Chẩn đoán dầm cầu bằng phương pháp phân tích dao động trên mô hình số hoá kết cấu được cập nhật sử dụng thuật toán tối ưu hoá bầy đàn kết hợp mạng nơ ron nhân tạo TT

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC GIAO THƠNG VẬN TẢI HỒ KHẮC HẠNH CHẨN ĐỐN DẦM CẦU BẰNG PHƢƠNG PHÁP PHÂN TÍCH DAO ĐỘNG TRÊN MƠ HÌNH SỐ HOÁ KẾT CẤU ĐƢỢC CẬP NHẬT SỬ DỤNG THUẬT TOÁN TỐI ƢU HOÁ BẦY ĐÀN KẾT HỢP MẠNG NƠ RON NHÂN TẠO Ngành : Kỹ thuật xây dựng công trình giao thơng Chun ngành : Xây dựng Cầu Hầm Mã số : 9580205 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT Hà Nội – 2021 Cơng trình hồn thành tại: Đại học Giao thông vận tải Người hướng dẫn khoa học 1: PGS.TS Bùi Tiến Thành Người hướng dẫn khoa học 2: PGS.TS Ngô Văn Minh Phản biện 1: Phản biện 2: Phản biện 3: Luận án bảo vệ trước Hội đồng chấm luận án cấp Trường theo Quyết định Số /QĐ-ĐHGTVT ngày tháng năm 2021 họp tại: Trường Đại học Giao thông vận tải Vào hồi ngày tháng năm 2021 Có thể tìm hiểu luận án thư viện: - Thư viện Trường Đại học Giao thông vận tải; - Thư viện Quốc Gia MỞ ĐẦU Đặt vấn đề nghiên cứu Trong q trình khai thác, có nhiều ngun nhân gây hư hỏng làm ảnh hưởng đến chất lượng khai thác cơng trình cầu tác động tự nhiên (bão lũ, động đất) tác động người xe tải, va xô, Ngồi ra, cơng trình cầu cịn có hình thái dao động riêng, gây rung động khuếch đại tần số dao động riêng kết cấu trùng khớp với tần số phương tiện di chuyển (cộng hưởng học) làm cho kết cấu cơng trình bị hư hỏng Ở mức độ thấp hơn, trạng thái ứng suất kết cấu thay đổi liên tục dao động tác dụng tải trọng nặng, lặp dẫn đến phá hoại mỏi.Việc hư hỏng công trình giao thơng khơng làm ảnh hưởng đến kinh tế mà cịn gây an tồn cho người phương tiện tham gia giao thơng Vì vậy, năm gần đây, hệ thống đánh giá sức khỏe kết cấu cơng trình (SHM - Structural Health Monitoring) triển khai rộng rãi nhận nhiều quan tâm nhà nghiên cứu lĩnh vực xây dựng cơng trình giới Nhiệm vụ hệ thống đánh giá sức khỏe cơng trình quan trắc để phát sớm hư hỏng dựa liệu đo đạc phân tích đánh giá mức độ nghiêm trọng hư hỏng trước đưa định sửa chữa Trong giải pháp giám sát sức khỏe kết cấu, giải pháp sử dụng phương pháp không phá huỷ trở thành hướng nghiên cứu nhận quan tâm nhiều nhà khoa học giới [1-5] Ưu điểm phương pháp xác định thơng số có tính bất định (uncertainty) kết cấu bao gồm điều kiện biên, đặc tính vật liệu, hay đặc trưng hình học thay đổi theo thời gian tác dụng tải trọng khai thác môi trường, Hơn phương pháp theo dõi sức khỏe kết cấu khơng phá hủy phát hư hỏng nằm kết cấu mà khơng làm thay đổi tính chất vật lý ban đầu kết cấu [6-10] Tuy nhiên, thay đổi tham số kết cấu nhiều không rõ ràng, đặc biệt với hư hỏng nằm kết cấu Ngoài ra, liệu thu thường bị ảnh hưởng nhiễu, làm giảm độ xác kết Do đó, mục tiêu đề tài phát triển giải pháp hiệu quả, chi phí thấp để theo dõi tình trạng sức khỏe giúp phát sớm hư hỏng kết cấu Hiện có hai phương pháp để theo dõi tình trạng sức khỏe kết cấu phương pháp tĩnh phương pháp động Trong phương pháp tĩnh dựa phân tích đáp ứng (ứng suất, biến dạng chuyển vị) kết cấu tác dụng tải trọng đặt tĩnh, phương pháp động dựa việc xác định phân tích đặc trưng động học tần số dao động tự nhiên (natural frequencies), dạng dao động (mode shapes) và/hoặc hệ số cản (damping ratio) để đánh giá Trong hai phương pháp trên, đặc trung động học kết cấu (đặc biệt dạng dao động) phụ thuộc vào phân bố độ cứng khối lượng nó, nên dựa vào đặc trưng động học giúp xác định vị trí có khả xuất hư hỏng kết cấu Những năm gần đây, việc theo dõi sức khỏe kết cấu cơng trình nhận quan tâm đặc biệt nhà khoa học Trong việc ứng dụng học máy (Machine learning – ML) để hoàn thiện quy trình đánh giá sức khỏe cơng trình dự phân tích động cho thấy hiệu tiềm [11-17] Một đặc tính bật học máy khả học từ kinh nghiệm từ cải thiện hiệu suất Do đó, mạng đào tạo sử dụng để phân loại kiểm tra liệu tương tự đặc điểm liệu đào tạo Phương pháp học máy ứng dụng để giải nhiều vấn đề kỹ thuật phức tạp, bao gồm nhận dạng, phân loại, hệ thống kiểm sốt xử lý hình ảnh, Tuy nhiên áp dụng thuật toán truyền ngược dựa độ dốc giảm dần, nhược điểm lớn phương pháp học máy, mạng bị rơi vào tối ưu cục tạo bề mặt phức tạp với nhiều điểm tối ưu cục bộ, từ làm giảm độ xác hiệu phương pháp học máy Để khắc phục nhược điểm này, phương pháp tối ưu tiến hóa áp dụng Tối ưu tiến hóa phương pháp tối ưu tồn cục (global optimization) cho phép xác định kết tối ưu tổng thể tránh vùng tối ưu cục Các thuật tốn tối ưu tiến hóa phổ biến kể đến là: thuật tốn di truyền (Genetic Algorithm – GA) [18-19], thuật tốn tối ưu hóa bầy đàn (Particle Swarm Optimization – PSO) [20], hay thuật toán tối ưu hóa tìm kiếm chim Cúc cu (Cuckoo Search - CS) Những phương pháp tối ưu tiến hóa làm việc dựa nguyên lý ứng xử sinh vật tự nhiên q trình tiến hóa, có khả tìm kiếm tối ưu tồn cục dựa phương pháp tìm kiếm ngẫu nhiên Vì việc kết hợp thuật tốn tối ưu tiến hóa với phương pháp học máy đem lại tiềm để khắc phục nhược điểm (tối ưu cục bộ) phương pháp học máy, cải thiện độ xác kết thu Ở Việt Nam, thuật tốn tối ưu tiến hóa phương pháp học máy áp dụng nhiều lĩnh vực toán học, tin học, điện tử đem lại hiệu xác định tối ưu vùng phủ sóng, hay tối ưu quy hoạch mạng [21-22],…Tuy nhiên việc áp dụng phương pháp Việt Nam lĩnh vực giám sát sức khỏe kết cấu Gần đây, việc theo dõi sức khỏe kết cấu thông qua đặc trưng dao động đo đạc trường bắt đầu thực Một số cầu lớn Mỹ Thuận, Bãi Cháy, hay Kiền lắp đặt thiết bị theo dõi thường xuyên sức khỏe kết cấu Về nguyên tắc: thiết bị cung cấp liệu đáp ứng động kết cấu gia tốc, vận tốc, chuyển vị động số vị trí Các số liệu xác định đặc trưng dao động (tần số dao động tự nhiên, dạng dao động, hệ số cản) cơng trình Các đặc trưng dao động thực đo “chuẩn” để điều chỉnh từ xác định thơng số bất định kết cấu điều kiện biên, độ cứng, khối lượng, mơ hình tính tốn Mơ hình tính tốn sau cập nhật chuẩn để đánh giá khả chịu lực chẩn đốn hư hỏng (nếu có) cơng trình Nội dung có tính cốt lõi quy trình phân tích, đánh giá kết cấu dựa kết đo đạc xác định đặc trưng dao động thuật tốn giúp cập nhật hồn thiện cách tự động mơ hình tính tốn kết cấu từ kết đo đạc trường Như phân tích, việc ứng dụng thuật toán học máy vào việc cập nhật mơ hình tốn hứa hẹn giải pháp tốt để hồn thiện quy trình đánh giá động kết cấu cơng trình cầu Do vậy, nghiên cứu sinh định lựa chọn đề tài: “Chẩn đoán dầm cầu phƣơng