Xác định hư hỏng kết cấu dàn sử dụng giải thuật tối ưu cuckoo search (cs) và thông tin dao động của kết cấu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP.HCM - TRẦN QUỐC TUẤN XÁC ĐỊNH HƯ HỎNG KẾT CẤU DÀN SỬ DỤNG GIẢI THUẬT TỐI ƯU CUCKOO SEARCH (CS) VÀ THÔNG TIN DAO ĐỘNG CỦA KẾT CẤU LUẬN VĂN THẠC SĨ Chun ngành: Kỹ thuật xây dựng cơng trình dân dụng cơng nghiệp Mã ngành: 60580208 TP HỒ CHÍ MINH, năm 2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP.HCM - TRẦN QUỐC TUẤN XÁC ĐỊNH HƯ HỎNG KẾT CẤU DÀN SỬ DỤNG GIẢI THUẬT TỐI ƯU CUCKOO SEARCH (CS) VÀ THÔNG TIN DAO ĐỘNG CỦA KẾT CẤU LUẬN VĂN THẠC SĨ Chun ngành: Kỹ thuật xây dựng cơng trình dân dụng công nghiệp Mã ngành: 60580208 CÁN BỘ HƯỚNG DẪN KHOA HỌC: PGS.TS.NGUYỄN THỜI TRUNG TP HỒ CHÍ MINH, tháng 07 năm 2017 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP.HCM Cán hướng dẫn khoa học: PGS.TS NGUYỄN THỜI TRUNG Luận văn Thạc sĩ bảo vệ Trường Đại học Công nghệ TP.HCM ngày 04 tháng 10 năm 2017 Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm: TT Họ tên Chức danh Hội đồng TS KHỔNG TRỌNG TOÀN Chủ tịch TS NGUYỄN VĂN GIANG Phản biện TS NGUYỄN HỒNG ÂN Phản biện TS TRẦN TUẤN NAM Ủy viên TS ĐÀO ĐÌNH NHÂN Ủy viên, Thư ký Xác nhận Chủ tịch Hội đồng đánh giá Luận văn sau Luận văn sửa chữa (nếu có) Chủ tịch Hội đồng đánh giá LV TRƯỜNG ĐH CÔNG NGHỆ TP HCM CỘNG HÕA XÃ HỘI CHỦ NGHĨA VIỆT NAM PHÒNG QLKH – ĐTSĐH Độc lập – Tự – Hạnh phúc TP HCM, ngày 31 tháng 07 năm 2017 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: TRẦN QUỐC TUẤN Giới tính: Nam Ngày, tháng, năm sinh: 18-12-1971 Nơi sinh: TP.HCM Chuyên ngành: Kỹ thuật xây dựng cơng trình MSHV:1441870034 I- Tên đề tài: Xác định hư hỏng kết cấu dàn sử dụng giải thuật tối ưu Cuckoo Search (CS) thông tin dao động kết cấu II- Nhiệm vụ nội dung: Thành lập toán xác định hư hỏng kết cấu dàn Sử dụng phương pháp lượng biến dạng giải thuật tối ưu Cuckoo Search (CS) để xác định vị trí mức độ hư hại Sử dụng ngơn ngữ lập trình Matlab để mơ tính tốn kết số So sánh kết đạt với phương pháp khác III- Ngày giao nhiệm vụ: 26/09/2016 IV- Ngày hoàn thành nhiệm vụ: 31/07/2017 V- Cán hướng dẫn: PGS.TS NGUYỄN THỜI TRUNG CÁN BỘ HƯỚNG DẪN (Họ tên chữ ký) KHOA QUẢN LÝ CHUYÊN NGÀNH (Họ tên chữ ký) i LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng tơi hướng dẫn PGS.TS Nguyễn Thời Trung Các số liệu, kết nêu Luận văn trung thực chưa công bố cơng trình khác Tơi xin cam đoan giúp đỡ cho việc thực Luận văn cảm ơn thơng tin trích dẫn Luận văn rõ nguồn gốc Học viên thực Luận văn TRẦN QUỐC TUẤN LỜI CÁM ƠN Đầu tiên xin gửi đến người Thầy tơi, Thầy Nguyễn Thời Trung lòng biết ơn sâu sắc Tơi ln cảm thấy người may mắn Thầy dạy hướng dẫn thực luận văn Thầy không truyền đạt kiến thức mà truyền đạt niềm đam mê cơng việc nghiên cứu sống Trong suốt trình làm luận văn, gặp nhiều bở ngỡ khó khăn học nhiều từ lời khuyên quý báu động viên Thầy Tôi xin gửi lời cảm ơn đến Quý Thầy Cô Khoa Xây Dựng trường Đại học Công nghệ TPHCM Thầy Cô người dạy dỗ, truyền đạt kiến thức tảng kinh nghiệm sống cho suốt thời gian học Tôi xin gửi lời cảm ơn đến bạn nghiên cứu viên Viện Khoa học Tính tốn (INCOS-TĐT), đặc biệt bạn Đinh Cơng Dự, Hồ Hữu Vịnh, Võ Duy Trung Các bạn người đồng hành từ lúc bắt đầu chọn đề tài lúc hoàn thành luận văn