b. Phân tích kết quả các mô hình
3.4.2. Đánh giá kết quả dự đoán chiều sâu vết nứt bằng thực nghiệm và mô phỏng
phỏng
Kết quả xác định chiều sâu vết nứt từ mô phỏng (Mục 2.4) và từ thực nghiệm được thể hiện ở Bảng 3.16. Kết quả cho thấy giá trị chiều sâu vết nứt dự đoán dựa trên đo đạc thực nghiệm bằng xung siêu âm lớn hơn giá trị dự đoán bằng mô phỏng số. Điều này là phù hợp. Bởi vì trong mô phỏng số vật liệu bê tông được giả thiết là môi trường đồng nhất. Còn khi đo đạc thực nghiệm trên mẫu bê tông, cấu trúc vật liệu là không đồng nhất, bên trong mẫu có thể tồn tại các lỗ trống do quá trình chế tạo, từ đó sóng lan truyền sẽ bị tán xạ với cốt liệu lớn và các lỗ trống này, và sự lan truyền sóng khi đo đạc thực nghiệm sẽ có sai khác so với khi mô phỏng số.
Bảng 3.16. Kết quả xác định chiều sâu vết nứt bằng mô phỏng và thực nghiệm
Phương pháp Chiều sâu vết nứt
dự đoán Chiều sâu vết nứt thực tế Sai lệch (%) Mô phỏng số 7,5cm 7cm 7,1% Thực nghiệm 7,92cm 7cm 13,1% 3.5. Kết luận chương 3
Mục tiêu của chương 3 là nghiên cứu thực nghiệm đối với bê tông sử dụng vật liệu phế phẩm tro bay và bột đá để thực hiện các công việc sau: Dự đoán cường độ chịu nén bê tông bằng phương pháp hồi quy và mạng nơ-ron nhân tạo; xác định các hệ số cản Rayleigh của bê tông để xác định ma trận cản trong bài toán mô phỏng ở
Chương 2 và dự đoán chiều sâu vết nứt bằng phương pháp thực nghiệm để kiểm chứng kết quả mô phỏng ở Chương 2.
Đối với việc dự đoán cường độ chịu nén bê tông, Luận án đề xuất 3 mô hình đa biến với tham số đầu vào khác nhau, sử dụng phương pháp hồi quy tuyến tính đa biến và mạng nơ-ron nhân tạo. Kết quả cho thấy mô hình mạng nơ-ron nhân tạo (Mô hình 3) cho kết quả chính xác nhất. Trong Mô hình 3, đầu vào gồm 6 tham số: 4 tham số vật liệu (cốt liệu bé, cốt liệu lớn, chất kết dính và nước) và 2 tham số đặc tính sóng
siêu âm (UPV và tỉ lệ biên độ A2/A1), đầu ra của mô hình là cường độ chịu nén bê
tông. Mô hình cho phép dự đoán cường độ chịu nén của bê tông sử dụng vật liệu phế phẩm (tro bay và bột đá) với độ chính xác cao.
Để xác định các hệ số cản Rayleigh và β, một phương pháp thực nghiệm
được đề xuất, từ đó xác định được các hệ số cản Rayleigh cho 72 cấp phối bê tông sử dụng các vật liệu phế phẩm tro bay và bột đá. Ngoài ra, một mô hình mạng nơ-ron nhân tạo được xây dựng để dự đoán các hệ số cản Rayleigh cho cấp phối bê tông bất kỳ với độ chính xác phù hợp. Trong mô hình, đầu vào là 4 tham số vật liệu (cốt liệu
bé, cốt liệu lớn, chất kết dính và nước), đầu ra là các hệ số cản Rayleigh và β.
Kết quả chiều sâu vết nứt bê tông xác định bằng đo đạc thực nghiệm có sai lệch so với phương pháp mô phỏng số ở Chương 2, tuy nhiên với sai số chấp nhận được. Sai số này có thể khắc phục bằng cách bổ sung giả thiết vật liệu bê tông được tạo thành từ nhiều vật liệu không đồng nhất khi mô phỏng số quá trình lan truyền sóng.
KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU CẦN PHÁT TRIỂN
Các kết quả Luận án đạt được:
1.Xây dựng được thuật toán và chương trình mô phỏng bằng phương pháp phần
tử hữu hạn, để mô phỏng hai chiều sự lan truyền sóng siêu âm trong bê tông sử dụng các vật liệu phế phẩm là tro bay và bột đá. Điểm mới của chương trình là có xét đến ma trận cản C được xác định bằng mô hình giảm chấn Rayleigh thông qua các hệ số
và β tính toán từ thực nghiệm.
2.Xây dựng được bộ dữ liệu thực nghiệm gồm có 72 cấp phối bê tông, đạt cấp
độ bền chịu nén từ B10 đến B45. Cấp phối bê tông sử dụng các vật liệu tại miền Trung: cát, đá dăm, xi măng Portland và đặc biệt sử dụng hai vật liệu phế phẩm là tro bay và bột đá. Bộ dữ liệu này bao gồm các thông tin về cấp phối bê tông, vận tốc xung siêu âm ở tuổi 28 ngày, khối lượng riêng, mô-đun đàn hồi của bê tông, tỉ lệ suy giảm biên độ sóng siêu âm tại 28 ngày tuổi và cường độ chịu nén bê tông tại 28 ngày tuổi.
3.Đề xuất phương pháp và xây dựng được các mô hình dự đoán cường độ chịu
nén của bê tông sử dụng tro bay và bột đá bằng phương pháp hồi quy tuyến tính và mạng nơ-ron nhân tạo. Mô hình này cho phép dự đoán chính xác cường độ chịu nén của bê tông tương ứng với các cấp phối đã xác định. Từ đó, có thể giúp nhà sản xuất bê tông dự đoán được khoảng cấp phối bê tông và xác định được cấp phối bê tông tối ưu để đảm bảo yêu cầu về cường độ chịu nén thiết kế.
4.Đề xuất phương pháp thực nghiệm để xác định các hệ số cản Rayleigh cho 72
cấp phối bê tông sử dụng các vật liệu phế phẩm là tro bay và bột đá. Xây dựng được mô hình mạng nơ-ron nhân tạo cho phép dự đoán hệ số cản Rayleigh của bê tông sử dụng vật liệu thay thế với cấp phối bất kỳ.
5.Xác định phương pháp phù hợp để dự đoán chiều sâu vết nứt mở vuông góc
với bề mặt của mẫu bê tông sử dụng vật liệu phế phẩm như tro bay và bột đá. Phương pháp này dựa trên thời gian lan truyền nhiễu xạ (TOFD) để xác định chiều sâu của vết nứt. Việc xác định vết nứt này có thể ứng dụng để kiểm tra các khuyết tật trong bê tông.
Hướng nghiên cứu cần phát triển:
1.Chương trình mô phỏng sự lan truyền sóng siêu âm trong bê tông đã được xây
dựng cho trường hợp của bài toán hai chiều với giả thiết là vật liệu đồng nhất. Để có thể ứng dụng sóng siêu âm giải quyết các bài toán thực tế như: xác định cấu trúc, tính đồng nhất, khuyết tật của bê tông, cần phát triển chương trình mô phỏng cho bài toán ba chiều, vật liệu không đồng nhất.
2.Đối tượng bê tông trong nghiên cứu hiện tại được chế tạo từ các vật liệu tại
miền Trung là cát, đá dăm, xi măng portland và hai vật liệu phế phẩm là tro bay và bột đá. Khối lượng của hai vật liệu này thay thế cho 20% khối lượng xi măng và cát được sử dụng để chế tạo bê tông truyền thống. Trong thời gian đến, có thể mở rộng đối tượng nghiên cứu bằng cách thay đổi, nâng cao tỉ lệ của các vật liệu tro bay và bột đá, hay thay thế các vật liệu tái chế khác như trấu, xỉ, vụn cao su.
