Chẩn đoán hư hỏng kết cấu dàn chịu nhiệt độ và tải trọng động dùng tối ưu hóa ngược và học sâu

  • Đỗ Đình Thi Khoa Kỹ thuật Xây dựng, Trường Đại học Bách khoa TP. Hồ Chí Minh, 268 đường Lý, quận 10, TP. Hồ Chí Minh, Việt Nam
  • Hồ Đức Duy Khoa Kỹ thuật Xây dựng, Trường Đại học Bách khoa TP. Hồ Chí Minh, 268 đường Lý, quận 10, TP. Hồ Chí Minh, Việt Nam
  • Đặng Duy Khanh Khoa Kỹ thuật Xây dựng, Trường Đại học Bách khoa TP. Hồ Chí Minh, 268 đường Lý, quận 10, TP. Hồ Chí Minh, Việt Nam
  • Lương Văn Hải Khoa Kỹ thuật Xây dựng, Trường Đại học Bách khoa TP. Hồ Chí Minh, 268 đường Lý, quận 10, TP. Hồ Chí Minh, Việt Nam
  • Liêu Xuân Quí Khoa Kỹ thuật Xây dựng, Trường Đại học Bách khoa TP. Hồ Chí Minh, 268 đường Lý, quận 10, TP. Hồ Chí Minh, Việt Nam
Từ khóa: chẩn đoán hư hỏng, tải trọng động, nhiệt độ, tối ưu hóa ngược, học sâu

Tóm tắt

Bài báo này đề xuất một phương pháp chẩn đoán hư hỏng kết cấu dàn chịu tải trọng động và tải nhiệt độ đồng thời theo ba bước. Trong đó, bước thứ nhất áp dụng Chỉ số năng lượng biến dạng dựa trên đáp ứng gia tốc theo thời gian (Acceleration-based Strain Energy Indicator – ASEI) để chẩn đoán sơ bộ các vị trí có khả năng xảy ra hư hỏng. Bước thứ hai áp dụng mô hình Extreme Gradient Boosting (XGBoost) để khử nhiễu nhằm giảm thêm số biến cần xét trong bước tiếp theo. Ở bước thứ ba, thuật toán tối ưu hóa Con lửng mật (Honey Badger Algorithm – HBA) được áp dụng nhằm xác định chính xác mức độ hư hỏng của từng phần tử dựa trên bài toán tối ưu hóa ngược. Hai hệ dàn phẳng và không gian với các trường hợp hư hỏng khác nhau được khảo sát nhằm kiểm chứng tính khả thi của phương pháp đề xuất. Bên cạnh đó, vấn đề hạn chế số lượng cảm biến đo đạc và nhiễu dữ liệu đo trên bài toán thực tế cũng được kể đến thông qua một kỹ thuật giảm bậc mô hình. Các kết quả số được lập trình bằng Python thể hiện tính khả thi và độ chính xác cao của phương pháp đề xuất

Tải xuống

Dữ liệu tải xuống chưa có sẵn.
Xuất bản
28-02-2023
Chuyên mục
Bài báo khoa học