Một lần xin chân thành cảm ơn bạn Cuối cùng, xin cám ơn đến bạn bè gia đình động viên, khích lệ để tơi có kết ngày hôm Một lần nữa, xin trân trọng cảm ơn TPHCM, ngày 31 tháng 07 năm 2017 Học viên thực TRẦN QUỐC TUẤN TÓM TẮT TÊN ĐỀ TÀI “XÁC ĐỊNH HƯ HỎNG KẾT CẤU DÀN SỬ DỤNG GIẢI THUẬT TỐI ƯU CUCKOO SEARCH (CS) VÀ THÔNG TIN DAO ĐỘNG CỦA KẾT CẤU” Luận văn trình bày phương pháp hai giai đoạn để phát vị trí mức độ hư hại kết cấu dàn dựa phương pháp thay đổi lượng biến dạng gỉải thuật tối ưu Cuckoo Search (CS) Ở giai đoạn thứ nhất, phương pháp thay đổi lượng biến dạng sử dụng Trong phương pháp này, thay đổi lượng biến dạng phần tử kết cấu khỏe mạnh kết cấu hư hại chuẩn hóa thành số gọi nMSEBI (normal Modal Strain Energy Based damage Index) để xác định vị trí có khả hư hại kết cấu dàn Ở giai đoạn thứ hai, toán xác định hư hại chuyển thành tốn tối ưu hóa, hàm mục tiêu thay đổi tần số tự nhiên dạng dao động (mode shape) kết cấu hư hại kết cấu không hư hại biến thiết kế phần trăm hư hại phần tử có khả hư hại xác định giai đoạn trước Để giải toán tối ưu vừa thành lập, giải thuật tìm kiếm tối ưu Cuckoo Search (CS) sử dụng Tính hiệu độ tin cậy phương pháp hai giai đoạn thể thông qua ví dụ số cho kết cấu dàn phẳng dàn không gian Đồng thời, ảnh hưởng tham số phương pháp tham số kết cấu ảnh hưởng nhiễu tác giả thực khảo sát ví dụ số Từ khóa: Phần tử hữu hạn (FEM), kết cấu dàn, phương pháp thay đổi lượng biến dạng, giải thuật tối ưu Cuckoo Search (CS), chẩn đoán sức khỏe kết cấu (SHM) ABSTRACT The thesis presents a two-stage damage identification method to identify locations and extents of multiple damages in truss structures by using a modal strain energy method and a Cuckoo Search (CS) algorithm In the first stage, the modal strain energy method is used In this method, the change in strain energy of elements between healthy and damaged structures is computed and normalized to give a so-called the normal Modal Strain Energy Based damage Index (nMSEBI) for damage assessment of the truss structures In the second stage, the damage identification problem is transformed into an optimization problem in which the objective function is the change in natural frequency and the mode shape between the damaged structure and the adjusted structure based on finite element analysis and design variables are the damage ratios of the damaged elements identified in the previous stage In order to solve the optimization problem established, the Cuckoo Search (CS) algorithm is employed The effectiveness and reliability of the two-stage method is demonstrated through several numerical examples of 2D and 3D truss structures In addition, the influence of the parameters of the damage identification methods as well as paramaters of structures and measurement noise on the damage identification results is investigated in numerical examples section Key words: Finite Element Method (FEM), Truss Structure, Modal Energy Strain Based Index (MSEBI), Cuckoo Search (CS) Algorithm, Structural Health Monitoring (SHM) 55 MỤC LỤC Chương TỔNG QUAN 1.1 Đặt vấn đề 1.2 Tổng quan tài liệu 1.2.1 Tình hình nghiên cứu giới 1.2.1 Tình hình nghiên cứu nước 1.2.3 Nhận xét 1.3 Mục tiêu nghiên cứu 1.4 Đối tượng phạm vi nghiên cứu 10 1.4.1 Đối tượng nghiên