Tải bản đầy đủ (.pdf) (216 trang)

xác định hư hỏng trong kết cấu dầm sử dụng phân tích wavelet cho dạng dao động kết hợp với mạng nơ ron nhân tạo

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (14.47 MB, 216 trang )

<span class="text_page_counter">Trang 1</span><div class="page_container" data-page="1">

<b>TRƯỜNG ĐẠI HỌC BÁCH KHOA </b>

---

<b>PHAN HOÀNG TẶNG </b>

<b>XÁC ĐỊNH HƯ HỎNG TRONG KẾT CẤU DẦM SỬ DỤNG PHÂN TÍCH WAVELET CHO DẠNG DAO ĐỘNG </b>

<b>KẾT HỢP VỚI MẠNG NƠ-RON NHÂN TẠO </b>

Chuyên ngành: Kỹ thuật Xây dựng Mã số ngành: 85 80 201

<b>LUẬN VĂN THẠC SĨ </b>

TP. HỒ CHÍ MINH, tháng 01 năm 2024

</div><span class="text_page_counter">Trang 2</span><div class="page_container" data-page="2">

CƠNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI

<b>TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH </b>

<b>Cán bộ hướng dẫn khoa học: PGS. TS. Hồ Đức Duy Chữ ký: ……… </b>

<b>Cán bộ chấm nhận xét 1: PGS. TS. Nguyễn Trọng Phước Chữ ký: ……… </b>

<b>Cán bộ chấm nhận xét 2: PGS. TS. Lương Văn Hải Chữ ký: ……… </b>

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp. HCM, ngày 25 tháng 01 năm 2024.

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:

1. PGS. TS. Cao Văn Vui - Chủ tịch hội đồng 2. TS. Nguyễn Thái Bình - Thư ký

3. PGS. TS. Nguyễn Trọng Phước - Phản biện 1 4. PGS. TS. Lương Văn Hải - Phản biện 2 5. TS. Nguyễn Hữu Anh Tuấn - Ủy viên

<b>KỸ THUẬT XÂY DỰNG </b>

<b> PGS. TS. Cao Văn Vui</b>

</div><span class="text_page_counter">Trang 3</span><div class="page_container" data-page="3">

<b>ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA</b>

<b>CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc Lập - Tự Do - Hạnh Phúc</b>

<b>NHIỆM VỤ LUẬN VĂN THẠC SĨ </b>

<b>Họ và tên học viên: PHAN HOÀNG TẶNG </b> MSHV: 2170211 Ngày, tháng, năm sinh: 01/01/1998 Nơi sinh: Bạc Liêu Chuyên ngành: Kỹ Thuật Xây Dựng Mã số: 85 80 201

<b>I. TÊN ĐỀ TÀI: Xác định hư hỏng trong kết cấu dầm sử dụng phân tích Wavelet cho dạng dao động kết hợp với mạng nơ-ron nhân tạo (Damage identification in beams using mode shape-based Wavelet analysis method and artificial neural network). </b>

<b>II. NHIỆM VỤ VÀ NỘI DUNG </b>

1. Tìm hiểu và nắm vững các phương pháp chẩn đoán hư hỏng kết cấu sử dụng phương pháp phân tích Wavelet cho dạng dao động dầm.

2. Xây dựng các mô hình dầm theo phương pháp phần tử hữu hạn. Xác định vị trí hư hỏng của dầm bằng phương pháp phân tích Wavelet cho dạng dao động. Sau đó, sử dụng thuật toán mạng nơ-ron nhân tạo (ANNs) để chẩn đốn mức độ hư hỏng trong mơ hình dầm.

3. Phân tích và đánh giá kết quả chẩn đốn cho kết cấu dầm.

<b>III. NGÀY GIAO NHIỆM VỤ : 05/09/2022 IV. NGÀY HOÀN THÀNH NHIỆM VỤ : 10/12/2023 </b>

</div><span class="text_page_counter">Trang 4</span><div class="page_container" data-page="4">

<b>LỜI CẢM ƠN </b>

Luận văn tốt nghiệp thạc sĩ là một sản phẩm nghiên cứu quan trọng trên chặng đường nghiên cứu của học viên cao học. Đây là thành tụ nghiên cứu tâm huyết và là một dấu ấn với một ý nghĩa vô cùng lớn đối với mỗi học viên.

Để hoàn thành luận văn này, ngoài sự cố gắng và nỗ lực của bản thân, tôi đã nhận được nhiều sự giúp đỡ từ tập thể và các cá nhân. Tôi xin ghi nhận và tỏ lòng biết ơn tới tập thể và các cá nhân đã dành cho tơi sự giúp đỡ q báu đó.

Đầu tiên tơi xin bày tỏ lịng biết ơn sâu sắc đến Thầy PGS. TS. Hồ Đức Duy. Thầy đã đưa ra gợi ý đầu tiên để hình thành nên ý tưởng của đề tài, góp ý cho tơi rất nhiều về cách nhận định đúng đắn trong những vấn đề nghiên cứu, cách tiếp cận nghiên cứu hiệu quả. Thầy cũng đã đồng hành, đưa ra từng ý kiến và giải pháp để định hướng trong từng bước đi cho tơi có thể hồn thành nghiên cứu này.

Bên cạnh đó tơi xin chân thành cảm ơn quý Thầy, Cô Khoa Kỹ thuật Xây dựng, trường Đại học Bách Khoa Tp.HCM đã truyền dạy những kiến thức q giá cho tơi, đó cũng là những kiến thức không thể thiếu trên con đường nghiên cứu khoa học và sự nghiệp của tôi sau này.

Đồng thời tơi cũng xin cảm ơn gia đình, bạn bè, đồng nghiệp và những người thân đã tạo điều kiện, giúp đỡ tơi hồn thành luận văn thạc sĩ.

Trong quá trình nghiên cứu thực hiện, dù học viên đã rất cố gắng nhưng cũng không thể tránh khỏi những thiếu sót trong luận văn. Học viên rất mong nhận được sự chỉ dẫn, góp ý từ quý thầy cơ, bạn bè để có thể hồn thiện đề tài nghiên cứu này tốt hơn.

Xin trân trọng cảm ơn!

<i>Thành phố Hồ Chí Minh, ngày 10 tháng 12 năm 2023 </i>

<b>PHAN HỒNG TẶNG </b>

</div><span class="text_page_counter">Trang 5</span><div class="page_container" data-page="5">

<b>TĨM TẮT LUẬN VĂN THẠC SĨ </b>

<b>Tên đề tài luận văn: “Xác định hư hỏng trong kết cấu dầm sử dụng phân tích </b>

<b>Wavelet cho dạng dao động kết hợp với mạng nơ-ron nhân tạo”. </b>

Luận văn này phát triển phương pháp chẩn đốn hư hỏng kết cấu dầm thơng qua phân tích Wavelet cho dạng dao động. Luận văn thực hiện mơ hình dầm bằng phương pháp phần tử hữu hạn. Đồng thời, luận văn nghiên cứu ứng dụng phương pháp phân tích Wavelet cho dạng dao động để chẩn đốn vị trí hư hỏng và sử dụng kết hợp mạng nơ-ron nhân tạo (ANNs) để chẩn đoán mức độ hư hỏng. Các phương pháp trên được áp dụng cho kết cấu dầm đồng chất có hư hỏng tạo ra bằng các giảm độ cứng chống uốn ở các vị trí khác nhau và kết cấu dầm bê tơng cốt thép có hư hỏng xuất hiện theo từng cấp gia tải. Nội dung của luận văn là hướng đến mục tiêu có thể chẩn đốn hư hỏng cho kết cấu dầm theo ba cấp độ: chẩn đoán sự xuất hiện của hư hỏng; chẩn đốn vị trí hư hỏng; chẩn đoán mức độ hư hỏng. Việc thực hiện mục tiêu trên được thể hiện thơng qua hai bài tốn khảo sát, ở mỗi bài tốn đều có sự so sánh của các cách thực hiện khảo sát khát nhau để rút ra được cách chẩn đốn tối ưu. Tính hiệu quả của mơ hình chẩn đốn được đánh giá thơng qua các chỉ số A (Độ chính xác vùng hư hỏng), B (Độ chính xác vùng khơng hư hỏng) và C (Độ chính xác tổng thể). Mạng nơ-ron nhân tạo (ANNs) được xây dựng từ dữ liệu đầu vào là dạng dao động để chẩn đoán mức độ hư hỏng trong dầm. Kết quả từ nghiên cứu cho thấy phương pháp phân tích Wavelet kết hợp với thuật tốn mạng nơ-ron nhân tạo cho kết quả chẩn đoán trong dầm có độ chính xác cao cả về vị trí lẫn mức độ hư hỏng.

</div><span class="text_page_counter">Trang 6</span><div class="page_container" data-page="6">

<b>ABSTRACT </b>

<b>The thesis title: “Damage identification in beams using mode shape-based </b>

<b>Wavelet analysis method and artificial neural network”. </b>

This thesis presents a damage identification method by Wavelet analysis using mode shape in beam structures. The thesis simulates a beam model using the finite element method. Besides, the thesis researches the application of Wavelet analysis method using mode shape to detect damage locations and using artificial neural networks (ANNs) to detect the level of damage. The developed method is applied to a homogeneous beam with damage caused by reducing bending stiffness at different locations and a reinforced concrete beam with damage occurring at each loading level. The content of the thesis is aimed at being able to diagnose damage to beam member at three levels: diagnose the appearance of damage; diagnose damage location; diagnose the level of damage. The implementation of the above goal is demonstrated through two survey problems, in each problem there is a comparison of different survey implementation methods to detect the optimal diagnosis. The effectiveness of the diagnostic is evaluated through the indexes of A (Damaged area accuracy), B (Undamaged area accuracy) and C (Overall accuracy). ANNs are built from mode shape input data to diagnose the level of damage in beams. Results from the study show that the Wavelet analysis method combined with the artificial neural network algorithm provides highly accurate diagnostic results in beams in terms of both location and level of damage.

</div><span class="text_page_counter">Trang 7</span><div class="page_container" data-page="7">

<b>LỜI CAM ĐOAN </b>

Tôi xin cam đoan đây là cơng việc do chính tơi thực hiện dưới sự hướng dẫn của Thầy PGS. TS. HỒ ĐỨC DUY.

Các kết quả trong luận văn là đúng sự thật và chưa được công bố ở các nghiên cứu khác.

Tôi xin chịu trách nhiệm về công việc thực hiện của mình.

