Nghiên Cứu Ứng Dụng Mạng Nơ Ron Nhân Tạo Để Dự Đoán Ứng Xử Của Bê Tông Trong Thí Nghiệm Nén Một Trục.pdf

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM K THUT
THNH PH H CH MINH

/81917+&6
/ầậ&+751*

1*+,ầ1&81*'1*01*15211+ặ172
'2ẩ11*;&$%ầ7é1*7521*
7+ậ1*+,01e10775&



1*ơ1+.7+87;ặ<'1*

SKC007417

Tp. H Chớ Minh, thỏng 20


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ
LÊ ÍCH TRỌNG

NGHIÊN CỨU ỨNG DỤNG MẠNG NƠ RON NHÂN TẠO
ĐỂ DỰ ĐỐN ỨNG XỬ CỦA BÊ TƠNG
TRONG THÍ NGHIỆM NÉN MỘT TRỤC

NGÀNH: KỸ THUẬT XÂY DỰNG – 8580201

Tp. Hồ Chí Minh, tháng 04/2021


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ
LÊ ÍCH TRỌNG

NGHIÊN CỨU ỨNG DỤNG MẠNG NƠ RON NHÂN TẠO
ĐỂ DỰ ĐỐN ỨNG XỬ CỦA BÊ TƠNG
TRONG THÍ NGHIỆM NÉN MỘT TRỤC

NGÀNH: KỸ THUẬT XÂY DỰNG – 8580201
Hướng dẫn khoa học:
TS. TRẦN VĂN TIẾNG

Tp. Hồ Chí Minh, tháng 04/2021


LÝ LỊCH KHOA HỌC
I. LÝ LỊCH SƠ LƯỢC:
Họ & tên: Lê Ích Trọng

Giới tính: Nam

Ngày, tháng, năm sinh: 02/05/1997

Nơi sinh: Thừa Thiên Huế

Quê quán: Thừa Thiên Huế

Dân tộc: Kinh

Chỗ ở riêng hoặc địa chỉ liên lạc: Số 16, đường Quang Trung, phường Hiệp Phú,
Quận 9, TP. Hồ Chí Minh.
Điện thoại: 0328564206

E-mail:

II. Q TRÌNH ĐÀO TẠO:
Đại học
Hệ đào tạo: Chính quy

Thời gian đào tạo: từ 2015 đến 2019

Nơi học (trường, thành phố): Đại Học Sư Phạm Kỹ Thuật TP. Hồ Chí Minh
Ngành học: Cơng Nghệ Kỹ Thuật Cơng Trình Xây Dựng
Tên đồ án, luận án hoặc môn thi tốt nghiệp: Tòa nhà Quý Trọng Tower (Block B)
Ngày & nơi bảo vệ đồ án, luận án hoặc thi tốt nghiệp: năm 2019 tại trường Đại Học
Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
Người hướng dẫn: ThS. Nguyễn Tổng
III. Q TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP
ĐẠI HỌC:
Thời gian
2019 đến nay

Nơi công tác
Công ty Cổ Phần Tư Vấn Xây
Dựng Tổng Hợp - Nagecco

Công việc đảm nhiệm
Kỹ sư thiết kế kết cấu
Ngày … tháng … năm 2021
Người khai ký tên

Lê Ích Trọng

i


LỜI CAM ĐOAN
Tôi xin cam đoan: Luận văn này là cơng trình nghiên cứu của cá nhân tơi, được
thực hiện dưới sự hướng dẫn của TS. Trần Văn Tiếng.
Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công
bố trong bất kỳ công trình nào khác.
TP. Hồ Chí Minh, ngày … tháng … năm 2021

Lê Ích Trọng

ii


LỜI CẢM ƠN
Tôi xin trân trọng cảm ơn TS. Trần Văn Tiếng đã giúp đỡ, hướng dẫn và cung
cấp các thơng tin cần thiết để tơi hồn thành luận văn thạc sĩ này. Tôi xin chân thành
cảm ơn các thầy cô giáo trong Khoa Xây Dựng của trường Đại Học Sư Phạm Kỹ

Thuật Thành Phố Hồ Chí Minh đã nhiệt tình chỉ dạy.
Xin cảm ơn tất cả bạn bè, người thân trong gia đình đã giúp đỡ và tạo điều
kiện thuận lợi để tơi hồn thành luận văn.
Vì kiến thức và thời gian thực hiện luận văn thạc sĩ có hạn nên khơng tránh
khỏi những hạn chế và thiếu sót. Tơi rất mong được sự đóng góp của q thầy cô
giáo, bạn bè và đồng nghiệp để luận văn được hồn thiện hơn.
Xin chân thành cảm ơn.
TP. Hồ Chí Minh, ngày … tháng … năm 2021

Lê Ích Trọng

iii


TĨM TẮT
Việc phân tích, đánh giá và dự đốn các ứng xử nén của bê tơng bằng phương
pháp giải tích, mô phỏng số là một trong những điều cần thiết và quan trọng trong
việc giảm thiểu nén mẫu thực nghiệm lên bê tơng, giảm chi phí thí nghiệm và lượng
bê tông thải ra môi trường. Từ các nghiên cứu của nhiều tác giả qua đã đề xuất các
mơ hình ứng xử như Hognestad, CEB – FIP, Wee & Mansur, Almusallam &
Alsayed…Tuy nhiên, các mơ hình ứng xử theo phương pháp giải tích trên cho đường
cong ứng xử quan hệ ứng suất – biến dạng chưa thực sự bám sát đường ứng xử thực
nghiệm. Nghiên cứu đề xuất sử dụng mạng nơ – ron nhân tạo (ANN) để dự đoán
cường độ chịu nén của bê tông từ các thành phần cấp phối khác nhau thông qua bộ
dữ liệu 55 mẫu nén thực nghiệm. Giá trị cường độ ghi nhận sau quá trình xấp xỉ sẽ
làm thơng số đầu vào cho hàm mục tiêu LIT được nghiên cứu đề xuất. Giải thuật tiến
hóa di truyền (GA) được ứng dụng để tìm kiếm các hệ số tối ưu nhằm tối ưu hóa hàm
ứng xử LIT, để đưa ra mơ hình ứng xử đề xuất cuối cùng. Nhằm đảm bảo đường cong
dự đoán sau quá trình tối ưu là tin cậy, nghiên cứu tiến hành đối chiếu kết quả dự
đoán với 3 tổ mẫu thí nghiệm cho ra quan hệ ứng suất và biến dạng. Từ kết quả ghi

nhận, đường cong ứng xử sau tối ưu đã bám sát đường ứng xử thử nghiệm với sai số
thấp. Từ đó, hàm ứng xử được đề xuất đạt độ tin cậy cao.