pháp phân tích dao động mơ hình số hố kết cấu đƣợc cập nhật sử dụng thuật toán tối ƣu hoá bầy đàn kết hợp mạng nơ ron nhân tạo” làm chủ đề nghiên cứu Mục tiêu nghiên cứu - Nghiên cứu toán chẩn đoán hư hỏng kết cấu dựa đặc trưng dao động - Đề xuất thuật toán kết hợp mạng nơ ron nhân tạo tối ưu tiến hóa PSO cập nhật mơ hình số hóa kết cấu theo đặc trưng động học để cập nhật xác mơ hình kết cấu áp dụng cho tốn chẩn đốn kết cấu - Xây dựng chương trình cập nhật mơ hình kết cấu theo thuật tốn đề xuất cho kết cấu dầm, kết cấu dàn kết cấu (bản) - Thực tham khảo thí nghiệm đo dao động kết cấu phịng thí nghiệm cơng trình cầu thực tế, sau áp dụng phương pháp đề xuất để cập nhật mô chẩn đốn hư hỏng kết cấu Đối tƣợng nghiên cứu - Đặc trưng động học kết cấu cơng trình cầu; - Mơ hình số hóa kết cấu cầu; - Chẩn đốn vị trí hư hỏng kết cấu Phạm vi nghiên cứu - Các phương pháp tối ưu tiến hóa mạng nơ ron nhân tạo; - Chẩn đốn vị trí hư hỏng kết cấu Phƣơng pháp nghiên cứu - Phương pháp tổng hợp phân tích lý thuyết; - Phương pháp số; - Phương pháp phân tích số kết hợp với thực nghiệm Ý nghĩa khoa học thực tiễn nghiên cứu - Áp dụng phương pháp tối ưu tiến hóa phương pháp mạng nơ ron nhân tạo việc cập nhật mơ hình số hóa kết cấu chẩn đốn hư hỏng kết cấu - Đề xuất thuật toán kết hợp thuật toán tối ưu tiến hóa với phương pháp mạng nơ ron nhân tạo để khắc phục nhược điểm phương pháp riêng rẽ, từ tăng độ xác kết quả, giảm thời gian tính tốn, áp dụng để giám sát sức khỏe kết cấu - Tạo sở liệu cơng trình dạng hồ sơ lưu trữ giúp giám sát sức khoẻ cơng trình - Xây dựng chương trình cập nhật nhật mơ hình số hóa kết cấu phục vụ chẩn đốn kết cấu cầu thông thường dầm, dàn tẩm (bản) - Kết luận án sử dụng làm tài liệu tham khảo hữu ích cho lĩnh vực giám sát sức khoẻ cơng trình CHƢƠNG - TỔNG QUAN VỀ GIÁM SÁT SỨC KHỎE CƠNG TRÌNH DỰA TRÊN PHƢƠNG PHÁP ĐO NHẬN DẠNG DAO ĐỘNG 1.1 Tổng quan giám sát sức khỏe cơng trình dựa phƣơng pháp đo nhận dạng dao động Kiểm tra thường xuyên đánh giá tình trạng kết cấu cơng trình cần thiết để phát sớm khiếm khuyết cơng trình để tiến hành bảo trì sửa chữa, đảm bảo an toàn độ tin cậy kết cấu với chi phí tối thiểu Những năm trước đây, việc giám sát sức khỏe công trình thực thơng qua khảo sát trực quan kết hợp với thử nghiệm tĩnh Tuy nhiên, trình kiểm tra trực quan kiểm tra tĩnh có nhiều nhược điểm đòi hỏi người kiểm tra phải trực tiếp tiếp cận vị trí hư hỏng cơng trình để tiến hành thí nghiệm [Error! Reference source not found.Error! Reference source not found.], phải tạm dừng khai thác cơng trình q trình tiến hành thí nghiệm… Để khắc phục nhược điểm phương pháp kiểm tra trực quan phương pháp thử nghiệm tĩnh, phương pháp đánh giá, xác định hư hỏng kết cấu khác nghiên cứu, phát triển Trong đó, phương pháp nghiên cứu tập trung phương pháp đánh giá tình trạng sức khỏe kết cấu dựa kết đo đặc trưng dao động (tần số dao động tự nhiên, dạng dao động, hệ số cản ) Ưu điểm phương pháp cung cấp thơng tin tổng thể tình trạng sức khỏe kết cấu Ngoài ra, từ việc phân tích thay đổi đặc trưng dao động tần số dạng dao động, xác định vị trí hư hỏng Vị trí hư hỏng khơng thiết phải trùng với vị trí đặt đầu đo xác định đặc trưng dao động 1.2 Tình hình nghiên cứu giới giám sát sức khỏe kết cấu dựa phƣơng pháp đo nhận dạng dao động Trong phương pháp đánh giá sức khỏe kết cấu dựa kết đo nhận dạng dao động, có hướng nghiên cứu sau đây: - Hướng nghiên cứu thiết bị (cảm biến) đo dao động kết cấu xử lý (lọc nhiễu) – truyền dẫn kết đo máy tính; - Hướng nghiên cứu thuật tốn cập nhật mơ hình số hóa kết cấu (bằng cách thay đổi điều kiện biên, đặc trưng vật lý kết cấu) dựa đặc trưng dao động thực đo, từ xây dựng “bản số” kết cấu máy tính phù hợp với cơng trình thực tế; - Hướng nghiên cứu dựa mơ hình kết cấu cập nhật xác định dự đoán vị trí hư hỏng (nếu có) dự đốn ứng xử kết cấu cơng trình Trong đó, hướng nghiên cứu quan trọng, thu hút quan tâm nhiều nhóm nghiên cứu Ví dụ, Wu cộng [1] sử dụng cảm biến quang học phân tán không gian để cập nhật cầu nằm đường cao tốc Tran-Ngoc cộng [9] xác định điều kiện độ cứng nút giàn cầu giàn thép quy mô lớn phép đo thực nghiệm thực nguồn kích thích đồn tàu chạy qua, gió chấn động vi mơ kết hợp với mơ hình phần tử hữu hạn Sự xuất thuật toán tối ưu tiến hoá GA, PSO thập kỷ gần nâng cao hiệu SHM Những phương pháp tối ưu sử dụng để giảm thiểu sai khác kết mơ hình kết thực tế Từ nâng cao độ xác kết thu Na cộng [18] trình bày cách tiếp cận để phát hư hỏng kết cấu dựa GA đặc trưng động học kết cấu Phương pháp đề xuất cho phép xác định vị trí mức độ hư hỏng kết cấu, có xét đến nhiễu dự liệu không đầy đủ phép đo Tuy nhiên phương pháp tối ưu hoá dựa vào nguyên lý di truyền GA thường tồn nhược điểm làm giảm độ xác kết thu Một nhược điểm lớn GA thuật tốn thường bị thơng tin với cá thể không lựa chọn để tiếp tục so sánh với hệ trước Hơn qua bước, có q nhiều tham số phải điều chỉnh, q trình tính tốn thường dài u cầu siêu máy tính với cấu hình cao áp dụng GA để giải mơ hình số phức tạp, với nhiều phần tử số bậc tự (degree of freedom – DOF) Trong thuật toán tối ưu tiến hóa, thuật tốn PSO thuật tốn phổ biến với nhiều ưu điểm vượt trội Điển hình như, khả tìm kiếm khơng gian rộng lớn, giữ lại tất thơng tin phần tử mà sử dụng Từ thông tin tất các phần tử qua lần lặp lưu giữ phần tử với giải pháp tốt lựa chọn Vì thuật tốn áp dụng thành cơng để giải vấn đề tối ưu hóa, đặc biệt vấn đề giám sát sức khỏe kết cấu Ví dụ, Seyedpoor [44] kết hợp số dựa lượng biến dạng với PSO để xác định vị trí mức độ nhiều trường hợp hư hỏng khác Kết cho thấy thuật toán đề xuất cung cấp cơng cụ đáng tin cậy để phát hư hỏng kết cấu Tuy nhiên, PSO có nhược điểm làm giảm hiệu việc giải vấn đề tối ưu hóa Một nhược điểm lớn PSO thuật tốn khơng phụ thuộc chủ yếu vào chất lượng quần thể ban đầu mà khơng có khả giao chéo hay đột biến để cải thiện chất lượng hệ Quá trình tìm giải pháp tối ưu cục phương pháp PSO truyền thống tốn nhiều thời gian thuật tốn phụ thuộc vào phương pháp tìm kiếm ngẫu nhiên suốt trình di chuyển phần tử Trong thập kỷ gần phương pháp học máy sử dụng rộng rãi đem lại kết tiềm cho vấn đề SHM Patel cộng [52] sử dụng phương pháp ML để dự đoán ứng xử vật liệu composite gia cố sợi bon bắt đầu xuất vết nứt Gần đây, mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) sử dụng rộng rãi để mô điều tra số vấn đề nhiều lĩnh vực kỹ thuật ANN cần có đủ số lượng