Luận văn thạc sĩ Kỹ thuật xây dựng: Xây dựng hệ thống tích hợp việc chẩn đoán hư hỏng kết cấu (SHM) và mô hình thông tin công trình (BIM)

Mục tiêu nghiên cứu Mục tiêu nghiên cứu của luận văn là xây dựng hệ thống tích hợp việc chẩn đoán hư hỏng kết cấu SHM với mô hình thông tin công trình BIM để chẩn đoán vị trí và mức độ

GIỚI THIỆU

Đặt vấn đề

1.1.1 Theo dõi và chẩn đoán sức khoẻ kết cấu công trình

Trong kỹ thuật xây dựng nói chung, lĩnh vực theo dõi và chẩn đoán sức khỏe kết cấu (Structural Health Monitoring: SHM) đóng vai trò then chốt cung cấp thông tin chi tiết về ứng xử của hệ kết cấu bằng cách phân tích phản ứng và đánh giá trạng thái cơ học hiện tại của chúng [1-3] Một tòa nhà cao tầng, một cây cầu, một hệ thống cơ sở hạ tầng hoặc một cấu kiện dầm đơn giản cũng được xem là một hệ kết cấu [1] Ban đầu, SHM được phát triển để xác định hư hỏng của máy bay trong lĩnh vực hàng không [3] Tuy nhiên, sau đó, SHM đã được mở rộng để áp dụng vào việc theo dõi và chẩn đoán sức khoẻ các kết cấu trên biển và cuối cùng lan rộng sang lĩnh vực kỹ thuật xây dựng dân dụng [7-9] Các ứng dụng của SHM trong kỹ thuật xây dựng đã trở nên đa dạng, từ việc xác định hư hỏng tổng thể của một cấu kiện đến việc theo dõi thay đổi nhỏ trong phân phối độ cứng của hệ kết cấu [10, 11]

1.1.1.2 Định nghĩa và thành phần của hệ thống SHM

Farrar và Worden (2007) đã định nghĩa thuật ngữ SHM như sau:

“Quá trình xác định hư hỏng cho cơ sở hạ tầng, kỹ thuật hàng không, dân dụng và cơ khí được gọi là theo dõi và chẩn đoán sức khỏe kết cấu (SHM) Quá trình này bao gồm việc theo dõi kết cấu hoặc công trình bằng cách sử dụng các phép đo cách nhau định kỳ, trích xuất các đặc trưng có độ nhạy với hư hỏng từ các phép đo và phân tích, thống kê các đặc trưng này để xác định trạng thái hiện tại của hệ kết cấu.” [3]

Qua đó, có thể nói rằng SHM đóng vai trò cơ bản trong quá trình đánh giá thiệt hại công trình và phân tích rủi ro vì cho phép lưu trữ và phân tích lượng lớn dữ liệu từ cả lịch sử và thời gian thực Ý tưởng chung về SHM được mô tả như sự tương quan với hệ thần kinh của con người như (Hình 1.1) [4]

Hình 1.1 So sánh giữa hệ thần kinh con người và hệ thống SHM

Hệ thống SHM được mô tả như một hệ cấu trúc được gắn mạng lưới các cảm biến tương tự như hệ thống dây thần kinh nhận nhiều loại tín hiệu khác nhau và tạo thành đơn vị truyền gửi các tín hiệu khác nhau đến cơ quan xử lý chính (não bộ) Nói chung, một hệ thống SHM thông thường gồm có ba thành phần chính [5]:

• Cảm biến loại tiếp xúc hoặc không tiếp xúc

• Bộ xử lý (bao gồm thu thập, truyền tải và lưu trữ dữ liệu)

• Hệ thống phân tích dữ liệu (chẩn đoán và quản lý thông tin)

SHM được coi là một bài toán nghịch đảo trong đó các hư hỏng về kết cấu được nhận biết thông qua dữ liệu của các đầu vào đã biết Trong phạm vi của luận văn này, dữ liệu thông tin đầu vào cho hệ thống SHM được xác định thông qua mô phỏng Dựa trên nghiên cứu của Rytter (1993), cấp độ xác định thiệt hại trong SHM có thể được phân loại theo mức độ thông tin thu được từ kết cấu và được phân thành bốn cấp độ [6]:

• Cấp độ 1: Nhận dạng – Xác định sự tồn tại của hư hỏng phạm vi toàn hệ kết cấu

• Cấp độ 2: Cục bộ – Xác định vị trí hư hỏng trên hệ kết cấu

• Cấp độ 3: Đánh giá – Xác định mức độ hư hỏng của các vị trí hư hỏng trên

• Cấp độ 4: Dự đoán tuổi thọ – Ước tính tuổi thọ/ khả năng sử dụng còn lại của hệ kết cấu Đánh giá chung, hai cấp độ đầu tiên được xác định là các bước chẩn đoán sự xuất hiện của hư hỏng và các cấp độ tiếp theo là tiên lượng mức độ hư hỏng Cụ thể, cấp độ đầu tiên liên quan đến việc giám sát các đặc tính mong muốn của kết cấu theo thời gian và nhận định sự hiện diện tổng thể của hư hỏng trong kết cấu Cấp độ thứ hai phức tạp hơn vì nó yêu cầu xác định vị trí của hư hỏng [7] Hơn hết, cấp độ 1 và 2 có thể được đánh giá mà không cần sử dụng bất kỳ mô hình nào, nhưng từ cấp độ 3 trở lên việc đánh giá yêu cầu lập mô hình số Cấp độ cuối cùng yêu cầu sử dụng các quy trình như thiết kế mỏi, phân tích độ tin cậy hoặc đánh giá thiết kế kết cấu Trong luận văn này, mô hình số được thiết lập để mô phỏng dạng dao động và thực hiện theo dõi và chẩn đoán hư hỏng đến cấp độ 3

1.1.1.3 Các yêu cầu cần thiết để hệ thống SHM hoạt động Để một hệ thống SHM hoạt động hiệu quả cần có những tiêu chí sau [1]:

• Có thể nhận được tín hiệu liên tục

• Nhạy cảm với mức độ hư hỏng thấp và nhiều loại hư hỏng khác nhau

• Không nhạy cảm với những thay đổi về tiếng ồn và điều kiện môi trường đo lường

Với những tiêu chí trên, các thành phần cơ bản mà hệ thống SHM cần có là:

• Cảm biến: Vị trí đặt của các cảm biến cần được thiết kế theo mục tiêu của hệ thống giám sát

• Hệ thống thu thập dữ liệu: Hệ thống này có chức năng điều khiển mạng lưới cảm biến cũng như quyết định thời điểm và cách thức thực hiện phép đo

• Hệ thống thông tin liên lạc: Hệ thống này thực hiện việc truyền dữ liệu từ hệ thống thu thập dữ liệu đến trạm xử lý có thể được đặt ở một vị trí khác và có thể điều khiển các cảm biến từ xa

• Xử lý và lưu trữ dữ liệu: Ở bước xử lý dữ liệu, cần đảm bảo dữ liệu được loại bỏ đã bao gồm tín hiệu nhiễu và bảo toàn tính nguyên vẹn của dữ liệu Dữ liệu qua xử lý sau đó được đưa vào quá trình lưu trữ, với yêu cầu đảm bảo về mặt dung lượng cũng như khả năng truy xuất liên tục

• Phân tích và trình bày dữ liệu: Các dữ liệu sau khi được thu thập và xử lý được dùng cho phân tích và đánh giá Việc thể hiện kết quả phân tích phải được trình bày một cách trực quan và cảnh báo khi kết quả vượt qua các ngưỡng đã đặt ra

Các thành phần của hệ thống theo dõi và chẩn đoán sức khoẻ công trình cũng được trình bày tóm tắt theo Raj Dharma và cộng sự (2013) qua (Hình 1.2) [8]:

Hình 1.2 Các thành phần cơ bản của hệ thống SHM

Từ các ý trên, hầu hết thành phần của hệ thống SHM liên quan đến công nghệ

Vì vậy ý tưởng về mô hình thông tin có khả năng đảm nhận việc thu thập, lưu trữ, xử lý và trình bày dữ liệu theo dõi và kết quả chẩn đoán của công trình là điều hết sức cần thiết

1.1.2 Mô hình thông tin công trình trong xây dựng

1.1.2.1 Quá trình phát triển của mô hình thông tin công trình trong kỹ thuật xây dựng

Ngành kiến trúc và xây dựng đã không ngừng khám phá các phương pháp hiệu quả giúp giảm chi phí và thời gian thực hiện dự án, đồng thời nâng cao năng suất và chất lượng dự án [9] Các dự án xây dựng thường liên quan đến công tác quản lý hàng trăm đến hàng nghìn tài liệu, đòi hỏi nỗ lực rất lớn để tích hợp chúng một cách hiệu quả Vẫn còn nhiều thách thức trong việc duy trì sự phối hợp chặt chẽ giữa các nguyên tắc thiết kế mà vẫn đảm bảo tính rõ ràng trong công tác truyền đạt thông tin, kế hoạch tới công trường Mô hình thông tin công trình (Building Information Modeling: BIM), theo định nghĩa của Nassar (2010) đã cách mạng hóa việc quản lý dữ liệu công trình trong ngành xây dựng bằng cách sử dụng mô hình kỹ thuật số để nâng cao hiệu quả quản lý và thiết kế dự án [10] BIM không chỉ nâng cao khả năng quản lý mà còn giúp đẩy nhanh tiến độ công trình nhờ vào khả năng hợp tác liên ngành và chia sẻ dữ liệu trong suốt quá trình thực hiện dự án BIM tập trung vào việc sử dụng ít tài liệu hơn và xây dựng một cơ sở dữ liệu kỹ thuật số trong phần mềm, tích hợp tất cả thông tin liên quan từ bản vẽ đến các thông số kỹ thuật vào trong một mô hình thông minh, làm cho việc truy cập thông tin và thực hiện dự án được thuận tiện hơn

