Luận án Nhận dạng và dự báo khuyết tật của dầm trên nền mạng neuron và logic mờ

(c) (a) (b) elements ii DD , ii DD , 115 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Hình 4.18 biểu diễn hệ số hư hỏng và hệ số hư hỏng trung bình trên từng phần tử khi dầm bị hỏng đồng thời ở nhiều vị trí khác nhau với những mức độ hư hỏng khác nhau và mức độ sai số dữ liệu khác nhau. Ở hình 4.18a, phần tử số 6 hư 20%, số 12 hư 10%, số 18 hư 30%, và sai số dữ liệu là 5%. Ở hình 4.18b, các phần tử số 2, 6, 12, 18 đều hư 10% và sai số dữ liệu là 2%. Ở hình 4.18c, phần tử số 2 hư 40%, số 6 hư 10%, số 12 hư 20%, số 18 hư 30% và sai số dữ liệu là 2%. Kết quả cho thấy rằng trên cùng một phần tử, mức độ gia tăng của hệ số hư hỏng càng rõ nét khi mức độ hư hỏng càng cao; độ chính xác của tập dữ liệu càng cao càng gia tăng độ chính xác của lời giải thông qua các hệ số hư hỏng và hệ số hư hỏng trung bình. Đồng thời hình 4.18 còn phản ánh hạn chế của hệ số hư hỏng [67] khi tần số sử dụng cắt mẫu trùng hoặc gần trùng với tần số riêng của cơ hệ (đường nét đứt số 4 trên các đồ thị) và hiệu quả của việc sử dụng hệ số hư hỏng trung bình của [3] trong những trường hợp này. Giải pháp này cho phép mở rộng phạm vi sử dụng của phương pháp [67] trong trường hợp không thể xác định chính xác các tần số dao động riêng, chẳng hạn khi khảo sát trên cầu thực. 4.2.2 Nhận dạng mức độ hư hỏng dựa trên thuật toán HLM và mạng neuro-fuzzy Trong ví dụ này HLM được sử dụng để tổng hợp mạng neuro-fuzzy nhận dạng quan hệ  jj yx , , trong đó ,...1, Pjx j  là vector hệ số hư hỏng trung bình ,...1, niDi  của tất cả các phần tử trên dầm ứng với mức độ hư hỏng thứ j , jy , tại một vị trí trên dầm. Mạng sau khi được huấn luyện sẽ cho tín Hình 4.18 Khả năng xác định vị trí hư hỏng của hệ số hư hỏng ix và iD trong trường hợp cơ hệ hư tại nhiều vị trí đồng thời và tập giá trị độ võng ( )Y X có sai số với những mức độ khác nhau . elements (a) (b) (c) ii DD , 116 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng hiệu ra là mức độ hư hỏng của dầm tại vị trí này nếu nhập vào mạng là vector hệ số hư hỏng tại thời điểm khảo sát bất kỳ. Quá trình được thực hiện theo các bước chính như sau: Bước 1. Xây dựng các tập mẫu: Thực hiện gán vào mô hình những khuyết tật ở tại vị trí khảo sát với những mức độ khác nhau. Kích thích cho cơ hệ dao động, đo độ võng và tính iD ứng với từng trường hợp hư hỏng. Ứng với mỗi trường hợp khuyết tật của mô hình xây dựng một tập mẫu huấn luyện TrS và một tập mẫu kiểm tra TeS. Tập mẫu huấn luyện gồm P cặp dữ liệu. Cặp dữ liệu thứ j:  , , 1... ,j jx y j P )(1 ]...[ jnj DDx  trong đó n = N là số phần tử được chia trên mô hình. Bước 2. Xây dựng mạng neuro-fuzzy: Sử dụng các thuật toán tổng hợp mạng HLM1, HLM2, HLM để xây dựng mạng neuro-fuzzy có chức năng nhận dạng đối tượng thông qua tập mẫu TrS đã có. Trong ví dụ này chúng tôi sử dụng thuật toán HLM. Bước 3. Kiểm tra độ chính xác của mạng: Tập TeSj được sử dụng để kiểm chứng hiệu quả của mạng đã được huấn luyện. Thực hiện và các kết quả kiểm chứng Trong thí nghiệm này chúng tôi chọn trong sáu khoảng tần số (0, f1), (f1, f2), (f2, f3), (f3, f4), (f4, f5) và (f5, f6) sáu giá trị tần số, sau đó cho hệ dao động theo các tần số này, đo độ võng để tính Di và iD dựa vào (3.41) và (3.42). Như vậy NM=6 cho mỗi trường hợp. Tất cả các thí nghiệm số trong nghiên cứu này chúng tôi đều lấy NE=3. Về số lượng cặp mẫu, có hai loại TrS: loại 100 cặp mẫu và loại 500 cặp mẫu ( , ), 1...i ix y i P , (P=100 hoặc P=500). Tất cả các TeS đều có số mẫu P=80. Về độ chính xác của số liệu khi xây dựng các tập mẫu, tất cả TrS và TeS đều có 6 loại ứng với sai số 0%, 1%, 2%, 3%, 4%, và 5%. Gọi (%) ˆ 100 i ii i y yy   là sai lệch (%) giữa mức độ hư hỏng thực tế của cầu và mức độ hư hỏng dự báo của mạng. Gọi N là tỷ lệ phần trăm các mẫu kiểm tra trong toàn bộ các mẫu của tập kiểm tra TeS có giá trị dự báo sai số không quá 20% so với mức độ hư hỏng thực