iv


ABSTRACT
Analysis, evaluation and prediction of compression behavior of concrete by
analytial methods, numberial simulation is one of the essential and important things
in minimizing experimental compression on concrete, reducing testing costs and the
amount of concrete discharged into the environment. From the researches of many
authors have suggested behavioral models such as Hognestad, CEB – FIP, Wee &
Mansur, Almusallam & Alsayed…However, above for the behavior curve of stress –
strain relationship has not really followed the experimental behavior line. The study
proposes to use artificial neural network (ANN) to predict compressive strength of
concrete from different aggregate components through data set of 55 experimental
compression samples. The compressives value recorded after the approximation
process will be the input parameter for the proposed LIT target function. The genetic
evolution algorithm (GA) is applied to find the optimal coefficients to optimize the
LIT behavior function, to provide the final proposed behavioral model. In order to
ensure that the prediction curve is reliable after the optimal process, the study
compares the prediction results with 3 experimental sample groups to stress and
strain relationships. From the recorded results, the post-optimal behavioral curve
closely followed the test behavior curve with low error. From there, the proposed
behavior function is highly reliable.

v


MỤC LỤC

LÝ LỊCH KHOA HỌC

i

LỜI CAM ĐOAN

ii

LỜI CẢM ƠN

iii

TÓM TẮT

iv

ABSTRACT

v

MỤC LỤC

vi

DANH SÁCH CÁC BẢNG

ix

DANH SÁCH CÁC HÌNH

x

DANH SÁCH LƯU ĐỒ

xiii

Chương 1 TỔNG QUAN

1

1.1. Tính cấp thiết và điểm mới từ luận văn ......................................................... 1
1.2. Tổng quan chung về tình hình nghiên cứu trong và ngồi nước ................... 1
1.2.1. Tình hình nghiên cứu trong nước .............................................................. 1
1.2.2. Tình hình nghiên cứu ngồi nước .............................................................. 6
1.3. Mục đích nghiên cứu...................................................................................... 8
1.4. Phạm vi và đối tượng nghiên cứu .................................................................. 9
1.5. Phương pháp nghiên cứu................................................................................ 9
1.6. Nội dung nghiên cứu ...................................................................................... 9
Chương 2 CƠ SỞ LÝ THUYẾT

10

2.1. Các mơ hình ứng xử của bê tơng ................................................................. 10
2.1.1. Mơ hình ứng xử của bê tơng đàn hồi ....................................................... 10
2.1.2. Mơ hình ứng xử theo lý thuyết cơ học rạn nứt bê tông (CFM) ............... 10
2.1.3. Mơ hình ứng xử theo lý thuyết đàn hồi – dẻo ......................................... 12
2.1.4. Mơ hình ứng xử theo lý thuyết đàn hồi – dịn ......................................... 12
2.1.5. Mơ hình ứng xử theo lý thuyết đàn hồi – dẻo – dòn ............................... 12
2.1.6. Các mơ hình ứng xử khác ........................................................................ 13
2.1.7. Lựa chọn mơ hình ứng xử........................................................................ 13

vi


2.2. Lý thuyết các mơ hình ứng xử đàn hồi – dẻo............................................... 17
2.2.1. Vùng ứng xử bê tông cường độ thường................................................... 17
2.2.2. Mơ hình ứng xử theo Hognestad ............................................................. 18
2.2.3. Mơ hình ứng xử theo CEB – FIP ............................................................. 19
2.2.4. Mơ hình ứng xử theo Wee & Manur ....................................................... 20
2.2.5. Mơ hình ứng xử theo Almusallam & Alsayed ........................................ 21
2.3. Mạng nơ – ron nhân tạo (ANN) .................................................................. 22
2.3.1. Cấu trúc mạng nơ – ron nhân tạo............................................................ 23
2.3.2. Phân loại mạng nơ – ron nhân tạo .......................................................... 25
2.3.3. Quá trình huấn luyện mạng ..................................................................... 27
2.4. Giải thuật tiến hóa di truyền (GA) ............................................................... 32
2.4.1. Các quá trình trong giải thuật di truyền (GA) ......................................... 32
2.4.2. Tham số toán học trong giải thuật di truyền (GA) .................................. 33
2.5. Lý thuyết tính toán tối ưu ............................................................................. 33
2.5.1. Nguyên tắc chung của bài toán tối ưu ..................................................... 33
2.5.2. Các bước thành lập bài toán tối ưu .......................................................... 33
Chương 3 XÂY DỰNG HÀM MỤC TIÊU

35

3.1. Tính tốn giải tích các mơ hình ứng xử ....................................................... 35
3.2. Đề xuất mơ hình ứng xử............................................................................... 42
3.2.1. Mơ hình ứng xử đề xuất LIT ................................................................... 42
3.2.2. Mơ hình ứng xử tối ưu LIT & GA ........................................................... 43
Chương 4 DỰ ĐOÁN CƯỜNG ĐỘ CHỊU NÉN
TỪ THÀNH PHẦN CẤP PHỐI

44

4.1. Bài toán thuận .............................................................................................. 46
4.2. Bài toán nghịch ............................................................................................ 50
Chương 5 DỰ ĐỐN ĐƯỜNG CONG ỨNG XỬ