Việc tích hợp mô hình thông tin công trình (BIM) trong các dự án xây dựng đã mang lại nhiều lợi ích thông qua việc sử dụng các mô hình mô phỏng chi tiết, cho phép các bên liên quan hình dung tất cả các khía cạnh của công trình dưới các điều kiện khác nhau [11] Những lợi ích chính khi áp dụng BIM được Hamada và cộng sự (2016) ghi nhận bao gồm tăng hiệu quả sử dụng thời gian và chi phí, giảm lượng chất thải, tăng sự hài lòng của chủ đầu tư, cải thiện hiệu suất dự án, cải thiện mô phỏng và hình ảnh dự án, tăng cường giao tiếp và hợp tác, nhận diện xung đột và giảm sự trùng lặp [12] Bên cạnh đó, một cuộc khảo sát của McGraw được trích dẫn bởi Bryde và cộng sự (2013) nhấn mạnh vai trò của BIM trong việc thúc đẩy sự phối hợp tốt hơn giữa phần mềm và các đội ngũ dự án, thúc đẩy năng suất, cải thiện kiểm soát chất lượng, và cải thiện giao tiếp [13] Tuy nhiên, người dùng BIM thường gặp phải các thách thức như cân bằng lợi ích thu được từ việc cải thiện năng suất và phối hợp với các khó khăn của việc triển khai BIM, bao gồm yêu cầu đào tạo và các vấn đề tiềm ẩn khác

1.1.2.2 Định nghĩa BIM và các yêu cầu khi áp dụng BIM

Theo Rebekka và cộng sự (2014), BIM được định nghĩa là “quy trình cải tiến về lập kế hoạch, thiết kế, xây dựng, vận hành và bảo trì sử dụng mô hình thông tin có thể đọc được bằng máy chuẩn hóa cho mỗi cơ sở, dù mới hay cũ, bao gồm tất cả thông tin phù hợp được tạo ra hoặc thu thập về cơ sở đó trong một định dạng có thể sử dụng được bởi tất cả mọi người trong suốt vòng đời của nó” [14]

BIM không chỉ về việc áp dụng phần mềm mà còn là phương pháp tiếp nhận thông tin dự án xây dựng Quy trình BIM là một trong những khái niệm mới nhất cho việc thu thập thông tin trong quá trình xây dựng, bao gồm [15]:

• 3D: Ba chiều bao gồm các thông số chiều dài, chiều rộng và chiều cao

• 4D: Bốn chiều kết hợp với tiến độ thi công

• 5D: Năm chiều với dự toán chi phí xây dựng

Mục tiêu và nội dung nghiên cứu

Mục tiêu nghiên cứu của luận văn là xây dựng hệ thống tích hợp việc chẩn đoán hư hỏng kết cấu (SHM) với mô hình thông tin công trình (BIM) để chẩn đoán vị trí và mức độ hư hỏng cho kết cấu dầm áp dụng phương pháp chẩn đoán hai bước Hệ thống này được xây dựng trên nền tảng trực tuyến giúp thông tin được lưu trữ và truy cập dễ dàng, kết hợp với mô hình BIM giúp thể hiện thông tin dầm một cách trực quan và chuyển giao tự động sang mô hình tính toán để lấy dữ liệu mô phỏng dạng dao động Tiếp theo, dữ liệu dạng dao động được cập nhật tự động lên nền tảng BIM Server để thực hiện chẩn đoán hư hỏng Từ đó, vị trí hư hỏng của dầm được xác định bằng phương pháp hiệu độ cong của dạng dao động Cuối cùng, nghiên cứu thực hiện chẩn đoán mức độ hư hỏng thông qua mạng nơ-ron nhân tạo (ANNs) và dùng kết quả đó cập nhật lại vị trí của các phần tử hư hỏng So với các nghiên cứu đã công bố, điểm đóng góp chính của luận văn này là xây dựng được hệ thống tích hợp mô hình thông tin công trình (BIM) với quy trình SHM giúp tự động hoá việc chẩn đoán vị trí và mức độ hư hỏng cho kết cấu

Nội dung của luận văn được trình bày qua các bước cụ thể như sau:

• Bài toán 1: Thực hiện bài toán dầm thép đồng chất, hai đầu gối tựa đơn giản Chẩn đoán vị trí và mức độ hư hỏng từ phương pháp hiệu độ cong của dạng dao động

- Sử dụng kết quả phân tích dao động tự do từ mô hình FEM của dầm thép ở hai trạng thái trước và sau khi hư hỏng

- Sử dụng đồ thị hiệu độ cong của dạng dao động để chẩn đoán vị trí của hư hỏng trong dầm Đánh giá định lượng độ chính xác chẩn đoán bằng các chỉ số A,

- Sử dụng mạng nơ-ron nhân tạo để chẩn đoán mức độ hư hỏng của các vị trí hư hỏng và cập nhật lại dữ liệu các vị trí hư hỏng

• Bài toán 2: Thực hiện bài toán dầm bê tông cốt thép trong công trình nhà cao tầng thực tế Các bước phân tích và chẩn đoán vị trí và mức độ hư hỏng trong dầm được thực hiện tương tự bài toán 1

• Bài toán 3: Thực hiện bài toán dầm bê tông cốt thép từ khung nhà cao tầng giống với bài toán 2 và ở phương vuông góc với phương dầm bài toán 2 Các bước phân tích và chẩn đoán hư hỏng tương tự bài toán 1 và bài toán 2

Từ các kết quả khảo sát, các kết luận và kiến nghị được rút ra.

Đối tượng và phạm vi nghiên cứu

Trong phạm vi luận văn này, đối tượng nghiên cứu là việc sử dụng hiệu độ cong của dạng dao động kết hợp với mạng nơ-ron nhân tạo (ANNs) nhằm chẩn đoán vị trí và mức độ hư hỏng trong kết cấu dầm Luận văn tập trung vào việc thu thập dữ liệu hư hỏng mô phỏng thông qua BIM Server, điều chỉnh mô hình BIM và mô hình tính toán, sau đó thể hiện kết quả chẩn đoán một cách trực quan Cụ thể, phần mềm Revit được sử dụng để tạo lập mô hình thông tin công trình (BIM) và phần mềm RSAP được sử dụng để thực hiện tính toán mô phỏng dao động Kết quả chẩn đoán hư hỏng sẽ được trình bày trực quan thông qua các công cụ như Dynamo để tạo các kịch bản mô phỏng và Autodesk Forge để tích hợp và trình bày dữ liệu, nhằm tối ưu hóa quá trình giám sát và bảo trì kết cấu.

Tính cần thiết và ý nghĩa của nội dung nghiên cứu

Trong suốt quá trình theo dõi và chẩn đoán hư hỏng cho công trình, lượng dữ liệu phát sinh và cập nhật liên tục gây khó khăn cho công tác nhập liệu, lưu trữ và tính toán Việc xây dựng một hệ thống tự động giúp lưu trữ và chuyển giao dữ liệu cho phép đảm bảo khả năng liên tục áp dụng và tối ưu quy trình BIM cho đến giai đoạn vận hành Song hành với việc cập nhật xu hướng chuyển đổi số hiện nay, BIM Server còn mang lại cho quy trình theo dõi và chẩn đoán hư hỏng một số lợi ích quan trọng:

• Tích hợp dữ liệu: BIM Server cho phép tích hợp dữ liệu từ nhiều nguồn khác nhau, bao gồm dữ liệu cảm biến từ hệ thống SHM, dữ liệu mô hình hóa của kết cấu và các dữ liệu khác liên quan Điều này tạo điều kiện cho việc quản lý tất cả các thông tin liên quan đến công trình trong một nền tảng duy nhất

• Truy cập dữ liệu dễ dàng: BIM Server cung cấp khả năng truy cập dữ liệu dễ dàng và hiệu quả cho các bên liên quan, bao gồm các kỹ sư, quản lý dự án, nhà quản lý cơ sở hạ tầng và chủ đầu tư

• Tăng cường tính toàn vẹn của dữ liệu: Bằng cách lưu trữ dữ liệu trên một BIM Server, có thể đảm bảo tính toàn vẹn của dữ liệu Điều này đặc biệt quan trọng trong việc đảm bảo rằng thông tin về kết cấu và các cảm biến SHM là chính xác và đáng tin cậy

• Quản lý và theo dõi: BIM Server cho phép quản lý và theo dõi dữ liệu SHM trong thời gian thực Việc này giúp nhận diện và giải quyết các vấn đề kỹ thuật kịp thời, từ đó nâng cao sự an toàn và hiệu suất của kết cấu

• Hỗ trợ quyết định: BIM Server cung cấp một cơ sở dữ liệu cụ thể và toàn diện để hỗ trợ quyết định trong việc quản lý và bảo trì kết cấu Các quyết định có thể dựa trên thông tin chính xác và đầy đủ từ dữ liệu SHM và mô hình BIM

Bên cạnh đó, sử dụng hiệu độ cong của dạng dao động là một trong các phương pháp kiểm tra không phá huỷ, xác định hư hỏng của kết cấu dựa trên dao động hiệu quả Nhờ vào các ưu điểm sau, phương pháp tiếp cận từ hiệu độ cong của dạng dao động được cho là hiệu quả:

• Sử dụng dữ liệu dao động từ hai trạng thái của cấu kiện: Phương pháp này phân tích dữ liệu dao động của cấu kiện ở cả hai trạng thái, tức là trước khi hư hỏng và sau khi hư hỏng, từ các số liệu đo đạc thực tế Việc so sánh này giúp xác định và đánh giá mức độ hư hỏng một cách chính xác

• Ứng dụng rộng rãi: Hiệu độ cong của dạng dao động có thể áp dụng cho nhiều kết cấu khác nhau, từ hạ tầng, cầu đường, đến các công trình công nghiệp và dân dụng

• Khối lượng tính toán vừa phải và mức độ phức tạp tính toán không quá lớn Với các ưu điểm đã trình bày như trên, nghiên cứu này có các điểm mới sau:

• Xây dựng hệ thống tự động tích hợp việc theo dõi và chẩn đoán hư hỏng (SHM) với mô hình thông tin công trình (BIM)

• Sử dụng phương pháp chẩn đoán hai bước để chẩn đoán vị trí hư hỏng nhờ vào hiệu độ cong của dạng dao động, sau đó chẩn đoán mức độ hư hỏng bằng mạng ANNs và cập nhật lại thông tin vị trí hư hỏng

• Mạng nơ-ron nhân tạo được xây dựng trực tiếp trên BIM Server để chẩn đoán mức độ hư hỏng giúp giải phóng dung lượng dữ liệu tính toán cho các máy trạm.

Cấu trúc luận văn

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

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.