cứu 10 1.4.2 Phạm vi nghiên cứu 10 1.5 Phương pháp nghiên cứu 10 1.6 Bố cục luận văn 10 Chương CƠ SỞ LÝ THUYẾT 11 2.1 Phương pháp phần tử hữu hạn cho kết cấu dàn 11 2.1.1 Phần tử dàn tuyến tính hệ tọa độ địa phương 11 2.1.2 Phần tử dàn tuyến tính hệ tọa độ tổng thể 13 2.2 Bài toán chẩn đoán hư hại cho kết cấu 18 2.2.1 Xác định vị trí hư hại phương pháp lượng biến dạng 19 2.2.2 Đánh giá hư hại thuật tốn tối ưu hóa 22 2.3 Giải thuật Cuckoo Search (CS) 22 2.3.1 Giới thiệu 22 2.3.2 Phương pháp 25 2.4 Lưu đồ giải thuật 28 Chương VÍ DỤ SỐ 29 3.1 Kết cấu dàn phẳng 29 3.1.1 ài toán 30 3.1.2 Bài toán 45 3.1.3 Bài toán 50 66 3.2 Kết cấu dàn không gian 63 3.2.1 Kiểm chứng code Matlab 65 3.2.2 Xác định vị trí hư hại 66 3.2.3 Xác định mức độ hư hại 70 Chương 4: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 75 4.1 Kết luận 75 4.2 Hướng phát triển đề tài 76 TÀI LIỆU THAM KHẢO 77 PHỤ LỤC điều chỉnh n = 40; số vòng lặp cực đại 15000, cho trường hợp hư hại 3, kích thước dân số điều chỉnh n = 50; số vòng lặp cực đại 20000 3.2.3.1 rường hợp hư hại Kết xác định mức độ hư hại cho trường hợp hư hại sử dụng phương pháp CS ứng với mức độ nhiễu khác trình bày ảng 3.23 Kết cho hai trường hợp nhiễu (3% 5%), kết xác định mức độ hư hại thu phần tử 28 từ thuật tốn tối ưu CS xác (sai số gần = ) ảng 3.24 Kết xác định mức độ hư hại sử dụng phương pháp CS ứng với mức độ nhiễu khác M trung bình S ứ a c i phần tư P đ S ố h ộ 0.250 0.0 % 1040.250 0.0 % Ghi chú: x1 hư hại phần tử thứ 28; f(x) giá trị hàm mục tiêu Q trình hội tụ tốn dàn không gian 52 trường hợp hư hại giải phương pháp CS thể Hình 3.48 Ta thấy, lời giải CS cho kết hội tụ tốt Trường hợp nhiễu , hội tụ sau 8342 vòng lặp tương ứng với 333680 lần phân tích Trường hợp nhiễu , hội tụ sau 10408 vòng lặp tương ứng với 416320 lần phân tích HAM MUC TIEU TOT NHAT-nhieu 3% TRUNG BINH-nhieu 3% TOT NHAT-nhieu 5% TRUNG BINH-nhieu 5% 0 200 400 600 800 1000 1200 SO VONG LAP 1400 1600 1800 2000 Hình 3.48 Kết hội tụ nghiệm hàm mục tiêu, trường hợp nhiễu 3% 5% 3.2.3.2 rường hợp hư hại Kết xác định mức độ hư hại cho trường hợp hư hại sử dụng phương pháp CS ứng với mức độ nhiễu khác trình bày ảng 3.24 Kết cho hai trường hợp nhiễu (3% 5%), kết xác định mức độ hư hại thu phần tử 14 17 từ thuật tốn tối ưu CS xác (sai số ≈ 0%) ảng 3.25 Kết xác định mức độ hư hại sử dụng phương pháp CS ứng với mức độ nhiễu khác Giá trị hư Sai M hại trung số ứ c Số fP P h h đ v ầ ầ ộ ò n n h 3 0 0 % 0 0 % Ghi chú: x1 hư hại phần tử thứ 14; x2 (x) hư hại phần tử thứ 17; f(x) giá trị hàm mục tiêu Quá trình hội tụ nghiệm hàm mục tiêu toán dàn không gian 52 trường hợp hư hại giải phương pháp CS thể Hình 3.49 Ta thấy, lời giải CS cho kết hội tụ tốt Trường hợp nhiễu , kết hội tụ sau 3541 vòng lặp tương ứng với 141640 lần phân tích Trường hợp nhiễu , kết hội tụ sau 3572 vòng lặp tương ứng với 142880 lần phân tích HAM MUC TIEU TOT NHAT-nhieu 3% TRUNG BINH-nhieu 3% TOT NHAT-nhieu 5% TRUNG BINH-nhieu 5% 0 200 400 600 800 1000 1200 SO VONG LAP 1400 1600 1800 2000 Hình 3.49 Kết hội tụ nghiệm hàm mục tiêu, trường hợp nhiễu 3% 5% 3.2.3.3 rường hợp hư hại Kết xác định mức độ hư hại cho trường hợp hư hại sử dụng phương pháp CS ứng với mức độ nhiễu khác trình bày trong hai trường hợp nhiễu (3 ảng 3.25 Kết cho 