liệu đầu vào đầu ra, liệu thu thập thông qua nghiên cứu lý thuyết, số học, thực nghiệm Ví dụ, mơ hình ANN xây dựng để xác định hư hỏng dầm bê tơng dự đốn khả chịu cắt dầm [55] Mặc dù năm gần đây, ML ANN chứng tỏ tiềm lĩnh vực kỹ thuật nói riêng lĩnh vực SHM nói chung, thuật tốn tồn nhược điểm làm giảm độ xác kết thu Một vấn đề cốt lõi ANN sử dụng thuật toán lan truyền ngược dựa kỹ thuật GD, có nhược điểm liên quan đến vấn đề cực tiểu cục bộ, đặc biệt xảy mạng chứa bề mặt lỗi khác với nhiều cực tiểu cục phân phối rộng rãi 1.3 Tình hình nghiên cứu Việt Nam giám sát sức khỏe kết cấu dựa phƣơng pháp đo nhận dạng dao động Ở Việt Nam, nghiên cứu lĩnh vực giám sát sức khỏe kết cấu tập trung vào phát vết nứt tồn kết cấu, sau nghiên cứu tiếp tục vào phân tích phát triển vết nứt Các nghiên cứu phát hư hỏng kết cấu thực với nhiều loại kết cấu cầu đường, loại móng giàn khoan Nguyễn Tiến Minh [66] đề xuất phương pháp xác định thay đổi tham số kết cấu cầu mô đun đàn hồi bê tông cách so sánh kết cấu trạng thái chưa hư hỏng trạng thái hư hỏng Tuy nhiên nghiên cứu chưa đề cập đến khả phát khu vực mức độ hư hỏng kết cấu Một số nghiên cứu tiến hành để giám sát sức khỏe cho cơng trình cầu lớn cầu Mỹ Thuận, cầu Bãi Cháy, hay cầu Kiền cách lắp đặt thiết bị cảm ứng để theo dõi thường xuyên sức khỏe kết cấu Nguyễn Hữu Thuấn cộng [83] giám sát sức khỏe cầu dây văng Mỹ Thuận cách tiến hành đo thực nghiệm trường Một mơ hình số xây dựng để so sánh với kết từ thực nghiệm Hàm mục tiêu so sánh bao gồm tần số dao động riêng hình dạng dao động Tuy nhiên nghiên cứu giám sát sức khỏe kết cấu nhận dang dao động thực Việt Nam chủ yếu phân tích xác định đặc trưng động học kết cấu tần số dao động riêng, hình dạng dao động mà chưa hồn tồn xác định giá trị thơng số bất định kết cấu thay đổi theo thời gian đặc trưng vật liệu (mơ đun đàn hồi ), hình dạng mặt cắt, điều kiện biên Những thông số ảnh hưởng đến làm việc kết cấu phản ánh rõ ràng ứng xử kết cấu xảy hư hỏng Ngoài ra, gần giới nghiên cứu sử dụng thuật toán tối ưu, hay phương pháp học máy áp dụng rộng rãi hiệu để giám sát sức khỏe cơng trình Ở Việt Nam, kỹ thuật cịn mới, chưa có nhiều nghiên cứu sử dụng thuật toán tối ưu, hay phương pháp học máy để giám sát sức khỏe công trình CHƢƠNG 2: NGHIÊN CỨU VÀ ĐỀ XUẤT PHƢƠNG PHÁP CHẨN ĐOÁN HƢ HỎNG KẾT CẤU BẰNG PHƢƠNG PHÁP ĐO DAO ĐỘNG NGẪU NHIÊN 2.1 Cơ sở lý thuyết dao động kết cấu Dao động kết cấu liên tục rời rạc hóa phương pháp phần tử hữu hạn với số bậc tự do- (degree-of-freedom-DOF) thể phương trình vi phân bậc hai viết dạng ma trận (còn gọi phương trình chuyển động bản) [27]: ( ) ( ) ( ) (2.1) ̈( ) ̇( ) Ở , , ∈ ma trận khối lượng, ma trận giảm chấn, ma trận độ cứng kết cấu; ( ) ∈ véc tơ chuyển vị thời điểm (biến thời gian liên tục) Véc tơ ̇ ( ) ̈ ( ) véc tơ (hàm) vận tốc gia tốc Véc tơ ( ) biểu diễn lực tác dụng, tổng hợp ma trận vị trí véc tơ lực tác dụng vào phần tử ( ) Ma trận khối lượng ma trận độ cứng xây dựng từ đặc trưng hình học đặc trưng vật liệu kết cấu 2.2 Các phƣơng pháp chẩn đoán hƣ hỏng kết cấu dựa dao động 2.2.1 Phƣơng pháp dựa thay đổi tần số dao động riêng Cách tiếp cận phổ biến sớm để xác định hư hỏng kết cấu dựa vào dao động việc sử dụng tần số dao động riêng cộng hưởng kết cấu Sự xuất hư hỏng kết cấu gây nên thay đổi tần số riêng kết cấu Một nghiên cứu chuyên sâu sử dụng liệu tần số riêng để xác định hư hỏng kết cấu cung cấp [28, 89] Zhong cộng [94] đề xuất phương pháp dựa phương pháp thăm dị khơng gian phương pháp hiệu chỉnh trung tâm quang phổ, từ cung cấp giải pháp đơn giản để phát hư hỏng kết cấu cách sử dụng phương pháp phân tích lịch sử thời gian sử dụng đầu kết cấu giống dầm Ưu điểm phương pháp dựa thay đổi tần số dao động riêng dễ áp dụng chi phí thấp Tuy nhiên, việc xác định hư hỏng kết cấu dựa vào thay đổi tần số riêng tồn nhiều nhược điểm Nhược điểm thứ hư hỏng tạo tần số thấp yêu cầu xác kết từ đo đạc Hư hỏng tạo thay đổi nhỏ tần số dao động riêng, đặc biệt kết cấu quy mô lớn thay đổi nhỏ khó phát sai lệch lỗi xảy trình đo đạc Thêm nữa, phương pháp phân biệt hư hỏng vị trí đối xứng kết cấu đối xứng Trong trường hợp cần dùng phương pháp có độ xác cao để xác định phát thay đổi Những phương pháp NCS đề xuất mục 2.3.3 2.2.2 Phƣơng pháp dựa vào thay đổi hình dạng dao động Hình dạng dao động đặc trưng vốn có kết cấu Chúng không phụ thuộc vào lực tải trọng tác động lên kết cấu Thay đổi hình dạng dao động thường nhạy nhiều so với thay đổi tần số riêng hệ số cản kết cấu xuất hư hỏng cục Trong năm gần đây, nhiều phương pháp xác định hư hỏng phát triển dựa hình dạng dao động thực đo đặc điểm hình dạng dao động đường cong lượng biến dạng 2.2.2.1 pháp dựa hình dạng dao động trực tiếp Có thể sử dụng so sánh hai liệu hình dạng dao động (có thể liệu hình dạng dao động trực tiếp biến đổi chúng) để xác định hư hỏng hình dạng dao động cung cấp nhiều thông tin nhạy cảm với hư hỏng cục so sánh với tần số dao động riêng Có hai phương pháp phổ biến thường dùng để so sánh hai hình dạng dao động: tiêu chí đảm bảo hình dạng dao động (Modal assurance criterion - MAC) tiêu chí đảm bảo hình dạng dao động phối hợp (Co-ordinate modal assurance criterion - COMAC) 2.2.2.2 Phƣơng pháp dựa đƣờng cong hình dạng dao động Một cách khác để sử dụng hình dạng dao động để có thơng tin khơng gian nguồn thay đổi dao động sử dụng đặc trưng hình dạng dao động, chẳng hạn đường cong hình dạng dao động Các đặc trưng hình dạng dao động nhạy cảm với hư hỏng nhỏ, chúng sử dụng để phát hư hỏng cục Nếu kết cấu bị hư hỏng cục bộ, thay đổi hình dạng dao động xảy vùng lân cận hư hỏng Việc giảm độ cứng gây hư hỏng làm thay đổi hình dạng dao động kết cấu Về lý thuyết, thay đổi hình dạng dao động sử dụng để phát hư hỏng; nhiên, thay đổi thường nhỏ dẫn đến khó phát hư hỏng Đường cong hình dạng dao động xác định cách sử dụng độ lệch trung tâm xấp xỉ biểu diễn công thức 2.26: ( ) ( ) (2.26) Với số hình dạng dao động, số nút khoảng cách nút Vị trí hư hỏng sau đánh giá chênh lệch tuyệt đối tính tốn lớn đường cong hình dạng dao động kết cấu bị hư hỏng không bị hư hỏng sau: * + |* + * +| (2.27) 2.2.2.3 Phƣơng pháp dựa lƣợng biến dạng Phương pháp lượng biến dạng cho kết cấu dạng dầm phát triển Stubbs cộng [106] Phương pháp sau mở rộng áp dụng cho kết cấu dạng Cornwell cộng [107] Cách tiếp cận phương pháp lượng biến dạng phân chia kết cấu thành chuỗi phần tử dạng dầm tấm, sau ước tính