TỔNG QUAN

Tình hình nghiên cứu nước ngoài

Pandey và cộng sự (1991) đã trình bày một phương pháp mới để phát hiện hư hỏng trong kết cấu bằng cách phân tích sự thay đổi trong các dạng dao động của kết cấu [22] Thông thường, hư hỏng trong kết cấu sẽ làm thay đổi các đặc trưng dao động của nó, bao gồm tần số dao động, tỉ số cản và các dạng dao động liên quan đến mỗi tần số đó Phân tích phần tử hữu hạn được sử dụng để thu được dạng dao động cho bài toán đưa ra, sau đó dùng phương pháp xấp xỉ trung tâm để tìm ra sự thay đổi trong đồ thị độ cong dạng dao động Bài báo này đề xuất sử dụng các dạng dao động làm một chỉ báo tiềm năng cho việc xác định hư hỏng trong kết cấu

Wu và cộng sự (1992) đã trình bày giai đoạn đầu tiên của một nghiên cứu nhằm phát triển các phương pháp giám sát tự động để phát hiện hư hỏng kết cấu [23] Nghiên cứu này đã khám phá việc sử dụng khả năng tự tổ chức và học của các mạng nơ-ron trong việc đánh giá hư hỏng kết cấu Thuật toán cơ bản là huấn luyện một mạng nơ-ron để nhận biết ứng xử của kết cấu không bị hỏng cũng như ứng xử của kết cấu với các trạng thái hư hỏng khác nhau Sau quá trình huấn luyện với các phép đo từ phản ứng của kết cấu, thuật toán có thể dự đoán bất kỳ hư hỏng nào tồn tại

Manning (1995) đã trình bày phương pháp nhằm xác định vị trí và số lượng hư hỏng trong kết cấu dựa trên các đặc điểm hàm chuyển đổi và mạng nơ-ron nhân tạo [24] Mạng nơ-ron được huấn luyện cho một số trường hợp hư hỏng đã biết vị trí hư hỏng và kết quả từ các hàm chuyển đổi được sử dụng làm dữ liệu huấn luyện đầu vào Các trường hợp hư hỏng mô phỏng khác nhau đã được thực hiện, trong đó có một số hư hỏng nằm trong miền dữ liệu huấn luyện và một số trong đó nằm ngoài miền của dữ liệu huấn luyện Trong cả hai trường hợp, mạng nơ-ron đều có thể xác định vị trí của hư hỏng và đưa ra chẩn đoán tốt về số lượng cấu kiện hư hỏng trên kết cấu

Ahmadian và cộng sự (1999) đã chỉ ra rằng khi hư hỏng xảy ra trong một phần của hệ kết cấu, các dạng dao động của kết cấu đó sẽ thay đổi nhưng các dạng dao động của các phần kết cấu khác sẽ không bị ảnh hưởng [25] Ngoài ra, các dạng dao động cao hơn sẽ không tham gia vào thành phần chuyển vị của các phần kết cấu không hư hỏng Những quan sát này được sử dụng như các điều kiện cần và đủ để xác định một phần hệ kết cấu không bị hư hỏng Sau đó, hai chỉ số vị trí hư hỏng được lập ra và áp dụng vào một ví dụ giải tích Cả hai chỉ số đều thành công trong việc xác định vị trí của hư hỏng

Cecchini (2005) đã xem xét các kỹ thuật đánh giá kết cấu không phá huỷ (NDE) hiện có để đánh giá hư hỏng trong kết cấu composite sandwich [26] Nghiên cứu bao gồm phân tích dao động, phản ứng nhiệt chuyển động và kiểm tra phát xạ âm thanh Nghiên cứu sử dụng mạng nơ-ron nhân tạo để sử dụng các đặc trưng dao động và nhiệt để xác định trạng thái của cấu trúc composite sandwich Thuật toán được huấn luyện bằng dữ liệu từ mô phỏng số Kết quả cho thấy việc sử dụng các phương pháp này cùng nhau có thể tăng cường khả năng phát hiện hỏng hóc của một kết cấu composite sandwich

Xu và cộng sự (2006) đã giới thiệu một thuật toán hai bước mới và mạnh mẽ sử dụng chỉ số hư hỏng dựa trên mô hình năng lượng để xác định vị trí hư hỏng và áp dụng kỹ thuật mạng nơ-ron nhân tạo để xác định mức độ hư hỏng [27] Thuật toán được đề xuất được áp dụng để phát hiện hư hỏng mô phỏng trong một mô hình phần tử hữu hạn của dầm đơn giản và một mô hình tương tự của một cây cầu thực tế có tên Crowchild Bridge tại Alberta, Canada Kết quả cho thấy thuật toán được đề xuất khá hiệu quả trong việc xác định vị trí và mức độ hư hỏng, ngay cả khi có sai số đo lường trong dữ liệu đầu vào

Hu và cộng sự (2013) đã áp dụng công nghệ BIM vào công trình theo dõi và chẩn đoán hư hỏng (SHM) của tháp Shanghai, với nền tảng trực quan dựa trên IFC cho SHM

[28] Phần mềm nguyên mẫu này cho phép quan sát vị trí cảm biến 3D, truy cập dữ liệu SHM thông qua giao diện đồ họa hoặc truy vấn tiêu chuẩn, và duyệt thông tin BIM của kết cấu Nghiên cứu còn tích hợp dữ liệu SHM với BIM bằng cách sử dụng giải pháp dựa trên IFC, với các công nghệ trích xuất thông tin từ IFC, chuyển đổi hình học sang OGRE, và truy vấn kết hợp giữa giao diện đồ họa, tập tin IFC và cơ sở dữ liệu SHM

Betti và cộng sự (2015) khám phá một phương pháp mới để xác định hư hỏng kết cấu bằng cách kết hợp mạng nơ-ron nhân tạo (ANNs) và giải thuật di truyền (GAs) [29]

Sử dụng dữ liệu từ tần số dao động tự nhiên và dạng dao động của kết cấu, nghiên cứu này giới thiệu tiềm năng của việc kết hợp các kỹ thuật trí tuệ nhân tạo như mạng nơ-ron với các thuật toán tối ưu hóa như giải thuật di truyền để xác định hư hỏng cấu trúc một cách chính xác và hiệu quả

Cao (2020) đã đánh giá việc tích hợp BIM dựa trên SHM và IoT, xem xét các ứng dụng kinh tế của nó [31] Việc khám phá cách sử dụng các công nghệ này có thể cải thiện quản lý dữ liệu, tăng cường hiệu suất của công trình xây dựng và tối ưu hóa các kế hoạch bảo dưỡng, dẫn đến tiết kiệm chi phí và tăng hiệu quả trong các dự án xây dựng

Fawad và cộng sự (2023) đã tích hợp các thiết bị SHM được triển khai vào mô hình BIM của cây cầu để tạo ra mô hình cảm quan dựa trên BIM (theo hệ thống SHM hiện có) [32] Điều này giúp quản lý và giám sát hệ thống SHM và kiểm soát các cảm biến Các cảm biến này sau đó được kết nối với nền tảng IoT tự tạo (lập trình trong Arduino), phát triển một hệ thống SHM thông minh của cây cầu Kết quả là, hệ thống này có tính năng hiển thị và truy cập từ xa vào dữ liệu giám sát sức khỏe kết cấu của cây cầu.

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:

Hồ và cộng sự (2018) đã phát triển phương pháp năng lượng biến dạng để chẩn đoán hư hỏng cho kết cấu dầm với các điều kiện biên khác nhau [33] Kết quả nghiên cứu cho thấy phương pháp này có khả năng tính toán chính xác độ cong dạng dao động tại các điểm biên, giúp cải thiện độ chính xác trong chẩn đoán hư hỏng Qua việc mô phỏng và phân tích hai loại kết cấu dầm (dầm đơn giản và dầm công xôn), phương pháp được đánh giá là khả thi và hiệu quả trong việc phát hiện hư hỏng, đặc biệt là trong các kết cấu có điều kiện biên phức tạp

Phạm và Ngô (2019) đã khảo sát một số đặc trưng phổ tín hiệu dao động nhằm chẩn đoán hư hỏng [34] Qua việc khảo sát sự thay đổi của một số đặc trưng của phổ dao động theo sự suy yếu của cấu trúc, bài báo nhằm lựa chọn những thông số nhạy để phát hiện khuyết tật Việc lựa chọn các thông số trích xuất từ đáp ứng của cấu trúc để giám sát tình trạng của nó là một vấn đề quan trọng, thu hút nhiều sự quan tâm từ các kỹ sư, nhà nghiên cứu, và quản lý công trình xây dựng

Lê và cộng sự (2020) đã đề xuất 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 [35] Bước thứ nhất kết quả chẩn đoán vị trí của hư hỏng được xác định thông qua sự thay đổi của năng lượng biến dạng (MSEDI) và bước thứ hai đưa ra mức độ suy giảm chiều dày của phần tử xảy ra hư hỏng bằng thuật toán di truyền Kết quả bài toán cho thấy phương pháp đề xuất có khả năng chẩn đoán chính xác sự xuất hiện, vị trí và mức độ hư hỏng trong kết cấu tấm

Nguyễn và cộng sự (2021) đã trình bày phương pháp xác định vị trí hư hỏng sử dụng độ cong của dạng dao động cấu [36] Trong nghiên cứu này, dữ liệu về dao động và độ cong của dạng dao động được sử dụng để xác định vị trí hư hỏng trong kết cấu Thử nghiệm được thực hiện trên một mô hình dầm hai đầu tự do được thiết kế trong phòng thí nghiệm Bằng cách gắn các cảm biến gia tốc lên dầm, dữ liệu về dao động của dầm được thu thập, các hư hỏng được mô phỏng bằng cách tạo ra hai vết cắt trên dầm, từ đó cung cấp thông tin cần thiết để phân tích và xác định vị trí hư hỏng trong kết

Nguyễn và cộng sự (2023) đã đề xuất phương pháp xác định vị trí hư hỏng trong kết cấu dạng bản dựa vào dao động kết hợp với mạng nơ ron tích chập (CNN) [37] Bằng cách giảm độ cứng chống uốn của mô hình, kết quả thu được vùng hư hỏng của kết cấu dựa vào đồ thị độ cong dạng dao động Đỗ và cộng sự (2023) đã thực hiện chẩn đoán hư hỏng kết cấu dàn chịu nhiệt độ và tải trọng động dùng tối ưu hóa ngược và học sâu [38] Nghiên cứu đã giải quyết vấn đề hạn chế số lượng cảm biến đo đạc và nhiễu dữ liệu đo thực tế thông qua kỹ thuật giảm bậc mô hình Các kết quả số lập trình bằng Python khẳng định tính khả thi và hiệu quả của phương pháp đề xuất trong việc tối ưu hóa và sử dụng học sâu để chẩn đoán hư hỏng cấu trúc.

