Tài liệu Ứng dụng deep learning khảo sát mức độ mất mát năng lượng phục vụ công tác theo dõi sức khỏe kết cấu cầu

ĐẠI HỌC QUỐC GIA TP. HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA -------------------- NGUYỄN NHẬT TÂM ỨNG DỤNG DEEP LEARNING KHẢO SÁT MỨC ĐỘ MẤT MÁT NĂNG LƯỢNG PHỤC VỤ CÔNG TÁC THEO DÕI SỨC KHỎE KẾT CẤU CẦU ENERGY DISPERSAL INVESTIGATION FOR BRIDGE HEALTH MONITORING USING DEEP LEARNING Chuyên ngành : Cơ Kỹ Thuật Mã số: 8520101 LUẬN VĂN THẠC SĨ TP. HỒ CHÍ MINH, tháng 07 năm 2021 CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐHQG - HCM Cán bộ hướng dẫn khoa học : GS. TS. Ngô Kiều Nhi ............................... TS. Phạm Bảo Toàn................................... Cán bộ chấm nhận xét 1 : TS. Mai Đức Đãi .............................................. Cán bộ chấm nhận xét 2 : TS. Trương Quang Tri...................................... Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa - Đại học Quốc Gia Tp. Hồ Chí Minh, ngày 15 tháng 07 năm 2021 (Trực tuyến). Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: 1. Chủ tịch: PGS. TS. Trương Tích Thiện 2. Thư ký: TS. Nguyễn Thanh Nhã .......... 3. Phản biện 1: TS. Mai Đức Đãi ............. 4. Phản biện 2: TS. Trương Quang Tri .... 5. Ủy viên: TS. Phạm Bảo Toàn .............. Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có). CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA KHOA HỌC ỨNG DỤNG ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự do - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Nhật Tâm .......................................... MSHV: 1970362 Ngày, tháng, năm sinh: 20/03/1997 ........................................... Nơi sinh: Lâm Đồng Chuyên ngành: Cơ Kỹ Thuật .................................................... Mã số : 8520101 I. TÊN ĐỀ TÀI: Ứng dụng deep learning khảo sát mức độ mất mát năng lượng phục vụ công tác theo dõi sức khỏe kết cấu cầu (Energy dispersal investigation for bridge health monitoring using deep learning). II. NHIỆM VỤ VÀ NỘI DUNG: - Tìm hiểu tổng quan các phương pháp đánh giá tình trạng kết cấu dựa trên đáp ứng dao động của kết cấu dầm cầu kết hợp với giải thuật máy học. - Nghiên cứu phương pháp theo dõi sức khỏe kết cấu cầu dựa trên đánh giá mức độ năng lượng tiêu tán của kết cấu dầm. - Xây dựng mô hình deep learning phục vụ đánh giá mức độ tiêu tán năng lượng. III. NGÀY GIAO NHIỆM VỤ : (Ghi theo QĐ giao đề tài) 22/02/2021 IV.NGÀY HOÀN THÀNH NHIỆM VỤ: (Ghi theo QĐ giao đề tài) 05/12/2021 V. CÁN BỘ HƯỚNG DẪN (Ghi rõ học hàm, học vị, họ, tên): GS.TS. Ngô Kiều Nhi; TS. Phạm Bảo Toàn. Tp. HCM, ngày . . . . tháng .. . . năm 20.... CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên và chữ ký) (Họ tên và chữ ký) GS. TS. Ngô Kiều Nhi TS. Phạm Bảo Toàn TRƯỞNG KHOA KHOA HỌC ỨNG DỤNG (Họ tên và chữ ký) i Lời mở đầu Các vấn đề kỹ thuật luôn là những thử thách nan giải và đòi hỏi sự tập trung, công sức nghiên cứu lớn, khoa học kỹ thuật tân tiến nhất. Trong thời kỳ công nghiệp phát triển, các vấn đề cơ học lại càng đòi hỏi nhiều mức độ chính xác và an toàn. Các vấn đề cơ học của các kết cấu xây dựng cũng vì đó mà được chú trọng vì mức độ phổ biến của các công trình xây dựng và ý nghĩa của nó với xã hội và phát triển kinh tế. Giám sát kết cấu luôn là vấn đề cấp thiết và cũng đầy khó khăn. Với những công nghệ hiện đại, việc ứng dụng những công nghệ mới phục vụ quá trình giám sát ngày càng được mở rộng nghiên cứu. Do đó, luận văn này cũng được xây dựng nhằm mục đích đề xuất một giải thuật mới phục vụ quá trình giám sát sức khỏe kết cấu cầu. Luận văn được thực hiện với ý tưởng ứng dụng kỹ thuật tân tiến là học sâu (deep learning) vào bài toán giám sát. Những kiến thức cần thiết của học viên được tích góp từ những kiến thức được các thầy, cô giảng dạy tại đại học Bách Khoa, ĐHQG thành phố Hồ Chí Minh. Quá trình thực hiện luận văn được thực hiện thông qua quá trình cùng nghiên cứu với các thành viên phòng thí nghiệm Cơ học Ứng dụng (Laboratory of Applied Mechanics – L.A.M). Các đề xuất về mặt cơ học được đúc kết từ những nghiên cứu và hỗ trợ lý thuyết tại phòng thí nghiệm L.A.M. Việc xây dựng thông số khảo sát là một công việc khó khăn và đòi hỏi mức độ khoa học rất cao, do đó, học viên xin được chân thành cảm ơn quá trình hỗ trợ và thúc đẩy của L.A.M đã giúp hình thành ý tưởng luận văn. Các vấn đề học thuật hàn lâm, phức tạp trở nên đơn giản hơn nhờ sự chỉ bảo tận tâm và nhiệt tình của cô Ngô Kiều Nhi, thầy Phạm Bảo Toàn và các anh tại L.A.M. Vì vậy, học viên cũng xin chân thành cảm ơn cô, thầy và các anh trong quá trình hướng dẫn luận văn này nói riêng và toàn bộ những tích góp vô giá mà học viên đã được học nói chung. Để có được môi trường thuận lợi nhất cho