<i>Thành phố Hồ Chí Minh, ngày 10 tháng 12 năm 2023 </i>

<b>PHAN HOÀNG TẶNG </b>

</div><span class="text_page_counter">Trang 8</span><div class="page_container" data-page="8">

DANH MỤC CÁC KÍ HIỆU ... xxi

CHƯƠNG 1. GIỚI THIỆU ... 1

1.1. Đặt vấn đề ... 1

1.1.1. Tầm quan trọng của việc theo dõi và chẩn đoán kết cấu ... 1

1.1.2. Kết cấu dầm và một số dạng hư hỏng thường gặp ... 3

1.1.3. Phân tích Wavelet cho dạng dao động dầm ... 4

1.1.4. Tổng quan về trí tuệ nhân tạo, học máy, mạng nơ-ron nhân tạo ... 5

1.2. Mục tiêu và nội dung nghiên cứu ... 9

1.2.1. Mục tiêu nghiên cứu ... 9

1.2.2. Nội dung nghiên cứu ... 9

1.3. Đối tượng và phạm vi nghiên cứu ... 10

1.3.1. Đối tượng nghiên cứu ... 10

1.3.2. Phạm vi nghiên cứu ... 10

1.4. Tính cần thiết và ý nghĩa thực tiễn của nghiên cứu ... 10

1.5. Cấu trúc luận văn ... 11

CHƯƠNG 2. TỔNG QUAN ... 12

2.1. Cơng trình nghiên cứu phương pháp phân tích hư hỏng kết cấu dựa trên sự thay đổi dạng dao động ... 12

</div><span class="text_page_counter">Trang 9</span><div class="page_container" data-page="9">

2.2. Cơng trình nghiên cứu phương pháp phân tích hư hỏng kết cấu dựa trên phân

tích Wavelet cho dạng dao động ... 12

2.3. Tình hình nghiên cứu tại việt nam ... 16

2.4. Tổng kết ... 20

CHƯƠNG 3. CƠ SỞ LÝ THUYẾT ... 22

3.1. Từ phân tích Fourier đến phân tích Wavelet ... 22

3.2. Phân tích Wavelet ... 24

3.2.1. Khái niệm Wavelet ... 24

3.2.2. Hệ số tỷ lệ (Scaling). ... 25

3.2.3. Wavelet liên tục - continuous Wavelet transform – CWT ... 25

3.2.4. Wavelet rời rạc - Discrete Wavelet transform - DWT ... 28

3.2.5. Phân tích đa phân giải ... 30

3.2.6. Wavelet dừng - Stationary Wavelet transform - SWT ... 31

3.6.1. Cấu tạo của một mạng nơ-ron thần kinh nhân tạo ... 42

3.6.2. Xây dựng mạng nơ-ron nhân tạo (ANNs) ... 44

3.6.3. Ứng dụng thuật tốn trí tuệ nhân tạo để chẩn đốn hư hỏng ... 48

3.7. Mơ hình phần tử hữu hạn bằng phần mềm ANSYS ... 50

3.7.1. Mô hình phần tử ... 50

</div><span class="text_page_counter">Trang 10</span><div class="page_container" data-page="10">

3.7.2. Mơ hình vật liệu ... 51

3.7.3. Mơ hình liên kết giữa bê tơng và cốt thép ... 53

3.8. Quy trình thực hiện bài toán chẩn đoán hư hỏng ... 54

CHƯƠNG 4. CÁC BÀI TỐN PHÂN TÍCH ... 57

4.1. Bài tốn 1: Dầm đơn giản gối tựa đơn ... 58

4.1.1. Xác định thơng số bài tốn ... 58

4.1.2. Mơ hình bài tốn ... 58

4.1.3. Chia lưới phần tử ... 59

4.1.4. Trường hợp hư hỏng ... 61

4.1.5. Đánh giá kết quả phân tích dao động dầm đơn giản ... 62

4.1.6. Độ giảm tần số của 3 trường hợp phân tích ... 62

4.1.7. So sánh dạng dao động dầm bình thường và dầm hư hỏng ... 63

4.1.8. Hiệu dạng dao động dầm hư hỏng và dầm khơng hư hỏng ... 66

4.1.9. Chẩn đốn dầm 1 vị trí hư hỏng bằng phân tích Wavelet ... 68

4.1.10. Chẩn đốn dầm 2 vị trí hư hỏng bằng phân tích Wavelet ... 74

4.1.11. Chẩn đốn dầm 3 vị trí hư hỏng bằng phân tích Wavelet ... 80

4.1.12. Chẩn đoán mức độ hư hỏng bằng mạng nơ-ron nhân tạo (ANNs) .. 86

4.1.13. Chẩn đoán mức độ trường hợp dầm một vị trí hư hỏng ... 87

4.1.14. Chẩn đốn mức độ trường hợp dầm hai vị trí hư hỏng ... 91

4.1.15. Chẩn đoán mức độ trường hợp dầm ba vị trí hư hỏng ... 96

4.2. Bài tốn 2: Dầm bê tông cốt thép gia tải ... 103

4.2.1. Xác định thông số bài tốn ... 103

4.2.2. Mơ phỏng cấu kiện dầm BTCT ... 103

4.2.3. So sánh mô phỏng và thực nghiệm, tính tốn lý thuyết ... 105

4.2.4. Chẩn đốn vùng nứt bằng phương pháp phân tích Wavelet ... 111

4.2.5. Chẩn đốn mức độ hư hỏng bằng mạng nơ-ron nhân tạo (ANNs) .. 151

CHƯƠNG 5. KẾT LUẬN VÀ KIẾN NGHỊ ... 180

5.1. Kết luận ... 180

</div><span class="text_page_counter">Trang 11</span><div class="page_container" data-page="11">

5.1.1. Các nội dung đã thực hiện ... 180

5.1.2. Kết luận về các bài tốn phân tích ... 181

5.2. Kiến nghị ... 183

DANH MỤC CÁC CƠNG TRÌNH KHOA HỌC ... 184

TÀI LIỆU THAM KHẢO ... 185

LÝ LỊCH TRÍCH NGANG ... 192

</div><span class="text_page_counter">Trang 12</span><div class="page_container" data-page="12">

<b>DANH MỤC CÁC HÌNH </b>

<i>Hình 1.1. Các phương pháp đánh giá, phát hiện hư hỏng ... 2</i>

<i>Hình 1.2. Cấu tạo dầm bê tơng cốt thép. [2] ... 3</i>

<i>Hình 1.3. Vết nứt xiên và vết nứt thẳng góc [3] ... 3</i>

<i>Hình 1.4. Vết nứt xuất hiện thẳng góc vị trí nhịp dầm bê tơng cốt thép [4] ... 4</i>

<i>Hình 1.5. Biểu đồ phân tích Wavelet [5] ... 5</i>

<i>Hình 1.6. Mối quan hệ giữa AI, Machine Learning và Deep Learning [6] ... 6</i>

<i>Hình 1.7. Ứng dựng của trí tuệ nhân tạo (AI) vào chẩn đoán và theo dõi hư hỏng trong kết cấu (SHM) [7] ... 7</i>

<i>Hình 1.8. Quá trình hoạt động của ANNs dựa trên hệ thống thần kinh sinh học [8] ... 8</i>

<i>Hình 3.1. Minh họa tín hiệu biến đổi Fourier ... 22</i>

<i>Hình 3.2. Biến đổi Fourier [5] ... 22</i>

<i>Hình 3.3. Biến đổi Fourier thời gian ngắn [5] ... 23</i>

<i>Hình 3.4. Biến đổi Wavelet [5] ... 23</i>

<i>Hình 3.5. Hình sóng Sin và sóng Wavelet [5] ... 24</i>

<i>Hình 3.6. Phân tích Wavelet [5] ... 24</i>

<i>Hình 3.7. Hệ số Scale của biến đổi Wavelet [5] ... 25</i>

<i>Hình 3.8. Bước 02 của phân tích CWT – Tính hệ số C [5] ... 27</i>

<i>Hình 3.9. Bước 03 của phân tích CWT – dịch phải Wavelet [5] ... 28</i>

<i>Hình 3.10. Bước 04 của phân tích CWT – kéo dãn Wavelet [5] ... 28</i>

<i>Hình 3.11. Bước 05 của phân tích CWT – lặp lại các bước trước ... 28</i>

<i>Hình 3.12. Sơ đồ tiến trình lọc Wavelet bậc 1 [5] ... 30</i>

<i>Hình 3.13. Phân tích đa phân giải Wavelet [5] ... 31</i>

<i>Hình 3.14. Biểu đồ hình dạng hàm phân tích Wavelet (hàm Haar) [5] ... 32</i>

<i>Hình 3.15. Biểu đồ hình dạng hàm phân tích Wavelet (hàm db2, db3, db4) [5] ... 32</i>

<i>Hình 3.16. Biểu đồ hình dạng hàm phân tích Wavelet (hàm db5, db6, db7) [5] ... 33</i>

<i>Hình 3.17. Biểu đồ hình dạng hàm phân tích Wavelet (hàm db8, db9, db10) [5] ... 33</i>

</div><span class="text_page_counter">Trang 13</span><div class="page_container" data-page="13">

<i>Hình 3.18. Biểu đồ hình dạng hàm phân tích Wavelet (hàm bior1.3) [5] ... 33</i>

<i>Hình 3.19. Biểu đồ hình dạng hàm phân tích Wavelet (hàm bior2.2) [5] ... 33</i>

<i>Hình 3.20. Biểu đồ hình dạng hàm phân tích Wavelet (hàm bior1.5) [5] ... 34</i>

<i>Hình 3.21. Biểu đồ hình dạng hàm phân tích Wavelet (hàm bior2.4) [5] ... 34</i>

<i>Hình 3.22. Biểu đồ hình dạng hàm phân tích Wavelet (hàm coif1, coif2) [5] ... 34</i>

<i>Hình 3.23. Biểu đồ hình dạng hàm phân tích Wavelet (hàm coif3, coif4, coif5) [5] ... 34</i>

<i>Hình 3.24. Biểu đồ hình dạng hàm phân tích Wavelet (hàm sym2, sym3, sym4) [5] ... 35</i>

<i>Hình 3.25. Biểu đồ hình dạng hàm phân tích Wavelet (hàm sym5, sym6, sym7) [5] ... 35</i>

<i>Hình 3.26. Biểu đồ hình dạng hàm phân tích Wavelet (hàm sym8) [5] ... 35</i>

<i>Hình 3.27. Biểu đồ hình dạng hàm phân tích Wavelet (hàm Morlet) ... 36</i>

<i>Hình 3.28. Biểu đồ hình dạng hàm phân tích Wavelet (hàm Mexican Hat) ... 36</i>

<i>Hình 3.29. Biểu đồ hình dạng hàm phân tích Wavelet (hàm coif1) [5] ... 37</i>

<i>Hình 3.30. Quy ước vùng hư hỏng chẩn đoán và vùng hư hỏng thực tế ... 40</i>

<i>Hình 3.31. Minh họa hình ảnh của nơ-ron sinh học. [45] ... 42</i>

<i>Hình 3.32. Hình ảnh mơ hình perceptron. [46] ... 42</i>

<i>Hình 3.33. Mơ hình kiến trúc mạng ANNs [47] ... 43</i>

<i>Hình 3.34. Mơ hình ANNs với các thơng số cần thiết. ... 46</i>

<i>Hình 3.35. Hình dạng hình học của phần tử SOLID65 [59] ... 50</i>

<i>Hình 3.36. Hình dạng hình học của phần tử BEAM188 [59] ... 51</i>

<i>Hình 3.37. Biểu đồ ứng suất – biến dạng của bê tông đề xuất bởi Kent và Park (1971) [61] ... 52</i>

<i>Hình 3.38. Mặt phá hoại của bê tơng được sử dụng trong ANSYS [59] ... 52</i>

<i>Hình 3.39. Biểu đồ ứng suất – biến dạng BISO trong ANSYS Manual [59] ... 53</i>