lượng biến dạng phần tử trước sau hư hỏng Một hình dạng dao động lưu trữ lượng lớn lượng biến dạng đường tải trọng kết cấu cụ thể Khi hư hỏng xảy ra, lượng biến dạng đường tải trọng thay đổi độ nhạy cao tần số hình dạng dao động Vị trí hư hỏng xác định cách so sánh hai giá trị lượng biến dạng Ngoài nhiều tác giả khác áp dụng phương pháp để giám sát sức khoẻ kết cấu 2.2.2.4 Phƣơng pháp dựa ma trận độ mềm Trong thập kỷ qua, nhà nghiên cứu phát ma trận độ mềm dao động riêng tham số nhạy cảm so với tần số riêng hình dạng dao động đơn lẻ để phát hư hỏng kết cấu [115] Pandey cộng [116] đề xuất phương pháp phát hư hỏng dựa khác biệt ma trận độ mềm kết cấu bị hư hỏng kết cấu chưa hư hỏng Ma trận độ mềm kết cấu không bị hư hỏng xác định công thức: ∑ (2.29) Trong ma trận dao động riêng hình dạng dao động chuẩn hóa khối lượng m số lượng hình dạng dao động đo Theo cách tương tự, ma trận độ mềm kết cấu bị hư hỏng xác định từ công thức 2.30: ∑ (2.30) Sự khác biệt ma trận độ mềm kết cấu bị hư hỏng không bị hư hỏng xác định từ công thức 2.31 (2.31) Chỉ có vài dao động kết cấu cần thiết cho việc xây dựng ma trận độ mềm Việc tổng hợp ma trận độ mềm hoàn chỉnh yêu cầu đo tất hình dạng tần số dao động Thơng thường, hư hỏng phát dựa ma trận độ mềm, cách so sánh ma trận độ mềm tổng hợp sử dụng dao động kết cấu hư hỏng với ma trận độ mềm tổng hợp dao động kết cấu chưa bị hư hỏng ma trận độ mềm từ mơ hình số Bình phương tần số dao động riêng ma trận độ mềm đo có mối quan hệ nghịch đảo, phương pháp nhạy cảm với thay đổi dao động dải tần số thấp Ma trận độ mềm có tốc độ hội tụ nhanh với giá trị tần số tăng dần, lợi việc sử dụng tính linh hoạt thay độ cứng [89] Ưu điểm phương pháp dựa vào thay đổi hình dạng dao động thay đổi hình dạng dao động thường nhạy nhiều so với hư hỏng cục so sánh với thay đổi tần số riêng hệ số cản Nhược điểm phương pháp khó để thu hình dạng dao động cần số lượng lớn vị trí đo để mơ tả xác véc tơ phương cung cấp đủ liệu để xác định vị trí hư hỏng 2.2.3 Phƣơng pháp dựa hàm đáp ứng tần số Các phương pháp dựa hàm đáp ứng tần số (FRF - Frequency response function) có lợi định so với liệu phân tích từ mode dao động để xác định hư hỏng [121] Một phương pháp xác định hư hỏng dựa hàm đáp ứng tần số phương pháp dựa đường cong hàm đáp ứng tần số Về bản, phương pháp phần mở rộng phương pháp mà Pandey, Biswas and Samman [102] đề xuất Phương pháp áp dụng cho tất tần số phạm vi đo Cụ thể, phương pháp sử dụng liệu hàm đáp ứng tần số thay sử dụng liệu hình dạng dao động Đường cong tần số xác định theo công thức 2.32: ( ) ( ) ( ) (2.32) ( ) Trong hàm đáp ứng tần số đo vị trí cho vị trí đặt lực Sự khác biệt tuyệt đối đường cong hàm đáp ứng tần số kết cấu bị hư hỏng không bị hư hỏng vị trí , dọc theo dải tần số chọn, tính cho lực tác dụng điểm phương trình 2.33 2.34 ∑| ( ) ∑ ( ) | (2.33) (2.34) Mặc dù phương pháp dựa hình dạng hàm đáp ứng tần số đề xuất cho thấy hứa hẹn xác định khu vực hư hỏng kết cấu, bất thường nhỏ hư hỏng gây phải đưa vào hình dạng hàm đáp ứng tần số đo để xác định xác hư hỏng Ưu điểm phương pháp dựa hàm phản ứng tần số khả thực với giá thành thấp cung cấp thơng tin chi tiết tình trạng tổng thể hệ thống Nhược điểm phương pháp cung cấp thông tin khu vực hư hỏng cục trừ sử dụng số lượng lớn cảm biến 2.3 Chẩn đoán hƣ hỏng kết cấu dựa kết đo nhận dạng dao động sử dụng thuật toán bầy đàn PSO Năm 1995, Kennedy cộng [132-133] phát triển PSO dựa tối ưu hóa ngẫu nhiên, lấy cảm hứng từ hành vi xã hội đàn chim, đàn cá, đàn ong chí đơi hành vi xã hội người Mỗi phần tử di chuyển khơng gian tìm kiếm dựa kết tối ưu cục tối ưu toàn cục thu Vị trí phần tử qua bước lặp cập nhật sau: and hệ số học tập, tham số lượng; giá trị ngẫu nhiên (2.35) Trong vị trí phần tử bước lặp thứ , tương ứng Trong đề tài tần số dao động riêng mode dao động; vận tốc phần tử bước lặp thứ Mỗi phần tử có vị trí tối ưu riêng hiển thị số lần lặp Tối ưu toàn cục lần lặp , vị trí tối ưu tìm thấy phần tử Vận tốc phần tử bao gồm ba phần: (1) vận tốc trước, (2) chuyển động theo hướng (3) chuyển động theo hướng Vận tốc phần tử cập nhật sau: (2.36) ( ) ( ) Trong giá trị ngẫu nhiên có giá trị nằm khoảng [0, 1]; tham số học tập liên quan đến tối ưu cục tối ưu toàn cục; tham số trọng lượng Ƣu điểm: Trong PSO, với khả tìm kiếm khơng gian rộng lớn, giữ lại tất thơng tin phần tử mà sử dụng Từ thơng tin tất các phần tử qua lần lặp lưu giữ phần tử với giải pháp tốt lựa chọn Nhƣợc điểm: Trong PSO khơng có tốn tử lựa chọn, biến đổi để cải thiện chất lượng hệ sau, dẫn đến giảm hiệu kết tìm kiếm tối ưu Ngồi q trình tìm kiếm ngẫu nhiên PSO thường tốn thời gian, khó áp dụng cho vấn đề thực tế với kết cấu quy mô lớn, độ phức tạp cao 2.4 Chẩn đoán hƣ hỏng kết cấu dựa kết đo nhận dạng dao động sử dụng mạng nơ ron nhân tạo Phương pháp học máy, cụ thể mạng nơ ron nhân tạo (Artificial neural network - ANN) chương trình máy tính lấy cảm hứng từ hệ nơ ron sinh học thiết kế để mô theo cách mà não người xử lý thông tin Một mạng nơ ron bao gồm lớp đầu vào, lớp đầu ra, nhiều lớp ẩn thể hình 2.2 Hình 2.1 Kiến trúc mạng ANN Các nơ-ron lớp kết nối với tham số huấn luyện (trọng lượng độ lệch) Lớp ẩn bao gồm số đơn vị xử lý định đóng vai trị quan trọng cầu nối lớp đầu vào lớp đầu Mỗi phần tử lớp trước kết nối đầy đủ với phần sau kết nối dựa tham số đào tạo (trọng lượng độ lệch) Việc truyền tín hiệu dựa hai phương trình Phương trình hàm tổng ( ) Hàm số phụ thuộc vào tham số huấn luyện (trọng số độ lệch) giá trị đầu lớp trước đó, tức là: ∑ ( ) ( ) (2.37) hệ số trọng số độ lệch kết nối lớp đầu vào lớp ẩn, liệu đầu vào nơ-ron thứ ; đề tài tần số dao động riêng mode dao động; số nơ-ron lớp đầu vào lớp ẩn; biểu thị đầu vào nơ-ron thứ lớp ẩn Sau hàm tổng (phương trình 2.37) tiến hành, phương trình thứ hai hàm kích hoạt áp dụng để giới hạn phạm vi giá trị đầu Hàm kích hoạt hàm tuyến tính phi tuyến tăng đơn điệu Có bốn loại hàm kích hoạt bao gồm hàm step, hàm ramp, hàm sigmoid hàm Gaussian Hàm sigmoid thường sử dụng xử lý nhiều vấn đề phức tạp liên quan đến hàm phi tuyến Các giá trị đầu ( ) thu cách sử dụng hàm sigmoid phương trình 2.38 (2.38) Quá trình chuyển nơ-ron từ lớp ẩn sang lớp đầu tương tự trình chuyển nơ ron từ lớp đầu vào sang lớp ẩn Quá trình huấn luyện mạng lặp lại chênh lệch đầu thực mong muốn nhỏ mơ tả hình 2.3: 11 trình kết hợp song song áp dụng hàm mục tiêu đạt (xác định tối ưu toàn