CƠ SỞ LÝ THUYẾT

Giới thiệu phương pháp

Theo nghiên cứu của Pandey và cộng sự (1991), phương pháp chẩn đoán hư hỏng kết cấu dựa trên hiệu độ cong của dạng dao động hoạt động theo cơ chế phát hiện sự thay đổi trong ứng xử động lực học của kết cấu so với trạng thái ban đầu [22] Dựa vào kết quả dạng dao động, độ cong dạng dao động được xác định qua đạo hàm bậc hai của vector chuyển vị

Kết quả đồ thị dạng dao động được lấy từ việc phân tích mô hình phần tử hữu hạn tương ứng với các trường hợp trước và sau khi hư hỏng Việc tính toán các giá trị cho đồ thị hiệu độ cong của dạng dao động sẽ qua các bước chuẩn hoá số liệu, lấy hiệu số của độ cong dang dao động hư hỏng và chưa hư hỏng, sau đó sử dụng hàm spline để tăng độ chính xác cho đồ thị Từ đó, những vị trí có giá trị thay đổi đột ngột trên đồ thị thể hiện vùng hư hỏng trên cấu kiện được xét.

Công thức đánh giá

Để xác định đường cong cho từng dạng dao động riêng lẻ, Pandey và cộng sự (1991) đã sử dụng phép xấp xỉ trung tâm theo công thức sau [22]:

 i  : Đạo hàm cấp hai vector chuyển vị thứ i;

 i + : Vector chuyển vị thứ i + 1; h : Chiều dài của phần tử đang xét

Sự khác biệt giữa hai đường cong dao động, cho trường hợp kết cấu không hư hỏng và hư hỏng, được xác định bằng giá trị tuyệt đối của hiệu số giữa các giá trị mỗi phần tử tương ứng trên mỗi đường cong Để biểu đồ hóa mối quan hệ này, các điểm mô tả sự khác biệt theo vị trí của từng phần tử trên kết cấu nối thành đường cong của đồ thị Các điểm trên đường cong này phản ánh sự biến đổi đáng kể đánh dấu các vị trí hoặc khu vực bị hư hỏng trên kết cấu

Hình 3.1 Mô phỏng vị trí hư hỏng

Các bước tính toán chỉ số hư hỏng được chuẩn hoá Z j :

Bước 1: Chuẩn bị dữ liệu đặc trưng dao động ở hai trạng thái chưa hư hỏng và hư hỏng Bước 2: Tính toán độ cong dạng dao động theo công thức (3.1)

Bước 3: Tính toán năng lượng biến dạng đơn vị tại phần tử thứ j ở hai trạng thái hư hỏng và chưa hư hỏng

 = (nm: Số dao động được xét) Năng lượng biến dạng đơn vị trên toàn bộ dầm:

Bước 4: Tính toán chỉ số hư hỏng, tổ hợp chỉ số hư hỏng, chuẩn hoá chỉ số hư hỏng  j

Sau đó, các chỉ số hư hỏng được chuẩn hoá như sau: j j j

Z j : chỉ số hư hỏng được chuẩn hoá;

 : giá trị trung bình của  j ;

 : chiều dài vùng hư hỏng chẩn đoán nằm ngoài vùng hư hỏng thực tế

So sánh Z j tính được tại các phần tử với ngưỡng hư hỏng Z 0 , xác định vị trí vùng hư hỏng qua đồ thị chẩn đoán vị trí hư hỏng Biểu đồ Z j là hình ảnh trực quan về trạng thái của kết cấu Dựa vào biểu đồ, vị trí giá trị Z j có độ lớn cao nhất được xác định là

Ngưỡng hư hỏng đề xuất

Để xác định các vùng hư hỏng trong dầm, phương pháp này dựa trên chỉ số hư hỏng đã được chuẩn hóa qua biểu đồ chỉ số hư hỏng toàn cấu kiện Các phần tử có chỉ số hư hỏng cao hơn so với mức trung bình của cấu kiện, cũng như những phần tử chưa hư hỏng nhưng vẫn có chỉ số hư hỏng trên 0, đều được cân nhắc Điều này đòi hỏi một tiêu chuẩn cụ thể để xác định một vùng có hư hỏng hay không, và nghiên cứu này đề xuất sử dụng một khái niệm được gọi là ngưỡng hư hỏng, ký hiệu là Z 0

Ngưỡng hư hỏng này được thiết lập dựa trên tỷ lệ phần trăm của chỉ số hư hỏng lớn nhất trên toàn cấu kiện Khi chỉ số hư hỏng của bất kỳ phần tử nào đạt hoặc vượt qua ngưỡng này, phần tử đó được coi là hư hỏng Ngược lại, phần tử có chỉ số dưới ngưỡng này được đánh giá là chưa hư hỏng Lựa chọn giá trị cho ngưỡng hư hỏng phải phù hợp với mức độ hư hỏng và sự phân bố chỉ số hư hỏng trên biểu đồ để đảm bảo độ chính xác cao trong việc đánh giá và xác định hư hỏng, cụ thể:

• Z j Z 0 : phần tử thứ j được xem là hư hỏng

• Z j Z 0 : phần tử thứ j được xem là chưa hư hỏng

Hình 3.2 Minh hoạ ngưỡng hư hỏng đề xuất

Chiều dài dầm (m) Trường hợp 1

Vùng hư hỏng chẩn đoánVùng hư hỏng thực tếZ0 = 50%ZmaxZ0 = 10%ZmaxZ0 = 20%ZmaxZ0 = 30%ZmaxZ0 = 40%Zmax

Trong các bài toán được khảo sát tại Chương 4, ngưỡng hư hỏng được đề xuất theo các cấp độ Z 0 %Z max ; ;70%Z max Để phù hợp với kết quả chung từ các bài toán khảo sát, ngưỡng hư hỏng Z 0 P%Z max được đề xuất áp dụng vào chẩn đoán vị trí và phạm vi của vùng hư hỏng và vùng không hư hỏng như minh hoạ ở (Hình 3.2).

Chỉ số đánh giá độ chính xác chẩn đoán

Trên thực tế, các vùng hư hỏng trên cấu kiện không được biết trước Tuy nhiên, để đánh giá mức độ chính xác của phương pháp chẩn đoán, chiều dài của vùng hư hỏng thực tế, được lấy từ dữ liệu mô phỏng của các trường hợp xét đến trong mỗi bài toán, sẽ được sử dụng làm cơ sở so sánh với kết quả từ phương pháp chẩn đoán dựa trên hiệu độ cong của dạng dao động Luận văn này giới thiệu giá trị ngưỡng hư hỏng Z 0 và ba chỉ số A, B, C như (Hình 3.3) để cung cấp một phương thức đánh giá toàn diện và phù hợp hơn cho công tác chẩn đoán hư hỏng kết cấu

Theo Nguyen (2024), các chỉ số A, B, C được xác định như sau [63]:

• Chỉ số A: Đo lường độ chính xác trong việc xác định vùng hư hỏng Chỉ số này tính bằng tỷ lệ phần trăm giữa chiều dài của vùng hư hỏng chẩn đoán và chiều dài vùng hư hỏng thực tế, L damage Vùng hư hỏng chẩn đoán được xác định từ hình chiếu trên trục dầm của phần biểu đồ nơi Z j Z 0 Chỉ số A phản ánh hiệu quả của phương pháp trong việc định vị chính xác các vùng hư hỏng pred 100% damage

L pred : chiều dài vùng hư hỏng chẩn đoán nằm trong vùng hư hỏng thực tế (mm); damage

L : chiều dài vùng hư hỏng thực tế (mm)

• Chỉ số B: Đánh giá độ chính xác cho các vùng không hư hỏng Chỉ số này dựa trên tỷ lệ giữa chiều dài vùng không hư hỏng chẩn đoán và chiều dài vùng không hư hỏng thực tế, L 0,damage , sau khi loại bỏ các phần chẩn đoán sai lệch

L : chiều dài vùng không hư hỏng chẩn đoán (đã loại bỏ vùng hư hỏng chẩn đoán nằm ngoài phạm vi vùng hư hỏng thực tế) (mm);

L : chiều dài vùng không hư hỏng thực tế (mm);

L : chiều dài vùng hư hỏng chẩn đoán nằm ngoài vùng hư hỏng thực tế (mm)

• Chỉ số C: Đo lường độ chính xác tổng thể của phương pháp chẩn đoán Được tính bằng tổng các tỷ lệ của chỉ số A và chỉ số B, trọng số hóa theo tỷ lệ chiều dài của từng vùng hư hỏng và không hư hỏng so với chiều dài tổng thể của cấu kiện Chỉ số C cung cấp cái nhìn toàn diện về khả năng và độ tin cậy của phương pháp chẩn đoán trên toàn bộ chiều dài cấu kiện

A : độ chính xác vùng hư hỏng (%);

B : độ chính xác vùng không hư hỏng (%);

L : chiều dài cấu kiện (mm); damage

L : chiều dài vùng hư hỏng thực tế (mm);

L : chiều dài vùng không hư hỏng thực tế (mm)

Hình 3.3 Quy ước vùng hư hỏng chẩn đoán và vùng hư hỏng thực tế Để nhận xét và đánh giá mức độ tin cậy các chỉ số A, B, C các khoảng đánh giá được đề xuất theo (Bảng 3.1)

Bảng 3.1 Các khoảng đánh giá mức độ tin cậy về độ chính xác

STT Giá trị (%) Mức độ tin cậy

Ảnh hưởng của điều kiện biên

Khi xử lý các điều kiện biên của dầm, đặc biệt là ở các nút ở hai đầu dầm, chúng ta gặp phải một thách thức do thiếu dữ liệu cho nút i − 1 ở đầu bên trái và nút i + 1 ở đầu bên phải Trong trường hợp này, việc ngoại suy để xác định giá trị đường cong dạng dao động tại hai nút biên này trở nên cần thiết Theo nghiên cứu của Ho và cộng sự (2018), các phương pháp xác định giá trị này cho các điều kiện biên phổ biến như biên tự do, biên liên kết khớp, và biên liên kết ngàm đã được đề xuất [33]