57

5.1. Dự đốn đường cong ứng xử tổ mẫu M12, M21, M36................................ 57
5.1.1. Mẫu nén M12 ........................................................................................... 58
5.1.2. Mẫu nén M21 ........................................................................................... 59

vii


5.1.3. Mẫu nén M36 ........................................................................................... 60
5.2. Kiểm chứng kết quả dự đốn ....................................................................... 61
5.2.1. Thí nghiệm nén mẫu ghi nhận ................................................................. 61
5.2.2. Dự đoán cường độ chịu nén từ cấp phối mẫu .......................................... 62
5.2.3. Dự đoán đường cong ứng xử từ tổ mẫu ................................................... 63
5.3. Đánh giá kết quả dự đoán ............................................................................ 66
Chương 6 KẾT LUẬN VÀ KIẾN NGHỊ

68

6.1. Kết luận ........................................................................................................ 68
6.2. Kiến nghị ...................................................................................................... 69
TÀI LIỆU THAM KHẢO

70

PHỤ LỤC TÍNH TỐN

75

Phụ lục 1: Code Matlab bài tốn xấp xỉ _Mạng nơ – ron ANN ........................... 75
Phụ lục 2: Code Matlab tìm kiếm hệ số tối ưu_Giải thuật di truyền GA .............. 76
Phụ lục 3: Kết quả tính tốn các mơ hình ứng xử ứng với tổ mẫu DC01 và DC02 ..
...................................................................................................................... 79
Phụ lục 4: Kết quả tính tốn các mơ hình ứng xử ứng với mẫu M12, M21 và M36
...................................................................................................................... 81
Phụ lục 5: Kết quả thí nghiệm thực nghiệm cho quan hệ ứng suất và biến dạng của
tổ mẫu DC01, DC02 và TR03 ............................................................................... 86
Phụ lục 6: Kết quả tính tốn ứng suất và biến dạng của LIT & GA tương ứng với 3
tổ mẫu DC01, DC02 và TR03 ............................................................................... 88

viii


DANH SÁCH CÁC BẢNG
Bảng 2.1:

Bảng tóm tắt các mơ hình ứng xử của bê tơng có cấp cường độ thường

và bê tông cường độ cao ...........................................................................................14
Bảng 2.2:

Một số hàm thường dùng trong các mơ hình mạng nơ – ron [37] ......24

Bảng 3.1:

Bảng tính tốn các thơng số ứng xử của tổ mẫu theo Hognestad ........35

Bảng 3.2:

Bảng tính tốn các thơng số ứng xử của tổ mẫu theo CEB – FIP........36

Bảng 3.3:

Bảng tính tốn các thơng số ứng xử của tổ mẫu theo Wee & Mansur .37

Bảng 3.4:

Bảng tính tốn các thông số ứng xử theo Almusallam & Alsayed .......38

Bảng 3.5:

Bảng so sánh sai lệch giữa biến dạng lớn nhất và mơ đun đàn hồi giữa

phương pháp giải tích và thực nghiệm......................................................................41
Bảng 4.1:

Giá trị cường độ chịu nén giữa thực nghiệm và ANN – bài toán thuận...
...............................................................................................................47

Bảng 4.2:

Giá trị thành phần cấp phối giữa thực nghiệm và mạng ANN xấp xỉ –

bài tốn nghịch ..........................................................................................................52
Bảng 5.1:

Thơng số tối ưu  và giá trị hàm thích nghi qua q trình tìm kiếm ...57

Bảng 5.2:

Tỷ lệ thành phần cốt liệu bê tông trong thực nghiệm (kg/m3) ..............61

Bảng 5.3:

Bảng giá trị kết quả mô đun đàn hồi và hệ số Poisson từ thực nghiệm ...
...............................................................................................................62

Bảng 5.4:

Bảng so sánh giá trị cường độ chịu nén thực nghiệm & ANN dự đốn ...
...............................................................................................................62

Bảng 5.5:

Thơng số tối ưu  và giá trị hàm thích nghi qua quá trình tìm kiếm ...63

ix


DANH SÁCH CÁC HÌNH
Hình 2.1:

Mơ hình Hognestad cho đường cong quan hệ ứng suất – biến dạng ...18

Hình 2.2:

Mơ hình CEB – FIP cho đường cong quan hệ ứng suất – biến dạng...19

Hình 2.3:

Mơ hình Wee & Mansur cho đường cong quan hệ ứng suất – biến dạng

...................................................................................................................................20
Hình 2.4:

Mơ hình Almusallam & Alsayed với quan hệ ứng suất – biến dạng ....21

Hình 2.5:

Dạng đường cong quan hệ ứng suất – biến dạng bê tơng thường .......17

Hình 2.6:

Cấu trúc một mạng nơ – ron sinh học [36] .........................................23

Hình 2.7:

Mơ hình một mạng nơ – ron nhân tạo được gán nhãn k [36] .............23

Hình 2.8:

Mơ hình mạng Hopfield 4 nút tự kết hợp [38] ......................................25

Hình 2.9:

Mơ hình mạng Perceptron nhiều lớp điển hình [36] ............................25

Hình 2.10: Mơ hình mạng phản hồi [39] ...............................................................26
Hình 2.11: Bước lặp xác định hướng tính tốn và độ dài điểm dự đốn tối ưu ....34
Hình 3.1:

Quan hệ ứng suất – biến dạng mẫu DC01 theo thực nghiệm và Hognestad

...................................................................................................................................35
Hình 3.2: Quan hệ ứng suất – biến dạng mẫu DC02 theo thực nghiệm và Hognestad
...................................................................................................................................36
Hình 3.3: Quan hệ ứng suất – biến dạng mẫu DC01 theo thực nghiệm và CEB-FIP
...................................................................................................................................36
Hình 3.4: Quan hệ ứng suất – biến dạng mẫu DC02 theo thực nghiệm và CEB-FIP
...................................................................................................................................37
Hình 3.5: Quan hệ ứng suất – biến dạng mẫu DC01 thực nghiệm và Wee & Mansur
...................................................................................................................................37

x


Hình 3.6:

Quan hệ ứng suất – biến dạng mẫu DC02 thực nghiệm và Wee & Mansur

...................................................................................................................................38
Hình 3.7:

Quan hệ ứng suất – biến dạng mẫu DC01 thực nghiệm và Almusallam..
...............................................................................................................38

Hình 3.8:

Quan hệ ứng suất – biến dạng mẫu DC02 thực nghiệm và Almusallam..
...............................................................................................................39