5%), kết xác định mức độ hư hại thu phần tử 14, 19 28 từ thuật toán tối ưu CS xác (sai số ≈ 0%) ảng 3.26 Kết xác định mức độ hư hại sử dụng phương pháp CS ứng với mức độ nhiễu khác Sai M Giá trị hư hại trung bình số ứ S P P P c x x x f h h hầ ố đ ( ầ ầ n ộ x ) n n tử h v 0 0 tử0 tử0 %0 %0 Ghi chú: x 2 0 0 0 2hư 0hại phần tử thứ 14; x là thứ 28; f(x) giá trị hàm mục tiêu hư hại phần tử thứ 19; x3 hư hại phần tử Q trình hội tụ tốn dàn khơng gian 52 trường hợp hư hại giải phương pháp CS thể Hình 3.29 Ta thấy, lời giải CS cho kết hội tụ tốt Trường hợp nhiễu , kết hội tụ sau 20000 vòng lặp tương ứng với 1000000 lần phân tích Trường hợp nhiễu , kết hội tụ sau 20000 vòng lặp tương ứng với 1000000 lần phân tích HAM MUC TIEU TOT NHAT-nhieu 3% TRUNG BINH-nhieu 3% TOT NHAT-nhieu 5% TRUNG BINH-nhieu 5% 0 2000 4000 6000 8000 10000 12000 SO VONG LAP 14000 16000 18000 20000 Hình 3.50 Kết hội tụ nghiệm hàm mục tiêu, trường hợp nhiễu 3% 5% Chương 4: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 4.1 Kết luận Trong phần mở đầu phần sở lý thuyết, luận văn trình bày tổng quan tình hình nghiên cứu ngồi nước, lý thuyết dàn, sở lý thuyết phương pháp thay đổi lượng, giải thuật tối ưu hóa Cuckoo Search (CS) phương pháp phần tử hữu hạn cho kết cấu dàn Trong phần nội dung phương pháp nghiên cứu, luận văn trình bày phương pháp hai giai đoạn nhằm xác định vị trí mức độ hư hại cho kết cấu dàn phẳng dàn không gian dựa phương pháp thay đổi lượng biến dạng gỉải thuật tối ưu Cuckoo Search (CS) Ở giai đoạn thứ nhất, phương pháp thay đổi lượng biến dạng, dựa thay đổi lượng biến dạng phần tử kết cấu không hư hại kết cấu bị hư hại sử dụng chuẩn hóa thành số nMSEBI để xác định vị trí có khả bị hư hại Ở giai đoạn thứ hai, toán tối ưu thành lập với hàm mục tiêu thay đổi tần số tự nhiên dạng dao động (mode shape) kết cấu hư hại kết cấu mơ hình (bởi phương pháp phần tử hữu hạn) biến thiết kế phần trăm hư hại phần tử có khả hư hại xác định giai đoạn trước Sau đó, giải thuật tìm kiếm tối ưu Cuckoo Search (CS) sử dụng để giải toán tối ưu nhằm xác định mức độ hư hại vị trí hư hại Trong phần ví dụ số, luận văn tiến hành thực ví dụ số nhằm khảo sát ảnh hưởng tham số số lượng dạng dao động (mode shape), số phần tử hư hại, mức độ hư hại nhiễu đến kết xác định vị trí mức độ hư hại phương pháp thay đổi lượng biến dạng phương pháp CS Kết cho thấy số đề xuất nMSEBI cần sử dụng dạng dao động xác định vị trí phần tử hư hại (trong trường hợp xét đến nhiễu), số MSEBI xác định nhầm phần tử không hư hại (ngay sử dụng đến dạng dao động) Việc sử dụng phương pháp hai giai đoạn cho kết tốt kết cấu dàn Phương pháp hai giai đoạn áp dụng luận văn có ưu điểm sau: - Việc sử dụng số nMSEBI đề xuất để xác định vị trí hư hại phần tử hiệu quả, có phần tử bị xác định nhầm - Phương pháp xác định vị trí hư hại giai đoạn giúp làm giảm đáng kể số biến thiết kế giai đoạn - Giải thuật tìm kiếm Cuckoo Search (CS) hiệu việc đánh giá mức độ hư hại phần tử thực bị hư hại, xác định phần tử bị xác định hư hại nhầm giai đoạn 4.2 Hướng phát triển đề tài Do thời gian thực luận văn hạn chế nên nghiên cứu khơng tránh khỏi thiếu sót định Tác giả mong nhận quan tâm Thầy Cô đồng nghiệp để phát triển đề tài theo hướng sau: - Mở rộng phương pháp hai giai đoạn sử dụng luận