quá trình nghiên cứu và thực hiện luận văn này, học viên đã nhận được sự giúp đỡ, quan tâm, sát cánh, động viên từ gia đình, bạn bè. Những động lực to lớn này đã góp phần cho luận văn này được hoàn thành tốt đẹp. Học viên vô cùng biết ơn những hỗ trợ tinh thần này từ gia đình và bạn bè. Gửi đến tất cả những người ý nghĩa với tôi, mong rằng mọi điều thuận lợi sẽ đến với mọi người. Xin chân thành cảm ơn tất cả! Thành phố Hồ Chí Minh, Việt Nam Chân thành Ngày 10 tháng 06 năm 2021 Tâm Nguyễn Nhật Tâm Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 ii Tóm tắt luận văn thạc sĩ Tóm tắt: Giám sát sức khỏe của kết cấu cầu là vấn đề quan trọng và cấp thiết. Cầu làm việc dưới điều kiện tải trọng phức tạp, chịu ảnh hưởng trực tiếp của môi trường, lão hóa, quá tải. Do đó, những hư hại mà kết cấu này phải đối mặt là đa dạng và phức tạp. Trước khi xuất hiện hư hại về kết cấu vật lý thì cơ tính của vật liệu trong nhiều trường hợp xảy ra những suy yếu nhất định. Luận văn này sử dụng một giải thuật theo dõi sự suy yếu cơ tính vật liệu dựa trên mô hình phi tuyến của Kelvin-Voigt đó là mô hình đàn-nhớt. Mô hình này mở rộng hơn so với mô hình tuyến tính của Hooke, với các cơ tính vật liệu bao gồm tính đàn hồi và tính cản nhớt. Thông số đánh giá tiêu tán năng lượng được sử dụng là hàm hệ số tiêu tán (Loss Factor function—LF) để đánh giá tổng quát cả hai cơ tính trên. Hàm hệ số tiêu tán được khảo sát từ những đặc trưng dao động của kết cấu cầu và được xây dựng một hình ảnh đặc trưng từ đường biên phân bố giá trị để đánh giá. Hệ thống đánh giá dựa trên hình ảnh đặc trưng này được đề xuất sử dụng một giải thuật deep learning là mạng nơ-ron tích chập (Convolutional Neural Network—CNN). Giải thuật đề xuất sẽ được thực hiện ứng dụng cho một số kết cấu thực tại thành phố Hồ Chí Minh, Việt Nam. Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 iii Abstract Bridge structure is an important structure in life with great significance for the fields of transportation and economics. Because of that, the health of this structure becomes an important issue and the monitoring is urgent. Bridge operated under complex load conditions, directly affected the environment, aging, overloaded. Therefore, damages that this structure faces are diverse and complex. Before the damage of physical structure, the mechanical properties of the material in many cases occurs certain deterioration. This dissertation uses a method to monitor mechanical deterioration based on Kelvin-Voigt's nonlinear model that is the viscoelastic model. This model is more expanded than Hooke's linear model, with mechanical properties of material including elastic modulus and viscous coefficient. The evaluation parameter for energy dispersal called the Loss Factor function (LF) is used to evaluate both the above mechanical properties. The loss factor function is surveyed from the vibration characteristics of the bridge structure and built a feature image from the its contour plot to evaluate. This feature image-based evaluation system is proposed using a deep learning method that is a Convolutional Neural Network (CNN). The proposed method will be applied to some real structures in Ho Chi Minh City, Vietnam. Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 iv Lời cam đoan Học viên xin cam đoan: luận văn “Ứng dụng deep learning khảo sát mức độ mất mát năng lượng phục vụ công tác theo dõi sức khỏe kết cấu cầu” là một công trình nghiên cứu độc lập dưới sự hướng dẫn của: GS.TS. Ngô Kiều Nhi và TS. Phạm Bảo Toàn. Ngoài ra không thực hiện sao chép đề tài của người khác. Nội dung luận văn là quá trình nghiên cứu của học viên trong thời gian tham gia học tập, nghiên cứu tại cơ sở đào tạo: Đại học Bách Khoa, thành phố Hồ Chí Minh. Các số liệu, kết quả, hình ảnh được trình bày trong luận văn là trung thực được đúc kết từ kết quả nghiên cứu của học viên: - Cơ sở lý thuyết được hướng dẫn bởi GS.TS. Ngô Kiều Nhi và TS. Phạm Bảo Toàn với những tài liệu khoa học được trích xuất nguồn gốc trong luận văn. - Các giải thuật đề xuất được tiến hành nghiên cứu bởi học viên và kết quả được đúc kết và trình bày trong luận văn là có được từ quá trình này. - Dữ liệu quan trắc kết cấu là trung thực, được thực hiện đo đạc thực tế tại một số kết cấu cầu tại thành phố Hồ Chí Minh bởi học viên và các thành viên phòng thí nghiệm Cơ học Ứng dụng (LAM). Hồ Chí Minh, ngày 10 tháng 06 năm 2021 Tác giả luận văn Nguyễn Nhật Tâm Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 v Mục lục Lời mở đầu ................................................................................................................................................ i Tóm tắt luận văn thạc sĩ ........................................................................................................................... ii Lời cam đoan........................................................................................................................................... iv Danh mục hình ảnh ................................................................................................................................. vi Danh mục bảng ....................................................................................................................................... vi Danh mục ký tự ..................................................................................................................................... viii Chương 1. Mở đầu ..............................................................................................................................1 1.1 Đặt vấn đề .................................................................................................................................1 1.2 Mục đích nghiên cứu .................................................................................................................1 1.3 Mục tiêu nghiên cứu, đối tượng và phạm vi nghiên cứu...........................................................3 Chương 2. Tổng quan tài liệu..............................................................................................................5 Chương 3. Cơ sở lý thuyết ..................................................................................................................9 3.1 Các giả thiết về mô hình đàn - nhớt ..........................................................................................9 3.2 Hàm hệ số tiêu tán (Loss Factor Function—LF).....................................................................10 3.3 Nội suy khối (Cubic Interpolation—CI) .................................................................................14 3.4 Mạng nơ-ron tích chập (Convolutional Neural Network—CNN) ..........................................16 3.5 Giải thuật LF-CI-CNN cho giám sát sức khỏe kết cấu cầu .....................................................18 Chương 4. Kết quả khảo sát và bàn luận...........................................................................................20 4.1 Xây dựng hình ảnh đặc trưng phân bố LF...............................................................................21 4.2 Mô phỏng số quá trình suy yếu cơ tính vật liệu ......................................................................23 4.3 Mạng nơ-ron tích chập được đề xuất để phân loại mức độ suy yếu cơ tính............................30 4.4 Ứng dụng giải thuật đã đề xuất cho kết cấu thực ....................................................................36 4.4.1 Đo lường đáp ứng dao động của kết cấu cầu thực tế ......................................................37 4.4.2 Ứng dụng cho các kết cấu cơ tính khác biệt rõ rệt ..........................................................42 Chương 5. Kết luận ...........................................................................................................................50 Danh mục công trình công bố của tác giả ...............................................................................................52 Công bố quốc tế: .................................................................................................................................52 Công bố trong nước: ...........................................................................................................................52 Tài liệu tham khảo...................................................................................................................................53 Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 vi Danh mục hình ảnh Hình 1.1. Các bài toán giám sát, chuẩn đoán hư hại [1] ...........................................................................2 Hình 3.1. Mô hình trạng thái uốn: (a) Toàn bộ dầm; (b) Vi phân dầm [57] .............................................9 Hình 3.2. Kết cấu cơ bản của một CNN .................................................................................................18 Hình 3.3. Sơ đồ của giải thuật đề xuất giám sát kết cấu .........................................................................19 Hình 4.1. Sơ đồ khảo sát xây dựng kết quả nghiên cứu .........................................................................21 Hình 4.2. Tính toán LF và bề mặt nội suy bằng CI ................................................................................22 Hình 4.3. Hình ảnh phân bố LF theo PSD và tần số...............................................................................22 