Hình 3.9: Quan hệ ứng suất – biến dạng mẫu DC01 giữa thực nghiệm và giải tích
...................................................................................................................................39
Hình 3.10: Quan hệ ứng suất – biến dạng mẫu DC02 giữa thực nghiệm và giải tích
...................................................................................................................................40
Hình 4.1: Biểu đồ biểu diễn sự hội tụ trong q trình huấn luyện – bài tốn thuận
...................................................................................................................................46
Hình 4.2:

Giá trị đo lường mối tương quan giữa đầu ra và mục tiêu huấn luyện –

Đối với bài toán thuận ..............................................................................................47
Hình 4.3:

Giá trị sai số giữa cường độ chịu nén thực nghiệm và ANN dự đốn..49

Hình 4.4:

Biểu đồ biểu diễn sự hội tụ trong quá trình huấn luyện –bài tốn nghịch

...................................................................................................................................51
Hình 4.5:

Giá trị đo lường mối tương quan giữa đầu ra và mục tiêu huấn luyện –

Đối với bài tốn nghịch .............................................................................................51
Hình 4.6:

Giá trị sai số giữa cấp phối xi măng của thực nghiệm và ANN xấp xỉ 54

Hình 4.7:

Giá trị sai số giữa cấp phối nước của thực nghiệm và ANN xấp xỉ .....54

Hình 4.8:

Giá trị sai số giữa cấp phối cốt liệu thô của thực nghiệm và ANN xấp xỉ

...................................................................................................................................55
Hình 4.9: Giá trị sai số giữa cấp phối cốt liệu mịn của thực nghiệm và ANN xấp xỉ
...................................................................................................................................55

xi


Hình 5.1:

Sự hội tụ qua các thế hệ lai tạo với hàm ứng xử LIT – Mẫu M12 ........58

Hình 5.2:

Quan hệ ứng suất – biến dạng mẫu M12 giữa LIT & GA và giải tích .58

Hình 5.3:

Sự hội tụ qua các thế hệ lai tạo với hàm ứng xử LIT – Mẫu M21 ........59

Hình 5.4:

Quan hệ ứng suất – biến dạng mẫu M21 giữa LIT & GA và giải tích .59

Hình 5.5:

Sự hội tụ qua các thế hệ lai tạo với hàm ứng xử LIT – Mẫu M36 ........60

Hình 5.6:

Quan hệ ứng suất – biến dạng mẫu M36 giữa LIT & GA và giải tích .60

Hình 5.7: Sự hội tụ qua các thế hệ lai tạo với hàm ứng xử LIT – DC01 ...............63
Hình 5.8: Quan hệ ứng suất – biến dạng mẫu DC01 theo thực nghiệm & LIT – GA
...................................................................................................................................64
Hình 5.9: Sự hội tụ qua các thế hệ lai tạo với hàm ứng xử LIT – DC02 ...............64
Hình 5.10: Quan hệ ứng suất – biến dạng mẫu DC02 theo thực nghiệm & LIT – GA
...................................................................................................................................65
Hình 5.11: Sự hội tụ qua các thế hệ lai tạo với hàm ứng xử LIT – TR03 ..............65
Hình 5.12: Quan hệ ứng suất – biến dạng mẫu TR03 theo thực nghiệm & LIT – GA
...................................................................................................................................66

xii


DANH SÁCH LƯU ĐỒ

Lưu đồ 4.1: Quy trình tính tốn đánh giá và xây dựng bộ dữ liệu dự đoán cường độ
...................................................................................................................................45
Lưu đồ 4.2:

Sơ đồ mạng ANN dự đoán cường độ chịu nén ..................................46

Lưu đồ 4.3:

Sơ đồ mạng ANN dự đoán 4 thành phần cấp phối ............................50

xiii


Chương 1

TỔNG QUAN
1.1.

Tính cấp thiết và điểm mới từ luận văn
Hiện nay, với sự phát triển của hạ tầng đô thị và sự phát triển dân số, các khu

dân cư, trung tâm thương mại, các chung cư cao tầng cũng như nhà ở riêng lẽ đang
được xây dựng hàng loạt. Vật liệu xây dựng chủ yếu cho các cơng trình là bê tông cốt
thép. Để đánh giá chất lượng bê tông sử dụng, mỗi xe cung cấp bê tông đều phải được
lấy mẫu thực nghiệm, số lượng mẫu thực nghiệm phụ thuộc vào khối lượng bê tông
sử dụng cho công trình theo tiêu chuẩn hiện hành [1]. Do đó, lượng mẫu bê tơng cần
phải được thí nghiệm rất nhiều, dẫn đến chi phí và lượng bê tơng thải ra mơi trường
cũng rất lớn. Ảnh hưởng đến mỹ quan và không gian thành phố.
Với thời đại số 4.0, trí tuệ nhân tạo AI như được biết đến với một công cụ
mạnh mẽ nhằm giải quyết các bài toán với khối lượng lớn, tính nhanh chóng, chính

xác và dự đốn cao. Trên cơ sở đó, luận văn tập trung “Nghiên cứu ứng dụng mạng
nơ – ron nhân tạo để dự đoán ứng xử của bê tơng trong thí nghiệm nén 1 trục”. Dựa
trên bộ dữ liệu được xây dựng có thể áp dụng để dự đốn ứng xử của bê tơng thơng
qua các thông số đầu vào, nhằm giảm thiểu số lượng mẫu thí nghiệm thực tế nhưng
vẫn biết được nhiều hơn về các thông số ứng xử của vật liệu. Bên cạnh đó, bộ cơ sở
dữ liệu được xây dựng sẽ là nguồn tham khảo khoa học cho các nghiên cứu mô phỏng
cũng như thực nghiệm khác, về ứng xử của bê tông trong các nghiên cứu về sau.
1.2.

