Chẩn đoán hư hỏng trong kết cấu khung không gian sử dụng kết hợp giữa dạng dao động và mạng nơ-ron tích chập

Tóm tắt

Bài báo này đề xuất quy trình một bước để chẩn đoán vị trí và mức độ hư hỏng cho kết cấu khung không gian bằng cách sử dụng kết hợp dữ liệu dạng dao động và thuật toán học sâu. Đầu tiên, dữ liệu dạng dao động được thu thập qua phân tích dao động của kết cấu khung bằng phương pháp phần tử hữu hạn. Tiếp theo, mạng nơ-ron tích chập một chiều (1D-CNN) được xây dựng nhằm trích lọc, học đặc trưng dạng dao động và dự đoán đồng thời vị trí cũng như mức độ hư hỏng của các phần tử kết cấu. Để đánh giá hiệu quả quy trình đề xuất, ba dạng dao động của một kết cấu khung không gian gồm 52 phần tử và 30 nút được sử dụng làm dữ liệu đầu vào cho quá trình huấn luyện. Mạng 1D-CNN được huấn luyện với hai tập dữ liệu: (i) HL1 – dữ liệu dạng dao động với đầy đủ bậc tự do của mỗi nút, và (ii) HL2 – dữ liệu chỉ gồm các bậc tự do tịnh tiến. Kết quả huấn luyện cho thấy mô hình đạt hệ số R 2 từ 98-99% trên tập huấn luyện và 95-98% trên tập kiểm tra tương ứng với hai tập dữ liệu được khảo sát. Việc khảo sát 5 trường hợp hư hỏng khác nhau cho thấy dữ liệu HL2 cho kết quả tương đương với HL1 khi chẩn đoán chính xác vị trí hư hỏng và độ chính xác dự đoán mức độ hư hỏng từ 95-97%.