văn để chẩn đoán hư hỏng cho kết cấu khung, tấm, vỏ - Cải tiến giải thuật tìm kiếm tối ưu Cuckoo Search để làm giảm chi phí tính tốn TÀI LIỆU THAM KHẢO [1] S C Mohan, D K Maiti, and D Maity, “Structural damage assessment using FRF employing particle swarm optimization,” Appl Math Comput., vol 219, no 20, pp 10387–10400, Jun 2013 [2] X Wu, J Ghaboussi, and J H Garrett Jr, “Use of neural networks in detection of structural damage,” Comput Struct., vol 42, no 4, pp 649–659, Feb 1992 [3] P Cawley and R D Adams, “The location of defects in structures from measurements of natural frequencies,” J Strain Anal Eng Des., vol 14, no 2, pp 49–57, 2007 [4] Q Lu, G Ren, and Y Zhao, “Multiple Damage Location With Flexibility Curvature and Relative Frequency Change for eam Structures,” J Sound Vib., vol 253, pp 1101–1114, 2002 [5] O S Salawu, “Detection of structural damage through changes in frequency: a review,” Eng Struct., vol 19, no 9, pp 718–723, Sep 1997 [6] O S and C.Williams, “ ridge assessment using forced-vibration testing,” vol 121, pp 161–173, 1995 [7] R J Allemang and D L rown, “A correlation coefficient for modal vector analysis,” First Int Modal Anal Conf., pp 110–116, 1982 [8] A K Pandey, M iswas, and M M Samman, “Damage detection from changes in curvature mode shapes,” J Sound Vib., vol 145, no 2, pp 321–332, 1991 [9] A K Pandey and M iswas, “Damage Detection in Structures Using Changes in Flexibility,” J Sound Vib., vol 169, no 1, pp 3–17, 1994 [10] D ernal, “Load Vectors for Damage Localization,” J Eng Mech., vol 128, no 1, pp 7– 14, 2002 [11] S T Quek, V A Tran, X Y Hou, and W H Duan, “Structural damage detection using enhanced damage locating vector method with limited wireless sensors,” J Sound Vib., vol 328, no 4–5, pp 411–427, Dec 2009 [12] S A Jang, S Sim, and F S Jr, “Structural Damage Detection Using Static Strain Data.” [13] S M Seyedpoor and M Montazer, “A damage identification method for truss structures using a flexibility-based damage probability index and differential evolution algorithm,” vol 5977, no November, 2015 [14] Z Y Shi, S S Law, and L M Zhang, “Structural Damage Localization from Modal Strain Energy Change,” J Sound Vib., vol 218, no 5, pp 825–844, 1998 [15] S Wu, J Zhou, S Rui, and Q Fei, “Reformulation of elemental modal strain energy method based on strain modes for structural damage detection,” 2016 [16] O G .Gunes, “Structural health monitoring and damage assessment Part I: A critical review of approaches and methods,” pp 1694–1702, 2013 [17] S W Doebling, C R Farrar, M Prime, and D W Shevitz, “Damage identification and health monitoring of structural and mechanical systems from changes in their vibration characteristics: a literature review,” Los Alamos National Lab., NM (United States), 1996 [18] S W S C.A eattie, “Model correlation and damage location for large space truss structures: secant method development and evaluation,” 1991 [19] D C Zimmerman and S W Smith, “Model refinement and damage location for intelligent structures,” Intell Struct Syst., pp 403–452, 1992 [20] Z Sun, “Structural damage assessment based on wavelet packet transform,” J Struct Eng., vol 128, p 1354, 2002 [21] and P W T J.N.Kudva, N.Munir, “Damage detection in smart structures