Tổng quan chung về tình hình nghiên cứu trong và ngồi nước

1.2.1. Tình hình nghiên cứu trong nước
1.2.1.1.

Tổng quan về nghiên cứu ứng xử của bê tông trong nước

▪ Ứng xử bê tông trong thực nghiệm
Dưới tác dụng của tải trọng, kết cấu bê tơng cốt thép có ứng xử phi tuyến. Để
mơ tả ứng xử của bê tông, thông thường các giá trị được thể hiện thông qua quan hệ
giữa độ lớn của ứng suất – biến dạng hoặc lực – chuyển vị, những quan hệ này được
xác định thông qua những thí nghiệm thực nghiệm thích hợp.
1


Ứng xử của bê tông phụ thuộc vào các thông số như: modun đàn hồi, cường
độ chịu nén, cường độ chịu kéo, năng lượng phá hủy, biến dạng phá hoại, độ cứng
kháng cắt, liên kết giữa bê tông và cốt thép và kích thước của hạt cốt liệu lớn nhất
trong các thành phần mẫu. Ứng với mỗi thành phần cốt liệu, hình dạng mẫu thí
nghiệm, dụng cụ thí nghiệm, điều kiện khí hậu ở mỗi khu vực…vật liệu bê tơng sẽ có
những ứng xử khác nhau.

Ứng xử của bê tơng trong nghiên cứu thực nghiệm đã được nhiều tác giả để
cập với nhiều mơ hình dưới các điều kiện thí nghiệm khác nhau. Nổi bật là mơ hình
ứng xử của Mazars [2], đã thực hiện thí nghiệm nén mẫu bê tông và cho thấy được
ứng xử của bê tông qua nhiều giai đoạn khác nhau.
Năm 2006, tác giả Trần Thế Truyền [3] với nghiên cứu và thực nghiệm xác
định các tham số của mơ hình phá hủy dịn của bê tơng với khả năng ứng dụng và
phân tích cơ chế phá hủy của các bộ phân kết cấu cơng trình giao thông. Nghiên cứu
đã chứng minh khả năng ứng dụng tính hiệu quả của mơ hình dịn (Mazars), khơng
cục bộ trong việc mơ phỏng tương đối chính xác q trình phá hủy của các kết cấu
bê tông và bê tông cốt thép nói chung cũng như bộ phận kết cấu giao thơng nói riêng.
Tác giả Nguyễn Ninh Thụy và cộng sự [4] với nghiên cứu thực nghiệm tính
chất của bê tông trong điều kiện nhiệt độ cao. Nghiên cứu được thực hiện các tính
chất cơ lý của bê tơng, như hình dạng, khối lượng, thể tích…khi chịu ảnh hưởng của
nhiệt độ cao trong các thời gian khác nhau. Nghiên cứu được thực hiện với hai loại
bê tơng có cường độ trung bình và cường độ cao nhằm đem lại sự so sánh. Kết luận,
bê tơng có cường độ cao thì các tính chất cơ lý suy giảm nhanh hơn trong các điều
kiện nhiệt độ cao.
▪ Ứng xử bê tông trong mơ phỏng
Có nhiều nghiên cứu về mơ phỏng ứng xử bê tông với các điều kiện cốt liệu,
tải trọng và phần mềm khác nhau.
Năm 2017, tác giả Nguyễn Chí Thanh [5] với nghiên cứu về gia cường kết cấu
bê tông cốt thép bằng tấm composite, áp dụng kết quả nghiên cứu từ cơng trình thực
tế được lấy mẫu và mơ phỏng bằng phần mềm Atena. Đề tài có đề cập đến mối quan

2


hệ ứng suất và biến dạng của bê tông và cốt thép khi vật liệu được gia cường và chịu
ảnh hưởng từ một số yếu tố của môi trường.
Năm 2019, tác giả Lê Anh Thắng và cộng sự [6] với phân tích phi tuyến của

cấu kiện dầm bê tơng cốt thép chịu uốn, kết hợp mô phỏng bằng phần mềm Abaqus.
Kết quả nghiên cứu cho thấy có thể sử dụng mơ hình hóa và xác định các tham số của
mơ hình RCB để mơ phỏng cho SRCB và thu được độ chính xác cao.
Năm 2020, tác giả Trần Văn Tiếng và cộng sự [7], nghiên cứu về ứng xử của
bê tông bằng phương pháp phần tử rời rạc kết hợp với mẫu thử hình trụ nén thực
nghiệm. Các mẫu được thực hiện bằng thí nghiệm nén 1 trục theo quy chuẩn ASTM
C469 [8]. Kết quả thu nhận cho thấy được sự tương đồng về biểu đồ quan hệ ứng suất
và biến dạng trên từng cấp tải, từng thành phần cốt liệu giữa hai cách tiếp cận.
1.2.1.2.

Tổng quan về nghiên cứu trí tuệ nhân tạo (AI) trong nước

Trí tuệ nhân tạo (AI) là trí thơng minh của máy tính do con người tạo ra. Từ
các máy tính đầu tiên được tạo ra, các nhà khoa học máy tính đã hướng đến việc phát
triển hệ thống máy tính sao cho có khả năng thơng minh như lồi người bằng việc
nghiên cứu cách bộ não người sản sinh ra trí thơng minh, để rồi bắt chước các nguyên
lý đó (Weak AI). Ngày nay, một số nguyên lý được phát triển hoàn toàn khác với
cách sản sinh ra trí thơng minh của lồi người mà vẫn làm ra các hệ thống thông minh
như hoặc hơn trí tuệ lồi người (Strong AI).
Một số lĩnh vực về AI: Lập luận, suy diễn tự động, biểu diễn tri thức, lập kế hoạch,
học máy, xử lý ngôn ngữ, hệ chuyên gia, robotics… [9]. Có 4 quan điểm về AI: suy
nghĩ như người, hành động như người, suy nghĩ có lý trí, hành động có lý trí [10].
▪ Tổng quan về nghiên cứu trí tuệ nhân tạo (AI) trong lĩnh vực xây dựng
Trong lĩnh vực xây dựng, các bài tốn về quy hoạch, xử lý số liệu, mơ phỏng,
nhân dạng, dự đốn…và đặc biệt là tối ưu hóa đang ngày được các chuyên gia quan
tâm với sự hỗ trợ của trí tuệ nhân tạo AI. Bài tốn tối ưu hóa đang ngày được ứng
dụng sâu hơn trong thực tiễn. Ngồi các phương pháp thường dùng để giải các bài
tốn tối ưu như: phương pháp tìm kiếm trực tiếp, phương pháp đồ thị, phương pháp
đơn hình cải tiến từ phương pháp đồ thị, phương pháp Gradient, phương pháp nhân