Hình 4.4. Hình ảnh đặc trưng làm đầu vào của CNN đề xuất ................................................................23 Hình 4.5. Sơ đồ quá trình mô phỏng số ..................................................................................................24 Hình 4.6. Mô hình nhịp cầu đàn-nhớt mô phỏng ...................................................................................25 Hình 4.7. Mô phỏng PSD của đáp ứng gia tốc .......................................................................................27 Hình 4.8. Hình ảnh phân bố LF từ thông số mô phỏng ..........................................................................27 Hình 4.9. Hình ảnh đặc trưng phân bố LF cho các mức độ suy yếu cơ tính ..........................................29 Hình 4.10. Kiến trúc đề xuất của CNN phân loại mức độ suy yếu cơ tính ............................................30 Hình 4.11. Thuật toán giảm dần độ dốc (GD) ........................................................................................32 Hình 4.12. Các trường hợp ảnh hưởng đến thuật toán Gradient Descent ...............................................33 Hình 4.13. Độ chính xác/ mất mát của quá trình đào tạo kiến trúc CNN ...............................................34 Hình 4.14. Ma trận nhận dạng lỗi của CNN khi kiểm tra.......................................................................35 Hình 4.15. Sơ đồ quy trình ứng dụng giải thuật theo dõi sức khỏe kết cấu cầu .....................................37 Hình 4.16. Tổng quan về cầu dây văng Phú Mỹ ....................................................................................38 Hình 4.17. Tổng quan về cầu Sài Gòn....................................................................................................39 Hình 4.18. Tổng quan về cầu Cống Đập Rạch Chiếc .............................................................................39 Hình 4.19. Sơ đồ đo lường đáp ứng dao động cầu Sài Gòn ...................................................................40 Hình 4.20. Một số tín hiệu đo đáp ứng gia tốc nhịp cầu Sài Gòn (2018) ...............................................42 Hình 4.21. Hình ảnh phân bố LF nhịp 17 cầu Phú Mỹ năm 2018 (điểm đo ½) .....................................43 Hình 4.22. Hình ảnh phân bố LF nhịp 21 cầu Phú Mỹ năm 2018 (điểm đo ½) .....................................44 Hình 4.23. Kết quả dự đoán mức độ suy yếu cơ tính vật liệu cầu Phú Mỹ ............................................44 Hình 4.24. Hình ảnh phân bố LF các nhịp cầu Sài Gòn năm 2018 (điểm đo ½)....................................45 Hình 4.25. Kết quả dự đoán mức độ suy yếu cơ tính cầu Sài Gòn năm 2018 ........................................46 Hình 4.26. Hình ảnh phân bố LF cầu Cống Đập Rạch Chiếc (điểm đo ½) ............................................47 Hình 4.27. Kết quả dự đoán mức độ suy yếu cầu Cống Đập Rạch Chiếc ..............................................48 Hình 4.28. Kết quả tổng quát ba kết cấu cầu khảo sát............................................................................48 Danh mục bảng Bảng 4.1. Các thông số của bản cầu mô phỏng ......................................................................................25 Bảng 4.2. Các tần số riêng của nhịp cầu mô phỏng ................................................................................26 Bảng 4.3. Các trường hợp mô phỏng mức độ suy yếu cơ tính ...............................................................28 Bảng 4.4. Sắp xếp sơ bộ tình trạng cơ tính các kết cấu cầu....................................................................40 Bảng 4.5. Thông số của cảm biến đo gia tốc ..........................................................................................41 Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 vii Danh mục từ viết tắt AR – Auto-Regressive (Tự hồi quy). ARMA – Auto-Regressive Moving Average (Đường trung bình tự hồi quy). ARMAX – Auto-Regressive Moving Average with eXogenous input (Đường trung bình tự hồi quy với thông số đầu vào điện tử). BGD – Batch Gradient Descent (Giảm dần độ dốc theo nhóm) CI – Cubic Interpolation (Nội suy khối). CNN – Convolutional Neural Network (Mạng nơ-ron tích chập). FFT – Fast Fourier Transform (Biến đổi Fourier nhanh). FRFs – Frequency Response Functions (Các hàm đáp ứng tần số). FT – Fourier Transform (Biến đổi Fourier). GD – Gradient Descent (Giảm dần độ dốc – gradient) LAM – Laboratory of Applied Mechanics (Phòng thí nghiệm Cơ học Ứng dụng) LF – Loss Factor function (Hàm hệ số tiêu tán). MBGD – Mini-batch Gradient Descent (Giảm dần độ dốc theo nhóm nhỏ) PSD – Power Spectral Density (Phổ mật độ công suất). SGD – Stochastic Gradient Descent (Giảm dần độ dốc ngẫu nhiên) SHM – Structural Health Monitoring (Theo dõi sức khỏe kết cấu). SVM – Support Vector Machine (Máy véc tơ hỗ trợ). VBDD – Vibration-Based Damage Detection (Nhận diện hư hại dựa trên dao động). Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 viii Danh mục ký tự Ký tự     x, y 𝑆 𝑆 𝑆 𝑎 C E pp,i pt,i 𝐷 𝐻 (𝜔 ) 𝐿 𝐿𝐹 𝑇 (𝑡 ) 𝑋 (𝑥 ) 𝑏 𝑓, 𝑓 (𝑥, 𝑡 ) 𝑝(𝑥, 𝑦) 𝑝/ 𝑝 𝑤 𝑤 (𝑥, 𝑡 ) 𝑥, 𝑦 𝑥, 𝑦, 𝑧 𝛱 Cơ kỹ thuật Ý nghĩa Ứng suất pháp Biến dạng Hệ số mất mát năng lượng Giá trị các nơ-ron Biến trực chuẩn của hàm nội suy Phổ công suất của tải Phổ công suất đáp ứng đầu ra Phổ công suất đáp ứng gia tốc Hệ số linh hoạt của hàm nội suy Hệ số cản nhớt Mô đun đàn hồi Giá trị xác suất thứ i của phân phối xác suất dự đoán Giá trị xác suất thứ i của phân phối xác suất mục tiêu Năng lượng biến dạng mất mát Hàm đáp ứng tần số Hàm mất mát của mạng nơ-ron Hàm hệ số mất mát/ hàm hệ số tiêu tán Hàm dao động Hàm dạng của dao động Bias của mạng nơ-ron Ngoại lực Hàm nội suy Tần số riêng/ tần số riêng hài thứ r Trọng số của mạng nơ-ron Độ võng của tiết diện Biến của hàm số nội suy Trục tọa độ Thế năng biến dạng cực đại Nguyễn Nhật Tâm Đơn vị 𝑁/𝑚 N.s/m^2 N/m^2 J N rad/s m J 1970362 1 Chương 1. Mở đầu 1.1 Đặt vấn đề Trong cuộc sống hiện đại, có nhiều công trình xây dựng được sử dụng cho nhiều mục đích phục vụ xã hội. Kết cấu cầu là một loại công trình được sử dụng rộng rãi giúp tăng cường mức độ giao thông, vận tải từ đó mà góp một phần lớn cho sự phát triển kinh tế, thị trường. Việt Nam là một quốc gia có hệ thống sông ngòi lớn vì vậy mà số lượng cầu được xây dựng và khai thác cũng rất nhiều. Từ đó mà một vấn đề cấp thiết cần được chú trọng thực hiện và nâng cao độ chính xác đó là công tác giám sát kiểm tra sức khỏe kết cấu cầu. Do cầu là kết cấu được khai thác cho mục đích giao thông nên phải chịu những trường hợp tải trọng lớn, ngẫu nhiên, bất ổn định và đa dạng. Những trường hợp tải trọng này có thể gây ra những hư hại cho kết cấu một cách nhanh chóng. Ngoài ra, tác động của môi trường, lão hóa, thiên tai cũng ảnh hưởng lớn đến kết cấu cầu theo nhiều phương diện. Có thể gây ra suy giảm về cơ tính vật liệu hay hư hại về mặt kết cấu của cầu. Như vậy, việc giám sát độ bền của cầu càng trở nên quan trọng vì sự an toàn của kết cấu cầu có thể ảnh hưởng tới kinh tế, giao thông và đặc biệt là tính mạng con người. 1.2 Mục đích nghiên cứu Công trình cầu là kết cấu chịu dao động khi tải động đi qua. Trong điều kiện làm việc thực tế, hầu hết các phương tiện tải trọng đủ lớn đều có khả năng làm dầm cầu dao động. Những đặc trưng dao động thể hiện tình trạng của kết cấu cầu. Tuy nhiên, với việc thực hiện kiểm tra dưới trường hợp tải tĩnh cố định sẽ tạo ra những chuyển vị khác biệt với biên độ khi cầu dao động. Điều này khiến cho việc kiểm định bằng tải trọng tĩnh không đánh giá được tổng thể tình trạng của kết cấu cầu. Hơn nữa, hiện nay công tác thực hiện kiểm định bằng những tải trọng tĩnh tiền định (biết trước) đòi hỏi quá trình thực hiện phức tạp, kinh phí lại rất cao, do đó thời gian giữa các lần thực hiện kiểm định là rất dài. Những vấn đề này có thể được giải quyết nếu có thể xác định tình trạng kết cấu thông Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 2 qua tín hiệu đo dao động cầu dưới tải trọng động thực tế. Với ưu điểm đo đạc dễ dàng và chi phí thấp. Những đáp ứng đo dao động được chứng minh là bao hàm các đặc trưng có độ nhạy cao với sự thay đổi cơ học của kết cấu. Phương pháp nhận diện hư hại kết cấu dựa trên dao động được tiếp cận dựa trên hai nhánh chính: các phương pháp dựa trên mô hình (model-based methods) và các phương pháp không dựa trên mô hình (non-model based methods). Các quá trình trích xuất đặc trưng có thể được thực hiện trong ba miền cơ bản: miền thời gian, miền tần số và miền thời gian – tỉ lệ. Nhiều thông số dao động được đề xuất để phục vụ các mức độ giám sát hư hại như: nhận diện hư hại, định vị hư hại, xác định loại hư hại, định lượng hư hại. Những biện pháp giám sát kết cấu dựa trên tín hiệu dao động hiện đang được nghiên cứu và phát triển rộng rãi bên cạnh các phương pháp cục bộ khác ( Hình 1.1). Hình 1.1. Các bài toán giám sát, chuẩn đoán hư hại [1] Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 3 Có nhiều phương pháp nhận diện hư hại kết cấu dựa trên dao động được nghiên cứu và phát triển. Những phương pháp này đề xuất những kỹ thuật trích xuất đặc trưng dao động từ những đáp ứng đo lường (chuyển vị, biến dạng, gia tốc, …) để phục vụ công tác nhận diện hư hại kết cấu. Và các nghiên cứu này chứng minh rằng dữ liệu dao động của kết cấu là cơ sở dữ liệu chứa đựng nhiều đặc trưng tiềm năng cho việc giám sát tình trạng kết cấu. Đáp ứng lại sự