3.5. Mạng nơ-ron nhân tạo và ứng dụng ANN trong xâydựng mơ hình chuyển dịch
3.5.5. Ứng dụng ANN trong xâydựng mơ hình chuyển dịch cầu dây văng
3.5.5.1. Ứng dụng chung của ANN
Mạng nơ-ron nhân tạo có các ưu điểm như dễ thực hiện, chính xác và hiệu quả. Ngồi ra, mạng cịn có khả năng xây dựng mơ hình phi tuyến tính, xử lý thơng tin song song (khiến toàn bộ nơ-ron hoạt động một cách đồng bộ tại một thời điểm) nên tốc độ tính tốn nhanh chóng với các bài tốn có dữ liệu lớn và có thể xử lý tốt các bài tốn có nhiều thơng tin đầu vào, đầu ra. Do đó thường được sử dụng để giải quyết các bài toán thuộc nhiều lĩnh vực của các ngành khác nhau. Các nhóm ứng dụng mà mạng nơ-ron nhân tạo đã được áp dụng rất hiệu quả là:
Bài toán phân lớp: Phân loại các đối tượng thành các nhóm như phân loại chữ viết, nhận diện hình ảnh, nhận dạng giọng nói, nhận diện khn mặt, dịch tự động ... Bài tốn điều khiển và tối ưu hố: Nhờ có khả năng học và xấp xỉ hàm mà mạng nơ-ron nhân tạo được sử dụng trong nhiều hệ thống điều khiển tự động cũng như góp phần giải quyết những bài tốn tối ưu trong thực tế. Nó được áp dụng trong tham gia q trình tự động hóa của robot, người máy,….
Bài toán dự báo: Mạng được ứng dụng thành cơng trong việc lập ra các mơ hình dự báo, sử dụng tập dữ liệu trong quá khứ để dự đoán số liệu trong tương lai như dự báo thiên tai, thị trường chứng khoán, bán hàng, sự hư hỏng của cơng trình, ...
3.5.5.2. Ứng dụng mạng nơ-ron trong thành lập mơ hình chuyển dịch cầu dây văng a. Các yếu tố ảnh hưởng đến chuyển dịch của cơng trình cầu dây văng
Việc tính tốn xây dựng mơ hình chuyển dịch cầu dây văng sẽ dựa trên cơ sở dữ liệu là các yếu tố ảnh hưởng đến chuyển dịch cầu. Cầu dây văng có nhịp dài, độ
cứng nhỏ, lại có thêm hệ dàn dây và cột tháp cao nên nó dễ nhạy cảm với các tải trọng tác động như gió, nhiệt độ khơng khí, hoạt tải của các phương tiện giao thơng lưu thơng trên cầu. Với yếu tố gió, do vị trí của cầu thường ở những nơi trống trải và là sản phẩm đơn chiếc nên cầu thường xuyên phải chịu nhiều cơn gió mạnh, gió xốy. Ở cầu dây văng, luồng gió có xu hướng tạo nên các dao động cưỡng bức uốn và xoắn của dầm cầu, tùy theo góc tới của gió có thể gây ra các biên độ dao động lớn, khiến cầu bị rung lắc, đó cũng là một trong những ngun nhân chính gây mỏi cho các bộ phận của cầu, làm phá hoại cơng trình có thể dẫn đến sụp đổ cầu. Trước sự tác động của nhiệt độ khơng khí, kết cấu cơng trình cũng có phản ứng đáng kể. Sự thay đổi của nhiệt độ có thể gây ra sự co vào hoặc giãn ra của các kết cấu mà tại cây cầu dây văng sẽ có những chuyển dịch, biến dạng đáng kể ở một số các vị trí trên cầu như chuyển dịch thẳng đứng ở giữa nhịp chính, chuyển dịch theo phương dọc đối với khe co giãn... Khi kết cấu bị nung nóng do nhiệt độ cao, nó sẽ nở ra, chịu tác động của ứng suất nhiệt nén, có thể làm giảm độ cứng của cầu. Vận tốc gió và nhiệt độ khơng khí đã được chứng minh là hai yếu tố môi trường ảnh hưởng rất lớn đến chuyển dịch cầu dây văng [9], [69]. Ngồi ra cầu cịn chịu tác động rất lớn từ tải trọng xe cộ. Đối với các cây cầu có kết cấu cứng do trọng lượng của dầm thường lớn so với trọng lượng của xe lưu thông trên cầu nên sự chuyển dịch do lưu lượng giao thông là rất nhỏ. Ngược lại đối với cầu dây văng do kích thước dầm mảnh hơn, trọng lượng nhỏ hơn cầu cứng nên sự chuyển dịch do lưu lượng giao thông gây ra là rõ ràng hơn. Lực căng trong dây cáp do tải trọng tăng lên làm tăng độ cứng của cầu, gây ra sự biến dạng của cầu. Tác dụng của hoạt tải khai thác của các phương tiện giao thông trên cầu thường xuyên gây ra trạng thái dao động phức tạp cho cơng trình. Tùy thuộc vào tốc độ chuyển động, tải trọng của các phương tiện tham gia giao thông trên cầu theo thời gian gây nên trạng thái dao động cưỡng bức đối với kết cấu nhịp cầu dẫn đến khả năng phát sinh các phụ tải theo chiều hướng bất lợi. Hoạt tải trên cầu có 2 trạng thái cơ bản là đứng im hoặc di động. Hoạt tải đứng im chỉ gây ra tác động tĩnh đối với kết cấu cầu. Hoạt tải dịch chuyển trên cầu gây ra trạng thái dao động cho kết cấu. Các tác động gây ra chuyển dịch, biến dạng kết cấu cầu là tốc độ xe chạy, độ gồ ghề của mặt
đường trên cầu, đặc tính của xe (số trục xe, khoảng cách giữa các trục, tải trọng trục, độ giảm chấn và độ cứng của giảm xóc), số lượng xe, số làn xe chạy trên cầu, đặc tính của cầu (cấu tạo, độ cứng, khối lượng cầu, tần số tự nhiên,..)[5].
Cầu dây văng có cấu tạo là các đỉnh tháp cầu nối với dầm chính thơng qua các dây cáp. Các dây cáp này được kéo căng và đỡ lấy dầm chính. Theo tài liệu [42], [43], [69], sự chuyển dịch theo phương đứng của điểm giữa nhịp chính cầu dây văng cịn do sự chuyển dịch của các đỉnh tháp gây nên. Tài liệu này đã chứng minh rằng khi các điểm đỉnh tháp cùng chuyển dịch hướng vào trong theo phương X thì sẽ làm điểm giữa nhịp chính võng xuống và ngược lại khi hai điểm đỉnh tháp cùng chuyển dịch hướng ra ngồi theo phương X thì điểm giữa nhịp chính sẽ bị vồng lên (Hình 3. 30).
Hình 3. 30: Mối quan hệ chuyển dịch giữa đỉnh tháp và điểm giữa nhịp chính [43]
Qua tất cả phân tích trên thì nhiệt độ khơng khí, hoạt tải của các phương tiện lưu thông trên cầu, sự chuyển dịch của đỉnh tháp đều là nguyên nhân gây ra sự chuyển dịch điểm giữa nhịp chính cầu và sẽ là số liệu đầu vào của quá trình thành lập mơ hình chuyển dịch điểm giữa nhịp chính cầu dây văng theo phương X, Y, Z.
b. Ứng dụng mạng nơ-ron nhân tạo trong lập mơ hình chuyển dịch cầu dây văng
Để có thể phát hiện được hư hỏng của kết cấu cũng như xác định được tình trạng cơng trình cầu dựa trên một số lượng lớn các số liệu quan trắc của rất nhiều loại cảm biến khác nhau thuộc hệ thống SHM, các kỹ thuật khai thác dữ liệu (Data Mining Techniques) được áp dụng. Bài báo [57] đã giới thiệu và phân tích 12 kỹ thuật khai thác dữ liệu quan trắc kết cấu cơng trình như phương pháp ANN, kỹ thuật logic mờ, phân loại dựa trên máy học, máy vec - tơ hỗ trợ, hồi quy tuyến tính, phân tích thành phần chính, phân tích Bayes, phân cụm, cây quyết định, ... Sau đó thống kê các cơng trình khoa học đã nghiên cứu ứng dụng các kỹ thuật khai thác dữ liệu trên trong hệ
dụng nhiều nhất, chiếm 30% các nghiên cứu trong xử lý, phân tích, dự báo số liệu SHM. So với các phương pháp khác, ANN có các ưu điểm nổi bật như:
- Có thể xây dựng mơ hình phi tuyến tính: Hầu hết các bài tốn lập mơ hình chuyển dịch hoặc dự báo sự hư hỏng của cầu dây văng là bài tốn phi tuyến tính vì dữ liệu dùng để lập mơ hình chuyển dịch là gió, nhiệt độ, độ ẩm, mưa, hoạt tải của các phương tiện tham gia giao thơng trên cầu… đều mang tính chất biến động, khơng theo quy luật. Do các kết nối giữa các nơ-ron trong ANN nên đã tạo ra các cấu trúc xử lý được dữ liệu mang tính phi tuyến tính. Tính năng này cho phép ANN xác định mơ hình chuyển dịch cầu dựa trên sự tác động của tải trọng động. Các ứng dụng của ANN trong xác định mơ hình chuyển dịch, dự báo hư hỏng của cầu đã được khẳng định qua một số các nghiên cứu khoa học [36], [52], [59], [66].