Trong trường hợp biên tự do và biên liên kết khớp, nút biên không bị ràng buộc về chuyển vị xoay, có nghĩa là nó có thể xoay tự do Đối với hai điều kiện biên này, các giá trị tại các nút biên được đề xuất xác định dựa trên nguyên tắc phản xứng Cụ thể:

• Biên tự do: Tại biên tự do, moment tại nút biên bằng không do không có lực nào tác động lên nó Điều này dẫn đến giá trị độ cong (đạo hàm bậc hai của chuyển vị) tại nút biên cũng phải bằng không Vì vậy, giá trị tại nút biên có thể được ngoại suy bằng cách lấy giá trị phản xứng từ nút liền kề bên trong dầm

• Biên liên kết khớp: Tại biên liên kết khớp, nút có thể xoay nhưng không thể di chuyển theo phương ngang hoặc dọc Ở điều kiện này, moment tại nút biên không nhất thiết bằng không nhưng độ dịch chuyển tại nút biên sẽ bị giới hạn Giá trị tại nút biên trong trường hợp này cũng có thể được ngoại suy dựa trên giá trị phản xứng của nút liền kề

Với nhận định trên, giá trị nội suy của hai đầu cấu kiện được đề xuất xác định như sau:

• Nút biên bên phải:  i + 1 = − i − 1 Đối với điều kiện biên ngàm, cách xử lý khác biệt so với biên tự do hay biên liên kết khớp Biên ngàm là trường hợp mà nút biên không chỉ bị giới hạn về chuyển vị theo mọi hướng mà còn bị cố định cả về xoay, nghĩa là không có độ xoay tự do Điều này có nghĩa là cả moment lẫn lực cắt tại biên ngàm đều phải được xem xét để xác định chính xác các giá trị dao động tại điểm đó Vì thế, giá trị nội suy của hai đầu cấu kiện trường hợp này được đề xuất xác định như sau:

Sử dụng thuật toán mạng nơ-ron nhân tạo (ANNs) để chẩn đoán mức độ hư hỏng từ dữ liệu dạng dao động

3.3.1 Cấu trúc của mạng nơ-ron nhân tạo

Tế bào thần kinh của mạng nơ-ron nhân tạo là đơn vị xử lý thông tin của mạng lưới thần kinh, giống như cấu trúc bộ não của con người [19, 20, 39] (Hình 3.4) thể hiện sơ đồ khối của nơ-ron

Hình 3.4 Mô hình phi tuyến tính của nơ-ron [19]

Tế bào thần kinh bao gồm ba phần chính: Một tập hợp các khớp thần kinh, kết nối tín hiệu đầu vào (x j ) với tế bào thần kinh thông qua một tập hợp các trọng số (w kj ), một bộ (u k ) tổng hợp các tín hiệu đầu vào, trọng số được tính bởi các khớp thần kinh tương ứng của nơ-ron và hàm kích hoạt ( )  ( ) để giới hạn biên độ đầu ra của nơ-ron Đôi khi một độ lệch (b k ) được thêm vào nơ-ron để tăng hoặc giảm đầu ra ròng của nơ-ron

Về mặt toán học, một nơ-ron k được mô tả là:

Trong đó: x 1 , x 2 , x 3 , …, x n : là các tín hiệu đầu vào; w k1 , w k2 , w k3 , …, w kn : là các trọng số của nơ-ron k b k : là độ lệch; u k : là bộ cộng hoặc bộ kết hợp tuyến tính;

 : là hàm kích hoạt; y k : là tín hiệu đầu ra của nơ-ron

Phạm vi đầu ra của nơ-ron phụ thuộc vào loại hàm kích hoạt được sử dụng Có bốn loại hàm kích hoạt thường được sử dụng là: hàm kích hoạt giới hạn cứng, hàm kích hoạt log-sigmoid, hàm kích hoạt Tan-sigmoid và hàm kích hoạt tuyến tính [40]

3.3.2.1 Hàm kích hoạt giới hạn cứng

Hàm kích hoạt giới hạn cứng được thể hiện trong (Hình 3.5) Hàm này giới hạn đầu ra (y k ) của nơ-ron ở mức 0, nếu đối số đầu vào ròng (v k ) nhỏ hơn 0; hoặc 1 nếu (v k ) lớn hơn hoặc bằng 0 Về mặt toán học, hàm kích hoạt giới hạn cứng có thể được mô tả như sau:

Hình 3.5 Hàm kích hoạt giới hạn cứng [41]

3.3.2.2 Hàm kích hoạt Log-sigmoid

Hàm kích hoạt Log-sigmoid được thể hiện trong (Hình 3.6) Hàm này giới hạn đầu ra (y k ) trong phạm vi từ 0 đến 1, theo biểu thức:

+ (3.18) Đầu vào có thể là bất cứ giá trị nào giữa cộng và trừ vô cùng

Hình 3.6 Hàm kích hoạt Log-Sigmoid [41]

3.3.2.3 Hàm kích hoạt Tan-sigmoid

Hàm kích hoạt Tan-sigmoid được thể hiện trong (Hình 3.7) Hàm này lấy đầu vào là bất kỳ giá trị nào giữa cộng và trừ vô cùng và giới hạn đầu ra trong phạm vi -1 đến 1 Điều này được thực hiện theo biểu thức toán học sau:

Hình 3.7 Hàm kích hoạt Tan-sigmoid [41]

3.3.2.4 Hàm kích hoạt tuyến tính

Hàm kích hoạt tuyến tính được thể hiện trong (Hình 3.8) tái tạo đầu vào được đưa vào nó dưới dạng chính đầu ra

Hình 3.8 Hàm kích hoạt tuyến tính [41]

3.3.3 Kiến trúc mạng nơ-ron nhân tạo

3.3.3.1 Mạng chuyển tiếp nguồn cấp dữ liệu một lớp (Single layer Feed – forward Network)

Theo Haykin (1999), dạng đơn giản nhất của mạng chuyển tiếp nguồn cấp dữ liệu là mạng một lớp, được thể hiện trong (Hình 3.9) [19] Mạng bao gồm lớp đầu vào bao gồm các nút nguồn được kết nối trực tiếp với lớp đầu ra, với các nơ-ron (nút tính toán) Loại mạng này không có lớp ẩn

Hình 3.9 Mạng chuyển tiếp nguồn cấp một lớp [19]

3.3.3.2 Mạng chuyển tiếp nguồn cấp dữ liệu nhiều lớp (Multi layer Feed – forward Network)

Mạng chuyển tiếp nguồn cấp dữ liệu bao gồm một hoặc nhiều lớp ẩn giữa lớp đầu vào và lớp đầu ra được gọi là mạng chuyển tiếp nguồn cấp dữ liệu nhiều lớp [19] Một mạng nhiều lớp điển hình được biểu thị trong (Hình 3.10), bao gồm một lớp đầu vào có

10 nút, một lớp ẩn có 4 nơ-ron và một lớp đầu ra có 2 nơ-ron Sự hiện diện của các nơ- ron lớp ẩn cho phép mạng trích xuất số liệu thống kê bậc cao hơn; có xu hướng hữu ích khi lớp đầu vào lớn

Hình 3.10 Mạng chuyển tiếp nguồn cấp dữ liệu nhiều lớp [19]

Một số lượng lớn các nhà nghiên cứu đã ghi nhận việc sử dụng mạng chuyển tiếp nguồn cấp dữ liệu nhiều lớp Altinkok và Koker (2006) đã sử dụng mạng chuyển tiếp cấp liệu nhiều lớp để xác định các tính chất của vật liệu tổng hợp ma trận kim loại [42], trong khi Jia và Davalos (2006) đã sử dụng mạng tương tự để dự đoán sự phát triển vết nứt mỏi trong nhựa gia cố bằng sợi liên kết với gỗ [43] Mạng nhiều lớp cũng được Ishak và cộng sự (2001) sử dụng để định vị sự phân tách trong dầm composite bằng cách phân tích chuyển vị của nó [44]

3.3.3.3 Mạng nơ-ron hồi quy (Recurrent Networks)

Mạng nơ-ron hồi quy (Recurrent Networks) là mạng một lớp hoặc nhiều lớp có ít nhất một vòng phản hồi [19, 20, 41] Có hai loại hồi quy, một loại không tự phản hồi và loại kia có tự phản hồi (Hình 3.11) cho thấy một mạng hồi quy không có khả năng tự phản hồi, trong đó đầu ra của tất cả các nơ-ron được đưa vào đầu vào của tất cả các nơ- ron khác Z -1 biểu thị phần tử độ trễ đơn vị trong vòng hồi quy Sự hiện diện của các vòng hồi quy trong mạng giúp cải thiện khả năng học tập của mạng cũng như hiệu suất của nó Có rất ít công trình được công bố về việc sử dụng các mạng này để thử nghiệm không phá hủy, theo dõi sức khỏe kết cấu và thử nghiệm đặc tính vật liệu của vật liệu tổng hợp Tuy nhiên, Assaf và Kadi (2001) đã ghi lại việc sử dụng mạng nơ-ron hồi quy để dự đoán trạng thái mỏi của sợi thủy tinh/tổ hợp epoxy một chiều dưới tác dụng kéo căng và kéo nén [45]

Hình 3.11 Mạng nơ-ron hồi quy [19]

3.3.4 Mạng và thuật toán huấn luyện

3.3.4.1 Mạng lan truyền ngược chuyển tiếp (Feed – forward Back – propagation Network)

Mạng lan truyền ngược chuyển tiếp về cơ bản bao gồm ba lớp đầu vào, đầu ra và một hoặc nhiều lớp ẩn [19, 20, 41] Mỗi lớp bao gồm nhiều nơ-ron Hàm kích hoạt sigmoid hoặc tan – sigmoid thường được sử dụng trong các lớp ẩn và hàm kích hoạt tuyến tính được sử dụng trong các lớp đầu ra Các mạng này còn được gọi là perceptron nhiều lớp

