của hư hỏng trong kết cấu tấm

Nguyễn và Bùi (2021) [25] đã đề xuất một phương pháp phát hiện hư hỏng trong một công trình kết cấu nếu như được phát hiện và khoanh vùng sớm giúp tạo thuận lợi cho công tác sửa chữa, tránh được sự phá hoại sụp đổ, và kéo dài tuổi thọ của công trình Trong bài báo này, dạng dao động, độ cong của dạng dao động được xác định từ số liệu đo dao động Dựa vào các thông số này, vị trí hư hỏng của kết cấu có thể tìm ra Một mô hình dầm hai đầu tự do được xây dựng trong phòng thí nghiệm Các đầu đo gia tốc được gắn trên dầm để tìm ra dạng dao động của dầm thí nghiệm Các hư hỏng được tạo ra bằng hai vết cắt trên dầm Phương pháp xác định vị trí hư hỏng sử dụng độ cong của dạng dao động đã được kiểm tra tính chính xác dựa trên mô hình thí nghiệm này

Ngoài ra, còn có các nghiên cứu trong các luận văn thạc sĩ có liên quan đã được trình bày trước hội đồng của trường Đại học Bách Khoa, Tp HCM:

Trang 40

Luận văn thạc sĩ của Nguyễn (2017) [26] đã trình bày một phương pháp chẩn đoán hư hỏng cải tiến trong kết cấu dầm sử dụng dữ liệu đáp ứng tần số FRF (Frequency Response Function) Từ những ưu điểm của dữ liệu đáp ứng tần số FRF và ma trận độ cứng động chính xác, một phương pháp chẩn đoán hư hỏng được phát triển từ phương trình độ cứng động tổng quát của chuyển động kết cấu và sau đó áp dụng cho kết cấu dầm

Luận văn thạc sĩ của Nguyễn (2018) [27] đã đề xuất một nghiên cứu về lĩnh vực chẩn đoán hư hỏng trên kết cấu Sáu phương pháp chẩn đoán hư hỏng trong kết cấu tấm từ kết quả phân tích dao động được so sánh và đánh giá, từ đó tính khả thi của việc ứng dụng sáu phương pháp cho các bài toán trong thực tế được phân tích Các phương pháp chẩn đoán sử dụng các kết quả phân tích dao động là tần số dao động và dạng dao động Các phương pháp chẩn đoán được áp dụng chẩn đoán trên tấm được mô phỏng bằng phần tử khối ba chiều

Luận văn thạc sĩ của Nguyễn (2021) [28] đã trình bày phương pháp theo dõi, đánh giá trạng thái hư hỏng của khung bê tông cốt thép sử dụng các đặc tính dao động

2.3 Tổng kết

Trong lĩnh vực xây dựng, việc nghiên cứu chẩn đoán và theo dõi hư hỏng trong kết cấu gồm hai nội dung chính Thứ nhất là tìm ra các chỉ tiêu đánh giá có độ chính xác và hiệu quả cao hơn Thứ hai là nghiên cứu cải thiện thuật toán để tăng độ chính xác và tối ưu được thời gian tính toán Tuy nhiều nghiên cứu khác nhau đã thực hiện để giảm thiểu sai số và độ phức tạp của dữ liệu FRF, nhưng việc thu thập dữ liệu còn phức tạp, cần độ chính xác cao và quá trình tính toán hội tụ chậm Xem xét các điều kiện nêu trên, nghiên cứu này trình bày phương pháp chẩn đoán hư hỏng sử dụng dữ liệu FRF theo ba cấp độ SHM đã được cải tiến Cấp độ 1, tín hiệu FRF được thu thập từ đáp ứng của kết cấu Cấp độ 2, sự xuất hiện hư hỏng được cảnh báo sớm bằng hệ số tương quan Cấp độ 3, đầu tiên là vị trí hư hỏng được xác định thông qua chỉ số định vị hư hỏng Sau đó, mức độ hư hỏng được chẩn đoán bằng thuật toán mạng nơ-ron nhân tạo