<i>Hình 3.40. Quy trình thu thập dữ liệu dạng dao động ... 54</i>

<i>Hình 3.41. Quy trình chẩn đốn vùng hư hỏng bằng phân tích Wavelet ... 55</i>

<i>Hình 3.42. Quy trình chẩn đoán mức độ hư hỏng bằng thuật toán ANNs ... 56</i>

</div><span class="text_page_counter">Trang 14</span><div class="page_container" data-page="14">

<i>Hình 4.1. Thơng số bài toán dầm đơn giản của Hồ và cộng sự (2018) [66] ... 58</i>

<i>Hình 4.2. Mơ phỏng phân tích dầm đơn giản trong SAP2000 ... 58</i>

<i>Hình 4.3. Cơng thức xác định tần số dầm đơn giản [62] ... 59</i>

<i>Hình 4.16. Biểu đồ Wavelet hư hỏng 1 vị trí – Sau khử nhiễu (Dạng dao động 02) 70Hình 4.17. Biểu đồ Wavelet hư hỏng 1 vị trí – Trước khử nhiễu (Dạng dao động 03) ... 71</i>

<i>Hình 4.18. Biểu đồ Wavelet hư hỏng 1 vị trí – Sau khử nhiễu (Dạng dao động 03) 71Hình 4.19. Biểu đồ Wavelet hư hỏng 1 vị trí – Trước khử nhiễu (Dạng dao động 04) ... 72</i>

<i>Hình 4.20. Biểu đồ Wavelet hư hỏng 1 vị trí – Sau khử nhiễu (Dạng dao động 04) 72Hình 4.21. Biểu đồ Wavelet hư hỏng 1 vị trí – Trước khử nhiễu (Dạng dao động tổng hợp) ... 73</i>

<i>Hình 4.22. Biểu đồ Wavelet hư hỏng 1 vị trí – Sau khử nhiễu (Dạng dao động tổng hợp)... 73</i>

<i>Hình 4.23. Biểu đồ Wavelet hư hỏng 2 vị trí – Trước khử nhiễu (Dạng dao động 01) ... 75</i>

</div><span class="text_page_counter">Trang 15</span><div class="page_container" data-page="15">

<i>Hình 4.24. Biểu đồ Wavelet hư hỏng 2 vị trí – Sau khử nhiễu (Dạng dao động 01) 75Hình 4.25. Biểu đồ Wavelet hư hỏng 2 vị trí – Trước khử nhiễu (Dạng dao động </i>

<i>02) ... 76Hình 4.26. Biểu đồ Wavelet hư hỏng 2 vị trí – Sau khử nhiễu (Dạng dao động 02) 76Hình 4.27. Biểu đồ Wavelet hư hỏng 2 vị trí – Trước khử nhiễu (Dạng dao động </i>

<i>03) ... 77Hình 4.28. Biểu đồ Wavelet hư hỏng 2 vị trí – Sau khử nhiễu (Dạng dao động 03) 77Hình 4.29. Biểu đồ Wavelet hư hỏng 2 vị trí – Trước khử nhiễu (Dạng dao động </i>

<i>04) ... 78Hình 4.30. Biểu đồ Wavelet hư hỏng 2 vị trí – Sau khử nhiễu (Dạng dao động 04) 78Hình 4.31. Biểu đồ Wavelet hư hỏng 2 vị trí – Trước khử nhiễu (Dạng dao động </i>

<i>tổng hợp) ... 79Hình 4.32. Biểu đồ Wavelet hư hỏng 2 vị trí – Sau khử nhiễu (Dạng dao động tổng </i>

<i>hợp)... 79Hình 4.33. Biểu đồ Wavelet hư hỏng 3 vị trí – Trước khử nhiễu (Dạng dao động </i>

<i>01) ... 81Hình 4.34. Biểu đồ Wavelet hư hỏng 3 vị trí – Sau khử nhiễu (Dạng dao động 01) 81Hình 4.35. Biểu đồ Wavelet hư hỏng 3 vị trí – Trước khử nhiễu (Dạng dao động </i>

<i>02) ... 82Hình 4.36. Biểu đồ Wavelet hư hỏng 3 vị trí – Sau khử nhiễu (Dạng dao động 02) 82Hình 4.37. Biểu đồ Wavelet hư hỏng 3 vị trí - Trước khử nhiễu (Dạng dao động </i>

<i>03) ... 83Hình 4.38. Biểu đồ Wavelet hư hỏng 3 vị trí – Sau khử nhiễu (Dạng dao động 03) 83Hình 4.39. Biểu đồ Wavelet hư hỏng 3 vị trí – Trước khử nhiễu (Dạng dao động </i>

<i>04) ... 84Hình 4.40. Biểu đồ Wavelet hư hỏng 3 vị trí – Sau khử nhiễu (Dạng dao động 04) 84Hình 4.41. Biểu đồ Wavelet hư hỏng 3 vị trí – Trước khử nhiễu (Dạng dao động </i>

<i>tổng hợp) ... 85Hình 4.42. Biểu đồ Wavelet hư hỏng 3 vị trí – Sau khử nhiễu (Dạng dao động tổng </i>

<i>hợp)... 85Hình 4.43. Sơ đồ dầm BTCT trong nghiên cứu của Sasmal (2015) [63] ... 103</i>

</div><span class="text_page_counter">Trang 16</span><div class="page_container" data-page="16">

<i>Hình 4.44. Mơ hình dầm BTCT trong phần mềm ANSYS APDL... 104Hình 4.45. Đường cong ứng suất – biến dạng của bê tông và cốt thép ... 105Hình 4.46. Biểu đồ so sánh kết quả quan hệ tải trọng – chuyển vị của dầm BTCT106Hình 4.47. Kết quả phân tích nứt dầm BTCT ... 109Hình 4.48. Bốn dạng dao động uốn của dầm ở trạng thái ban đầu ... 110Hình 4.49. Các cấp tải chọn để chẩn đoán vùng nứt ... 111</i>

</div><span class="text_page_counter">Trang 17</span><div class="page_container" data-page="17">

<b>DANH MỤC CÁC BẢNG </b>

<i>Bảng 3.1. Bảng tóm tắt các thơng số cho mơ hình ANNs ... 47</i>

<i>Bảng 4.1. Các trường hợp chia lưới phần tử ... 59</i>

<i>Bảng 4.2. Kết quả so sánh tần số dầm chia 50 phần tử và cơng thức giải tích ... 60</i>

<i>Bảng 4.3. Kết quả so sánh tần số dầm chia 100 phần tử và công thức giải tích ... 60</i>

<i>Bảng 4.4. Kết quả so sánh tần số dầm chia 200 phần tử và công thức giải tích ... 60</i>

<i>Bảng 4.5. Kết quả so sánh tần số dầm chia 400 phần tử và công thức giải tích ... 60</i>

<i>Bảng 4.6. Các trường hợp hư hỏng khảo sát ... 62</i>

<i>Bảng 4.7. So sánh tần số mô phỏng với cơng thức giải tích Chopra (2017) [62] ... 62</i>

<i>Bảng 4.8. So sánh độ giảm tần số trường hợp 1 phần tử hư hỏng (phần tử 100) .... 63</i>

<i>Bảng 4.9. So sánh độ giảm tần số trường hợp 2 phần tử hư hỏng (phần tử 50 và 100) ... 63</i>

<i>Bảng 4.10. So sánh độ giảm tần số trường hợp 3 phần tử hư hỏng (phần tử 50, 100 và 150) ... 63</i>

<i>Bảng 4.11. Kết quả đánh giá độ chính xác vị trí hư hỏng trường hợp dầm 1 hư hỏng ... 74</i>

<i>Bảng 4.12. Kết quả đánh giá độ chính xác vị trí hư hỏng trường hợp dầm 2 hư hỏng ... 80</i>

<i>Bảng 4.13. Kết quả đánh giá độ chính xác vị trí hư hỏng trường hợp dầm 3 hư hỏng ... 86</i>

<i>Bảng 4.14. Bảng dữ liệu huấn luyện và chẩn đốn hư hỏng trường hợp 1 vị trí hư hỏng ... 87</i>

<i>Bảng 4.15. Bảng kết quả chẩn đoán trường hợp một vị trí hư hỏng (phương pháp 1) ... 87</i>

<i>Bảng 4.16. Kết quả chẩn đoán mức độ hư hỏng trường hợp một vị trí (phương pháp 1) ... 88</i>

<i>Bảng 4.17. Bảng kết quả chẩn đoán trường hợp một vị trí (phương pháp 2) ... 89</i>

<i>Bảng 4.18. Kết quả chẩn đoán mức độ hư hỏng trường hợp một vị trí (phương pháp 2) ... 90</i>

<i>Bảng 4.19. Bảng dữ liệu huấn luyện và chẩn đốn trường hợp 2 vị trí hư hỏng ... 91</i>

</div><span class="text_page_counter">Trang 18</span><div class="page_container" data-page="18">

<i>Bảng 4.20. Bảng kết quả chẩn đốn trường hợp hai vị trí hư hỏng (phương pháp </i>

<i>Bảng 4.24. Bảng dữ liệu huấn luyện và chẩn đốn trường hợp 3 vị trí hư hỏng ... 96</i>

<i>Bảng 4.25. Bảng kết quả chẩn đoán trường hợp ba vị trí hư hỏng (phương pháp 1) ... 97</i>

<i>Bảng 4.26. Kết quả chẩn đốn mức độ trường hợp ba vị trí hư hỏng (phương pháp 1) ... 98</i>

<i>Bảng 4.27. Bảng kết quả chẩn đốn trường hợp ba vị trí hư hỏng (phương pháp 2) ... 99</i>

<i>Bảng 4.28. Kết quả chẩn đoán mức độ trường hợp ba vị trí hư hỏng (phương pháp 2) ... 101</i>

<i>Bảng 4.29. Thông số vật liệu của dầm BTCT ... 103</i>

<i>Bảng 4.30. So sánh tần số dao động giữa tính tốn lý thuyết và mơ phỏng ANSYS110Bảng 4.31. Kết quả chẩn đoán cấp tải 40kN (mặt dưới dầm) ... 112</i>

<i>Bảng 4.32. Kết quả chẩn đoán cấp tải 41kN (mặt dưới dầm) ... 113</i>

<i>Bảng 4.33. Kết quả chẩn đoán cấp tải 60kN (mặt dưới dầm) ... 114</i>

<i>Bảng 4.34. Kết quả chẩn đoán cấp tải 99kN (mặt dưới dầm) ... 115</i>

<i>Bảng 4.35. Kết quả chẩn đoán cấp tải 158kN (mặt dưới dầm) ... 117</i>

<i>Bảng 4.36. Kết quả chẩn đoán cấp tải 216kN (mặt dưới dầm) ... 118</i>

<i>Bảng 4.37. Kết quả chẩn đoán cấp tải 226kN (mặt dưới dầm) ... 119</i>

<i>Bảng 4.38. Kết quả chẩn đoán cấp tải 236kN (mặt dưới dầm) ... 120Bảng 4.39. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 40kN (mặt dưới dầm)121Bảng 4.40. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 41kN (mặt dưới dầm)122Bảng 4.41. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 60kN (mặt dưới dầm)122</i>