3


tử Lagrange…Thì các thuật tốn tối ưu bằng AI như giải thuật di truyền Genetic
Algorithm – GA, tiến hóa vi phân Differenttial Evolution – DE, mạng nơ – ron nhân
tạo – ANN…đang ngày được áp dụng để tìm kiếm giá trị mục tiêu, nhằm tối ưu hóa
đối tượng nhắm đến. Trong lĩnh vực trí tuệ nhân tạo, việc áp dụng giải thuật tiến hóa
để phân tích, chọn lọc tiến tới tìm được phương án tối ưu cho kết cấu là hướng đi mới
và đang được đẩy mạnh áp dụng trong nhiều năm gần đây [11]. Giải thuật tiến hóa
(Evolutionary Computations – EC) bao gồm: thuật toán di truyền (Genetic Algorithm
– GA), thuật tốn tiến hóa vi phân (Differential Evolution – DE), quy hoạch tiến hóa
(Evolutionary Programming – EP) và chiến lược tiến hóa (Evolution Strategies – ES)
dựa trên nền tảng tiến hóa tự nhiên đó cũng là các phương pháp tự nhiên nhằm giải
quyết bài tốn tối ưu và tìm kiếm. Mục tiêu cơ bản của Evolutionary Programming –
EC là cơ cấu tính tốn nhằm tạo ra sự tiến hóa của quần thể gồm nhiều cá thể với mục
đích quần thể sau “tốt hơn” quần thể trước. Các toán tử sử dụng trong EC bao gồm:
lai ghép (crossver), đột biến (mutation) và chọn lọc (selection). Các toán tử này kết
hợp với nhau trong một mơ hình tiến hóa và được điều khiển bởi một số tham số như
kích cỡ quần thể, xác suất lai ghép, xác xuất đột biến…Trong các hình thức của EC
thì GA là thuật tốn di truyền được sử dụng phổ biến trong các bài toán tối ưu với
khối lượng biến thiết kế lớn.
Năm 2011, tác giả Vũ Anh Tuấn và Hàn Ngọc Đức [12] đã nghiên cứu thiết
kế tối ưu dầm liên hợp thép – bê tơng cốt thép. Tác giả trình bày q trình tự động
hóa thiết kế tối ưu dầm liên hợp thép bê tông sử dụng tiết diện chữ I tổ hợp theo tiêu
chuẩn thiết kế Eurocode 4. Hàm mục tiêu là tối thiểu hóa trọng lượng khung dầm
thép. Tác giả lấy một ví dụ minh họa từ tài liệu tham khảo đã được sử dụng để kiểm
chứng và chứng minh khả năng của phương pháp trong việc tối ưu hóa thiết kế dầm
liên hợp. Kết quả là giải pháp thiết kế tối ưu đề cập trong nghiên cứu này cho trọng
lượng thép kết cấu nhỏ hơn so với ví dụ tham khảo. Xét đến các tiêu chí về thời gian,
chất lượng và tính hiệu quả, phương pháp thiết kế tối ưu sử dụng thuật tốn tiến hóa

vi phân hồn tồn có thể thay thế phương pháp thiết kế truyền thống trong bài toán
thiết kế thực tế.

4


Năm 2015, tác giả Nguyễn Mạnh Thảo và cộng sự [13] đã ứng dụng mạng nơ
– ron nhân tạo để dự đốn tốc độ ăn mịn thép CT3 trong khí quyển. Đây là bài toán
dự báo được sử dụng mạng nơ – ron 3 lớp, xử lý từ 29 bộ dữ liệu đầu vào từ các trạm
đo để dự báo nên tốc độ ăn mòn thép ở một số khu vực khí hậu nhiệt đới tại Việt
Nam. Kết quả cho thấy được độ tin cậy cao khi so sánh với phương pháp giải tích
thơng thường theo mơ hình hồi quy tuyến tính.
Năm 2016, tác giả Hồng Nhật Đức và cộng sự [14] với nghiên cứu dự đoán
cường độ chịu nén của bê tơng cường độ cao bằng mơ hình Gaussian và phương pháp
hồi quy véc – tơ. Ở nghiên cứu, tác giả xác định cường độ chịu nén của bê tơng qua
3 phương pháp: Mơ hình hồi quy (GPR) Gaussian, phương pháp véc – tơ bình phương
nhỏ nhất và mạng nơ – ron nhân tạo ANN để dự đoán cường độ chịu nén của bê tông
cường độ cao HPC, để từ đó so sánh kết quả từ 3 mơ hình so với kết quả thực nghiệm.
Từ kết quả đạt được, mơ hình hồi quy Gaussian có kết quả tối ưu và sát với kết quả
xác suất từ 239 mẫu thử thực nghiệm.
Năm 2019, nhóm tác giả Hồng Nhật Đức, Nguyễn Duy Tân, Nguyễn Trần
Mộng Thùy [15] đã xây dựng một mơ hình mạng nơ – ron thần kinh nhân tạo dùng
cho phân tích hồi quy trong ngành xây dựng với lập trình trên Visual C#.NET. Nghiên
cứu đã xây dựng nên một chương trình mang tên VS – ANN dựa trên ngơn ngữ C#,
chương trình giúp cho q trình phân tích hồi quy tuyến tính với khả năng phân tích
dữ liệu và mơ hình hóa các q trình phức tạp dựa trên nguyên lý hoạt động của mạng
nơ – ron nhân tạo. Kết quả thu được về dự đoán cường độ nén của bê tông cường độ
cao so với kết quả thực nghiệm là đáng tin cậy với độ sai số thấp.
▪ Tổng quan về nghiên cứu trí tuệ nhân tạo (AI) trong các lĩnh vực khác
Ở các nước phát triển, trí tuệ nhân tạo đã được áp dụng hầu hết trong tất cả các

lĩnh vực nhằm đem lại được độ chính xác, tính tối ưu, và khả năng xử lý số liệu một
cách nhanh chóng…
Tại Việt Nam, trong những năm gần đây lĩnh vực trí tuệ nhân tạo đang được
áp dụng một cách mạnh mẽ, một số dự án, đề tài điển hình trong các lĩnh vực y khoa,
cơng nghệ thông tin, quy hoạch đất đai, an ninh mạng, giáo dục, thời tiết…