Các mạng này được huấn luyện bằng thuật toán được gọi là thuật toán lan truyền ngược lỗi [19] Huấn luyện lan truyền ngược lỗi có thể được chia thành hai giai đoạn: chuyển tiếp và chuyển ngược Trong quá trình chuyển tiếp, vector đầu vào (dấu hiệu hư hỏng) được áp dụng cho các nút đầu vào của mạng Tín hiệu này truyền qua từng lớp mạng và cuối cùng tạo ra đầu ra thực tế Trong giai đoạn chuyển tiếp này, các trọng số khớp thần kinh không được sửa đổi Sau khi thu được đầu ra thực tế, nó sẽ được so sánh với đầu ra mục tiêu (kích thước hư hỏng) và thu được tín hiệu lỗi Tín hiệu lỗi này sau đó được truyền trở lại mạng theo hướng ngược lại Trong giai đoạn này, các trọng số khớp thần kinh được điều chỉnh sao cho phản hồi thực tế tiến gần hơn đến phản hồi mục tiêu Các mạng lan truyền ngược được đào tạo phù hợp có xu hướng đưa ra các câu trả lời hợp lý khi được cung cấp các đầu vào mà chưa được huấn luyện

Thông thường, một đầu vào mới sẽ dẫn đến một đầu ra tương tự với đầu ra chính xác cho các vector đầu vào, tương tự với các vector được sử dụng để huấn luyện Thuộc tính tổng quát hóa này giúp có thể huấn luyện mạng trên một tập hợp các cặp đầu vào/đích đại diện và nhận được kết quả tốt mà không cần huấn luyện mạng trên tất cả các cặp đầu vào/đầu ra có thể có Mạng lan truyền ngược chuyển tiếp nhiều lớp được biểu thị trong (

Hình 3.12) Mạng này bao gồm một lớp đầu vào, hai lớp ẩn và một lớp đầu ra Trong đó: x n : là vector đầu vào; w k, n : là trọng số của nơ-ron k

 : là hàm kích hoạt; k ( ) k y = v : là tín hiệu đầu ra của nơ-ron

Hình 3.12 Mạng lan truyền ngược chuyển tiếp [19]

3.3.4.2 Thuật toán huấn luyện giảm dần độ dốc (Gradient descent algorithm)

Mục tiêu chính của tất cả các thuật toán huấn luyện là điều chỉnh trọng số khớp thần kinh theo cách làm giảm hàm hiệu suất Hàm hiệu suất là phép đo định lượng hiệu suất mạng Do đó, nếu mạng hoạt động tốt thì chức năng hiệu suất sẽ nhỏ trong khi nếu mạng hoạt động kém thì chức năng hiệu suất sẽ lớn

Thuật toán giảm độ dốc cập nhật trọng số và độ lệch của mạng theo hướng mà hàm hiệu suất giảm nhanh nhất (âm của độ dốc) Một phép lặp của thuật toán này được thể hiện như sau:

CÁC BÀI TOÁN KHẢO SÁT

Bài toán dầm thép gối tựa đơn giản

Mô hình BIM được chuyển từ phần mềm Revit sang RSAP để thực hiện tính toán tự động Để có thể kiểm chứng độ tin cậy của phương pháp mô phỏng, bài toán dầm thép với điều kiện biên là hai đầu gối tựa đơn giản được đề xuất Dữ liệu đầu vào của bài toán được lấy từ Zhan và cộng sự (2021) [51] Nội dung của các phần tiếp theo trình bày quá trình thực hiện và thu kết quả từ bài toán khảo sát

4.1.1 Mô hình bài toán Đầu tiên, mô hình dầm thép có hai đầu gối tựa đơn giản được mô phỏng sử dụng phần mềm Revit biểu diễn thông qua (Hình 4.1) và được sử dụng cho việc phân tích và kiểm tra Chiều dài của dầm là L = 1900 (mm) Chiều cao và bề rộng của tiết diện lần lượt là 150 (mm) và 20 (mm) Vật liệu thép sử dụng trong mô phỏng có: hệ số mô-đun đàn hồi E=2.06 10 5 (MPa); hệ số poisson =0.28 và khối lượng riêng  x50

( kg m 3 ) Dầm được chia thành 20 phần tử và 21 nút a) Chi tiết kích thước mặt đứng dầm b) Mô hình BIM dầm trên Revit

Hình 4.1 Mô hình BIM dầm thép hai đầu gối tựa đơn giản

4.1.2 Sử dụng hệ thống SHM tích hợp BIM

Các sự cố thường xuyên xảy ra trên dầm thép, bao gồm sự ăn mòn, rỉ sét, nứt, biến dạng, gãy, hoặc các vấn đề khuyết tật bên trong vật liệu Khi các vấn đề này nảy sinh, độ cứng của dầm thường thay đổi Độ cứng này liên quan mật thiết đến mô-đun đàn hồi (E) và mô-men quán tính (I), nên thông thường vấn đề được đánh giá dựa trên hai yếu tố này Trong nghiên cứu này, các vấn đề trên dầm thép được mô phỏng bằng cách giảm mô đun đàn hồi Quá trình thực hiện bài toán được áp dụng như đã đề cập ở mục 3.4.2 như sau:

• Bước 1: Truy cập giao diện BIM Server

Sau khi truy cập BIM Server sẽ thấy giao diện như (Hình 4.2), trong đó cho phép người dùng nhập dữ liệu vị trí hư hỏng và chỉ số hư hỏng của một hoặc hai phần tử Nếu trường hợp chỉ có một vị trí hư hỏng trên dầm, người dùng có thể để trống hoặc điền số

0 vào vị trí của phần tử hư hỏng thứ nhất hoặc thứ hai, hệ thống đều sẽ trả về kết quả tương ứng Các trường hợp hư hỏng khác nhau của dầm được tổng hợp và trình bày chi tiết tại (Bảng 4.1)

Hình 4.2 Giao diện BIM Server nhập dữ liệu mô phỏng trường hợp hư hỏng

Bảng 4.1 Các trường hợp hư hỏng của dầm thép bài toán 1

Trường hợp hư hỏng Phần tử hư hỏng DI (%)

Trường hợp 4 (TH4) Số 6, số 12 20, 50

• Bước 2: Cập nhật dữ liệu cho mô hình BIM bằng Dynamo

Các tình huống khác nhau của sự cố trên dầm thép được mô phỏng thông qua việc nhập dữ liệu từ BIM Server sau đó được lấy về tự động thông qua Dynamo và truyền dữ liệu vào mô hình BIM (Hình 4.3)

Hình 4.3 Mô hình BIM sử dụng Dynamo để lấy dữ liệu mô phỏng tự động từ BIM

• Bước 3: Tạo lập/ Cập nhật mô hình BIM sang mô hình tính toán

Sau khi mô hình BIM được cập nhật dữ liệu hư hỏng, mô hình tính toán ở RSAP được cập nhật tự động tương ứng (Hình 4.4) Trường hợp lần đầu tạo mô hình tính toán, người dùng vẫn thao tác tương tự như việc cập nhật, mô hình BIM sẽ tự động tạo lập và chuyển thông tin BIM sang mô hình tính toán

Hình 4.4 Mô hình sơ đồ tính của dầm trong RSAP được tạo tự động từ mô hình

• Bước 4: Hiển thị kết quả chẩn đoán qua giao diện BIM Server

Kết quả tính toán được cập nhật lên BIM Server để tính toán và thể hiện kết quả một cách tự động và trực quan Thông qua BIM Server, các thông tin về dữ liệu đầu vào (thông số vật liệu và hình học của dầm) (Hình 4.5), trường hợp hư hỏng đang xét, các đồ thị dạng dao động và kết quả hiệu độ cong của dạng dao động được thể hiện (Hình 4.6)

Hình 4.5 Giao diện BIM Server phần thể hiện dữ liệu đầu ra

Hình 4.6 Kết quả chẩn đoán vị trí của hư hỏng dựa vào hiệu độ cong của dạng dao động được tính toán tự động qua BIM Server

Kết quả phân tích dao động và chẩn đoán hư hỏng được tổng hợp ở phần tiếp theo Các kết quả này sau cùng được cập nhật lại trên chính mô hình BIM và được thể hiện trực tiếp trên BIM Server

4.1.3 Kết quả phân tích dao động Để kiểm tra độ chính xác của mô phỏng, kết quả đặc trưng dao động (tần số dao động và dạng dao động) của dầm thép chưa tác động tải trọng được so sánh với kết quả tính toán từ lý thuyết Chopra và cộng sự (2017) [50] trong (Hình 4.7)

Hình 4.7 Công thức xác định tần số dầm đơn giản

Bảng 4.2 Kết quả so sánh tần số dao động từ mô hình RSAP với phương pháp giải tích

Tần số (Hz) Nghiên cứu này Tính toán giải tích

Dựa vào kết quả trình bày trong (Bảng 4.2), tần số dao động thu được từ mô hình RSAP tương đối khá chính xác với tính toán giải tích ở nghiên cứu đã được công bố trước đó Có thể nhận thấy một cách trực quan, độ chênh lệch tần số tăng dần theo từng dạng dao động, dạng dao động 4 (Mode 4) có độ chênh lệch lớn hơn so với các dạng dao động còn lại Để tăng độ chính xác, có thể áp dụng tăng độ chia các phần tử Tuy nhiên đối với bài toán kỹ thuật, các kết quả tần số dao động có độ chênh lệch bé hơn 5% là chấp nhận được Kết quả trên được đánh giá khá tin cậy và có thể sử dụng được trong luận văn này Tương tự, các trường hợp hư hỏng có thể sử dụng cho bài toán phân tích Để tiếp tục sử dụng các kết quả trên cho việc chẩn đoán vị trí và độ lớn của hư hỏng, kết quả của các phương pháp phân tích được trình bày ở các phần tiếp theo

4.1.3.1 Chẩn đoán vị trí hư hỏng dựa vào hiệu độ cong của dạng dao động

Giá trị của hiệu độ cong của dạng dao động được biểu diễn thông qua các đồ thị, cùng với giá trị các ngưỡng hư hỏng Z 0 được biểu diễn từ 10% đến 70% Z max ở mỗi dạng dao động Vùng hư hỏng thực tế trong mô phỏng từ phần mềm RSAP được dùng để so sánh với kết quả vùng hư hỏng chẩn đoán Mỗi trường hợp hư hỏng theo (Bảng 4.1) cho kết quả so sánh với Trường hợp 0 (TH0) ở 4 dạng dao động theo (Bảng 4.2) và được biểu diễn theo các đồ thị tương ứng với các nút thứ j dọc theo chiều dài dầm a) Đồ thị chỉ số hư hỏng trường hợp 1

Như đã trình bày ở mục 4.1.3.1, việc xác định vị trí vùng chẩn đoán hư hỏng được biểu diễn thông qua các (Hình 4.8), (Hình 4.9), (Hình 4.10), (Hình 4.11) tương ứng với các dạng dao động lần lượt là Mode 1, Mode 2, Mode 3, Mode 4 Sau đó, (Bảng 4.3), (Bảng 4.4), (