</div><span class="text_page_counter">Trang 19</span><div class="page_container" data-page="19">

<i>Bảng 4.42. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 99kN (mặt dưới dầm)122Bảng 4.43. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 158kN (mặt dưới dầm)</i>

<i>Bảng 4.47. Kết quả chẩn đoán cấp tải 40kN (mặt giữa dầm) ... 124</i>

<i>Bảng 4.48. Kết quả chẩn đoán cấp tải 41kN (mặt giữa dầm) ... 125</i>

<i>Bảng 4.49. Kết quả chẩn đoán cấp tải 60kN (mặt giữa dầm) ... 127</i>

<i>Bảng 4.50. Kết quả chẩn đoán cấp tải 99kN (mặt giữa dầm) ... 128</i>

<i>Bảng 4.51. Kết quả chẩn đoán cấp tải 158kN (mặt giữa dầm) ... 130</i>

<i>Bảng 4.52. Kết quả chẩn đoán cấp tải 216kN (mặt giữa dầm) ... 131</i>

<i>Bảng 4.53. Kết quả chẩn đoán cấp tải 226kN (mặt giữa dầm) ... 132</i>

<i>Bảng 4.54. Kết quả chẩn đoán cấp tải 236kN (mặt giữa dầm) ... 134</i>

<i>Bảng 4.55. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 40kN (mặt giữa dầm)135Bảng 4.56. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 41kN (mặt giữa dầm)136Bảng 4.57. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 60kN (mặt giữa dầm)136Bảng 4.58. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 99kN (mặt giữa dầm)136Bảng 4.59. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 158kN (mặt giữa dầm) ... 136</i>

<i>Bảng 4.60. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 216kN (mặt giữa dầm) ... 137</i>

<i>Bảng 4.61. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 226kN (mặt giữa dầm) ... 137</i>

<i>Bảng 4.62. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 236kN (mặt giữa dầm) ... 137</i>

<i>Bảng 4.63. Kết quả chẩn đoán cấp tải 40kN (mặt trên dầm) ... 138</i>

</div><span class="text_page_counter">Trang 20</span><div class="page_container" data-page="20">

<i>Bảng 4.64. Kết quả chẩn đoán cấp tải 41kN (mặt trên dầm) ... 139</i>

<i>Bảng 4.65. Kết quả chẩn đoán cấp tải 60kN (mặt trên dầm) ... 141</i>

<i>Bảng 4.66. Kết quả chẩn đoán cấp tải 99kN (mặt trên dầm) ... 142</i>

<i>Bảng 4.67. Kết quả chẩn đoán cấp tải 158kN (mặt trên dầm) ... 143</i>

<i>Bảng 4.68. Kết quả chẩn đoán cấp tải 216kN (mặt trên dầm) ... 145</i>

<i>Bảng 4.69. Kết quả chẩn đoán cấp tải 226kN (mặt trên dầm) ... 146</i>

<i>Bảng 4.70. Kết quả chẩn đoán cấp tải 236kN (mặt trên dầm) ... 147</i>

<i>Bảng 4.71. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 40kN (mặt trên dầm) 148Bảng 4.72. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 41kN (mặt trên dầm) 149Bảng 4.73. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 60kN (mặt trên dầm) 149Bảng 4.74. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 99kN (mặt trên dầm) 149Bảng 4.75. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 158kN (mặt trên dầm)149Bảng 4.76. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 216kN (mặt trên dầm)150Bảng 4.77. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 226kN (mặt trên dầm)150Bảng 4.78. Kết quả chỉ số chẩn đoán vùng hư hỏng cấp tải 236kN (mặt trên dầm)150Bảng 4.79. Kịch bản huấn luyện chẩn đoán (phương pháp 1)... 152</i>

<i>Bảng 4.80. Kết quả chẩn đoán cấp tải 35kN (phương pháp 1) ... 153</i>

<i>Bảng 4.81. Kết quả chẩn đoán mức độ hư hỏng cấp tải 35kN (phương pháp 1) ... 154</i>

<i>Bảng 4.82. Kết quả chẩn đoán cấp tải 41kN (phương pháp 1) ... 154</i>

<i>Bảng 4.83. Kết quả chẩn đoán mức độ hư hỏng cấp tải 41kN (phương pháp 1) ... 155</i>

<i>Bảng 4.84. Kết quả chẩn đoán cấp tải 50kN (phương pháp 1) ... 155</i>

<i>Bảng 4.85. Kết quả chẩn đoán mức độ hư hỏng cấp tải 50kN (phương pháp 1) ... 156</i>

<i>Bảng 4.86. Kết quả chẩn đoán cấp tải 99kN(phương pháp 1) ... 157</i>

<i>Bảng 4.87. Kết quả chẩn đoán mức độ hư hỏng cấp tải 99kN (phương pháp 1) ... 158</i>

<i>Bảng 4.88. Kết quả chẩn đoán cấp tải 158kN (phương pháp 1) ... 158</i>

<i>Bảng 4.89. Kết quả chẩn đoán mức độ hư hỏng cấp tải 158kN (phương pháp 1) . 159Bảng 4.90. Kết quả chẩn đoán cấp tải 216kN (phương pháp 1) ... 159Bảng 4.91. Kết quả chẩn đoán mức độ hư hỏng cấp tải 216kN (phương pháp 1) . 160</i>

</div><span class="text_page_counter">Trang 21</span><div class="page_container" data-page="21">

<i>Bảng 4.92. Kết quả chẩn đoán cấp tải 226kN (phương pháp 1) ... 161Bảng 4.93. Kết quả chẩn đoán mức độ hư hỏng cấp tải 226kN (phương pháp 1) . 162Bảng 4.94. Kết quả chẩn đoán cấp tải 236kN (phương pháp 1) ... 162Bảng 4.95. Kết quả chẩn đoán mức độ hư hỏng cấp tải 236kN (phương pháp 1) . 163Bảng 4.96. Kịch bản huấn luyện chẩn đoán - giai đoạn 1 (phương pháp 2) ... 164Bảng 4.97. Kết quả chẩn đoán cấp tải 35kN (phương pháp 2) ... 165Bảng 4.98. Kết quả chẩn đoán mức độ hư hỏng cấp tải 35kN (phương pháp 2) ... 166Bảng 4.99. Kịch bản huấn luyện chẩn đoán - giai đoạn 2 ... 166Bảng 4.100. Kết quả chẩn đoán cấp tải 41kN (phương pháp 2) ... 167Bảng 4.101. Kết quả chẩn đoán mức độ hư hỏng cấp tải 41kN (phương pháp 2) . 168Bảng 4.102. Kết quả chẩn đoán cấp tải 50kN (phương pháp 2) ... 168Bảng 4.103. Kết quả chẩn đoán mức độ hư hỏng cấp tải 50kN (phương pháp 2) . 169Bảng 4.104. Kết quả chẩn đoán cấp tải 99kN (phương pháp 2) ... 169Bảng 4.105. Kết quả chẩn đoán mức độ hư hỏng cấp tải 99kN (phương pháp 2) . 170Bảng 4.106. Kết quả chẩn đoán cấp tải 158kN (phương pháp 2) ... 171Bảng 4.107. Kết quả chẩn đoán mức độ hư hỏng cấp tải 158kN (phương pháp 2)172Bảng 4.108. Kịch bản huấn luyện chẩn đoán – giai đoạn 3 (phương pháp 2) ... 173Bảng 4.109. Kết quả chẩn đoán cấp tải 216kN (phương pháp 2) ... 173Bảng 4.110. Kết quả chẩn đoán mức độ hư hỏng cấp tải 216kN (phương pháp 2)174Bảng 4.111. Kết quả chẩn đoán cấp tải 226kN (phương pháp 2) ... 174Bảng 4.112. Kết quả chẩn đoán mức độ hư hỏng cấp tải 226kN (phương pháp 2)175Bảng 4.113. Kết quả chẩn đoán cấp tải 236kN (phương pháp 2) ... 176Bảng 4.114. Kết quả chẩn đoán mức độ hư hỏng cấp tải 236kN (phương pháp 2)177Bảng 4.115. Kịch bản huấn luyện chẩn đoán cấp tải bắt đầu nứt ... 178Bảng 4.116. Kết quả chẩn đoán cấp tải 41kN (phương pháp kết hợp) ... 178Bảng 4.117. Kết quả chẩn đoán mức độ hư hỏng cấp tải 41kN (phương pháp kết </i>

<i>hợp)... 179 </i>

</div><span class="text_page_counter">Trang 22</span><div class="page_container" data-page="22">

AF Activation Function: Hàm kích hoạt ELU Exponential Linear Units: Hàm truyền DFNN Kiến trúc mạng nơ-ron nhân tạo học sâu

BISO <i>Bilinear Isotropic Hardening: Mơ hình vật liệu cốt thép </i>

</div><span class="text_page_counter">Trang 24</span><div class="page_container" data-page="24">

<i>L</i> <sup>Chiều dài vùng hư hỏng chẩn đoán nằm trong vùng hư </sup>

hỏng thực tế

<i>L</i> <sup>Chiều dài của vùng không hư hỏng chẩn đốn </sup>

<i>L</i> <sup>Chiều dài của vùng khơng hư hỏng thực tế </sup>

<i><small>predictdam out</small></i>

<i>L</i> <sup>Chiều dài vùng hư hỏng chẩn đốn nằm ngồi vùng hư </sup>

hỏng thực tế ( )

( )

<i><small>ij</small></i>

<i><small>n</small></i>

</div><span class="text_page_counter">Trang 25</span><div class="page_container" data-page="25">

<b>CHƯƠNG 1. GIỚI THIỆU </b>

<b>1.1. Đặt vấn đề </b>

<b>1.1.1. Tầm quan trọng của việc theo dõi và chẩn đoán kết cấu </b>

Đối với lĩnh vực xây dựng, dầm là một cấu kiện quan trọng trong hệ kết cấu cơng trình. Trong q trình sử dụng lâu dài, việc kết cấu bị tổn hao và hư hại là một điều tất yếu không thể tránh khỏi, đặc biệt là kết cấu dầm. Việc phát hiện hư hỏng, đánh giá tình trạng và theo dõi sức khỏe của các kết cấu luôn là mối quan tâm của các kỹ sư. Đã có rất nhiều nghiên cứu được đưa ra để có thể giúp kỹ sư phát hiện ra hư hỏng hoặc sự xuống cấp của kết cấu ở giai đoạn sớm nhất, từ đó có thể để tiến hành sửa chữa và trang bị thêm khi cần thiết. Do nhiều yếu tố khách quan và chủ quan mà dẫn đến việc mở rộng và phát triển nhanh chóng của các kết cấu xây dựng, đi cùng với tốc độ của sự xuống cấp hay sự hư hỏng, đòi hỏi các kỹ sư phải nghiên cứu ra các phương pháp có thể chẩn đốn và phát hiện các hư hỏng trong kết cấu trong thời gian sớm nhất có thể, để phịng tránh các thiệt hại có thể xảy ra.