cục) Sự kết hợp mang lại lợi to lớn cho mạng đào tạo Việc cải thiện hiệu suất kỹ thuật GD sau lần lặp làm giảm chi phí tính tốn khả tìm kiếm tồn cục tránh tối ưu cục nâng cao hiệu mạng Sự làm việc song song PSO ANN mô tả sơ đồ 2.7 Hình 2.6 Sơ đồ thuật tốn PSO kết hợp song song với ANN Ƣu điểm: Sự kết hợp thuật tốn tối ưu tiến hóa PSO ANN giải triệt để vấn đề tối ưu cục ANN Sự kết hợp có lợi kỹ thuật GD (hội tụ nhanh) kỹ thuật tìm kiếm ngẫu nhiên PSO (tránh bị mắc kẹt tối ưu cục bộ) Nhƣợc điểm: Việc xây dựng thuật toán kết hợp PSO ANN để tính tốn tham số huấn luyện ANN phức tạp việc phải khởi tạo nhiều vòng lặp điều kiện ràng buộc để tìm tham số huấn luyện tối ưu CHƢƠNG 3: ÁP DỤNG PSO KẾT HỢP VỚI ANN ĐỂ CHẨN ĐOÁN CÁC HƢ HỎNG CHO MƠ HÌNH SỐ Trong phần này, tính khả thi phương pháp đề xuất thể thơng qua mơ hình số bao gồm cầu dầm giản đơn, cầu dàn quy mô lớn kết cấu composite, với nhiều giả thiết hư hỏng khác cho trường hợp Ảnh hưởng nhiễu liệu đầu vào đánh giá cách thêm nhiễu Gaussian % cho tần số dao động riêng Để so sánh với phương pháp đề xuất, ANN PSO áp dụng để xác định hư hỏng cho kết cấu xem xét 3.1 Cầu dầm giản đơn Cầu dầm giản đơn bao gồm nhịp chiều dài 24.5 m hình 3.1 Mặt cắt ngang gồm dầm chủ hình chữ thể hình 3.2 Mỗi nhịp đặt hai gối di động cố định Mô hình phần tử hữu hạn dầm chủ NCS xây dựng cách lập trình tảng MATLAB 12 Hình 3.1 Bố trí chung cầu Phân tích phương thức thực cách sử dụng mơ hình sở để tạo liệu đầu vào đầu cho mạng Mạng có ba lớp bao gồm lớp đầu vào, lớp đầu lớp ẩn Hình 3.3 Trong liệu đầu vào bao gồm mười tần số dao động riêng đầu tiên, liệu đầu (hàm mục tiêu) liên quan đến vị trí bị hư hỏng mức độ hư hỏng Một lớp ẩn với 13 nơ-ron sử dụng Các mẫu sử dụng cho đào tạo, thực nghiệm kiểm tra chọn ngẫu nhiên từ liệu tạo với tỷ lệ 70%, 15% 15% Mạng đào tạo sử dụng để nhận dạng định lượng hư hỏng kết cấu xem xét dựa giá trị hồi quy (giá trị ) giá trị lỗi bình phương trung bình (Mean square error-MSE) Để so sánh với ANNPSO, ANN PSO sử dụng để phát hư hỏng dầm xét Đối với PSO, số lượng phần tử 150, giá trị yếu tố học tập = = 2, tham số trọng lượng quán tính ( ) 0,3 Thuật toán Levenberg-Marquest (LM) sử dụng để đào tạo mạng Để đánh giá đến ảnh hưởng nhiễu liệu đầu vào, nhiễu Gaussian áp dụng tính phương trình 3.2 (3.2) ( ) √ ( ) Trong số liệu đầu vào, liệu đầu vào (trong trường hợp tần số dao động riêng); tỷ lệ nhiễu sử dụng; random số ngẫu nhiên 3.1.1 Trƣờng hợp hƣ hỏng phần tử Các kịch hư hỏng dầm tạo cách giảm độ cứng phần tử Các tham số độ cứng nằm khoảng từ đến Trong trường hợp dầm chưa hư hỏng đại diện cho trường hợp bị hỏng hồn tồn Bởi cầu gồm nhịp giản đơn đặc trưng dầm chủ nhịp giống nhau, để giảm chi phí tính tốn dầm nhịp xem xét Dựa kịch mô tả trên, số lượng mẫu tính tốn cách sử dụng phương trình 3.3 (3.3) Trong số phần tử ( = 12 phần tử); số lượng tình hư hỏng ( = 50) Trong trường hợp này, 600 mẫu sử dụng để huấn luyện mạng, liệu đầu bao gồm vị trí mức độ hư hỏng 13 (a) (b) Hình 3.2 Giá trị hồi quy (a) ANN (b) ANN kết hợp với PSO Hình 3.4 đường hồi quy trùng với đường 45 độ giá trị hồi quy ( ) cao 0,99 Tất liệu (huấn luyện, đánh giá kiểm tra) nằm dọc với đường hồi quy mục tiêu Điều chứng tỏ tương ứng chặt chẽ kết thực mục tiêu đạt (a) (b) Hình 3.3 Sai số phân bố (a) ANN (b) ANN kết hợp với PSO Hình 3.5 cho thấy biểu đồ sai số giá trị mục tiêu giá trị dự đoán sau huấn luyện mạng Tổng phạm vi sai số chia thành 20 cột Trục cho biết tỷ lệ mẫu từ tập liệu Trục thể sai số kết tính tốn kết thực Sai số tương ứng với khơng có lỗi Có thể thấy hầu hết liệu phân bố bên cạnh cột sai số khơng Điều chứng tỏ kết tính tốn đầu thực tế hồn tồn phù hợp (a) (b) Hình 3.4 Sai số thực (a) ANN (b) ANN kết hợp với PSO Bảng 3.3 cho thấy số đánh giá hiệu suất thuật toán Bảng 3.1 Các số đánh giá hiệu suất thuật toán - Kịch hƣ hỏng đơn Thuật toán MSE-giá trị R- Giá trị Thời gian (giây) PSO 4105 ANN 0.0248 0.997 43.79 ANNPSO 0.002 0.998 265.15 Bảng 3.3 hình 3.6 cho thấy giá trị độ lệch bình phương trung bình MSE tính ANNPSO thấp nhất, mức 0.002 giá trị MSE xác định ANN 0.0248 Ngoài ra, ANNPSO vượt trội ANN giá trị Điều có nghĩa đầu phân tích (vị trí mức độ hư hỏng dầm xem xét) xác định ANNPSO gần với đầu thực PSO ANN MSE xác định ANN cao thuật tốn áp dụng thuật tốn truyền ngược, rơi vào tối ưu cục ANNPSO thể khả tìm kiếm giải pháp tối ưu ANNPSO áp dụng kỹ thuật tìm kiếm tồn cục PSO để tìm kiếm tham số đào tạo tối ưu sử dụng để đào tạo mạng Về mặt thời gian để tìm kiếm giải pháp tối ưu, ANNPSO đòi hỏi 14 nhiều thời gian ANN độ lệch không đáng kể, ANNPSO dành thời gian cho việc đào tạo mạng PSO Cụ thể, ANNPSO dành 265.15 giây để đào tạo mạng, ANN PSO dành khoảng 43.79 giây 4105 giây để đào tạo mạng PSO dành nhiều thời gian để tìm kiếm giải pháp tối ưu thuật tốn phải điều chỉnh nhiều tham số trình tìm kiếm Đây nhược điểm sử dụng PSO thuật tốn tối ưu tiến hóa khác để giải vấn đề xác định hư hỏng kết cấu phức tạp với nhiều bậc tự (b) (a) Hình 3.5 Kết phát hư hỏng PSO, ANN ANNPSO phần tử số 3: (a) 7% hư hỏng; (b) 70% hư hỏng Từ hình 3.7, thấy ANN xác định xác mức độ hư hỏng thuộc mạng đào tạo PSO, ANNPSO xác định xác vị trí mức độ hư hỏng phần tử 3.1.2 Trƣờng hợp hƣ hỏng nhiều phần tử Độ cứng phần tử giảm từ 0% đến 50% với khoảng 1%, gán ngẫu nhiên cho hai phần tử lúc, phần tử khác nguyên vẹn Số lượng mẫu ( ) tính cách sử dụng phương trình 3.4 (3.4) ( ) Trong trường hợp này, có 3300 mẫu ( = 12 = 50) tạo từ mơ hình sở sử dụng để huấn luyện mạng Bảng 3.4 cho thấy số đánh giá hiệu suất thuật toán đề xuất Bảng 3.2 Các số đánh giá hiệu thuật toán - Kịch hư hỏng nhiều phần tử cho dầm xem xét Thuật toán MSE-giá trị R- Giá trị Thời gian (giây) PSO 5120 ANN 0.1224 0.995 88.54 ANNPSO 0.0142 0.998 379.45 Từ Bảng 3.4, hình 3.8 đến hình 3.10, rõ ràng ANNPSO cung cấp khác biệt nhỏ đầu tính toán mong muốn so với PSO ANN Đối với thời gian để tìm giải pháp tối ưu, ANN ANNPSO dành 88.54 giây 379.45 giây để tìm kiếm giải pháp tối ưu, tương ứng, PSO dành 5120 giây cho trình 15 Hình 3.6 Kết phát hư hỏng PSO, ANN ANNPSO dầm thép: 20% hư hỏng phần tử – 60% hư hỏng phần tử Hình 3.11 cho thấy PSO, ANNPSO xác định xác vị trí hư hỏng phần tử Có số lỗi xảy sử dụng PSO ANN để phát mức độ hư hỏng phần tử Các kết dự đoán mức độ hư hỏng áp dụng ANNPSO tương ứng với hư hỏng thực tế 3.2 Tấm composite Trong phần composite lớp [0° 90° 0°] (hình 3.12) sử