using neural networks and finite-element analysis,” vol 1, no 2, p 108, 1992 [22] and J H G X.Wu, J.Ghabussi, “Use of neural networks in detection of structural damage,” vol 42, no 4, pp 649–659, 1992 [23] A Kaveh and A Zolghadr, “An improved CSS for damage detection of truss structures using changes in natural frequencies and mode shapes,” Adv Eng Softw., vol 80, pp 93– 100, Feb 2015 [24] Z T Wei, J K Liu, and Z R Lu, “Damage identification in plates based on the ratio of modal strain energy change and sensitivity analysis,” Inverse Probl Sci Eng., no March 2015, pp 37–41, 2015 [25] X Wang, N Hu, H Fukunaga, and Z H Yao, “Structural damage identification using static test data and changes in frequencies,” Eng Struct., vol 23, no 6, pp 610–621, Jun 2001 [26] N T H L Nguyễn Quý hân, “Chẩn đốn khung có chứa vết nứt wavelet kết hợp giải thuật di truyền,” 2010 [27] K V Nguyen and H T Tran, “Multi-cracks detection of a beam-like structure based on the on-vehicle vibration signal and wavelet analysis,” J Sound Vib., vol 329, no 21, pp 4455–4465, Oct 2010 [28] N T H L Lê Xuân Hằng, “Phân tích chẩn đốn dầm đàn hồi có nhiều vết nứt,” Tạp chí phát triển KH CN, p Số 18, tập 12, 2009 [29] T T K Trần Văn Liên, “Kiểm tra thực nghiệm phương pháp xác định vết nứt dầm chịu uốn phân tích wavelet chuyển vị tĩnh,” Tạp chí khoa học cơng nghệ xây dựng, số 9, 2014 [30] T A H Trần Văn Liên, “Xác định vết nứt kết cấu hệ phân tích wavelet dừng chuyển vị động,” Tạp chí khoa học cơng nghệ xây dựng, số 21, 2014 [31] T Vo-Duy, V Ho-Huu, H Dang-Trung, and T Nguyen-Thoi, “A two-step approach for damage detection in laminated composite structures using modal strain energy method and an improved differential evolution algorithm,” Compos Struct., vol 147, pp 42–53, Jul 2016 [32] N T Tiến, “Chẩn đoán hư hại dầm composite nhiều lớp sử dụng phương pháp véc-tơ định vị DLV giải thuật tiến hóa khác biệt DE,” 2017 [33] Đ Q Tồn, “Chẩn đốn hư hỏng kết cấu khung phương pháp kết hợp véc-tơ định vị (DLV) giải thuật tiến hóa khác biệt (DE),” 2017 80 [34] M I Friswell, J E T Penny, and S D Garvey, “A combined genetic and eigensensitivity algorithm for the location of damage in structures,” Comput Struct., vol 69, no 5, pp 547–556, Dec 1998 [35] S M Seyedpoor, “Structural Damage Detection Using a Multi-Stage Particle Swarm Optimization,” Adv Struct Eng., vol 14, no 3, pp 533–549, Jun 2011 [36] S M Seyedpoor, “A two stage method for structural damage detection using a modal strain energy based index and particle swarm optimization,” Int J Non Linear Mech., vol 47, no 1, pp 1–8, 2012 [37] J Liu, H Zhu, Q Ma, L Zhang, and H Xu, “An Artificial Bee Colony algorithm with guide of global & local optima and asynchronous scaling factors for numerical optimization,” Appl Soft Comput J., 2015 [38] X S Yang and S Deb, “Cuckoo Search via Lévy flights,” Nature & Biologically Inspired Computing, 2009 NaBIC 2009 World Congress on pp 210–214, 2009 [39] H Xu, J Liu, and Z Lu, “Structural damage identification based on cuckoo search algorithm,” Adv Struct Eng., vol 19, no 5, pp 849–859, 2016 [40] PGS TS NGUYỄN XUÂN HÙNG , PGS TS NGUYỄN THỜI TRUNG, PHƯƠNG PHÁP PHẦN TỬ HỮU HẠN HÀ NỘI: NHÀ XUẤT ẢN XÂY DỰNG, 2015 [41] H Y Guo and Z L Li, “Structural