3.Kết quả nghiên cứu ứng dụng sóng siêu âm để dự đoán chiều sâu vết nứt trong
luận án là cho vết nứt mở vuông góc bề mặt bê tông. Để có thể ứng dụng trong việc dự đoán chiều sâu các loại vết nứt khác nhau trong thực tế, cần mở rộng hướng nghiên cứu cho các loại vết nứt khác nhau như vết nứt xiên, vết nứt cong, vết nứt bên trong bê tông. Nhờ đó chúng ta có thể thiết lập một cơ sở dữ liệu các vết nứt để sử dụng cho việc xây dựng mô hình dự đoán vết nứt của bê tông trong thực tế dựa trên sóng siêu âm.
4.Để có thể triển khai ứng dụng vào thực tế cho các nhà sản xuất bê tông trong
việc lựa chọn cấp phối phù hợp, đặc biệt là cấp phối sử dụng các vật liệu phế phẩm là tro bay và bột đá, cần mở rộng việc thu thập dữ liệu của các mẫu thực tế tại công trình. Từ đó kiểm chứng kết quả và hiệu chỉnh các tham số đầu vào của mô hình dự đoán nơ-ron nhân tạo.
TÀI LIỆU THAM KHẢO
Tiếng Việt
[1] Lý Hải Bằng, Nguyễn Thùy Anh, Mai Thị Hải Vân (2021), "Nghiên cứu ứng
dụng mô hình trí tuệ nhân tạo dự báo cường độ nén của bê tông sử dụng cốt
liệu tái chế", Tạp chí Khoa học Giao thông vận tải, số 72, trang 369-383.
[2] Lý Hải Bằng, Nguyễn Thùy Anh (2020), "Mô phỏng cường độ bê tông 28
ngày tuổi sử dụng mạng nơ-ron nhân tạo tối ưu hóa với thuật toán giải thuật di
truyền", Tạp chí Khoa học Giao thông vận tải, số 72, trang 369-383.
[3] Đào Huy Bích (2008), Cơ học môi trường liên tục, Nhà xuất bản Đại học quốc
gia Hà Nội.
[4] Lương Xuân Chiểu (2012), "Nghiên cứu xây dựng đường chuẩn tương quan
giữa cường độ chịu nén với vận tốc truyền sóng siêu âm kết hợp trị số bật nảy
ứng dụng đánh giá cường độ chịu nén bê tông mác 45-55 MPa", Tạp chí khoa
học Giao thông vận tải, số 38, trang 40-45.
[5] Nguyễn Văn Chính, Đặng Công Thuật (2020), "Ảnh hưởng của tro bay,
silicafume và môi trường dưỡng hộ đến cường độ chịu nén của bê tông", Tạp
chí Khoa học Công nghệ Xây dựng (KHCNXD)-ĐHXD, số 14, trang 60-72.
[6] Hoàng Nhật Đức, Phạm Anh Đức (2016), "Xây dựng mô hình hồi quy đa biến
để tính toán cường độ chịu nén của hỗn hợp bê tông tính năng cao", Tạp chí
Khoa học và Công nghệ - Trường Đại học Duy Tân, số 2(19), trang 9-14.
[7] Nguyễn Hồng Đức (2017), "Nghiên cứu sự phát triển cường độ chịu nén bê
tông Geopolymer bằng thí nghiệm không phá hủy mẫu", Tạp chí Xây dựng, số
3, trang 111-115.
[8] Bộ Xây Dựng (1998), Chỉ dẫn kỹ thuật chọn thành phần bê tông các loại, Nhà
xuất bản xây dựng, Hà Nội.