5


Về y khoa: Việt Nam là quốc gia có bệnh đường tiêu hóa cao, các bệnh lý về
loét dạ dày tá tràng, ung thư dạ dày xếp thứ 3 trong các bệnh lý ác tính. Điều này dẫn
đến số lượng bệnh nhân được chỉ định nội soi tại các cơ sở y tế thường xuyên bị quá
tải. Dựa trên các thực tại đó, hệ thống chuẩn đốn nội soi đường tiêu hóa ứng dụng
trí tuệ nhân tạo AI được ra đời nhằm phát hiện viêm dạ dày mạn, ung thư dạ dày và
cả những tổn thương ở giai đoạn mới bắt đầu [16].
Về an ninh mạng: “Giải pháp chống tấn công từ chối dịch vụ DDoS Viettel”
là giải pháp an ninh mạng có thể giám sát 24/7 với các tổ chức, doanh nghiệp. Trí tuệ
nhân tạo trong hệ thống có thể tự động học, thích nghi với từng khác hàng. Trong 1
năm triển khai, hệ thống có thể phát hiện 100% các cuộc tấn công. Tổng thời gian xử
lý thấp, hệ thống lọt top 3 thế giới, chi phí tiêu tốn chỉ bằng 0,1% so với việc hợp tác
với các chuyên gia hiện nay [16].
Năm 2013, tác giả Nguyễn Ngọc Kiên và cộng sự [17] đã ứng dụng mạng nơ
– ron nhân tạo và giải thuật di truyền đã đề xuất xác định chế độ cắt tối ưu khi phay
CNC với việc ứng dụng mạng nơ – ron nhân tạo ANN để xác định hàm mục tiêu chất
lượng bề mặt phay CNC, xác định các thông số công nghệ chế độ cắt với độ chính
xác cao. Đề tài được ứng dụng cao trong cơng nghệ gia cơng cơ khí.
Năm 2017, tác giả Dương Thu Trang [18] đã ứng dụng mạng nơ – ron nhân
tạo dự báo số học sinh tuyển vào trung tâm GDNN – GDTX quận Đống Đa. Đề tài
đã đi sâu nghiên cứu mạng nơ – ron truyền thẳng huấn luyện bằng thuật toán lan
truyền ngược sai số, để đạt tới 1 kết quả tốt nhất nhờ tối ưu trọng số mạng nơ – ron

nhân tạo.
Nhìn chung, các đề tài hay dự án ứng dụng AI trong các lĩnh vực khác nhau ở
Việt Nam đang ở giai đoạn khảo sát, triển khai thực nghiệm với quy mô vừa và nhỏ.
1.2.2. Tình hình nghiên cứu ngồi nước
1.2.2.1.

Tổng quan về nghiên cứu ứng xử bê tơng ngồi nước

Trong những năm gần đây, nhiều tác giả kết hợp giữa nhiều phương pháp khác
nhau như: phương pháp thực nghiệm, phương pháp mô phỏng số, phương pháp tính
tốn số…để tăng độ tin cậy từ đầu ra kết quả. Nhiều tác giả đã thiết lập nên nhiều mô

6


hình ứng xử với quan hệ ứng xử khác nhau.
Năm 2011, tác giả Siavash Sajedi và cộng sự [19] đã nghiên cứu về ứng xử
của dầm bê tông chịu uốn khi bị ăn mòn trước, kết hợp giữa phương pháp mô phỏng
số bằng phần tử hữu hạn và phương pháp thực nghiệm. Kết quả cho thấy được đường
cong ứng xử của bê tơng khi kết cấu bị ăn mịn và khơng bị ăn mịn.
Năm 2018, tác giả Mohammed Ali Ihsan Saber [20] với nghiên cứu về cường
độ chịu lực của tấm sàn bê tông cốt thép được thực hiện bằng phần mềm Ansys kết
hợp với lấy mẫu thực nghiệm. Kết quả nghiên cứu đạt được cho thấy được sự tương
đồng về biến dạng và vết nứt của hai phương pháp trên từng cấp tải và từng giai đoạn.
Năm 2019, tác giả Xuxu Wang [21] và cộng sự thực hiện khảo sát đường ứng
xử của bê tông composite với lõi giới hạn FRP kết hợp sử dụng phần mềm Ansys để
so sánh đối chiếu kết quả so với khảo sát thực nghiệm. Kết quả thu được đường cong
ứng suất trung bình trên các thí nghiệm giữa mơ phỏng và thực nghiệm là tương đồng.
1.2.2.2.

Tổng quan về nghiên cứu trí tuệ nhân tạo (AI) ngoài nước

Vào năm 2011, Mamoun Alqedra, Mohammed Arafa và Mohammed Ismail
[22] tối ưu chi phí dầm bê tơng dự ứng lực và dầm bê tông cốt thép bằng thuật tốn
di truyền. Nghiên cứu này nhằm mục đích giảm các chi phí dầm bê tơng dự ứng lực
(PC) và dầm bê tông cốt thép (RC) và những dầm được thiết kế theo tiêu chuẩn ACI
318 – 05. Một năm sau, A. Kaveh và M. S. Massoudi [23] đã sử dụng lý thuyết đàn
kiến (Ant colony system – ACS) để tính tốn tối ưu cho kết cấu dầm liên hợp. Hàm
mục tiêu là giá thành của sàn.
Đến năm 2014, Giuseppe Quaranta, Alessandra Fiore và Giuseppe Carlo
Marano [24] đã đưa ra phương án thiết kế tối ưu dầm bê tông ứng lực trước sử dụng
thuật tốn tiến hóa vi phân, để làm giảm thiểu chi phí của dầm.
Năm 2016, nhóm tác giả Ali Heidari, Jamal Sheikh [25] với nghiên cứu sử
dụng mạng nơ – ron nhân tạo ANN để dự đoán cường độ chịu nén của bê tông chứa
các hợp chất phụ gia. Trong nghiên cứu thực nghiệm, các thành phần Polyurethane
và Nanosilica với các tỷ lệ tương ứng 1; 1,5; 2,5; 5 và 0,5; 1; 1,5 được dùng để thay
thế 1 phần xi măng theo tiêu chuẩn ACI. Kết quả đo được từ thí nghiệm được so sánh