Bảng 4.9) trình bày kết quả đánh giá độ chính xác của phương pháp chẩn đoán theo các ngưỡng hư hỏng khác nhau và (Bảng 4.10) đánh giá tổng quát ngưỡng hư hỏng cho kết quả phù hợp

Hình 4.8 Đồ thị hiệu độ cong của dạng dao động (Trường hợp hư hỏng thứ nhất –

Hình 4.9 Đồ thị hiệu độ cong của dạng dao động (Trường hợp hư hỏng thứ nhất –

Vùng hư hỏng chẩn đoán Vùng hư hỏng thực tế Z0 = 50%Zmax Z0 = 10%Zmax Z0 = 20%Zmax Z0 = 30%Zmax Z0 = 40%Zmax

Vùng hư hỏng chẩn đoánVùng hư hỏng thực tếZ0 = 50%ZmaxZ0 = 10%ZmaxZ0 = 20%ZmaxZ0 = 30%ZmaxZ0 = 40%ZmaxZ0 = 60%ZmaxZ0 = 70%Zmax

Hình 4.10 Đồ thị hiệu độ cong của dạng dao động (Trường hợp hư hỏng thứ nhất

Bảng 4.3 Kết quả chỉ số chẩn đoán hư hỏng ở trường hợp thứ nhất (TH1) –

Vùng hư hỏng chẩn đoán Vùng hư hỏng thực tế Z0 = 50%Zmax Z0 = 10%Zmax Z0 = 20%Zmax Z0 = 30%Zmax Z0 = 40%Zmax Z0 = 60%Zmax

Vùng hư hỏng chẩn đoánVùng hư hỏng thực tếZ0 = 50%ZmaxZ0 = 10%ZmaxZ0 = 20%ZmaxZ0 = 30%Zmax

Trường hợp 1 Độ chính xác vùng hư hỏng Độ chính xác vùng không hư hỏng Độ chính xác tổng thể

Bảng 4.10 Kết quả tổng hợp trung bình chỉ số chẩn đoán hư hỏng ở trường hợp thứ nhất (TH1)

Z 0 Độ chính xác vùng hư hỏng Độ chính xác vùng không hư hỏng Độ chính xác tổng thể

+ Đồ thị chỉ số hư hỏng của trường hợp hư hỏng thứ nhất với mức độ giảm độ cứng chống uốn 10% tại phần tử thứ 12 (vị trí từ 1.045m đến 1.14m) có giá trị cực đại xuất hiện tại đúng vùng xuất hiện hư hỏng so với thực tế

Bài toán dầm bê tông cốt thép trong nhà cao tầng

Mô hình công trình chung cư Phú Điền (Hình 4.17) được sử dụng cho bài toán 2 và bài toán 3 trong phạm vi luận văn này Tương tự bài toán 1, dữ liệu trường hợp hư hỏng của cấu kiện được xét trong bài toán được truyền tự động từ BIM Server cho dữ liệu đầu vào sang mô hình BIM của công trình, sau đó sơ đồ tính (Hình 4.18) được chuyển sang phần mềm RSAP và các kết quả dữ liệu dạng dao động và tính toán được thể hiện tự động ở BIM Server cho dữ liệu đầu ra Cấu kiện xét trong bài toán 2 và 3 được lấy từ sơ đồ tính hệ khung vách chịu lực, dẫn đến biểu đồ nội lực của cấu kiện sẽ có sự khác biệt so với bài toán 1 Moment ở hai đầu cấu kiện lớn (Hình 4.19) có khả năng gây ảnh hưởng đến kết quả chẩn đoán mức độ và vị trí hư hỏng, phương pháp chẩn đoán hai bước và sử dụng dữ liệu chẩn đoán theo hai cách (toàn bộ và cục bộ) được áp dụng và khảo sát nhằm đánh giá độ chính xác của phương pháp

4.2.1 Giới thiệu công trình Chung cư Phú Điền

Công trình chung cư Phú Điền là một toà nhà đơn, có kết cấu hình vuông ở mặt bằng với hệ thống faỗade làm từ kớnh thụng tầng giỳp tối ưu hoỏ nguồn sỏng và tạo không gian thoáng đãng

- Số tầng xây dựng là 22 tầng nổi (2 hầm, 1 tầng áp mái, 1 tầng mái, 1 sân thượng và 1 tầng kỹ thuật)

- Kích thước phần thân điển hình là 29.3 29.3m

- Kích thước tầng hầm là 30.8 31.1m

- Không gian từ tầng 1 đến 4 dùng cho thuê văn phòng, tầng 5 – tầng 18 được dùng làm khu vực căn hộ với số lượng 8 căn mỗi tầng Tầng áp mái được sử dụng làm hội trường và khu liên hợp đa chức năng

- Khu vực đỗ xe được bố trí tại vị trí 2 tầng hầm với độ sâu 6.25m so với mặt đất

Toà nhà hiện tại đã được xây dựng và đưa vào sử dụng khoảng 20 năm, do đó nhu cầu nâng cấp, sửa chữa, cải tạo là cần thiết Trước khi nâng cấp hoặc sửa chữa, giai đoạn chuẩn bị cần thu thập các số liệu từ công trình để đảm bảo kết cấu không gặp hư hại nghiêm trọng, đủ khả năng chịu lực Các phương pháp kiểm tra không phá huỷ được đề xuất trong quy trình kiểm tra và hệ thống theo dõi và chẩn đoán kết cấu áp dụng cho công trình được trình bày như nội dung các bài toán khảo sát trong luận văn a) Mô hình BIM kiến trúc b) Mô hình Analysis

Hình 4.17 Mô hình BIM của công trình chung cư Phú Điền trong phần mềm Revit

Hình 4.18 Sơ đồ tính của công trình chung cư Phú Điền trong phần mềm RSAP

Hình 4.19 Biểu đồ mô-men dầm của tầng chứa cấu kiện được xét đến trong bài toán 2 và bài toán 3

Mô hình dầm bê tông cốt thép được chọn để xét trong bài toán 2 ở vị trí tầng 17 của công trình chung cư Phú Điền Sơ đồ tính của dầm có điều kiện biên là một đầu nối vào nút khung và đầu còn lại được nối vào vách (Hình 4.20) Chiều dài của dầm là L = 9150 (mm), chiều cao và bề rộng của tiết diện lần lượt là 700 (mm) và 300 (mm) Vật liệu bê tông cốt thép sử dụng trong mô phỏng có: hệ số mô-đun đàn hồi E #250 (MPa); hệ số poisson =0.17và khối lượng riêng  &00 ( kg m 3 ) Dầm được chia thành 10 phần tử và 11 nút với chiều dài mỗi phần tử là 915 (mm) (Hình 4.21)

Hình 4.20 Mặt bằng định vị cấu kiện dầm xét đến trong bài toán 2

Hình 4.21 Sơ đồ đánh số nút và số phần tử của phần tử dầm được xét trong phần mềm RSAP

4.2.3 Sử dụng hệ thống SHM tích hợp BIM

Tương tự bài toán 1, để đánh giá độ cứng của cấu kiện dầm thể hiện sự thay đổi qua các trường hợp hư hỏng, mô-đun đàn hồi (E) và mô-men quán tính (I) được xét đến sử dụng cách thay đổi độ cứng chống uốn Ở bài toán này, dữ liệu 6 tình huống hư hỏng khác nhau được nhập lên BIM Server, xét đến bao gồm trường hợp hư hỏng một phần tử và hư hỏng hai phần tử và được trình bày cụ thể ở (

Bảng 4.43 Các trường hợp hư hỏng của dầm bê tông cốt thép Bài toán 2

4.2.4 Kết quả phân tích dao động

Với kết quả đánh giá độ chính xác của phương pháp phân tích dao động từ bài toán

1 rất sát với phương pháp giải tích (0.144%-Bảng 4.2), kết quả đặc trưng dao động (tần số dao động và dạng dao động) ở trạng thái không hư hỏng của dầm bê tông cốt thép ở bài toán này được đánh giá có thể sử dụng cho các tính toán Ở bài toán này, cấu kiện dầm xét đến có sơ đồ tính nằm trong sơ đồ tính khung, vì thế để có được kết quả phân tích tốt, 20 dạng dao động đầu tiên được tính toán và 4 dạng dao động có kết quả tốt nhất được chọn để phân tích Trong trường hợp bài toán này, 4 dạng dao động được chọn là 2, 9, 13 và 15 (Bảng 4.44)

Bảng 4.44 Kết quả tần số dao động từ mô hình RSAP

Tần số (Hz) Nghiên cứu này

4.2.4.1 Chẩn đoán vị trí hư hỏng dựa vào hiệu độ cong của dạng dao động

Giá trị của hiệu độ cong của dạng dao động được biểu diễn thông qua các đồ thị, cùng với giá trị các ngưỡng hư hỏng Z 0 được biểu diễn từ 10% đến 70% Z max ở mỗi dạng dao động Kết quả hiệu độ cong của dạng dao động được biểu diễn ở đồ thị tương ứng với các nút thứ j dọc theo chiều dài dầm Vùng hư hỏng thực tế theo trường hợp mô phỏng từ BIM Server được thể hiện trong đồ thị để so sánh với kết quả vùng hư hỏng chẩn đoán và thể hiện trong bảng đối chiếu vị trí các phần tử hư hỏng a) Đồ thị chỉ số hư hỏng trường hợp 1 Đồ thị hiệu độ cong của dạng dao động được biểu diễn thông qua (Hình 4.22), (Hình 4.23), (Hình 4.24) và (Hình 4.25) lần lượt với các dạng dao động Mode 2, Mode 9, Mode

13 và Mode 15 Các (Bảng 4.45), (Bảng 4.46), (Bảng 4.47) trình bày kết quả đánh giá độ chính xác của phương pháp chẩn đoán theo các ngưỡng hư hỏng từ 50% trở lên và (Bảng 4.48) đánh giá tổng quát ngưỡng hư hỏng cho kết quả phù hợp

Vùng hư hỏng thực tế

Z0 = 10%Zmax Z0 = 20%ZmaxZ0 = 30%Zmax Z0 = 40%ZmaxZ0 = 60%Zmax Z0 = 70%ZmaxVùng hư hỏng thực tế