[9] Nguyễn Trọng Dũng, Tăng Văn Lâm, Ngô Xuân Hùng, Đặng Văn Phi, Hồ
Anh Cương, Vũ Kim Diến (2020), "Ảnh hưởng của phụ gia khoáng tro bay
đến cường độ của đá xi măng ở tuổi sớm ngày", Tạp chí Khoa học Kỹ thuật
[10] Nguyễn Hữu Huế (2016), "Phương pháp thí nghiệm hiện trường kiểm tra đo đạc vết nứt bê tông bản mặt đập chính-hồ chứa nước Cửa Đạt (The field test
method for measuring cracks in concrete of Cua Dat lake)", Tạp chí Khoa học
kỹ thuật Thủy lợi và Môi trường, số 28, trang 1-13.
[11] Nguyễn Trọng Lâm, Nguyễn Ngọc Linh, Trần Văn Nam, Vũ Duy Kiên, Trần Văn Khải, Phùng Đức Hiếu (2020), "Ảnh hưởng của tro bay thay thế một phần
xi măng đến tính chất của bê tông thương phẩm", Tạp chí Khoa học Công nghệ
Xây dựng (KHCNXD)-ĐHXD, số 14, trang 96-105.
[12] Tăng Văn Lâm, Vũ Kim Diến (2020), "Khả năng sử dụng xỉ thải của công
nghiệp luyện kim trong sản xuất vật liệu xây dựng", Tạp chí Khoa học Công
nghệ Công thương, số 43, trang 1-6.
[13] Tiêu chuẩn Việt Nam (2012), TCVN : 9357 Bê tông nặng - Phương pháp thử
không phá hủy - Đánh giá chất lượng bê tông bằng vận tốc xung siêu âm, Nhà xuất bản xây dựng, Hà Nội.
[14] Tiêu chuẩn Việt Nam (2018), TCVN : 5574 Thiết kế kết cấu bê tông và bê tông
cốt thép, Nhà xuất bản xây dựng, Hà Nội.
[15] Nguyễn Thị Thu Ngà, Trần Việt Hưng (2020), "Mô phỏng cường độ bê tông 28 ngày tuổi sử dụng mạng nơ-ron nhân tạo tối ưu hóa với thuật toán giải thuật di truyền", số 10, trang 89-92.
[16] Nguyễn Như Quý (2007), "Nghiên cứu ảnh hưởng của phụ gia mịn bột đá vôi
và tro bay nhiệt điện đến tính chất của hỗn hợp bê tông bơm", Tạp chí Khoa
học Công nghệ Xây dựng, số 1, trang 3-5.
[17] Nguyễn Công Thắng, Nguyễn Văn Tuấn, Phạm Hữu Hanh, Nguyễn Trọng Lâm (2013), "Nghiên cứu chế tạo bê tông chất lượng siêu cao sử dụng hỗn
hợp phụ gia khoáng silica fume và tro bay sẵn có ở Việt nam", Tạp chí Khoa
học Công nghệ Xây dựng, số 2, trang 21-29.
[18] Trần Ích Thịnh (2007), Giáo trình Phương pháp phần tử hữu hạn, Nhà xuất
Tiếng Anh
[19] Ahn, E., Shin, M., Popovics, J. S., and Weaver, R. L. (2019), "Effectiveness of diffuse ultrasound for evaluation of micro-cracking damage in concrete",
Cement and Concrete Research, vol. 124, pp. 105862.
[20] Anugonda, P., Wiehn, J. S., and Turner, J. A. (2001), "Diffusion of ultrasound
in concrete", Ultrasonics, vol. 39, pp. 429-435.
[21] Arne, K. C. (2014), Crack depth measurement in reinforced concrete using
ultrasonic techniques, Master of Science in the School of Civil and Environmental Engineering, Georgia Institute of Technology.
[22] Ashrafian, A., Amiri, M. J. T., Rezaie-Balf, M., Ozbakkaloglu, T., and Lotfi- Omran, O. (2018), "Prediction of compressive strength and ultrasonic pulse velocity of fiber reinforced concrete incorporating nano silica using heuristic
regression methods", Construction and Building Materials, vol. 190, pp. 479-
494.