cần thiết của công tác giám sát kiểm tra kết cấu cầu, luận văn được thực hiện với mục đích nghiên cứu là thành lập được một phương pháp chuyên dụng để giám sát tình trạng kết cấu của cầu dựa trên đánh giá tình trạng của cơ tính vật liệu. 1.3 Mục tiêu nghiên cứu, đối tượng và phạm vi nghiên cứu Trong phạm vi giới hạn về thời gian, nhân lực và yêu cầu của một luận văn thạc sĩ nên đối tượng chủ yếu trong nghiên cứu này là dầm cầu thực tế (dầm tựa hai đầu). Phạm vi nghiên cứu là khảo sát mức độ mất mát năng lượng của dao động dầm. Đối với mức độ mất mát năng lượng dưới tải trọng ngẫu nhiên của dầm cầu thực tế thì sự phân bố giá trị là một đặc tính quan trọng và sẽ được chú trọng xử lý. Sự phân bố các giá trị mất mát năng lượng được đánh giá thông qua một thông số là hệ số tiêu tán (loss factor). Sự thay đổi về giá trị và phân bố của các hệ số tiêu tán này sẽ thể hiện tình trạng hiện tại của kết cấu. Thông số này được xác định bởi ảnh hưởng của cả hai đặc trưng cơ tính bao gồm tính đàn hồi và tính cản nhớt của vật liệu và kết cấu. Trong nghiên cứu này, hệ số tiêu tán được tính toán xác định từ những đặc trưng dao động (liên hệ thông qua mối quan hệ với các đặc trưng cơ tính). Với một kết cấu dầm cầu trong thực tế, việc sử dụng cảm biến để đo đạc các tín hiệu dao động là đơn giản và chi phí thấp. Kết cấu cầu là một loại kết cấu quan trọng làm việc dưới tải trọng lớn dẫn đến nguy cơ suy giảm cơ tính vật liệu và kết cấu có khả năng xảy ra rất nhanh. Vì đó mà việc giám sát sức khỏe kết cấu đối với cầu trở nên cấp thiết và quan trọng. Quá trình giám sát chú trọng đến sự hư hỏng về mặt kết cấu với thông số điển hình là độ cứng đã được thực hiện nhiều. Tuy nhiên, việc giám sát về mặt suy giảm cơ tính vật liệu thì còn rất ít được nghiên Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 4 cứu. Do đó, nghiên cứu này sẽ thực hiện khảo sát sự suy giảm cơ tính vật liệu của kết cấu cầu thông qua độ mất mát năng lượng theo phương thức. Thông số được sử dụng khảo sát là hàm hệ số tiêu tán năng lượng. Đáng chú ý, thông số này thể hiện ảnh hưởng của cả tính đàn hồi và tính cản nhớt của vật liệu từ đó mà sự đánh giá trở nên toàn diện hơn. Dữ liệu dao động là phổ mật độ công suất được sử dụng làm cơ sở tính toán hàm hệ số tiêu tán. Luận văn thực hiện với số liệu mô phỏng các tình trạng suy yếu vật liệu bê tông cốt thép. Ứng với mỗi tín hiệu dao động sẽ cho một tập giá trị các hệ số tiêu tán và sự phân bố tập giá trị này được xem xét để đánh giá mức độ cơ tính vật liệu. Với dữ liệu mẫu từ mô phỏng các mức độ cơ tính vật liệu, luận văn đề xuất kỹ thuật học sâu (deep learning) là mạng nơ-ron tích chập để đào tạo một hệ thống phân loại tình trạng kết cấu thành các mức độ tương ứng như trên. Với đầu vào được xây dựng là hình ảnh phân bố tập hệ số tiêu tán được hồi quy thành một mặt phẳng thông qua phép nội suy khối. Như vậy, các tình trạng cơ tính vật liệu sẽ được phân thành các tình trạng tương ứng với các mức độ cơ tính vật liệu được khảo sát mô phỏng và dùng làm cơ sở dữ liệu. Kết quả phân loại này phục vụ cho quá trình giám sát và quyết định bảo trì, sửa chữa. Mục tiêu nghiên cứu là sử dụng deep learning để khảo sát được mức độ mất mát năng lượng của dầm cầu khi chịu tải tự nhiên (tải làm việc của cầu). Luận văn sử dụng deep learning để phân loại các tình trạng kết cấu của cầu đặc trưng cho các mức độ suy yếu về cơ tính vật liệu và kết cấu. Phương pháp được xây dựng để đánh giá tình trạng của kết cấu dầm cầu và phục vụ cho công thác theo dõi sức khỏe kết cấu cầu: - Dựa trên dữ liệu dao động thực tế của kết cấu cầu tại thành phố Hồ Chí Minh, Việt Nam. - Khảo sát thay đổi quan hệ thay đổi cơ tính với thay đổi các đặc trưng dao động. - Đánh giá độ mất mát năng lượng và xác định mức độ tối ưu. - Deep learning phân loại tình trạng kết cấu cầu dựa trên mạng nơ-ron tích chập. Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 5 Chương 2. Tổng quan tài liệu Theo dõi sức khỏe kết cấu (Structural Health Monitoring—SHM) tập trung vào cải thiện hiệu suất và an toàn kết cấu, và có rất nhiều các nghiên cứu liên quan vấn đề này trong nhiều lĩnh vực kỹ thuật [2-5]. Tổng thể, những suy yếu hoặc hư hại trong kết cấu dẫn đến những sự thay đổi bất thường trong những đáp ứng đo được [6-9]. Những đáp ứng dao động (như chuyển vị, biến dạng, gia tốc, …) thường được chọn là các đáp ứng được đo đạc. Các đại lượng này được đo lường dễ dàng và chứa đựng các đặc trưng dao động thể hiện điều kiện hiện tại của kết cấu. Nhiều nghiên cứu đã chứng minh rằng các đặc trưng dao động có độ nhạy cao với hư hại và suy yếu kết cấu [10-14]. Theo đó, nhận diện hư hại dựa trên dao động (Vibration-Based Damage Detection—VBDD) đã được phát triển và được