Multi-Damage Identi ¯ cation Based on Modal Strain Energy Equivalence Index Method,” vol 14, no 7, pp 1–17, 2014 [42] Y Li, S Wang, M Zhang, and C Zheng, “An Improved Modal Strain Energy Method for Damage Detection in Offshore Platform Structures,” pp 1–3, 2016 [43] F C Stubbs N, Kim JT, “Field verification of anondestructive damage localization and sevrity estimation algorithm,” pp 210–218, 1995 [44] M Montazer and S M Seyedpoor, “A New Flexibility ased Damage Index for Damage Detection of Truss Structures,” vol 2014, 2014 [45] A Kaveh and A Zolghadr, “Guided Modal Strain Energy-Based Approach for Structural 81 Damage Identification Using Tug-of-War Optimization Algorithm,” no Holland 1975, pp 1–12, 2017 [46] A M Reynolds and M A Frye, “Free-flight odor tracking in Drosophila is consistent with an optimal intermittent scale-free search,” PLoS One, vol 2, no 4, 2007 [47] I Pavlyukevich, “Lévy flights, non-local search and simulated annealing,” J Comput Phys., vol 226, no 2, pp 1830–1844, Oct 2007 [48] C T rown, L S Liebovitch, and R Glendon, “L??vy flights in dobe Ju/’hoansi foraging patterns,” Hum Ecol., vol 35, no 1, pp 129–138, 2007 [49] W D artheleny.P, ertolotti.J, “A Lévy flight for light, Nature,” pp 495–498, 2008 [50] F Wang, T Chan, D Thambiratnam, A Tan, and C Cowled, “Correlation-Based Damage Detection for Complicated Truss Bridges Using Multi-Layer Genetic Algorithm,” Adv Struct Eng., vol 15, no 5, pp 693–706, May 2012 [51] A Kaveh and A Zolghadr, “Truss optimization with natural frequency constraints using a hybridized CSS-BBBC algorithm with trap recognition capability,” Comput Struct., vol 102–103, pp 14–27, Jul 2012 PHỤ LỤC Code Matlab kiểm chứng tần số clear all;close all; format long; global element gcoord nele %% INPUT PARAMETER OF MATERIAL baitoan=2; nnmod=[1,2,3]; nele = 28; nei = zeros(length(nnmod),nele); for n=1:length(nnmod) nmod=nnmod(n); [L,rho,A,E,dam_e,dam_pe]=INPUT(baitoan); %% GCOORD & NODES [element,gcoord,nele,nnode,sdof,nnod]=nodes_gcoord(L); %% BOUNDARY CONDITIONS (chu y bai toan) nut_dkbgcd=[1]; nut_dkbgtd=[14]; bcdof=[nut_dkbgcd*2-1; nut_dkbgcd*2;nut_dkbgtd*21;nut_dkbgtd*2;]; b=unique(sort(bcdof)); %% CACULATION STIFFNESS MATRIX [kk_ud,kk_d,M]=STIFFNESS_UD(nele,element,gcoord,E,A,rho,sdof ,dam_e,dam_pe); [eigval, eigvec] = eigens(kk_ud,M,b); [eigvaldamg, eigvecdamg] = eigens(kk_d,M,b); omega1=sqrt(eigval);omega2=sqrt(eigvaldamg); f1=omega1(1:10)./(2*pi);f2=omega2(1:10)./(2*pi); % T=1./f %% FLEXIBILITY METHOD flexintct = flex(eigval,eigvec,nmod); flexdamg = flex(eigvaldamg,eigvecdamg,nmod); %% DAMAGE LOCATING VECTORS % dlv = dlvs(flexintct, flexdamg); sensordof = sort([2*(1:nnod)-1,2*(1:nnod)]); flexintctsensor = flexintct(sensordof,sensordof); flexdamgsensor = flexdamg(sensordof,sensordof); dlv = dlvssensor(flexintctsensor, flexdamgsensor, sdof , sensordof); % disp('check dlvsensor') xxx=max(abs((flexintct-flexdamg)*dlv));max(xxx); dsplm = solstatic(kk_ud,dlv,bcdof); %% CACULATION NCE,NCI VALUES nei(n,:) = truss_mnmse(nele,size(dlv,2),dsplm(:,:),kk_ud,A,E,rho,gcoord ,element); nei(n,:) = nei(n,:)/max(nei(n,:)); end plotneiscale Code Matlab số MSEBI nMSEBI clear all;close all;clc; format long; global nodes nnode nele %% INPUT PARAMETER OF MATERIAL