7


với kết quả dự đoán từ mạng nơ – ron nhân tạo. Sau nghiên cứu cho ra hệ số R >
90% vì vậy, dự đốn từ mạng nơ – ron là được xác thực và có độ tin cậy cao.
Năm 2016, A.S. Talaei và A. Nasrollahi, M. Ghayekhloo [26] đã tìm ra
phương pháp tự động hóa thiết kế tối ưu sàn bê tơng ứng lực trước sử dụng
thuật tốn tối ưu bầy đàn (Particle Swarm Optimization – PSO, hay còn gọi là
PSOHS). So sánh với các phương pháp thông thường thì PSOHS cho ra ít thơng số
và cung cấp các bản thiết kế cuối cùng với chi phí thấp hơn.
Năm 2019, nhóm tác giả K.Kaviya và J.Premalatha [27] với nghiên cứu dự
đốn cường độ chịu nén của bê tơng và hợp chất tái chế bằng mạng nơ – ron nhân

tạo. Đề tài đã thực hiện thí nghiệm các mẫu thực nghiệm với bê tông cường độ cao
HPC kết hợp các thành phần từ chất tái chế như Fly Ash, Silica fume và GGBS để
thay thế một phần xi măng cũng như phụ gia trong bê tông. Kết hợp sử dụng mạng
nơ – ron nhân tạo ANN và phân tích hồi quy bội MRA để dự đoán cường độ chịu nén
của bê tơng 28 ngày tuổi.
Nhận xét: Nhìn chung các nghiên cứu đã công bố về ứng xử của bê tông trong và
ngồi nước chủ yếu tập trung vào phân tích cường độ chịu nén của bê tông với cường
độ cao và các thành phần đặc biệt. Vì cường độ nén của bê tơng cường độ cao có tính
biến dạng, phi tuyến phức tạp và khó dự đốn so với các phương pháp thống kê truyền
thống. Đặc biệt là khi thay đổi các thành phần vật liệu như phụ gia, tro bay,
silica…Các nghiên cứu đã so sánh được kết quả thực nghiệm và mơ hình dự đốn
bằng trí tuệ nhân tạo nói chung cũng như mạng nơ – ron nhân tạo nói riêng với độ
tin cậy cao. Tuy nhiên chưa có nghiên cứu nào đề cập về tối ưu hàm ứng xử dựa trên
các luật ứng xử của các mơ hình biến dạng phi tuyến, để dự đoán ứng xử của bê tông.
Đặc biệt theo TCVN 5574 – 2018 [28] được dùng thay thế hệ tiêu chuẩn cũ với điểm
mới là các mơ hình ứng xử, biểu đồ ứng suất – biến dạng và cách thiết lập tính tốn.
1.3.

Mục đích nghiên cứu
Dự đốn cường độ chịu nén của bê tơng thường từ các thành phần cấp phối

khác nhau bằng mạng nơ – ron nhân tạo ANN. So sánh kết quả dự đoán với các giá
trị nén mẫu thực nghiệm, để từ đó đánh giá độ sai số từ phương pháp dự đoán.

8


Dự đốn đường cong ứng xử của bê tơng trong thí nghiệm nén một trục với
các mơ hình ứng xử giải tích khác nhau. Từ đó, đánh giá độ sai số từ phương pháp
tính tốn giải tích và đề xuất 1 mơ hình ứng xử tối ưu. Từ mơ hình ứng xử đề xuất,

giải thuật tiến hóa di truyền GA được ứng dụng để tìm kiếm các hệ số tối ưu nhằm
tối ưu hóa hàm ứng xử cuối cùng. Với các tổ mẫu thực nghiệm được so sánh, đối
chiếu nhằm đánh giá độ sai số và khả năng ứng dụng của chương trình tính.
Xây dựng bộ cơ sở dữ liệu về ứng xử bê tông cho các nghiên cứu, mô phỏng về sau.
1.4.

Phạm vi và đối tượng nghiên cứu
Luận văn tập trung nghiên cứu về ứng dụng mạng nơ – ron nhân tạo ANN và

giải thuật tiến hóa di truyền GA vào dự tốn đường ứng xử của bê tơng trong thí
nghiệm nén một trục.
Vật liệu bê tơng xét đến là bê tơng thường và bê tơng truyền thống có cường
độ chịu nén từ 15 – 50 MPa. Mơ hình ứng xử xét đến là mơ hình đàn hồi – dẻo.
1.5.

Phương pháp nghiên cứu
Phương pháp nghiên cứu tài liệu: Nghiên cứu, phân tích các thơng số, kết quả

tính tốn liên quan được công bố qua các tài liệu như sách, báo, tiêu chuẩn thiết kế ở
trong và ngoài nước.
Phương pháp tính tốn số: Nghiên cứu, ứng dụng và xây dựng thuật tốn tối
ưu bằng phần mềm Matlab và cơng cụ hỗ trợ.
1.6.

Nội dung nghiên cứu
Giới thiệu tổng quan về đề tài, tình hình nghiên cứu trong và ngồi nước liên

quan đến đề tài, phạm vi và mục đích nghiên cứu. Cơ sở lý thuyết về trí tuệ nhân tạo
AI, mạng nơ – ron nhân tạo ANN và giải thuật tiến hóa di truyền GA. Tính tốn giải
tích về các mơ hình ứng xử của bê tơng đã được cơng bố, đề xuất.

Ứng dụng mạng nơ – ron nhân tạo ANN nhằm tìm kiếm giá trị cường độ chịu
nén của bê tơng để làm thơng số đầu vào nhằm dự đốn đường cong ứng xử.
Xây dựng chương trình sử dụng giải thuật tiến hóa GA nhằm tìm kiếm hàm
ứng xử tối ưu với sai số trên toàn miền nhỏ nhất.
Kết luận, kiến nghị và đưa ra hướng phát triển cho luận văn.

9