Trong những năm gần đây, lĩnh vực theo dõi và chẩn đoán kết cấu (Structural Health Monitoring: SHM) đã và đang đóng một vai trị rất quan trọng đối với sự an toàn, tuổi thọ và sự hoạt động bền vững của kết cấu cơng trình xây dựng. Thuật ngữ “SHM” đề cập đến việc đánh giá ứng xử đang làm việc của kết cấu bằng các kỹ thuật đo lường khác nhau. Các phương pháp SHM được áp dụng để đưa ra cảnh báo về sự xuất hiện hư hỏng từ những tín hiệu ghi nhận được từ việc đo lường cấu kiện, nhận dạng vị trí và độ lớn của hư hỏng trong cấu kiện và đánh giá được ảnh hưởng của hư hỏng đến toàn bộ kết cấu. Điều này tương ứng với 5 cấp độ của mục tiêu chẩn đoán hư hỏng khi xây dựng các phương pháp phục vụ lĩnh vực SHM, theo H.Chen (2018) [1]:

• Cấp độ I: Nhận diện sự có mặt của hư hỏng; • Cấp độ II: Chẩn đốn vị trí hư hỏng;

• Cấp độ III: Phân loại hư hỏng;

• Cấp độ IV: Chẩn đốn mức độ hư hỏng;

• Cấp độ V: Chẩn đốn mức độ an tồn của hệ kết cấu khi có hư hỏng. SHM là một hướng nghiên cứu quan trọng trong lĩnh vực xây dựng, được áp dụng để theo dõi và kiểm soát quá trình thi cơng, xác nhận đặc điểm thiết kế của cơng trình, xác nhận tải trọng trong cơng trình, phát hiện hư hỏng kịp thời,… Trong khoảng vài thập niên trở lại đây, số lượng các nghiên cứu về SHM có sự phát triển nhanh chóng, qua đó

</div><span class="text_page_counter">Trang 26</span><div class="page_container" data-page="26">

đưa ra được các cơ sơ lý thuyết và đề xuất các hệ thống, phương pháp tương ứng để theo dõi một cách hiệu quả và khoa học về thực trạng của kết cấu xây dựng. Việc này giúp kỹ sư phát hiện sớm những tình huống bất lợi cho kết cấu, từ đó tạo điều kiện thuận lợi cho việc sửa chữa hoặc thay thế những cấu kiện bị hư hỏng kịp thời, đánh giá thực trạng cơng trình về cơng năng, tuổi thọ và hạn chế tối đa các thiệt hại bất ngờ có thể xảy ra.

Hai phương pháp phổ biến dùng để đánh giá phát hiện hư hỏng trên kết cấu là: phương pháp thí nghiệm phá hủy và phương pháp thí nghiệm khơng phá hủy. Với những ưu điểm như khả năng đo lường linh hoạt, chi phí tương đối thấp, phương pháp không phá hủy ngày càng trở nên phổ biến. Trong đó, phương pháp phân tích dao động kết cấu trở thành một trong những phương pháp gián tiếp và hiệu quả để phát hiện, chẩn đoán hư hỏng kết cấu. Khi có khuyết tật trong kết cấu sẽ dẫn đến sự thay đổi các đặc trưng dao động trong cấu kiện như: tần số dao động, dạng dao động, độ cong dạng dao động, năng lượng biến dạng…

<i>Hình 1.1. Các phương pháp đánh giá, phát hiện hư hỏng </i>

Trong lĩnh vực xây dựng nói chung và ngành xây dựng dân dụng nói riêng, kết cấu dầm là một phần không thể thiếu trong tổng thể kết cấu cơng trình. Trong q trình sử dụng, khơng thể tránh khỏi hư hỏng tạo thành vết nứt do nhiều nguyên nhân như: tác động vật lý, hoá học, mơi trường khắc nghiệt,… Các hư hỏng này có khả năng gia tăng theo thời gian do sự xuống cấp của kết cấu hay do sự gia tăng của tác động gây hư hỏng. Ngoài ra, kết cấu dầm thường là thành phần liên kết giữa các kết cấu cột, sàn và móng, kết cấu dầm giữ một vị trí quan trọng trong việc chịu tải trọng từ sàn và truyền các tải trọng này lên cột, sau đó sẽ từ cột truyền xuống móng. Vì tính chất quan trọng này, những phương pháp chẩn đoán để phát hiện hư hỏng kịp thời trên cấu kiện dầm là vô cùng cần thiết.

</div><span class="text_page_counter">Trang 27</span><div class="page_container" data-page="27">

<b>1.1.2. Kết cấu dầm và một số dạng hư hỏng thường gặp </b>

Trong hệ kết cấu cơng trình, dầm là cấu kiện cơ bản xuất hiện nhiều và đóng vai trị rất quan trọng. Kết cấu dầm có thể là dầm bê tơng cốt thép (BTCT), dầm thép hình, dầm gỗ, dầm liên hợp composite,… Các dạng dầm phổ biến là dạng hình chữ nhật hoặc hình vng. Cấu kiện dầm được xem đơn giản như thanh chịu lực (chịu uốn là chủ yếu), có vai trị dùng để đỡ các bản sàn, tường, mái phía trên hoặc liên kết các hệ kết cấu móng. Dầm bê tơng cốt thép có cấu tạo đơn giản bởi bê tông liên kết, cốt thép dọc, cốt đai, cốt giá (Hình 1.2).

<i>Hình 1.2. Cấu tạo dầm bê tơng cốt thép. [2] </i>

Dầm làm việc hiệu quả với vai trị là cấu kiện chịu uốn. Khi có gia tải tăng dần, dầm bê tông cốt thép sẽ từ trạng thái nguyên vẹn chuyển sang hình thành vết nứt ở vùng có ứng suất kéo lớn nhất trong kết cấu: bao gồm vết nứt thẳng góc tại vị trí chịu mơ men lớn và vết nứt xiên tại vị trí gần gối tựa hoặc chỗ có lực ngang lớn. Cụ thể, vị trí vết nứt nguy hiểm ảnh hưởng nghiêm trọng đến độ an tồn của dầm bê tơng cốt thép: ở giữa nhịp dầm – vết nứt vng góc, ở gần gối dầm – vết nứt xiên, phía trên gối dầm liên tục – vết nứt song song trục dầm, ở gần đầu ngàm dầm công xôn – vết nứt xiên (Hình 1.3).

<i>Hình 1.3. Vết nứt xiên và vết nứt thẳng góc [3] </i>

</div><span class="text_page_counter">Trang 28</span><div class="page_container" data-page="28">

Ngồi các chức năng về kiến trúc, liên kết ổn định, hỗ trợ liên kết các thiết bị MEP,… Thì trong hệ kết cấu, dầm có vai trị rất quan trọng là cấu kiện truyền tải trọng từ sàn xuống cột vách, và xuống móng cơng trình. Dầm cịn là cấu kiện liên kết bản sàn cứng tiếp nhận trực tiếp tải trọng ngang (gió, động đất) để truyền vào các kết cấu thẳng đứng (cột, vách), sau đó truyền xuống móng. Như vậy, dầm vừa là cấu kiện liên kết, vừa là cấu kiện trực tiếp truyền lực tác động của công trình theo cả chiều đứng và chiều ngang.

Trong quá trình sử dụng lâu dài, những hư hỏng ở kết cấu dầm có thể xảy ra ở nhiều dạng khác nhau như: phần tử trong kết cấu chịu lực quá giới hạn dẫn đến bị suy giảm độ cứng hoặc hình thành vết nứt; vật liệu bị tác động của môi trường xung quanh làm giảm cường độ và đặc tính ban đầu của vật liệu (ăn mòn, bị sự cố do tác động của con người,…); kết cấu bị khuyết tật trong quá trình thi cơng,… Các hư hỏng này có khả năng hình thành một cách âm thầm, gia tăng theo thời gian do sự xuống cấp của kết cấu hay do sự gia tăng của tác động gây hư hỏng và làm xảy ra các sự cố bất ngờ gây thiệt hại.

<i>Hình 1.4. Vết nứt xuất hiện thẳng góc vị trí nhịp dầm bê tơng cốt thép [4] </i>

Vì những tính chất quan trọng này, phương pháp chẩn đốn để phát hiện kịp thời hư hỏng cấu kiện dầm là vô cùng cần thiết. Từ nhu cầu thực tế và phân tích trên, đề tài:

<b>“Xác định hư hỏng trong kết cấu dầm sử dụng phương pháp phân tích Wavelet cho dạng dao động và mạng nơ-ron nhân tạo” đã được tác giả lựa chọn thực hiện </b>

nghiên cứu.

<b>1.1.3. Phân tích Wavelet cho dạng dao động dầm </b>

Phân tích Wavelet là cơng cụ hữu ích trong nhiều lĩnh vực: xử lý tín hiệu, hình ảnh máy tính, nén dữ liệu, xử lý ảnh, đồ họa, hàng không, quân sự,… Phương pháp phân tích Wavelet có nhiều ưu điểm như: Wavelet có độ nhạy cao với sự thay đổi các điểm gãy, gián đoạn của tín hiệu; phân tích chi tiết được từng vùng không gian rất nhỏ; linh

</div><span class="text_page_counter">Trang 29</span><div class="page_container" data-page="29">

hoạt, chi phí thấp bằng thực hiện mơ phỏng và có thể thực hiện thí nghiệm phá hủy để kiểm chứng; kết quả phân tích Wavelet trực quan, dễ dàng nhận biết vị hư hỏng.

Phân tích Wavelet cho dạng dao động (Hình 1.5) là một trong những phương pháp không phá hủy đã được đề cập, có thể được ứng dụng để chẩn đốn sức khỏe kết cấu. Hiện nay, phương pháp này đang được các nhà khoa học nghiên cứu và ứng dụng hiệu quả trong việc phát hiện hư hỏng xảy ra trên dầm.

<i>Hình 1.5. Biểu đồ phân tích Wavelet [5] </i>

<b>1.1.4. Tổng quan về trí tuệ nhân tạo, học máy, mạng nơ-ron nhân tạo 1.1.4.1 Trí tuệ nhân tạo </b>

Trí tuệ nhân tạo (Artificial Intelligence: AI) là một ngành thuộc lĩnh vực khoa học máy tính (Computer Science), đơi khi được gọi là trí thơng minh nhân tạo, là trí thông minh được thể hiện bằng máy móc, trái ngược với trí thông minh tự nhiên của con người. Đây là trí thơng minh của máy do con người lập trình tạo nên với mục tiêu giúp máy tính có thể tự động hóa thực hiện các hành vi thông minh như con người. Các hành

</div><span class="text_page_counter">Trang 30</span><div class="page_container" data-page="30">

vi này này tổng quan gồm việc học tập (thu thập thông tin và các quy tắc sử dụng thông tin), lập luận (sử dụng các quy tắc để đạt được kết luận gần đúng hoặc xác định) và tự sửa lỗi… Trí tuệ nhân tạo khác với việc lập trình logic trong các ngơn ngữ lập trình ở chổ trí tuệ nhân tạo giúp máy tính có được những trí tuệ của con người, từ đó máy tính có thể tự biết suy nghĩ và lập luận để giải quyết vấn đề, biết giao tiếp do hiểu ngơn ngữ, tiếng nói, biết học và tự thích nghi. Các cơng nghệ trí tuệ nhân tạo phổ biến hiện nay: Sản sinh ngôn ngữ tự nhiên (Natural language generation), Nhận dạng giọng nói (Speech recognition), Trợ lý ảo (Virtual agent), Quản lý quyết định (Decision management), Sinh trắc học (Biometrics), Tự động hóa quy trình bằng robot (Robotic process automation), Mạng ngang hàng (Peer-to-peer network), Học máy (Machine learning), Các nền tảng học sâu (Deep learning platforms). Trong đó học máy và học sâu được đề cập ứng dụng trong luận văn này.