dụng để đánh giá hiệu thuật toán đề xuất Tấm ngàm cạnh với chiều dày chiều dài = 0,2 = = 1m, tương ứng Độ dày lớp (a) (b) Hình 3.7 (a) Tấm composite lớp ; (b) Mơ hình phần tử hữu hạn Mơ hình số composite xây dựng sử dụng đoạn code đươc NCS phát triển tảng chương trình MATLAB Tấm chia thành 10 phần tử cho chiều áp dụng lý thuyết biến dạng cắt bậc [142] Kiến trúc mạng bao gồm lớp đầu vào, lớp đầu lớp ẩn Hình 3.14 Dữ liệu đầu vào bao gồm tần số dao động riêng 15 mode đầu tiên, liệu đầu bao gồm vị trí mức độ hư hỏng Lớp ẩn bao gồm 18 nơ-ron Cả hai kịch hư hỏng phần tử nhiều phần tử xem xét 3.2.1 Trƣờng hợp hƣ hỏng phần tử Đối với trường hợp hư hỏng phần tử, độ cứng phần tử giảm từ 0% đến 50% với khoảng 1%, phần tử lại chưa hư hỏng Bởi composite đối xứng theo phương, để giảm thời gian tính tốn, xem xét Bảng 3.7 cho thấy số đánh giá hiệu thuật toán đề xuất Bảng 3.3 Các số đánh giá hiệu thuật toán - Kịch hƣ hỏng phần tử Thuật toán MSE-giá trị - Giá trị Thời gian (giây) PSO 12934 ANN 1.1577 0.989 248.9 548.6 ANNPSO 0.1357 0.991 Bảng 3.7 cho thấy Giá trị tính tốn ANNPSO cao giá trị xác định ANN, giá trị MSE tính ANNPSO nhỏ giá trị ANN PSO cung cấp Xét thời gian tìm kiếm giải pháp tối ưu, ANNPSO ANN giảm đáng kể thời gian tính tốn so với PSO Cụ thể, khi, ANN ANNPSO dành 248.9 548.6 giây tương ứng để tìm giải pháp tối ưu, PSO dành nhiều thời gian (12934 giây) cho trình 16 (a) (b) Hình 3.8 Kết phát hư hỏng PSO, ANN ANNPSO phần tử số 9: (a) 9% hư hỏng; (b) 70% hư hỏng Như hiển thị Hình 3.18, vị trí hư hỏng phần tử xác định xác PSO ANNPSO ANN phát sai vị trí hư hỏng mức độ hư hỏng 70% Điều xảy vì, liệu đào tạo mạng xem xét trường hợp hư hỏng từ đến 50% nên hư hỏng lớn 50% (mạng chưa đào tạo) kết chẩn đốn hư hỏng ANN có kết xác Về mặt phát mức độ hư hỏng, kết dự đốn tính tốn PSO ANN sai khác so với thực tế Ngược lại, ANNPSO xác định mức độ hư hỏng xác 3.2.2 Trƣờng hợp hƣ hỏng nhiều phần tử Đối với kịch hư hỏng nhiều phần tử, hư hỏng gán ngẫu nhiên cho phần tử lúc với độ cứng giảm phần tử từ 0% -50% với bước 1% Bảng 3.4 Các số đánh giá hiệu thuật toán - Kịch hƣ hỏng hai phần tử Thuật toán MSE-giá trị - Giá trị Thời gian (giây) PSO 13102 ANN 1.9161 0.981 348.9 ANNPSO 0.3306 0.987 602.9 Bảng 3.8 cho thấy Giá trị tính tốn ANNPSO cao giá trị xác định ANN, giá trị MSE tính ANNPSO nhỏ giá trị ANN PSO cung cấp Về thời gian tìm kiếm giải pháp tối ưu, ANN ANNPSO dành 348.9 602.9 giây để đào tạo mạng, PSO dành nhiều thời gian (13102 giây) cho q trình Hình 3.9 Kết phát hư hỏng PSO, ANN ANNPSO dầm thép: 50% hư hỏng phần tử 70% hư hỏng phần tử Hình 3.20 cho thấy có số lỗi xảy sử dụng PSO, ANN để xác định trường hợp hư hỏng xảy nhiều phần tử Kết dự đoán mức độ hư hỏng tính tốn PSO có lỗi nhỏ so với thực tế, ANN không xác định mức độ hư hỏng khơng xác mà cịn dự đốn sai vị trí hư hỏng ANNPSO phát xác vị trí hư hỏng mức độ hư hỏng phần tử 3.3 Cầu dàn thép liên tục Để đánh giá hiệu phương pháp đề xuất, cầu dàn cũ quy mơ lớn sử dụng Cầu Bến Thủy (Hình 3.21) bắc qua sông Lam Km467+500 tuyến Quốc lộ thuộc địa phận Thành phố Vinh, tỉnh Nghệ An hình 3.21 17 Hình 3.10 Cầu Bến Thủy Mơ hình phần tử hữu hạn cầu xây dựng Hình 3.22 Hình 3.11 Mơ hình phần tử hữu hạn cầu Bến Thủy 3.3.1 Trƣờng hợp hƣ hỏng phần tử Đối với trường hợp hư hỏng phần tử, độ cứng phần tử giảm từ 0% đến 50% với khoảng 1%, phần tử lại chưa hư hỏng Để giảm thời gian tính tốn, viễn cảnh hư hỏng xem xét cho dàn (thanh biên trên, biên dưới, đứng, xiên) Tổng số 2200 mẫu liệu tạo từ mơ hình sở sử dụng để huấn luyện mạng Bảng 3.11 cho thấy số đánh giá hiệu thuật toán đề xuất Bảng 3.5 Các số đánh giá hiệu thuật toán - Kịch hƣ hỏng phần tử Thuật toán MSE-giá trị R- Giá trị Thời gian (giây) PSO 94586 ANN 9.6436 0.967 578.03 ANNPSO 1.8463 0.973 980.05 Hình 3.25 – 3.27 Bảng 3.11 cho thấy ANNPSO vượt trội ANN PSO tham số đánh giá hiệu thuật toán (hệ số hồi quy R MSE) Xét thời gian tìm kiếm giải pháp tối ưu, ANNPSO ANN giảm đáng kể thời gian tính tốn so với PSO Cụ thể, khi, ANN ANNPSO dành 578.03 980.05 giây tương ứng để tìm giải pháp tối ưu, PSO dành nhiều thời gian (94586 giây) cho trình (a) (b) Hình 3.12 Kết phát hư hỏng PSO, ANN ANNPSO phần tử số 4: (a) 7% hư hỏng; (b) 80% hư hỏng Như hiển thị Hình 3.28, vị trí hư hỏng phần tử xác định xác PSO, ANN ANNPSO Về mặt phát mức độ hư hỏng, kết dự đốn tính tốn ANN sai khác so với thực tế Ngược lại, PSO, ANNPSO xác định mức độ hư hỏng xác 3.3.2 Trƣờng hợp hƣ hỏng nhiều phần tử Đối với kịch hư hỏng nhiều phần tử, hư hỏng phân ngẫu nhiên cho phần tử lúc với độ cứng giảm phần tử từ 0% -50% với bước 1% Tổng số khoảng 47300 trường hợp hư hỏng tạo từ mơ hình sở Bảng 3.6 Các số đánh giá hiệu thuật toán - Kịch hƣ hỏng hai phần tử 18 Thuật toán MSE-giá trị R- Giá trị Thời gian (giây) PSO 96234 ANN 16.400 0.956 823 ANNPSO 1.9337 0.964 1174 Kết từ bảng 3.12 ANN ANNPSO dành 823 1174 giây để đào tạo mạng, PSO dành nhiều thời gian (96234 giây) cho q trình Hình 3.13 Kết phát hư hỏng PSO, ANN ANNPSO dầm thép: 20% hư hỏng phần tử 80% hư hỏng phần tử Hình 3.32 cho thấy có số lỗi xảy sử dụng PSO, ANN để xác định hư hỏng xảy nhiều phần tử ANN không xác định mức độ hư hỏng không xác mà cịn dự đốn sai vị trí hư hỏng ANNPSO phát xác vị trí hư hỏng mức độ hư hỏng phần tử CHƢƠNG 4: ÁP DỤNG PSO KẾT HỢP VỚI ANN ĐỂ CHẨN ĐỐN CÁC HƢ HỎNG CHO MƠ HÌNH THỰC NGHIỆM Để kiểm tra tính hiệu thuật toán đề xuất, chương này, Một dầm thép phịng thí nghiệm sử dụng Bên cạnh đó, cầu dầm thép giản đơn thực tế với hư hỏng tồn kết cấu xem xét Để so sánh với thuật toán đề xuất kết hợp ANNPSO, thuật toán ANN PSO riêng rẽ sử dụng để xác định hư hỏng kết cấu xem xét 4.1 Dầm giản đơn phịng thí nghiệm 4.1.1 Mơ hình tốn Một dầm thép giản đơn phịng thí nghiệm tham khảo (kích thước hình vẽ 4.1) để đánh giá hiệu thuật tốn đề xuất Dầm thí nghiệm thực nhà nghiên cứu Trường Đại học Ghent – Vương Quốc Bỉ Hình 4.1 Dầm giản đơn với điều kiện biên tự Mơ hình phần tử hữu hạn dầm thép NCS xây dựng dựa tảng chương trình MATLAB Dầm chia thành 21 phần tử sử dụng phần tử chiều với bậc tự nút (node) bao gồm chuyển bị theo hướng chuyển vị xoay theo phương (Hình 4.2) Dầm kiểm tra trạng thái chưa hư hỏng, sau dầm tạo hư hỏng với mức độ khác thuật toán đề xuất dùng để xác định khu vực mức độ hư hỏng 4.1.2 Mơ hình thực nghiệm Để xác định đặc trưng động học dầm thép, nguồn kích thích tạo từ lực tác dụng búa Các gia tốc PCB 