Z0 = 10%Zmax Z0 = 20%Zmax Z0 = 30%Zmax Z0 = 40%Zmax Z0 = 60%Zmax Z0 = 70%Zmax Vùng hư hỏng thực tế

+ Đồ thị chỉ số hư hỏng của trường hợp hư hỏng thứ nhất với mức độ giảm độ cứng chống uốn 10% tại phần tử thứ 10 (vị trí từ 8.235m đến 9.15m) có giá trị cực đại xuất hiện tại đúng vùng xuất hiện hư hỏng so với thực tế

+ Về hình dạng đồ thị biểu diễn hiệu độ cong của dạng dao động, ở Bài toán 2 có sự khác biệt rõ rệt so với bài toán 1 Vị trí các phần tử ở hai đầu dầm có đường cong đồ thị cao hơn các phần tử ở giữa Điều này chứng tỏ điều kiện biên khác nhau có ảnh hưởng đến kết quả hiệu độ cong của dạng dao động

+ Kết quả đánh giá độ chính xác của việc chẩn đoán vùng hư hỏng và vùng không hư hỏng đều có độ lớn theo quy luật tương tự bài toán 1 Dạng dao động 13 (Mode 13) cho kết quả đánh giá thấp nhất so với các dạng dao động được chọn (vùng không hư hỏng từ 21.88% đến 81.91%), tuy nhiên không chênh lệch quá nhiều với các dạng còn lại Giá trị đánh giá độ chính xác vùng hư hỏng đều đạt 100%

+ Ở giá trị ngưỡng Z 0 = 50% Z max trở lên, kết quả chẩn đoán vị trí hư hỏng đều ở mức tốt (trên 81.94%) So với các kết quả từ bài toán 1, dù có sự khác biệt về hình dạng đồ thị hiệu độ cong của dạng dao động, kết quả chẩn đoán vùng hư hỏng và không hư hỏng đều tốt và mang tính tương đồng, vì thế ở các trường hợp hư hỏng sau trong bài toán này, chỉ có kết quả tổng hợp trung bình chỉ số chẩn đoán hư hỏng được đại diện trình bày b) Đồ thị chỉ số hư hỏng trường hợp 2

Tương tự như trường hợp dầm hư hỏng đầu tiên, việc xác định phạm vi vùng chẩn đoán hư hỏng được tổng hợp qua (Bảng 4.49) để đánh giá tổng quát ngưỡng hư hỏng cho kết quả phù hợp

Bảng 4.49 Kết quả tổng hợp trung bình chỉ số chẩn đoán hư hỏng ở trường hợp thứ hai (TH2)

+ Đồ thị chỉ số hư hỏng của trường hợp hư hỏng thứ hai với mức độ giảm độ cứng chống uốn 30% tại phần tử thứ 10 (vị trí từ 8.235m đến 9.15m) có giá trị cực đại xuất hiện tại đúng vùng xuất hiện hư hỏng so với thực tế

Bài toán dầm bê tông cốt thép trong khung nhà cao tầng

Ở Bài toán 3, mô hình công trình chung cư Phú Điền tiếp tục được sử dụng để khảo sát sự hiệu quả của phương pháp chẩn đoán hai bước và cách sử dụng dữ liệu đầu vào cục bộ cho việc huấn luyện ANNs, cải thiện kết quả chẩn đoán mức độ và vị trí hư hỏng Các quy trình thực hiện tính toán tương tự bài toán 2, đối tượng khảo sát là dầm bê tông cốt thép cùng cao độ tầng với dầm ở bài toán 2 và điều kiện biên ngàm tương tự Tuy nhiên đối với bài toán này, cấu kiện được xét có phương vuông góc với cấu kiện ở bài toán 2

Mô hình dầm bê tông cốt thép được chọn để xét trong bài toán 3 ở vị trí tầng 17 của công trình chung cư Phú Điền Sơ đồ tính của dầm có điều kiện biên là một đầu nối vào nút khung và đầu còn lại được nối vào vách (Hình 4.31) Chiều dài của dầm là L = 8850 (mm), chiều cao và bề rộng của tiết diện lần lượt là 700 (mm) và 300 (mm) Vật liệu bê tông cốt thép sử dụng trong mô phỏng có: hệ số mô-đun đàn hồi E #250 (MPa); hệ số poisson =0.17và khối lượng riêng = 2600 ( kg m 3 ) Dầm được chia thành 10 phần tử và 11 nút với chiều dài mỗi phần tử là 885 (mm)

Hình 4.31 Mặt bằng định vị cấu kiện dầm xét đến trong bài toán 3

4.2.2 Sử dụng hệ thống SHM tích hợp BIM Để đánh giá độ cứng của cấu kiện dầm thể hiện sự thay đổi qua các trường hợp hư hỏng, mô-đun đàn hồi (E) và mô-men quán tính (I) được xét đến tương tự ở Bài toán

2 Ở bài toán này, 6 tình huống hư hỏng khác nhau được xét đến bao gồm trường hợp hư hỏng một phần tử và hư hỏng hai phần tử, được trình bày cụ thể ở (Bảng 4.71)

Bảng 4.71 Các trường hợp hư hỏng của dầm bê tông cốt thép bài toán 3

4.2.3 Kết quả phân tích dao động

Bài toán này cùng xét đến cấu kiện thuộc mô hình công trình chung cư Phú Điền tương tự bài toán 2, vì vậy các kết quả tần số dao động cũng được lấy từ bài toán trên Tuy nhiên, ở bài toán 3, các dạng dao động được chọn để tính toán là 2, 6, 9 và 13 (Bảng 4.72)

Bảng 4.72 Kết quả tần số dao động từ mô hình RSAP

Tần số (Hz) Nghiên cứu này

4.2.3.1 Chẩn đoán vị trí hư hỏng dựa vào hiệu độ cong của dạng dao động a) Đồ thị chỉ số hư hỏng trường hợp 1 Đồ thị hiệu độ cong của dạng dao động được biểu diễn thông qua (Hình 4.32), (Hình 4.33), (Hình 4.34) và (Hình 4.35) lần lượt với các dạng dao động Mode 2, Mode 6, Mode

9 và Mode 13 (Bảng 4.73) đánh giá tổng quát ngưỡng hư hỏng cho kết quả phù hợp

Z0 = 10%Zmax Z0 = 20%Zmax Z0 = 30%Zmax Z0 = 40%Zmax Z0 = 60%Zmax Z0 = 70%Zmax Vùng hư hỏng thực tế

+ Đồ thị chỉ số hư hỏng của trường hợp hư hỏng thứ nhất với mức độ giảm độ cứng chống uốn 10% tại phần tử thứ 1 (vị trí từ 0m đến 0.885m) có giá trị cực đại xuất hiện tại đúng vùng xuất hiện hư hỏng so với thực tế tại dạng dao động thứ ba và thứ tư (Mode

9 và Mode 13) Ở dạng dao động thứ nhất và thứ hai (Mode 2 và Mode 6), giá trị cực đại của đồ thị không xuất hiện tại đầu dầm nhưng vẫn thuộc phạm vi phần tử 1

+ Trong khi độ chính xác kết quả chẩn đoán vùng hư hỏng giảm dần khi xét ở các ngưỡng hư hỏng cao hơn, độ chính xác vùng không hư hỏng ngược lại cho kết quả tăng dần (cao nhất 95.85%)

+ Các ngưỡng hư hỏng Z 0 = 30% Z max , Z 0 = 40% Z max , Z 0 = 50% Z max có độ chính xác chẩn đoán mức độ khá đến tốt (60.48% đến 91.64%) và phù hợp để tìm các vị trí chẩn đoán hư hỏng b) Đồ thị chỉ số hư hỏng trường hợp 2

Tương tự trường hợp dầm hư hỏng thứ nhất, (Bảng 4.74) được dùng để đánh giá tổng quát ngưỡng hư hỏng cho kết quả phù hợp

Bảng 4.74 Kết quả tổng hợp trung bình chỉ số chẩn đoán hư hỏng ở trường hợp thứ hai (TH2)

+ Đồ thị chỉ số hư hỏng của trường hợp hư hỏng thứ hai với mức độ giảm độ cứng chống uốn 30% tại phần tử thứ 1 (vị trí từ 0m đến 0.885m) có giá trị cực đại xuất hiện tại đúng vùng xuất hiện hư hỏng so với thực tế tại dạng dao động thứ ba và thứ tư (Mode

9 và Mode 13) Tương tự trường hợp hư hỏng thứ nhất, giá trị cực đại của đồ thị không xuất hiện tại đầu dầm ở Mode 2 và Mode 6 nhưng vẫn thuộc phạm vi phần tử 1

+ Trong khi độ chính xác kết quả chẩn đoán vùng hư hỏng giảm dần khi xét ở các ngưỡng hư hỏng cao hơn, độ chính xác vùng không hư hỏng ngược lại cho kết quả tăng dần (cao nhất 94.26%) Ở ngưỡng hư hỏng Z 0 = 50% Z max , độ chính xác tổng thể ở mức tốt (87.13%) và không chênh lệch quá nhiều so với kết quả của ngưỡng cao nhất (87.6%) c) Đồ thị chỉ số hư hỏng trường hợp 3

Kết quả đồ thị hiệu độ cong của dạng dao động trường hợp dầm hư hỏng thứ ba dùng (Bảng 4.75) để đánh giá tổng quát ngưỡng hư hỏng cho kết quả phù hợp

Bảng 4.75 Kết quả tổng hợp trung bình chỉ số chẩn đoán hư hỏng ở trường hợp thứ ba (TH3)

Ngưỡng Z 0 Độ chính xác vùng hư hỏng Độ chính xác vùng không hư hỏng Độ chính xác tổng thể

+ Đồ thị chỉ số hư hỏng của trường hợp hư hỏng thứ hai với mức độ giảm độ cứng chống uốn 50% tại phần tử thứ 1 (vị trí từ 0m đến 0.885m) Về hình dạng đồ thị, ở trường hợp này kết quả gần như tương tự trường hợp đầu tiên và trường hợp thứ hai, tuy nhiên ở Mode 9 và Mode 13 đồ thị biểu diễn chính xác cực trị tại phần tử thứ 1 và không có phần tử nhiễu

+ Ở ngưỡng hư hỏng Z 0 = 50% Z max , độ chính xác tổng thể có giá trị tốt nhất (90.04%) d) Đồ thị chỉ số hư hỏng trường hợp 4