AI - Artificial Intelligence chính là ý tưởng đầu tiên và lớn nhất. Sau đó là Machine Learning và cuối cùng là Deep learning, đây là yếu tố thúc đẩy sự bùng nổ của AI hiện đại ngày nay (hình 1.6).

<i>Hình 1.6. Mối quan hệ giữa AI, Machine Learning và Deep Learning [6] </i>

Học máy (Machine learning) là một cơng nghệ phát triển từ lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống có khả năng tự học hỏi từ những bộ dữ liệu lớn để giải quyết những vấn đề cụ thể. Các thuật tốn học máy là các chương trình máy tính có khả năng học hỏi về cách hồn thành các nhiệm vụ và cách cải thiện hiệu suất theo thời gian. Học máy ngày càng nâng cấp và phát triển lên một tầm cao mới, đó là học sâu (Deep learning). Học sâu là một nhánh của ngành máy học dựa trên một tập hợp các thuật toán để cố gắng mơ hình dữ liệu trừu tượng hóa ở mức cao bằng cách sử dụng nhiều lớp xử lý với cấu trúc phức tạp, hoặc bằng cách khác bao gồm nhiều biến đổi phi tuyến. Deep Learning đã giúp máy tính thực

</div><span class="text_page_counter">Trang 31</span><div class="page_container" data-page="31">

thi những việc tưởng chừng như không thể như phân loại cả ngàn vật thể khác nhau trong các bức ảnh, tự tạo chú thích cho ảnh, bắt chước giọng nói và chữ viết của con

<b>người, giao tiếp với con người hay thậm chỉ cả sáng tác văn hay âm nhạc. </b>

<b>1.1.4.2 Ứng dựng trí tuệ nhân tạo vào bài toán chẩn đoán hư hỏng </b>

Trong những năm gần đây, trí tuệ nhân tạo có một sự phát triển vượt bật và được ứng dụng vào hầu hết các lĩnh vực, ngành nghề. Xây dựng là một lĩnh vực cực kỳ quan trọng và có quá trình phát triển lâu dài. Vì vậy việc ứng dụng trí tuệ nhân tạo vào lĩnh vực xây dựng nói chung và trong nghiên cứu này là nhóm chẩn đốn sức khỏe kết cấu (SHM) nói riêng đóng một vai trò quan trọng. Các nghiên cứu về theo dõi và chẩn đoán sức khỏe kết cấu (SHM) kết hợp trí tuệ nhân tạo (AI) là cần thiết và phải ngày càng phát triển. Từ đó, giúp có thể dễ dàng phát hiện và chẩn đoán các trạng thái của cơng trình (sức khỏe các cấu kiện kết cấu) tại bất kỳ thời điểm nào trong tuổi thọ của công trình. Từ khả năng của trí tuệ nhân tạo, các tình huống liên quan đến cơng tác ra quyết định như chẩn đoán hư hỏng, phát hiện các trạng thái bất thường, những vấn đề này rất khó khăn khi phải xử lý nhanh chóng và kịp thời bởi con người, nhưng lại có thể được thu thập, lập luận và xử lý với độ chính xác rất cao bằng các mơ hình trí tuệ nhân tạo.

<i>Hình 1.7. Ứng dựng của trí tuệ nhân tạo (AI) vào chẩn đoán và theo dõi hư hỏng trong kết cấu (SHM) [7] </i>

</div><span class="text_page_counter">Trang 32</span><div class="page_container" data-page="32">

<b>1.1.4.3 Mạng nơ-ron nhân tạo (ANNs) </b>

Mạng nơ-ron nhân tạo (Artificial Neural Network: ANNs) là mơ hình tốn học gồm chuỗi những thuật tốn được đưa ra để hỗ trợ tìm kiếm những mối quan hệ cơ bản của một tập hợp dữ liệu dựa vào việc bắt chước cách thức hoạt động từ não bộ con người. Một mạng nơ-ron nhân tạo ANNs gần giống như mạng khổng lồ các nơ-ron trong não người nên nó được học bởi kinh nghiệm (thơng qua huấn luyện), có khả năng lưu giữ những kinh nghiệm hiểu biết (tri thức) và sử dụng những tri thức đó trong việc dự đốn các dữ liệu chưa biết.

<i>Hình 1.8. Quá trình hoạt động của ANNs dựa trên hệ thống thần kinh sinh học [8] </i>

Neural Network có sự tương đồng chuẩn mạnh vối những phương pháp thống kê như đồ thị đường cong và phân tích hồi quy. Mạng nơ-ron nhân tạo ANNs có chứa những lớp bao hàm các nút được liên kết lại với nhau. Mỗi nút lại là một tri giác có cấu tạo tương tự với hàm hồi quy đa tuyến tính.Bên trong một lớp tri giác đa lớp, chúng sẽ được sắp xếp dựa theo các lớp liên kết với nhau. Lớp đầu vào sẽ thu thập các mẫu đầu vào và lớp đầu ra sẽ thu nhận các phân loại hoặc tín hiệu đầu ra mà các mẫu đầu vào có thể phản ánh lại. Vậy nên ANNs có khả năng thích ứng được với mọi thay đổi từ đầu vào và có thể đưa ra được mọi kết quả một cách tốt nhất có thể mà khơng cần phải thiết kế lại những tiêu chí đầu ra.

</div><span class="text_page_counter">Trang 33</span><div class="page_container" data-page="33">

<b>1.2. Mục tiêu và nội dung nghiên cứu 1.2.1. Mục tiêu nghiên cứu </b>

Mục tiêu chính của nghiên cứu là phát triển phương pháp chẩn đoán sự xuất hiện, vị trí và mức độ hư hỏng cho kết cấu dầm sử dụng phương pháp phân tích Wavelet cho dạng dao động kết hợp với mạng nơ-ron nhân tạo. So với các nghiên cứu đã cơng bố, điểm đóng góp chính của luận văn này là áp dụng phương pháp phân tích Wavelet để xác định được các tín hiệu thay đổi của dạng dao động của kết cấu dầm ở hai trạng thái trước và sau khi hư hỏng. Từ đó, khoanh vùng được được vị trí hư hỏng trong dầm. Hơn nữa đó là áp dụng mạng nơ-ron nhân tạo (ANNs) để chẩn đoán được mức độ hư hỏng trong dầm từ dữ liệu dạng dao động, góp phần ứng dụng trí tuệ nhân tạo vào lĩnh vực chẩn đoán hư hỏng kết cấu.

<b>1.2.2. Nội dung nghiên cứu </b>

Các nội dung của luận văn được thực hiện thơng qua các bước cụ thể như sau:

<b>Bài tốn 1: Thực hiện bài toán dầm đơn giản đồng chất, hai đầu gối tựa đơn. Đánh </b>

giá chẩn đoán vị trí và mức độ hư hỏng từ phương pháp phân tích Wavelet dạng dao động kết hợp với mạng nơ-ron nhân tạo (ANNs).

- Mơ phỏng và phân tích dao động tự do của dầm ở hai trạng thái trước và sau khi hư hỏng bằng phần mềm SAP2000. Có thực hiện khảo sát phương án chia số lượng phần tử phân tích tối ưu.

- Dùng dữ liệu dạng dao động để chẩn đốn vị trí hư hỏng bằng phương pháp phân tích Wavelet dạng dao động, thực hiện với 3 trường hợp hư hỏng khác nhau: Dầm có 1 vị trí hư hỏng, dầm có 2 vị trí hư hỏng và dầm có 3 vị trí hư hỏng; với các mức độ hư hỏng lần lượt khác nhau.

- Sử dụng mạng nơ-ron nhân tạo (ANNs) để đánh giá mức độ hư hỏng của kết cấu dầm. So sánh kết quả chẩn đoán giữa 2 phương pháp: Sử dụng tất cả dữ liệu để huấn luyện và chỉ sử dụng dữ liệu trong khoanh vùng hư hỏng để huấn luyện chẩn đoán.

<b>Bài toán 2: Thực hiện bài tốn dầm bê tơng cốt thép (BTCT), hai đầu gối tựa đơn. </b>

Đánh giá chẩn đoán vị trí và mức độ hư hỏng từ phương pháp phân tích Wavelet dạng dao động kết hợp với mạng nơ-ron nhân tạo (ANNs).

- Mơ phỏng và phân tích dao động tự do của dầm BTCT ở từng cấp gia tải bằng phần mềm ANSYS APDL.

- Dùng dữ liệu dạng dao động để chẩn đốn vị trí hư hỏng tương ứng với các cấp tải khác nhau bằng phương pháp phân tích Wavelet dạng dao động. Thực

</div><span class="text_page_counter">Trang 34</span><div class="page_container" data-page="34">

hiện chẩn đoán với 3 phương pháp: Sử dụng dữ liệu dao động mặt dưới dầm, Sử dụng dữ liệu dao động mặt giữa dầm và sử dụng dữ liệu dao động mặt trên dầm để chẩn đoán.

- Sử dụng mạng nơ-ron nhân tạo (ANNs) để đánh giá mức độ hư hỏng của kết cấu dầm BTCT tương ứng với từng cấp tải. Thực hiện chẩn đoán theo 2 phương pháp: Sử dụng dữ liệu của tất cả các cấp tải để huấn luyện và chia các cấp tải theo giai đoạn làm việc của dầm để huấn luyện chẩn đốn.

Từ các kết quả phân tích, rút ra các nhận xét, kiến nghị và kết luận.

<b>1.3. Đối tượng và phạm vi nghiên cứu 1.3.1. Đối tượng nghiên cứu </b>

Trong luận văn này, đối tượng nghiên cứu là dầm đơn giản đồng chất và dầm BTCT gối tựa đơn. Dầm đơn giản đồng chất với 3 giả thiết hư hỏng (giảm độ cứng) xuất hiện khác nhau tương ứng về vị trí hư hỏng và mức độ hư hỏng. Dầm BTCT hai đầu gối tựa đơn, được gia tải dần đến khi dầm xuất hiện vết nứt, các vết nứt mở rộng và cuối cùng là dầm bị phá hủy.

<b>1.3.2. Phạm vi nghiên cứu </b>

Phạm vi nghiên cứu của luận văn là xây dựng mơ hình PTHH để mô phỏng sự làm việc của dầm (sử dụng phần mềm SAP2000 và ANSYS), sử dụng phương pháp phân tích Wavelet kết hợp phương pháp ứng dụng thuật tốn trí tuệ nhân tạo là mạng nơ-ron nhân tạo ANNs, từ dữ liệu là dữ liệu dạng dao động của dầm để chẩn đoán phạm vi và mức độ hư hỏng trên dầm.