356A15 sử dụng để thu tín hiệu Các gia tốc kế đặt gần phía hai đầu dầm Sau kỹ thuật chọn đỉnh sử dụng để xác định tần số mode dao động Mơ hình thí nghiệm dầm thép thể Hình 4.3 19 Hình 4.2 Thí nghiệm dầm thép [143] Dầm thép tạo hư hỏng vị trí dầm Mức độ hư hỏng tạo với mức độ khác Lần 1, tạo vết cắt mm, lần 2, tạo vết cắt mm, lần cuối tạo vết cắt 12 mm Các tần số dao động riêng thí nghiệm trường hợp chưa hư hỏng hư hỏng dầm thép thể hình 4.5 bảng 4.3 1k XAxis: Hz YAxis: g/N Log g/N 10 XAxis: Hz YAxis: g/N 100 X 418.75 1.1263k 2.1344k 3.3891k 4.8625k Y:1 97.196 61.686 25.267 10.850 5.7464 10 Log g/N 100 X 412.81 1.1253k 2.1113k 3.3872k 4.8147k Y:1 101.88 49.165 30.963 6.9696 5.1023 100m 100m 10m 61 1k 2k 3k 4k 10m 5.1k 1.5 Frequency - Hz 4k 5k XAxis: Hz YAxis: g/N 10 Log g/N 3k 100 5 XAxis: YAxis: Y:1 76.345 45.440 12.052 9.2799 22.784 Hz g/N X 372.19 1.1244k 1.9906k 3.3922k 4.5678k 10 X 398.44 1.1247k 2.0588k 3.4038k 4.7206k 1 Y:1 43.081 13.974 27.824 66.016 40.235 100m 100m 10m 3.1m 2k Frequency - Hz Log g/N 100 1k 10m 1k 2k 3k 4k 5k 50 1k Frequency - Hz 2k 3k 4k 5k Frequency - Hz Hình 4.3 Tần số dao động riêng thí nghiệm dầm thép: (a) chưa hư hỏng; (b) cắt 4mm; (c) cắt 8mm; (d) cắt 12mm Bảng 4.1 Tần số dao động riêng mode (trạng thái chƣa hƣ hỏng hƣ hỏng) Tần số dao động riêng (Hz) Dầm hư hỏng Dầm hư hỏng Dầm hư hỏng Dầm chưa hư hỏng (4 mm) (8 mm) (12 mm) 418.75 412,81 398,44 372,19 1126.3 1125,3 1124,7 1124,4 2134.4 2111,3 2058,8 1990,6 4.1.3 Phân tích, so sánh kết thu đƣợc từ lý thuyết thực nghiệm Trước áp dụng thuật toán đề xuất để xác định khu vực vị trí hư hỏng kết cầu đề xuất, mơ hình số cập nhật để giảm thiểu độ sai lệch kết đo kết tính, từ xác định tham số không chắn kết cấu Hàm mục tiêu dùng để cập nhật bao gồm tần số mode dao động Bảng 4.4 thể tần số dầm thép trước sau cập nhật mơ hình Bảng 4.2 Tần số dao động riêng mode (trƣớc sau cập nhật mơ hình) Mode Mode Tần số dao động riêng (Hz) Trước cập nhật Sau cập nhật Tần số đo đạc 411.1 (1.81%) 417.9 (0.2%) 418.75 1122.2 (0.35%) 1125.4 (0.07%) 1126.3 2154.3 (0.79%) 2137.1 (0.12%) 2134.4 20 Sau cập nhật, khác biệt tần số dao động tính tốn đo đạc nhỏ 1% Mơ hình sau cập nhật sử dụng để tạo liệu đầu vào đầu cho mạng Mạng có ba lớp bao gồm lớp đầu vào, lớp đầu lớp ẩn Trong liệu đầu vào bao gồm tần số riêng mode (Bảng 4.4), liệu đầu (hàm mục tiêu) liên quan đến vị trí bị hỏng mức độ hư hỏng Một lớp ẩn với 15 nơ-ron sử dụng biểu diễn hình 4.6 Để so sánh với ANNPSO, ANN PSO sử dụng để phát hư hỏng dầm liên tục Đối với PSO, số lượng phần tử 50, giá trị yếu tố học tập = = 2, tham số trọng lượng qn tính ( ) 0,3 Thuật tốn Levenberg-Marquest (LM) sử dụng để đào tạo mạng Các số đánh giá hiệu suất thuật toán thể bảng 4.5 Bảng 4.3 Các số đánh giá hiệu suất thuật toán Thuật toán MSE-giá trị R- Giá trị Thời gian (giây) PSO 9124 ANN 3.8229 0.989 623 ANNPSO 0.4667 0.998 824 Hình số 4.7 đến 4.9 bảng 4.5 cho thấy ANNPSO cung cấp số với độ xác cao so với PSO ANN Về thời gian để tìm kiếm giải pháp tối ưu, ANNPSO tốn nhiều thời gian ANN độ lệch không đáng kể, ANNPSO dành thời gian cho việc đào tạo mạng PSO Cụ thể, ANNPSO dành 824 giây để đào tạo mạng, ANN PSO dành khoảng 623 giây 9124 giây để đào tạo mạng Mạng sau đào tạo thành công sử dụng để xác định vị trí mức độ hư hỏng kết cấu đánh giá thể hình 4.10 (a) (b) (c) Hình 4.4 Kết phát hư hỏng PSO, ANN ANNPSO phần tử số 11: (a) 21.6% hư hỏng; (b) 40.3% hư hỏng; (c) 57.3% hư hỏng Hình 4.10 cho thấy PSO khơng thể xác định xác vị trí mức độ hư hỏng dầm xem xét Lý PSO tìm kiếm giải pháp tối ưu dựa kỹ thuật tìm kiếm ngẫu nhiên Nếu khơng gian tìm kiếm lớn hàm mục tiêu chứa thông tin PSO xác định tối ưu toàn cục Ngoài ra, việc áp dụng PSO tốn nhiều thời gian nên khó áp dụng PSO cho toán thực tế (kết cấu phức tạp với nhiều bậc tự do) ANN xác định xác trường hợp hư hỏng liệu huấn luyện, nhiên ANN xác định sai vị trí hư hỏng mức độ hư hỏng nằm liệu huấn luyện ANNPSO vượt trội ANN PSO xác định hư hỏng 21 kết cấu dầm xem xét Cụ thể, ANNPSO xác định xác vị trí hư hỏng (phần tử số 11) Về mức độ hư hỏng, kết tính tốn ANNPSO có sai lệch với kết thực độ sai lệch không đáng kể Nguyên nhân sai lệch sai số thí nghiệm 4.2 Cầu Bến Quan 4.2.1 Giới thiệu cầu Bến Quan Cầu Bến Quan hình số 4.11 cầu dầm thép liên hợp mặt cầu bê tông cốt thép, cầu bắc qua nhánh sông Lam thuộc địa phận xã Thanh Thủy, huyện Thanh Chương, tỉnh Nghệ An Hình 4.5 Cầu Bến Quan 4.2.2 Mơ hình thí nghiệm Để xác định phản ứng động cầu, thí nghiệm đo dao động tiến hành Các đặc trưng động học cầu xác định trạng thái cịn ngun vẹn (hình 4.14), trạng thái phá hủy (Hình 4.15) (a) (b) Hình 4.6 Đo đạc trường (a) cơng tác chuẩn bị; (b) Thu thập liệu (a) (b) Hình 4.7 Tạo hư hỏng mặt cầu (a) phá hủy mặt cầu (b) thu thập tín hiệu sau phá hủy mặt cầu Để thu đặc trựng động cầu, nguồn kích thích dao động xe tải 10T di chuyển qua cầu với vận tốc không đổi 30 km/h Các gia tốc kế bố trí theo hướng để đo dao động cầu Mode Cầu nguyên vẹn (Hz) Cầu sau bị hư hỏng (Hz) 9.87 9.75 26.85 26.61 41.24 40.25 51.23 50.05 4.2.3 Mơ hình phần tử hữu hạn Mơ hình dầm chủ cầu Bến Quan tạo cách lập trình tảng chương trình MATLAB Mỗi dầm chủ chia thành phần tử (như hình 4.18) 22 Hình 4.8 Mơ hình cầu Bến Quan Như 20 phần tử sử dụng mơ hình tần số dao động tự nhiên Bảng 4.8 Bảng 4.4 Tần số dao động mode dao động Mode Trước cập nhật (Hz) 9.83 26.67 39.87 50.10 4.2.4 Cập nhật mơ hình xác định hƣ hỏng kết cấu Trước áp dụng thuật toán đề xuất để xác định khu vực vị trí hư hỏng kết cầu đề xuất, mơ hình số cập nhật để giảm thiểu độ sai lệch kết đo kết tính, từ xác định tham số không chắn kết cấu Hàm mục tiêu dùng để cập nhật bao gồm tần số mode dao động Tần số mode dao động trước sau cập nhật mơ hình thể bảng 4.9 Bảng 4.5 Tần số dao động riêng mode (trước sau cập nhật mơ hình) Mode Trước cập nhật (Hz) Sau cập nhật (Hz) Tần số đo đạc (Hz) 9.83 (0.4%) 9.87 (0%) 9.87 26.67 (0.67%) 26.74 (0.41%) 26.85 39.87 (3.32%) 40.12 (2.71%) 41.24 50.10 (2.2%) 50.18 (2.04%) 51.23 Bảng 4.9 tương đồng kết phân tích đo đạc sau cập nhật mơ hình Sau cập nhật, khác biệt tần số dao động tính tốn đo đạc nhỏ % Như mơ hình số phản ánh ứng xử kết cấu thực tế Sau cập nhật mơ hình, độ cứng kết cấu trước sau hư hỏng xác định, để ước lượng mức độ hư hỏng kết cấu tính theo cơng thức 4.1 Mơ hình sau cập nhật sử dụng để tạo liệu đầu vào đầu cho mạng Mạng có ba lớp