nghiên cứu, ứng dụng rộng rãi. VBDD tập trung vào khai thác các đặc trưng có độ nhạy cao với hư hại để xác định điều kiện hiện tại của kết cấu [15, 16]. Với các phương pháp và công nghệ hiện đại, VBDD kết hợp với các mạng thần kinh nhân tạo (artificial neural network) ngày càng được phát triển [17-19]. Hầu hết các phương pháp VBDD có thể được phân loại thành hai dạng: dựa trên mô hình (model-based methods) và không dựa trên mô hình (non-model-based methods). Các phương pháp dựa trên mô hình [20-22] thường được sử dụng nhiều hơn do phương pháp này dễ dàng trong việc điều khiển các thay đổi cơ học và từ đó dẫn đến các thay đổi tương ứng của các đặc trưng dao động. Tuy nhiên, hạn chế chính của cách tiếp cận này đó là các kịch bản thay đổi cơ học trong nghiên cứu có thể không phù hợp với những diễn biến xảy ra trong kết cấu thực tế. Ngược lại, các phương pháp không dựa trên mô hình gặp khó khăn trong việc xây dựng một cơ sở dữ liệu lớn tương ứng với các điều kiện kết cấu thực tế [23]. Dựa trên sự khác biệt trong quá trình xử lý tín hiệu để khai thác đặc trưng, VBDD được chia thành ba loại: phương pháp trong miền thời gian (time-domain methods), phương pháp trong miền tần số (frequency-domain methods) và phương pháp trong miền thời gian – tỉ lệ tần số (time-scale domain methods). Các phương pháp trong miền thời gian sử dụng các hàm tuyến tính và phi tuyến của chuỗi thời gian để trích xuất các đặc trưng Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 6 của tín hiệu, cụ thể như mô hình hồi quy tự động (Auto-Regressive—AR model [24]), mô hình đường trung bình hồi quy tự động (Auto-Regressive Moving Average—ARMA model [25]), mô hình đường trung bình hồi quy tự động với đầu vào là các thông số điện tử (Auto-Regressive Moving Average with eXogenous input—ARMAX model [26]). Các phương pháp trong miền tần số sử dụng biến đổi Fourier (Fourier transform) và biến đổi Fourier ngược (inverse Fourier transform) để trích xuất các đặc trưng trong một cửa sổ thời gian cho trước, ví dụ như các hàm đáp ứng tần số (Frequency Response Functions—FRFs [27]), phổ mật độ công suất (power spectral density [28]), và cepstrum [29]. Phương pháp miền tần số chỉ phân tích bất kỳ sự kiện cố định được bản địa hóa trong miền thời gian. Tuy nhiên, các phương pháp trong miền thời gian có thể sử dụng để phân tích bất kỳ sự kiện không cố định nào được xác định trong miền thời gian bằng cách sử dụng phép biến đổi wavelet để trích xuất đặc trưng, ví dụ như hệ số wavelet [30], năng lượng gói wavelet [31], wavelet entropy [32]. Nhìn chung, biến đổi wavelet là một phiên bản cải tiến của biến đổi Fourier. Cả biến đổi Fourier và biến đổi wavelet đều được sử dụng để phân tích các đáp ứng động của kết cấu [33] và sóng khúc xạ từ kết cấu đến không khí [34] nhằm nhận diện hư hại. Trong những nghiên cứu này, phép biến đổi wavelet có độ nhạy cao với hư hại kết cấu hơn phép biến đổi Fourier. Tuy nhiên, phép biến đổi Fourier được ứng dụng rộng rãi hơn trong thực tiễn kỹ thuật vì lý thuyết đơn giản và ý nghĩa vật lý rõ ràng của nó, chẳng hạn như tần số cộng hưởng. Do đó, phép biến đổi Fourier phù hợp với các phương pháp dựa trên mô hình. Nhiều loại kết cấu cần thực hiện giám sát sức khỏe, cầu là một trong số đó bởi ý nghĩa của nó về mặt giao thông và kinh tế. Kết cấu cầu được khai thác dưới những điều kiện tải trọng phức tạp, chịu ảnh hưởng môi trường, lão hóa, quá tải, bất ổn định, … Bởi vì những tác động này mà kết cấu cầu thường xuyên đối mặt với nhiều loại hỏng hóc. Những hư hỏng này có thể là hư hại về mặt kết cấu hay sự suy yếu cơ tính của vật liệu. Do đó, để giám sát những hư hại có thể xuất hiện bất cứ lúc nào thì dữ liệu quan trắc dao động là nguồn dữ liệu dễ đo đạc và ngày càng được sử dụng rộng rãi [35-37]. Những đặc Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 7 trưng dao động thay đổi tương ứng với những thay đổi về cơ tính vật liệu hay thay đổi về kết cấu. Trong miền tần số, tín hiệu đầu ra thường được biến đổi về dạng phổ mật độ công suất (Power Spectral Density—PSD). Nhiều nghiên cứu đã thành công trong việc sử dụng PSD để xác định hư hại kết cấu [38-41]. Do đó, để hỗ trợ quá trình SHM cho kết cấu cầu, luận văn thực hiện tối ưu cho SHM dựa trên dao động. Đầu tiên, dữ liệu quan trắc kết cấu là cơ sở xác nhận của phương pháp đề xuất để đảm bảo tính thực tiễn. Thứ hai, dữ liệu PSD được sử dụng để tăng cường khả năng trích xuất những đặc trưng miền thời gian. Thứ ba, một đề xuất mới sử dụng mô hình mở rộng hơn so với mô hình tuyến tính của Hooke [42], đó là mô hình phi tuyến của Kenvil-Voigt gọi là mô hình đàn-nhớt [43]. Trong mô hình này, cơ tính của vật liệu bao gồm mô đun đàn hồi E (từ định luật Hooke) và hệ số cản nhớt C (từ định luật Newton) [44]. Hệ số cản nhớt C là một thành phần mới để minh họa những thay đổi cơ tính vật liệu trong quá trình hoạt động của kết cấu. Đồng thời, nghiên cứu kết nối các đặc tính cơ học với các đặc trưng dao động. Sự kết nối này đạt được thông qua đề xuất một hàm số mới gọi là hàm hệ số tiêu tán (Loss Factor function—LF) để đánh giá tình trạng kết cấu. LF là một hàm đặc trưng cho cơ tính vật liệu thể hiện sự tiêu tán năng lượng và có tương quan với mô đun đàn hồi E và hệ số cản nhớt C. Hơn nữa, LF chứa đựng những đặc trưng dao động vì được tính toán từ dữ liệu PSD. Dữ liệu này chứa đựng những đặc trưng dao động. Điều này thể hiện tính khái quát của nghiên cứu khi nó đánh giá các đặc tính cơ học và đặc tính vật liệu trong suốt thời gian sử dụng của kết cấu. Cuối cùng, để đánh giá LF để giám sát công trình, bài báo xây dựng các hình ảnh đặc trưng cho phân phối LF bằng phép nội suy khối (Cubic Interpolation—CI) [45, 46].Và để phân loại tình trạng kết cấu dựa trên hình ảnh đặc trưng từ phân phối LF, nghiên cứu sử dụng một cơ sở thuật toán deep learning. Việc sử dụng những đặc trưng được khai thác thủ công mang tính chủ quan và có thể chỉ phù hợp cho một số trường hợp nghiên cứu cụ thể. Tuy nhiên, điều này có thể không có hiệu suất tốt trong những trường hợp thực tế cụ thể khác. Vì vậy việc chọn deep learning được quyết định để có thể xây dựng một mô Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 8 hình có thể khai thác đặc trưng có độ nhạy cao từ đầu vào một cách tự động. Có nhiều thuật toán khác nhau trong lĩnh vực học sâu, nhưng chúng có thể được chia thành bốn nhánh: học có giám sát (supervised learning), học không giám sát (unsupervised learning), học tự giám sát (self-supervised learning), học tăng cường (reinforcement learning). Trong đó nổi bật hai nhánh là học có giám sát và không giám sát. Đầu tiên, học tập không giám sát bao gồm việc tìm kiếm các biến đổi thú vị của dữ liệu đầu vào mà không cần sự trợ giúp của bất kỳ mục tiêu nào cho mục đích trực quan hóa dữ liệu, nén dữ liệu hoặc làm thay đổi dữ liệu hoặc hiểu rõ hơn về các mối tương quan có trong dữ liệu hiện có. Nhánh này cũng là một phương pháp thú vị và độc đáo để xác định hư hỏng kết cấu. Wang và Cha đề xuất phát hiện hư hỏng kết cấu dựa trên bộ mã hóa tự động sâu (deep auto-encoder) với máy vectơ hỗ trợ (Support Vector Machine—SVM) một lớp chỉ sử dụng dữ liệu phản hồi gia tốc đo được thu được từ kết cấu nguyên vẹn hoặc cơ sở làm dữ liệu huấn luyện, cho phép phát hiện hư hỏng kết cấu trong tương lai [47]. Và họ cũng xây dựng một mô hình không giám sát để xác định vị trí hư hỏng kết cấu có độ chính xác cao [48]. Thứ hai, học có giám sát là phương pháp phổ biến nhất. Nó thực hiện việc học cách ánh xạ dữ liệu đầu vào tới các mục tiêu đã biết (còn được gọi là nhãn dán), đưa ra một tập hợp các ví dụ (thường được dán nhãn bởi con người) [49-55]. Đối với xử lý hình ảnh, mạng nơ-ron tích chập (Convolutional Neural Network—CNN) là một lựa chọn tối ưu. Với khả năng tự động trích xuất các tính năng tiềm ẩn để phát hiện thiệt hại dựa trên hình ảnh, CNN được sử dụng rộng rãi với độ chính xác cao [56]. Do đó, để tăng độ chính xác của việc phân loại các tình trạng kết cấu dựa trên các ảnh đặc trưng phân bố LF, nghiên cứu đã thiết lập một kiến trúc CNN để đào tạo và sử dụng cho SHM. Cơ kỹ thuật Nguyễn Nhật Tâm 1970362 9 Chương 3. Cơ sở lý thuyết 3.1 Các giả thiết về mô hình đàn - nhớt Đối tượng khảo sát của luận văn là dầm chịu uốn, như được mô tả trên Hình 3.1. Hình 3.1. Mô hình trạng thái uốn: (a) Toàn bộ dầm; (b) Vi phân dầm [57] Trong đó, f – ngoại lực; A – diện tích mặt cắt ngang; z, y – trục quán tính chính trung tâm của mặt cắt A; x – tọa độ vị trí của mặt cắt; l – chiều dài dầm. Các đặc điểm chịu lực và biến dạng của thanh chịu uốn (dầm) được cho như sau: - Hệ ngoại lực tác dụng trong mặt quán tính chính trung tâm chứa trục y, vuông góc với trục z; hệ ngoại lực không gây ra thành phần nội lực vuông góc với tiết diện. - Đối với đối tượng nghiên cứu là nhịp cầu, lý thuyết dầm Euler-Bernoulli [58] được áp dụng. Theo lý thuyết này thì giả sử rằng, thứ nhất, hình dạng các mặt cắt ngang của dầm thay đổi không đáng kể trong quá trình biến dạng. Điều này có nghĩa là một mặt cắt ngang có thể được coi là một bề mặt cứng tuyệt đối và chỉ có thể quay. Thứ hai, các mặt cắt ngang này được giả định vẫn luôn phẳng và vuông góc với trục dầm trong quá trình biến dạng. Khi dầm dao động luôn xảy ra thất thoát năng lượng, thể hiện bởi hiện tượng dao động tắt dần. Thể hiện mối quan hệ giữa ứng suất pháp và biến dạng dài, nghiên cứu này đề xuất chọn tuân theo định luật Kelvin-Voigt [43]:   E  C Cơ kỹ thuật d dt Nguyễn Nhật Tâm (3.1) 1970362