<b>1.4. Tính cần thiết và ý nghĩa thực tiễn của nghiên cứu </b>

Kết cấu dầm là một trong những thành phần cơ bản của một cơng trình. Trong quá trình xây dựng và sử dụng, việc xảy ra các khuyết tật hay hư hỏng trong kết cấu là khơng thể tránh khỏi. Vì vậy, cơng tác chẩn đốn để phát hiện hư hỏng để kịp thời sửa chữa, bảo trì là rất cần thiết đối với sự an tồn và vận hành bình thường của kết cấu.

Trong các phương pháp SHM thì các phương pháp khơng phá huỷ xác định hư hỏng của kết cấu dựa trên dao động trở thành một trong những phương pháp tiếp cận cơ bản trong việc phát hiện hư hỏng và giám sát sức khoẻ của kết cấu, nhờ vào tính linh hoạt, chi phí thấp và tính khả thi của việc giám sát kết cấu tổng thể trong thời gian thực. Tuy nhiên, các nghiên cứu áp dụng phương pháp phân tích Wavelet cho dạng dao động trong nhiều năm qua còn hạn chế, do vậy việc mở rộng nghiên cứu là cần thiết.

</div><span class="text_page_counter">Trang 35</span><div class="page_container" data-page="35">

Hơn nữa trong giai đoạn hiện tại, lĩnh vực trí tuệ nhân tạo (AI) phát triển mạnh mẽ, việc áp dụng mạng nơ-ron nhân tạo (ANNs) để đánh giá mức độ hư hỏng của kết cấu dầm là cần thiết để ứng dụng các thuật tốn trí trí tuệ nhân tạo vào lĩnh vực xây dựng nói chung và phương pháp SHM nói riêng, làm tiền đề cho các nghiên cứu, ứng dụng trong tương lai thêm phát triển.

<b>1.5. Cấu trúc luận văn </b>

Nội dung luận văn được trình bày gồm 5 chương:

<b>Chương 1. Giới thiệu </b>

Giới thiệu sơ lược về đề tài nghiên cứu, mục tiêu và nội dung nghiên cứu, đối tượng và phạm vi nghiên cứu, tính cần thiết và ý nghĩa thực tiễn của nghiên cứu.

<b>Chương 2. Tổng quan </b>

Tổng quan về tình hình nghiên cứu của các tác giả trong nước và quốc tế liên quan đến phương pháp chẩn đoán hư hỏng trong kết cấu dầm sử dụng phân tích Wavelet cho dạng dao động và các nghiên cứu liên quan đến ứng dụng thuật tốn trí tuệ nhân tạo vào chẩn đốn sức khỏe kết cấu cơng trình.

<b>Chương 3. Cơ sở lý thuyết </b>

Trình bày cơ sở lý thuyết, định nghĩa về hàm phân tích Wavelet và mạng nơ-ron nhân tạo ANNs, trình bày các thuật tốn, phương pháp áp dụng vào trong bài toán chẩn đoán hư hỏng cho kết cấu dầm.

<b>Chương 4. Bài tốn phân tích </b>

Áp dụng cơ sở lý thuyết về phương pháp Wavelet để phân tích phạm vi hoặc vị trí xuất hiện hư hỏng trên dầm. Phương pháp được đánh giá độ chính xác chẩn đốn thơng qua các chỉ số A (Độ chính xác vùng hư hỏng), B (Độ chính xác vùng khơng hư hỏng), C (Độ chính xác tổng thể). Ứng dụng mạng nơ-ron nhân tạo ANNs để chẩn đoán mức độ hư hỏng trên dầm. Có 2 bài tốn được thực hiện phân tích, đó là bài tốn dầm đơn giản gối tựa đơn hai đầu và dầm BTCT gia tải.

<b>Chương 5. Kết luận và kiến nghị </b>

Đưa ra các kết luận chính đã đạt được trong đề tài, các vấn đề còn vướng mắc, chưa được nghiên cứu và kiến nghị hướng nghiên cứu, phát triển sau này.

</div><span class="text_page_counter">Trang 36</span><div class="page_container" data-page="36">

<b>CHƯƠNG 2. TỔNG QUAN </b>

Trong chương này, các nghiên cứu liên quan đến đề tài được trình bày theo trình tự thời gian nghiên cứu được công bố, bao gồm các nghiên cứu trong nước và nước ngoài. Các nghiên cứu liên quan bao gồm các nghiên cứu về phân tích hư hỏng kết cấu dựa trên dạng dao động, các nghiên cứu phân tích hư hỏng kết cấu dựa trên phân tích Wavelet cho dạng dao động và các nghiên cứu phân tích hư hỏng kết cấu kết hợp thuật tốn trí tuệ nhân tạo. Từ đó, rút ra các vấn đề cịn tồn đọng và nêu lên những nội dung mà đề tài cần tập trung nghiên cứu, giải quyết.

<b>2.1. Cơng trình nghiên cứu phương pháp phân tích hư hỏng kết cấu dựa trên sự thay đổi dạng dao động </b>

Khoo và cộng sự (2004) [9] đã phân tích dạng riêng để giám sát kết cấu tường gỗ. Trong nghiên cứu này, vị trí hư hỏng được xác định bằng cách so sánh sự biến dạng của dạng dao động riêng trước và sau khi kết cấu xuất hiện hư hỏng. Ngoài ra, bài báo đã áp dụng kết hợp phân tích sự thay đổi độ cứng của kết cấu. Kết quả bài báo đã cho thấy rằng các điểm nằm gần vị trí hư hỏng có độ cứng giảm tương đối cao so với các điểm nằm xa vị trí hư hỏng. Từ đó, việc xác định vị trí hư hỏng trong kết cấu càng rõ nét và chính xác.

Wang và Qiao (2008) [10] đã phát triển một phương pháp chẩn đốn vị trí và kích thước của vết nứt trên dầm dựa trên sự sai khác của dạng dao động. Trong nghiên cứu trên, mơ hình cấu kiện dầm có vết nứt được phân tích động học để thu được dạng dao động, sau đó sự sai khác giữa dạng dao động ở trạng thái hư hỏng và trạng thái ban đầu được tính tốn bằng phương pháp số.

El-Gebeily và cộng sự (2016) [12] đã phân tích hư hỏng bên trong của một thanh dạng ống dựa trên dạng dao động riêng của kết cấu. Hư hỏng được mô phỏng là sự thay đổi đột ngột của bề mặt bên trong của thanh dạng ống. Nhận dạng hư hỏng chỉ yêu cầu một dạng riêng mà không cần sự giám sát sự thay đổi của các đặc trưng động lực học khác.

<b>2.2. Cơng trình nghiên cứu phương pháp phân tích hư hỏng kết cấu dựa trên phân tích Wavelet cho dạng dao động </b>

Misiti và cộng sự (2009) [5] đã hướng dẫn phân tích Wavelet vô cùng chi tiết và cụ thể. Tài liệu đã giới thiệu quá trình hình thành, chức năng và cách sử dụng công cụ hiện đại Wavelet trong phân tích và ứng dụng trong cuộc sống. Bằng việc hướng dẫn cách

</div><span class="text_page_counter">Trang 37</span><div class="page_container" data-page="37">

lập trình cơ bản từng bước trong phần mềm MATLAB và hình ảnh biểu đồ minh họa, tài liệu đã thành công trong việc chỉ ra tính năng ưu việc trong việc phát hiện vị trí bập bềnh, gãy khúc, khuyết tật gây ra bởi sự thay đổi nhỏ của tín hiệu. Ngồi ra, bài viết hướng dẫn cách chúng ta khử nhiễu các đối tượng, giúp ta xác định đúng vị trí phân tích kết cấu một cách trực quan, chính xác.

Serra và Lopez (2018) [13] đã phân tích vị trí vết nứt dầm console thép bằng phân tích Wavelet dựa trên dạng dao động. Tác giả đã giảm tiết diện phần tử tại một mặt cắt ngang. Sau đó tác giả tiến hành chạy phân tích dạng dao động của dầm có và khơng có vết nứt. Cuối cùng, tác giả thực hiện phân tích Wavelet liên tục kết hợp với khữ nhiễu tín hiệu để xác định vị trí vết nứt tương ứng với chiều cao vết nứt đã giả định trước đó. Kết quả cho thấy rằng: biểu đồ vị trí vết nứt xác định đúng vị trí vết với độ nhạy tốt với sự thay đổi nhỏ của kết cấu. Hơn nữa, phương pháp phân tích bằng Wavelet này vượt trội hơn các phương pháp phân tích trước đó và có khả năng khử nhiễu tín hiệu.

Liew và Wang (1998) [14] đã nghiên cứu đầu tiên trong việc ứng dụng lý thuyết Wavelet để phân tích xác định vết nứt của kết cấu. Tác giả đã mô phỏng dầm đơn giả với vết nứt hở và sau đó sử dụng kết quả dạng dao động của dầm để phân tích Wavelet. Kết quả chỉ ra rằng: việc phân tích Wavelet giúp phát hiện vị trí vết nứt một cách dễ dạng mà các phương pháp trước đó hầu như khơng thể phân tích được. Nghiên cứu cũng chỉ ra rằng sự thay đổi đột ngột của dạng dao động luôn xảy ra trong các dạng dao động bậc cao. Tuy nhiên, kết quả thu được từ dạng dao động bậc cao này thường khơng chính xác.

Hou và cộng sự (2000) [15] đã trình bày cách phát hiện hư hỏng dựa trên cách tiếp cận của phương pháp Wavelet bằng cách sử dụng cả hai dữ liệu: một là mô phỏng số từ một mô hình kết cấu đơn giản với lị xo đặt song song, hai là dữ liệu ghi lại thực tế từ phản ứng của tòa nhà trong sự kiện động đất năm 1971 tại Mỹ. Bài viết đã cho thấy cấu trúc hư hỏng hoặc sự thay đổi độ cứng của kết cấu có thể được phát hiện bằng điểm tăng đột biến trong các chi tiết trong bảng phân tích Wavelet của dữ liệu phản hồi. Từ vị trí của những điểm đột biến này chúng ta có thể chỉ ra chính xác thời điểm xảy ra hư hỏng kết cấu

Lu và Hsu (2002) [16] đã trình bày phương pháp phân tích phân tích Wavelet để chẩn đoán sự hư hỏng của kết cấu. Nghiên cứu đã chỉ ra rằng việc ứng dụng phân tích Wavelet rời rạc của tín hiệu khơng chỉ có thể phát hiện được khuyết tật và còn cả số lượng và vị trí của chúng. Kết quả đã cho thấy rằng, ngay cả một khiếm khuyết cục bộ nhỏ cũng có thể tạo ra những thay đổi đáng kể trong hệ số Wavelet của tín hiệu rung động. Hơn nữa, sự thay đổi lớn nhất của hệ số Wavelet xảy ra trong khoảng khiếm khuyết.