[23] Asriana, I. and Nakahata, K. (2015), Numerical Simulation of Ultrasonic
Scattered Wave from Crack with Nonlinear Interface, Malaysia International NDT Conference & Exhibition 2015 (MINDTCE-15).
[24] Atici, U. (2011), "Prediction of the strength of mineral admixture concrete using multivariable regression analysis and an artificial neural network",
Expert Systems with applications, vol. 38, pp. 9609-9618.
[25] Becker, J., Jacobs, L. J., and Qu, J. (2003), "Characterization of cement-based
materials using diffuse ultrasound", Journal of engineering mechanics, vol.
129, pp. 1478-1484.
[26] Bogas, J. A., Gomes, M. G., and Gomes, A. (2013), "Compressive strength evaluation of structural lightweight concrete by non-destructive ultrasonic
pulse velocity method", Ultrasonics, vol. 53, pp. 962-972.
[27] Çam, E., Orhan, S., and Lüy, M. (2005), "An analysis of cracked beam
structure using impact echo method", Ndt & E International, vol. 38, pp. 368-
[28] Carino, N. J. and Sansalone, M. (1984), Pulse-echo method for flaw detection in concrete, AlllOb 034251 REFERENCE : 84.
[29] Dantas, A. T. A., Leite, M. B., and de Jesus Nagahama, K. (2013), "Prediction of compressive strength of concrete containing construction and demolition
waste using artificial neural networks", Construction and Building Materials,
vol. 38, pp. 717-722.
[30] Dao, D. V., Ly, H. B., Trinh, S. H., Le, T. T., and Pham, B. T. (2019), "Artificial intelligence approaches for prediction of compressive strength of
geopolymer concrete", Materials, vol. 12, pp. 983.
[31] Devore, J. L. (2016), Probability and statistics for engineering and the
sciences, Cengage Learing.
[32] Draper, N. R. and Smith, H. (1998), Applied regression analysis, John Wiley
& Sons.
[33] Fellinger, P., Marklein, R., Langenberg, K., and Klaholz, S. (1995), "Numerical modeling of elastic wave propagation and scattering with EFIT—
elastodynamic finite integration technique", Wave motion, vol. 21, pp. 47-66.
[34] Golafshani, E. M., Behnood, A., and Arashpour, M. (2020), "Predicting the compressive strength of normal and High-Performance Concretes using ANN
and ANFIS hybridized with Grey Wolf Optimizer", Construction and
Building Materials, vol. 232, pp. 117266.
[35] Gomez-Heras, M., Benavente, D., Pla, C., Martinez-Martinez, J., Fort, R., and Brotons, V. (2020), "Ultrasonic pulse velocity as a way of improving uniaxial compressive strength estimations from Leeb hardness measurements",
Construction and Building Materials, vol. 261, pp. 119996.
[36] Gravenkamp, H., Natarajan, S., and Dornisch, W. (2017), "On the use of NURBS-based discretizations in the scaled boundary finite element method
for wave propagation problems", Computer Methods in Applied Mechanics
[37] Hsiao, C., Cheng, C.-C., Liou, T., and Juang, Y. (2008), "Detecting flaws in
concrete blocks using the impact-echo method", NDT & E International, vol.
41, pp. 98-107.
[38] Jafari, K., Tabatabaeian, M., Joshaghani, A., and Ozbakkaloglu, T. (2018), "Optimizing the mixture design of polymer concrete: An experimental
investigation", Construction and Building Materials, vol. 167, pp. 185-196.
[39] Jalal, M., Nassir, N., Jalal, H., and Arabali, P. (2019), "On the strength and pulse velocity of rubberized concrete containing silica fume and zeolite:
prediction using multivariable regression models", Construction and Building
Materials, vol. 223, pp. 530-543.