bao gồm lớp đầu vào, lớp đầu lớp ẩn Trong liệu đầu vào bao gồm tần số riêng mode đầu tiên, liệu đầu (hàm mục tiêu) liên quan đến vị trí bị hư hỏng mức độ hư hỏng Để tạo liệu huấn luyện mạng, độ cứng phần tử giảm từ 1% đến 80% với mức giảm 1% cho cấp Vậy tổng có 1600 liệu tạo Một lớp ẩn với 15 nơ-ron sử dụng biểu diễn hình 4.19 Để so sánh với ANNPSO, ANN PSO sử dụng để phát hư hỏng dầm liên tục Đối với PSO, số lượng phần tử, giá trị yếu tố học tập, tham số trọng lượng quán tính chọn ví dụ mơ hình số phần 3.1 Thuật toán Levenberg-Marquest (LM) sử dụng để đào tạo mạng Các số đánh giá hiệu suất thuật toán thể bảng 4.10 Bảng 4.6 Các số đánh giá hiệu suất thuật toán Thuật toán MSE-giá trị R- Giá trị PSO ANN Thời gian (giây) 7314 4.3195 0.988 53 23 ANNPSO 2.603 0.992 189 Hình số 4.20 đến 4.22 bảng 4.10 cho thấy ANNPSO cung cấp số với độ xác cao so với PSO ANN Về thời gian để tìm kiếm giải pháp tối ưu, ANNPSO dành 189 giây để đào tạo mạng, ANN PSO dành khoảng 53 giây 7314 giây để đào tạo mạng Mạng sau đào tạo thành công sử dụng để xác định vị trí mức độ hỏng kết cấu đánh giá thể hình 4.23 Hình 4.9 Kết phát hư hỏng PSO, ANN ANNPSO Hình 4.23 cho thấy PSO khơng thể xác định xác vị trí mức độ hư hỏng dầm xem xét lý nằm hàm mục tiêu chứa q thơng tin khơng gian tìm kiếm q rộng lớn ANN ANNPSO xác định xác vị trí hỏng phần tử mức độ hư hỏng sai khác với hư hỏng thực tế tính theo cơng thức thực nghiệm Lý nằm sai số đo đạc, ảnh hưởng nhiễu gần công thức thực nghiệm 24 KẾT LUẬN VÀ KIẾN NGHỊ  Kết luận: Với mục tiêu đề xuất phương pháp giám sát sức khỏe kết cấu không phá hủy dựa đặc trưng động học kết cấu với độ xác cao, khơng thay đổi tính chất vật lý ban đầu kết cấu, khơng tốn kém, gây cản trở phương tiện giao thông qua lại Trong đề tài này, NCS đề xuất sử dụng thuật toán ANN làm việc song song với PSO để xác định hư hỏng cho kết cấu dựa phương pháp đánh giá thông qua tần số dao động Từ kết đạt được, số kết luận quan trọng rút sau: Các phương pháp tối ưu tiến hóa phương pháp học máy, điển hình mạng nơ-ron nhân tạo chứng minh hiệu để giải tốn tối ưu có vấn đề cập nhật mơ hình kết cấu, xác định hư hỏng kết cấu Phương pháp tối ưu tiến hóa cần phải điều chỉnh nhiều tham số trình tìm kiếm giải pháp tối ưu Nếu khơng gian tìm kiếm rộng lớn hàm mục tiêu chứa q thơng tin, thuật tốn tối ưu khơng thể xác định xác giải pháp tối ưu tồn cục Ngồi q trình tìm kiếm ngẫu nhiên túy PSO thường tốn thời gian, khó áp dụng cho vấn đề thực tế với kết cấu quy mô lớn, độ phức tạp cao Phương pháp ANN áp dụng thuật toán truyền ngược (back propagation) tìm giải pháp tối ưu việc áp dụng ANN bị rơi vào vùng tối ưu cục thay tối ưu tồn cục Sự kết hợp thuật tốn tối ưu tiến hóa ANN khắc phục nhược điểm tối ưu cục ANN Thuật tốn tối ưu tiến hóa áp dụng để xác định tham số huấn luyện, sau tham số dùng để đào tạo mạng cho ANN Nhờ kết hợp góp phần cải thiện hiệu suất, với độ xác cao (các hệ số hồi quy trường hợp xấp xỉ 1, độ lệch bình phương trung bình MSE gần 0) Ngồi ANNPSO cịn giảm thời gian tính tốn nhiều so với PSO Thuật toán kết hợp PSO ANN phát khơng xác vị trí mà cịn xác định xác mức độ hư hỏng xảy kết cấu toán mơ hình số Đối với mơ hình thực tế ảnh hưởng yếu tố môi trường nhiễu, thuật tốn đề xuất phát xác khu vực ước tính gần mức độ hư hỏng kết cấu Do đó, đóng góp luận án là: - Đã đề xuất thuật toán kết hợp thuật toán tối ưu tiến hóa hóa mạng nơ ron nhân tạo để giúp cập nhật mơ hình số hóa kết cấu tần số dao động; giúp xác định hư hỏng xuất kết cấu - Đã xây dựng chương trình (code) dựa thuật tốn để xác định hư hỏng cho kết cấu cầu dạng: dầm, dạng dàn dạng (bản)  Kiến nghị: Trong phạm vi nghiên cứu luận án, phần xác định hư hỏng cho kết cấu thực tế, kết cấu tạo hư hỏng vị trí (hư hỏng đơn) Trong trường hợp có đầu nên cấu tạo mạng đơn giản Để có tính khái qt hóa hơn, cần xem xét áp dụng phương pháp đề xuất cho tốn hư hỏng đồng thời nhiều vị trí kết cấu thực tế nghiên cứu Tiếp tục phát triển phương pháp đề xuất để đánh giá liên tục sức khỏe kết cấu thực tế phức tạp cầu dây văng, cầu vòm,…Những kết cấu chứa nhiều phần tử có số bậc tự lớn DANH MỤC CƠNG TRÌNH KHOA HỌC CỦA NGHIÊN CỨU SINH Hồ Khắc Hạnh, Lê Xuân Thắng, Hồ Xuân Nam, Bùi Tiến Thành, Trần Ngọc Hòa Phát hư hỏng kết cấu dàn sử dụng đặc tính động kết hợp với mạng nơ-ron nhân tạo Tạp chí GTVT, số 10 /2019 Kết công bố nằm chương 2, chương luận án Lê Hoài Nam, Hồ Khắc Hạnh, Nguyễn Thị Cẩm Nhung, Lê Xuân Thắng Tối ưu hóa hình học trọng lượng cầu giàn thép quy mơ lớn sử dụng thuật tốn tối ưu hóa bầy đàn Tạp chí GTVT, Số 3, năm 2020 Kết công bố nằm chương luận án H.Tran-Ngoc, Lan Nguyen-Ngoc, H Ho- Khac , G De Roeck ,T Bui- Tien, and M Abdel Wahab „Application of improved artificial neural network to stiffness reduction analysis of truss joints in a railway bridge‟; 8th International Conference on Fracture Fatigue and Wear (FFW 2020) Kết công bố nằm chương 2, chương luận án Tran-Ngoc, H., Ho-Khac, H., Le-Xuan, T., Nguyen-Tran, H., De Roeck, G., Bui-Tien, T and Wahab, M.A., 2020, December Model Updating for a Railway Bridge Using a Hybrid Optimization Algorithm Combined with Experimental Data In Proceedings of 1st International Conference on Structural Damage Modelling and Assessment (pp 19-30) Springer, Singapore Kết công bố nằm chương 2, chương luận án Tran-Ngoc, H., Khatir, S., Ho-Khac, H., De Roeck, G., Bui-Tien, T and Wahab, M.A., 2020 Efficient Artificial neural networks based on a hybrid metaheuristic optimization algorithm for damage detection in laminated composite structures Composite Structures, p.113339 https://doi.org/10.1016/j.compstruct.2020.113339 Kết công bố nằm chương 2, chương luận án Đề tài nghiên cứu cấp GDĐT "Nghiên cứu giám sát tự động sức khỏe cầu dây văng lớn việt nam" Năm 2020 Thành viên tham gia ... Áp dụng phương pháp tối ưu tiến hóa phương pháp mạng nơ ron nhân tạo việc cập nhật mơ hình số hóa kết cấu chẩn đốn hư hỏng kết cấu - Đề xuất thuật toán kết hợp thuật tốn tối ưu tiến hóa với phương. .. trình cầu Do vậy, nghiên cứu sinh định lựa chọn đề tài: ? ?Chẩn đốn dầm cầu phƣơng pháp phân tích dao động mơ hình số hố kết cấu đƣợc cập nhật sử dụng thuật toán tối ƣu hoá bầy đàn kết hợp mạng nơ ron. .. tiến hóa mạng nơ ron nhân tạo; - Chẩn đốn vị trí hư hỏng kết cấu Phƣơng pháp nghiên cứu - Phương pháp tổng hợp phân tích lý thuyết; - Phương pháp số; - Phương pháp phân tích số kết hợp với thực