</div><span class="text_page_counter">Trang 38</span><div class="page_container" data-page="38">

Loutridis và cộng sự (2003) [17] đã mơ phỏng dầm console có hai vết nứt mở để phân tích. Vị trí vết nứt được xác định bởi những thay đổi đột ngột trong phản ứng không gian của tín hiệu dạng dao động của kết cấu. Tác giả đã sử dụng phương pháp phân tích Wavelet liên tục và ước tính trước vị trí và độ sâu vết nứt. Để xác định độ sâu tương đối của vết nứt, một hệ số cường độ được thiết lập liên quan đến kích thước của vết nứt với các hệ số của phép phân tích Wavelet . Nghiên cứu đã chỉ ra rằng: hệ số cường độ thay đổi theo độ sâu vết nứt theo hàm bậc hai luật đa thức.

Ovanesova và Suarez (2004) [18] đã mở rộng ứng dụng phương pháp phân tích Wavelet cho hệ khung của kết cấu thay vì một cấu kiện đơn giản độc lập. Bài báo đã so sánh giữa biểu đồ xác định hư hỏng bằng dạng dao động và hàm Wavelet chạy trên dữ liệu dạng dao động. Kết quả cho ta thấy phương pháp Wavelet giúp chúng ta xác định rõ vị trí vết nứt dự kiến. Tác giả nhận xét rằng: phương pháp phân tích Wavelet này sẽ dễ dàng triển khai trong thực tế. Nó có thể sử dụng cho kết cấu cần được giám sát theo dõi tại các khu vực thiệt hại dự kiến.

Han và cộng sự (2005) [19] đã thực hiện phân tích bài tốn dầm thép đơn giản và vị trí hư hỏng được mô phỏng bằng cách thực hiện giảm độ cứng dầm tại vị trí chỉ định sẵn. Bài viết đã đưa ra hai yếu tố quan trọng: một là tín hiệu tần số và dạng dao động khơng phải là một dấu hiệu nhạy cảm tốt về sự hư hỏng kết cấu; hai là Wavelet là cơng cụ tốn học mạnh mẽ để xác định sự thay đổi của hư hỏng kết cấu, hơn hẳn việc biến đổi Fourier – một công cụ thông dụng trước đây.

Chang và Chen (2005) [20] đã trình bày kỹ thuật phát hiện vết nứt dựa trên cơng cụ phân tích tốn học Wavelet. Tác giả đã mô phỏng dầm thép chữ nhật đơn giản để phân tích vết nứt. Dữ liệu dạng dao động được sử dụng để xác định vị trí vết nứt. Bên cạnh đó, tác giả kết hợp với dữ liệu tần số tự nhiên để dự đoán độ sâu của vết nứt thơng qua phương trình đặc trưng. Qua đó, tác giả đã cho thấy rằng: các phân tích Wavelet hiện tại có thể phát hiện vị trí và độ sâu vết nứt với độ chính xác cao.

Bukkapatnam và cộng sự (2005) [21] đã chỉ ra rằng phương pháp năng lượng biến dạng có khả thi đối với ứng dụng chẩn đoán kết cấu. Tác giả đã sử dụng hàm Wavelet thể hiện sự khác biệt về biến dạng giữa cấu trúc của kết cấu tấm hư hỏng và không hư hỏng của dạng dao động. Kết quả đã chỉ ra rằng năng lượng biến dạng của tấm khi bị hư hỏng cao hơn đáng kể so với kết cấu không bị hư hỏng. Nhờ vào công cụ vượt trội Wavelet, bằng cách tập trung vào các hệ số chi tiết và lọc ra các tín hiệu tần sô thấp và tần số cao gây nhiễu đã giúp chúng ta dễ dàng xác định được vị trí hư hỏng trong kết cấu.

Zhu và Law (2006) [22] đã mô phỏng dầm đơn giản với các vết nứt hình lị xo và tiến hành thực nghiệm phân tích. Tác giả đã chỉ ra phương pháp mới để xác định vết nứt

</div><span class="text_page_counter">Trang 39</span><div class="page_container" data-page="39">

của kết cấu dầm cầu dưới tải trọng chuyển động là phương pháp phân tích Wavelet của dạng dao động. Nghiên cứu đã cho thấy phương pháp Wavelet có thể xác định chính xác vị trí hư hỏng kể cả cùng một lúc có nhiều hư hỏng trong dầm cầu. Mức độ thiệt hại có thể xác định bằng cách sử dụng cơ sở dữ liệu tham chiếu về chỉ số thiệt hại của hệ số Wavelet. Tác giả đã cho thấy các vị trí hư hỏng của kết cấu khơng thay đổi do ảnh hưởng của nhiễu, tốc độ chuyển động hay biên độ của tải trọng đo.

Parkrashi và cộng sự (2006) [22] đã giải quyết vấn đề liên quan đến phần tử dầm có vết nứt hở. Tác giả đã mơ phỏng trên dầm nhơm đơn giản có một vết nứt hở với mức độ khác nhau, dựa trên phân tích Wavlet cho dạng dao động, nghiên cứu đã chỉ ra được sự hiện diện và vị trí của vết nứt. Bên cạnh đó, tác giả đã sử dụng kỹ thuật hiệu chỉnh Kurtosis để khử nhiễu dao động của kết cấu đem đến kết quả rõ nét.

Zhong và Oyadiji (2007) [24] đã đề xuất phương pháp phát hiện vết nứt trong kết cấu dầm bằng phân tích Wavelet dừng của tín hiệu bình thường và có vết nứt. Tác giả đã mô phỏng dầm đơn giản với vết nứt hở nằm phía dưới dầm để tiến hành phân tích. Ba mươi sáu trường hợp vết nứt có độ sâu và chiều rộng khác nhau được sử dụng trong bài báo này. Nghiên cứu đã chỉ ra rằng: độ lớn của và dấu hiệu của các giá trị đỉnh của hàm chi tiết trong phân tích Wavelet dừng phụ thuộc vào kích thước của vết nứt và khoảng thời gian lấy mẫu thử nghiệm. Đối với trường hợp thực tế, kết quả phân tích sẽ bị ảnh hưởng bởi hiện tượng nhiễu. Do đó trong phân tích, việc khử nhiễu cũng được đề cập trong nghiên cứu.

Li và cộng sự (2007) [25] đã sử dụng kết hợp phương pháp khai triển dạng dao động thực nghiệm EMD với biển đổi Wavelet để xác định hư hỏng trong kết cấu. Tác giả đã tiến hành mô phỏng kết cấu căn nhà bốn tầng để phân tích vết nứt. Đầu tiên, tác giả đã áp dụng kỹ thuật EMD để phân tách phản hồi của tín hiệu rung động kết cấu thành một tín hiệu đơn. Sau đó, mỗi tín hiệu đơn được phân tích thơng qua phân tích Wavelet để phát hiện vị trí và mức độ hư hỏng của kết cấu. Kết quả chứng minh rằng phương pháp kết hợp EMD và phân tích Wavelet liên tục có thể được sử dụng để xác định rõ ràng và hiểu quả thời điểm xảy ra hư hỏng kết cấu so với phân tích Wavelet một mình.

Ren và Sun (2008) [26] đã kết hợp sử dụng phương pháp phân tích Wavelet với Entropy của Shannon để phát hiện hư hỏng kết cấu từ các tín hiệu hư rung động trong bài báo gọi là Wavelet Entropy. Tác giả đã nghiên cứu và so sánh Wavelet Entropy tương đối và Wavelet Entropy theo thời gian dưới dạng kết quả mô phỏng số và kết quả thử nghiệm trong phịng thí nghiệm. Kết quả thu được là Wavlet Entropy thời gian nhạy cảm trong phát hiện sự bất thường trong một rung động liên tiếp đo được các tín hiệu. Vì thế có thể được sử dụng để phát hiện các bất thường trong tín hiệu rung động thu thập từ hệ thống theo dõi kết cấu.

</div><span class="text_page_counter">Trang 40</span><div class="page_container" data-page="40">

Zhang và Wang (2009) [27] đã chỉ ra rằng phương pháp dựa trên phân tích Wavelet thuận tiện trong việc định vị và đánh số các vết nứt, song song đó phương pháp dựa trên tần số thuận tiện trong việc xác định kích thước của vết nứt. Tác giả đã áp dụng cả hay phương pháp này với hai giai đoạn phân tích: giai đoạn thứ nhất – xác định vị trí vết nứt bằng đỉnh của hệ số Wavelet, giai đoạn thứ hai – xác định độ sâu vết nứt bằng dữ liệu tần số.

Yahsodya (2020) [31] đã trình bày tổng quan về ứng dụng của phương pháp phân tích Wavelet dạng dao động trong lĩnh vực chẩn đoán kết cấu cơng trình dân dụng. Nhiều bài báo Wavelet dạng dao động đã được giới thiệu trong bài báo. Các tính năng khác nhau của phương pháp này được các nhà nghiên cứu sử dụng để xác định các điểm rung động, hư hại của kết cấu. Wavelet dạng dao động là một công cụ xử lý tín hiệu mạnh mẽ. Sở hữu lợi thế độ phân giải tuyệt vời trong cả hai miền thời gian và tần số và đặc biệt khả năng xử lý nhiễu tín hiệu tốt. Song song đó, tác giả cũng nêu lên những hạn chế của phương pháp phân tích Wavelet dạng dao động. Các nghiên cứu điển hình đã được trình bày trong bài viết và cho thấy phương pháp Wavelet dạng dao động được đánh giá cao trong nghiên cứu chẩn đốn hư hỏng cơng trình.

Magdalena Rucka (2021) [32] đã đề cập đến kỹ thuật phát hiện hư hỏng dựa trên wavelet trên dầm cơng xơn có hư hỏng ở dạng một khía có độ sâu lần lượt là 20%, 10% và 5% chiều cao dầm. Mục đích của nghiên cứu là trình bày các kết quả phân tích thực nghiệm và số về phát hiện thiệt hại dựa trên các dạng dao động bậc cao hơn. Tám dạng dao động đầu tiên được xem xét và ảnh hưởng của thứ tự dạng dao động đến hiệu quả của việc phát hiện thiệt hại bằng biến đổi wavelet liên tục được phân tích chi tiết.

Palechor, Erwin U. L và cộng sự (2022) [33] đã trình bày các ứng dụng của Biến đổi Wavelet trong nhận dạng hư hỏng, trong 1D, 2D và cấu trúc 3D, sử dụng dữ liệu số và thực nghiệm. Chương 10 “Application of Wavelet Transforms to Structural Damage Monitoring and Detection”. Sách “Model-based and Signal-Based Inverse Methods”,

<b>2.3. Tình hình nghiên cứu tại việt nam </b>

Một số nghiên cứu có liên quan được xuất bản và đăng trên các tạp chí và hội nghị khoa học trong nước như sau:

Lê và Nguyễn (2009) [38] đưa ra cách xác định vị trí và chiều sâu các vết nứt trong dầm bằng thuật toán di truyền (Genetic Algorithm: GA) trên cơ sở dấu hiệu chẩn đoán vết nứt là tần số dao động riêng của dầm. Ma trận độ cứng của phần tử dầm có vết nứt được xây dựng trên giả thiết độ mềm cục bộ tăng lên do sự xuất hiện của vết nứt. Vị trí và chiều sâu vết nứt được xác định bằng cách cực tiểu hoá hàm mục tiêu biểu diễn sự

</div>

×