- Tính tốn rất nhanh trong xử lý, phân tích dữ liệu lớn (big data): Như đã biết, trong hệ thống quan trắc kết cấu cầu, một số lượng khổng lồ các kết quả đo liên tục, thường xuyên từ rất nhiều cảm biến khác nhau cần phải được xử lý, phân tích, tổng hợp. Với khả năng có thể xử lý thơng tin song song cùng với học hỏi từ dữ liệu và khái qt hóa các tình huống khơng có trước đây mà khơng cần sử dụng phương trình tốn học để xác định mối quan hệ giữa các dữ liệu đầu vào và kết quả đầu ra giúp cho ANN có thể thực hiện hiệu quả một số lượng dữ liệu rất lớn và phức tạp của công tác quan trắc kết cấu cầu dây văng.
Với những ưu điểm trên, ANN có thế mạnh lớn trong giải quyết các bài tốn xây dựng mơ hình chuyển dịch, dự báo sự xuống cấp của cơng trình, phân loại, nhận dạng các hư hỏng, tối ưu hóa trong thiết kế cơng trình cầu, ...
ANN có thể được chia ra thành mạng truyền thẳng nhiều lớp, mạng hàm cơ sở hướng tâm, mạng hồi quy tổng quát, mạng thần kinh suy diễn mờ thích nghi, máy vectơ hỗ trợ. Trong đó, mạng nơ-ron truyền thẳng nhiều lớp là dạng phổ biến nhất và được sử dụng rộng rãi trong nhiều ứng dụng đặc biệt là trong các bài toán xây dựng mơ hình, bài tốn dự báo. Bài báo [47] đã thống kê 210 bài báo dự báo bằng phương pháp ANN trong lĩnh vực thủy văn và thấy rằng 178 bài báo chiếm 85% tổng số bài báo sử dụng mạng nơ-ron truyền thẳng nhiều lớp để dự báo vì mạng này khá đơn giản, dễ sử dụng và cho kết quả tốt trong hầu hết các trường hợp. Ngoài ra, trong xác
định sự hư hỏng của cơng trình cầu dây văng, mạng truyền thẳng nhiều lớp cũng được nhiều học giả áp dụng để xây dựng mơ hình và dự đốn dao động cầu. Cơng bố khoa học [44], [45], [60] đã đề xuất phương pháp này để phát hiện sự hư hỏng của cầu dây văng nhịp dài bằng cách lập mơ hình sự thay đổi tần số dao động riêng dựa trên các số liệu đo bằng máy gia tốc kế. Từ đó kết luận rằng mạng truyền thẳng nhiều lớp là giải pháp hiệu quả, thiết thực trong xây dựng mơ hình dao động cầu.
Tóm lại có thể thấy ANN với kiến trúc mạng truyền thẳng nhiều lớp và thuật toán lan truyền ngược là một giải pháp hữu hiệu trong việc xử lý dữ liệu quan trắc, phân tích, dự báo sự chuyển dịch, hư hỏng của cầu dây văng dựa trên sự thay đổi của các yếu tố thời tiết và hoạt tải của giao thơng tác động lên cầu. Chính vì vậy, ANN – MLP với thuật toán lan truyền ngược được lựa chọn trong luận án để thành lập mơ hình chuyển dịch cầu dây văng.
c. Quy trình thành lập mơ hình chuyển dịch cầu dây văng bằng phương pháp ANN
Quá trình xây dựng mơ hình chuyển dịch cầu dây văng bằng phương pháp ANN truyền thẳng lan truyền ngược sẽ trải qua 3 bước chính sau:
Bước 1: Chuẩn bị dữ liệu
Dữ liệu chiếm một vai trị rất quan trọng trong q trình huấn luyện ANN truyền thẳng nhiều lớp vì nó quyết định đến độ chính xác, độ tin cậy của mơ hình được thành lập. Dữ liệu đưa vào huấn luyện mạng tốt thì mơ hình thành lập sẽ có độ chính xác cao và ngược lại. Chuẩn bị dữ liệu sẽ gồm có thu thập số liệu đầu vào, tiền xử lý dữ liệu, xác định mối quan hệ tương quan để lựa chọn các biến làm yếu tố đầu vào cho q trình xây dựng mơ hình.
Thu thập dữ liệu: Để huấn luyện ANN cần phải có số liệu đầu vào được thu thập từ các kết quả đo của các cảm biến thuộc hệ thống quan trắc kết cấu cầu. Dựa trên các phân tích về các yếu tố ảnh hưởng đến chuyển vị cầu dây văng thì dữ liệu thu thập gồm có nhiệt độ khơng khí, vận tốc gió, hướng gió, ứng suất, chuyển vị theo cả 3 phương X, Y, Z tại các điểm nhịp chính, điểm đỉnh tháp cầu dây văng. Các số liệu này phải được đo cùng một thời điểm và đo trong một thời gian dài.