dam_e=[10,20,30] ; dam_pe=[25,25,20]; % dam_e=[10,20] ; dam_pe=[25,15]; % dam_e=[10] ; dam_pe=[30]; nnmod=[3:5]; Noise = 'no'; % yes or no NoiseLevel = [0/100; 3/100]; nv=1; % xxx = cell(1,nv); % xxxx= cell(1,nv); MSEBI=cell(1,nv); baitoan=2; [L,rho,A,E]=INPUT(baitoan); [eigval,eigvec,eigvaldamg,eigvecdamg,kk_ud,kk_d, M,bcdof,nele,edof,nodes,gcoord,A] = fh2D9bar(dam_e,dam_pe); % xxx{i}= eigvecdamg; % xxxx{i}=kk_ud; % end % xx=max(xxx{1}-xxx{3}); max(xx) % break %% %% Noise eigvaldamg_noise=eigvaldamg; eigvecdamg_noise=eigvecdamg; if strcmp(Noise,'yes') eigvaldamg_noise = eigvaldamg + NoiseLevel(1)*(2*rand(size(eigvaldamg))-1).*eigvaldamg; eigvecdamg_noise = eigvecdamg + NoiseLevel(2)*(2*rand(size(eigvecdamg))-1).*eigvecdamg; end luu = []; luu_1 = []; for i =1:nv for n=1:length(nnmod) nmod=nnmod(n); %% %% Base on nMSEBDI mnmseintct = mnmse(nele,nmod,eigvec,kk_ud,nodes,gcoord,A,E,rho); mnmsedamg = mnmse(nele,nmod, eigvecdamg_noise,kk_d,nodes,gcoord,A,E,rho); % MSEBI = msebi(mnmseintct,mnmsedamg); % nn=size(mnmseintct);n=nn(2); MSEBI = SCBFIe(mnmseintct,mnmsedamg,n,nele); luu =[luu;MSEBI]; mseplot nMSEBDI = SCBFIe2(mnmseintct,mnmsedamg,n,nele); % xxx{i} =MSEBI; luu_1 =[luu_1;nMSEBDI]; mseplot2 end end %% Plot % mseplot Code Matlab Cuckoo search (CS) clear all; close all; clc addpath /DE-function /FEM-bar /Cuckoo_search format long delete dulieu.txt diary dulieu.txt %% cai dat cac thong so ban dau cua CS Popsize = 30; % kich thuot dan so MaxFES = 15000; % so vong lap cuc dai Display = 'yes'; % hien thi ket qua len man hinh tol = 1e-6; %DK dung =abs(f_best/f_mean -1) Noise = 'yes'; % yes or no NoiseLevel = [0/100; 3/100]; %% xac dinh thong so cua bai toan nf = 4; % number of mode required nbar = 31; % number variables of FEA ixd = 0*ones(1,nbar); % ixd([10 20]) = [0.25 0.15]; % assummed damage element ixd([10]) = [0.3]; % assummed damage element %ixd([10 20 30]) = [0.25 0.25 0.2];% assummed damage element dam_e=[10]; % suspected element [fh] = fhframe(nf); Hz_ud=fh/2/pi % health frequency nv=10; xd1=zeros(nv,nbar);xd2=zeros(nv,nbar);xd4=zeros(nv,nbar);FEA 1=zeros(nv,1);FEA2=zeros(nv,1);FEA4=zeros(nv,1); xd4={}; for kk=1:nv [fd,eigvecdamg,flexdamg] = fdframe_noise(ixd,nf,Noise,NoiseLevel); % damage frequency Hz_d=fd/2/pi objfun = @(x)shm2D9bar(x,nf,fh,fd,eigvecdamg,flexdamg,dam_e); dim = length(dam_e); Lb = 0*ones(1,dim); Ub = 1*ones(1,dim); %% OPTIMIZATION MaxIter = 150; % Maximum iteration pmutate = 0.3; % Mutative probability % [x1,f1,FES1] = GeneticAlgorithm( objfun,Popsize,pmutate,dim,Lb,Ub,MaxIter,tol,Display ) [x5,fmin] = cuckoo_search(objfun,Popsize,Lb,Ub,MaxFES,tol,Display); xd4 = [xd4,{x5}]; end diary off ... GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP.HCM - TRẦN QUỐC TUẤN XÁC ĐỊNH HƯ HỎNG KẾT CẤU DÀN SỬ DỤNG GIẢI THUẬT TỐI ƯU CUCKOO SEARCH (CS) VÀ THÔNG TIN DAO ĐỘNG CỦA KẾT CẤU LUẬN... số nMSEBI để xác định vị trí hư hại kết cấu dàn; toán tối ưu xác định mức độ hư hại kết cấu dàn sử dụng giải thuật Cuckoo Search (CS) - Chương 4: Trình bày kết luận nghiên cứu đưa hư ng phát triển... toán xác định hư hỏng kết cấu dàn Sử dụng phương pháp lượng biến dạng giải thuật tối ưu Cuckoo Search (CS) để xác định vị trí mức độ hư hại Sử dụng ngơn ngữ lập trình Matlab để mơ tính tốn kết