[40] Jin, R., Chen, Q., and Soboyejo, A. B. (2018), "Non-linear and mixed
regression models in predicting sustainable concrete strength", Construction
and Building Materials, vol. 170, pp. 142-152.
[41] Jin, R., Yan, L., Soboyejo, A. B., Huang, L., and Kasal, B. (2018), "Multivariate regression models in estimating the behavior of FRP tube
encased recycled aggregate concrete", Construction and Building Materials,
vol. 191, pp. 216-227.
[42] Kee, S.-H. and Zhu, J. (2010), "Using air-coupled sensors to determine the
depth of a surface-breaking crack in concrete", The Journal of the Acoustical
Society of America, vol. 127, pp. 1279-1287.
[43] Khademi, F., Akbari, M., and Jamal, S. (2015), "Prediction of compressive
strength of concrete by data-driven models", I-Manager’s J Civ Eng, vol. 5,
pp. 16-23.
[44] Khademi, F., Akbari, M., and Jamal, S. M. (2016), "Prediction of Concrete Compressive Strength Using Ultrasonic Pulse Velocity Test and Artificial
Neural Network Modeling", Revista Romana de Materiale, vol. 46, pp. 343-
[45] Khademi, F., Akbari, M., and Jamal, S. M. (2015), "Measuring compressive
strength of puzzolan concrete by ultrasonic pulse velocity method", i-
Manager's Journal on Civil Engineering, vol. 5, pp. 23-30.
[46] Khademi, F. and Behfarnia, K. (2016), "Evaluation of concrete compressive strength using artificial neural network and multiple linear regression models",
International journal of optimization in civil engineering, vol. 6, pp. 423-432. [47] Kimoto, K. and Ichikawa, Y. (2015), "A finite difference method for elastic
wave scattering by a planar crack with contacting faces", Wave Motion, vol.
52, pp. 120-137.
[48] Kumar, S. A. and Santhanam, M. (2006), "Detection of concrete damage using
ultrasonic pulse velocity method", National Seminar on Non-Destructive
Evaluation, pp. 301-308.
[49] Kurtulus, C., Sertcelik, F., and Sertcelik, I. (2018), "Estimation of Unconfined Uniaxial Compressive Strength Using Schmidt Hardness and Ultrasonic Pulse
Velocity", Tehnički vjesnik, vol. 25, pp. 1569-1574.
[50] Leckey, C. A. C., Rogge, M. D., Miller, C. A., and Hinders, M. K. (2012), "Multiple-mode Lamb wave scattering simulations using 3D elastodynamic
finite integration technique", Ultrasonics, vol. 52, pp. 193-207.
[51] Lee, F. W., Lim, K. S., and Chai, H. K. (2016), "Determination and extraction of Rayleigh-waves for concrete cracks characterization based on matched
filtering of center of energy", Journal of Sound and Vibration, vol. 363, pp.
303-315.
[52] Li, J., Khodaei, Z. S., and Aliabadi, M. (2019), "Modelling of the high- frequency fundamental symmetric Lamb wave using a new boundary element
formulation", International Journal of Mechanical Sciences, vol. 155, pp.
235-247.
[53] Lim, Y. Y., Kwong, K. Z., Liew, W. Y. H., Padilla, R. V., and Soh, C. K. (2018), "Parametric study and modeling of PZT based wave propagation
technique related to practical issues in monitoring of concrete curing",
Construction and Building Materials, vol. 176, pp. 519-530.
[54] Lin, Y., Liou, T., and Tsai, W.-H. (1999), "Determining crack depth and
measurement errors using time-of-flight diffraction techniques", Materials
Journal, vol. 96, pp. 190-195.
[55] Liou, T., Hsiao, C., Cheng, C.-C., and Chang, N. (2009), "Depth measurement
of notches as models for shallow cracks in concrete", NDT & E International,
vol. 42, pp. 69-76.