Tiền xử lý số liệu: Trong quá trình quan trắc kết cấu cầu, do các cảm biến đo khơng chính xác, lỗi truyền dẫn dữ liệu, các yếu tố mơi trường như gió, mưa, nhiệt
độ tác động,.. đều có thể làm cho kết quả đo bị nhiễu. Số liệu nhiễu là những số liệu bị gián đoạn, khơng liên tục hoặc số liệu có sai số lớn gây ảnh hưởng đến quá trình huấn luyện ANN dẫn đến chất lượng mơ hình được thành lập khơng tin cậy. Do đó việc tiền xử lý số liệu trong quá trình xây dựng mơ hình chuyển dịch cầu dây văng bằng phương pháp mạng nơ-ron nhân tạo truyền thẳng nhiều lớp là công việc cần thiết và tốn rất nhiều thời gian, công sức. Phương pháp đa thức, sóng nhỏ, trung bình động, lọc Kalman,…đều có thể dùng để lọc nhiễu. Tuy nhiên do tính tốn đơn giản, mà vẫn giữ được xu hướng dao động cầu nên phương pháp trung bình động sẽ được áp dụng để lọc nhiễu số liệu [70].
Xác định mối quan hệ tương quan giữa chuyển vị cầu với các yếu tố khác trong dữ liệu: Sau khi tiền xử lý dữ liệu tiến hành phân tích dữ liệu bằng cách xác định mối quan hệ tương quan giữa chuyển dịch theo cả 3 phương điểm giữa nhịp chính với vận tốc gió, hướng gió, nhiệt độ, ứng suất, chuyển vị của các điểm đỉnh tháp. Đó là cơ sở để lựa chọn các biến đầu vào cho quá trình huấn luyện mạng truyền thẳng nhiều lớp.
Cơng thức tính hệ số tương quan được xác định như sau [15], [25]:
n i n i i i n i i i y x y y x x y y x x s s y x Cov r 1 1 2 2 1 ) ( ) ( ) )( ( . ) , ( (3.44)
với r là hệ số tương quan; sx, sy lần lượt là các phương sai của x, y.
x, y là hai biến cần xét mối tương quan; x, y là giá trị trung bình của x, y
Cov(x,y) là ma trận hiệp phương sai của x và y; n là số lượng mẫu
Nếu giá trị của r dương thì hai biến x và y là tương quan đồng biến, có nghĩa là x tăng thì y tăng; ngược lại nếu giá trị của r âm, x và y là tương quan nghịch biến, tức là khi x tăng thì y giảm. Nếu r = 1 hay r = -1 thì mối quan hệ của x và y rất chặt chẽ. Nếu r = 0 lúc đó hai biến x và y sẽ hồn tồn độc lập, tức khơng có quan hệ với nhau.
Hệ số tương quan được coi là xác lập nếu thỏa mãn điều kiện sau [15]:
|𝑟| ≥ 3𝜎𝑟 (3.45)
với 𝜎𝑟 là độ lệch chuẩn của hệ số tương quan và được tính theo cơng thức sau:
Sau khi chuẩn bị số liệu xong, tiếp tục thực hiện bước tiếp theo là xây dựng mơ hình chuyển dịch cầu dây văng bằng phương pháp ANN truyền thẳng nhiều lớp.
Bước 2: Xây dựng mơ hình chuyển dịch cầu
Thiết kế mạng nơ-ron nhân tạo là bước đầu tiên khi xây dựng mơ hình chuyển dịch cầu dây văng bằng ANN. Thiết kế mạng dựa trên cơ sở dữ liệu đầu vào, các cấu trúc mạng, thuật toán được lựa chọn phù hợp với bài tốn đặt ra, các thơng số tối ưu nhất được điều chỉnh trong quá trình huấn luyện ANN. Mạng sẽ gồm ba lớp là lớp vào, lớp ẩn và lớp ra. Sau khi thiết kế mạng tiến hành huấn luyện mạng. Quá trình huấn luyện mạng là quá trình điều chỉnh trọng số liên kết (weights). Các giá trị trọng số liên kết này sẽ được mặc định ngẫu nhiên khi bắt đầu xây dựng mạng, sau đó, trong suốt q trình luyện mạng, các thuật tốn của mạng sẽ điều chỉnh các giá trị trên. Kết
quả quá trình luyện mạng sẽ hiển thị sai số (MSE) và hệ số hồi quy (R2). Kết quả
huấn luyện tốt nhất khi sai số MSE bằng 0 và hệ số hồi quy bằng 1. Còn nếu độ tin cậy của mạng sau khi kiểm tra không đạt kết quả mong muốn, sẽ thực hiện một trong 2 cách sau:
- Cách 1: Tiếp tục luyện lại mạng để có được kết quả tốt hơn bằng cách chọn lại