tế, nghĩa là các 117 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng mẫu này có 20%  . Kết quả thí nghiệm được cho trong các bảng 4.7, 4.8 và 4.9. Bảng 4.7 Phần tử số 8 hư 30% N (%) Sai số số liệu 0% 1% 2% 3% 4% 5% TrS có P=100 78 61 82 74 53 74 TrS có P=500 100 100 100 91 82.5 85.4 Bảng 4.8 Phần tử số 6 hư 10% và phần tử số 12 hư 10% N (%) Sai số số liệu 0% 1% 2% 3% 4% 5% TrS có P=100 92 87 80 94 76 68 TrS có P=500 100 100 85 96 82.5 81.6 Bảng 4.9 Phần tử số 6 hư 40% và phần tử số 12 hư 20% N (%) Sai số số liệu 0% 1% 2% 3% 4% 5% TrS có P=100 94 56 80 91 88 90 TrS có P=500 100 100 100 94.4 91.6 85.5 Nhận xét Một giải pháp mới, giải pháp dựa vào hệ số hư hỏng trung bình, dùng để xác định vị trí hư hỏng và mức độ hư hỏng của cầu mô hình được chúng tôi đề xuất trong [3]. Phương pháp được xây dựng trên cơ sở phát triển phương pháp năng lượng [67] cùng với việc ứng dụng mô hình neuro- fuzzy và thuật toán huấn luyện mạng HLM của [2]. Kết quả kiểm chứng cho thấy rằng phương pháp này có thể khắc phục được hạn chế của [67] trong các trường hợp tần số kích thích dao động khi lấy mẫu trùng hoặc gần trùng với tần số dao động riêng của cầu. Điều này rất có ý nghĩa khi ứng dụng cho cơ hệ phức tạp vì ở đó khó có thể xác định được chính xác tần số riêng của hệ cũng như tần số kích thích khi lấy mẫu. Kết quả của rất nhiều thí nghiệm số trên mô hình số còn cho thấy hiệu quả của phương pháp được đề xuất khá tốt, ngay cả khi tập số liệu đo có sai số không quá lớn. 118 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng 4.3 CÁC THÍ NGHIỆM TRÊN MÔ HÌNH THỰC Trong mục này trình bày các ứng dụng và kiểm chứng những cơ sở thuyết mới đã được đề cập trong các chương 2 và 3 trên cơ hệ thực, đó là một khung kim loại dạng dầm như trên các hình 4.19 và 4.20. Các thí nghiệm được thực hiện tại Phòng thí nghiệm Cơ học Ứng dụng của trường ĐHBK tp. HCM. Nội dung thực hiện: ứng dụng các thuật toán được đề xuất cho các tập số liệu nhận được trong hai nhóm thí nghiệm (thí nghiệm 1 và 2) để nhận dạng và dự báo khuyết tật của cơ hệ. 4.3.1 Mô tả thí nghiệm 1 K (a) (b) Hình 4.20 Sơ đồ cấu trúc của mô hình thí nghiệm 1 (a) và vị trí các nút phần tử (b) 1 2 3 B Đ K m Hình 4.19 Thiết bị và mô hình thí nghiệm    0z Y    0z 1Y 13Y  m d Đ n0 119 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Động cơ điện xoay chiều ba pha Đ mang khối lượng lệch tâm m có thể được gá lắp tại nhiều vị trí khác nhau trên khung sắt K như trên hình 4.19 và 4.20. Sử dụng bộ biến tần B để thay đổi tốc độ quay n0 của động cơ. Khối lượng m, độ lệch tâm d, tốc độ quay n0, tọa độ lắp đặt động cơ z0 là những đại lượng có thể điều chỉnh. Do đó, động cơ quay sẽ tạo nên dao động cưỡng bức trên khung với những trạng thái dao động (TTDĐ) khác nhau. Sử dụng bộ đo dao động LAM_BRIDGE do PTN CHUD ĐHBK ĐHQG TpHCM chế tạo để đo độ võng, đo biến dạng và đo gia tốc của dầm khi dao động cưỡng bức tại các điểm đo có tọa độ z0 khác nhau ở các thời điểm t khác nhau ứng với từng TTDĐ. Khi khung chưa bị hư Bằng cách thay đổi vị trí của Đ trên khung, thay đổi độ lệch tâm md và thay đổi vận tốc góc n0 của Đ chúng tôi đã tạo ra P=1200 TTDĐ. Đo biên độ dao động tại các điểm nút Y1, …, Y12 ứng với từng TTDĐ để xây dựng tập dữ liệu T gồm 1200 mẫu dữ liệu input-output (Phụ lục 2). Đây là tập số liệu được sử dụng để huấn luyện mạng neuro-fuzzy cơ sở GNFcs nhận dạng từng phần tử trên cơ hệ ở trong tình trạng chưa bị hư hỏng. Tạo ra các vị trí hư trên khung Cắt khung tại ba vị trí Y4+, Y6+ và Y10+ (Y4+ nằm tại trung điểm của đọan Y4Y5; Y6+ nằm tại trung điểm của đọan Y6Y7; Y10+ nằm tại trung điểm của đọan Y10Y11) trong các trường hợp: 1/ chỉ cắt tại Y4+ , 2/ chỉ cắt tại Y6+, và 3/ cắt đồng thời tại Y6+ và Y10+ . Trong mỗi trường hợp nêu trên, mức độ suy giảm độ cứng chống biến dạng của khung, EJx, được thực hiện theo 4 mức: mức a-a suy giảm 1,56%, mức b-b suy giảm 4,90%, mức c-c suy giảm 11,16% và mức d-d suy giảm 23,40%. Ứng với mỗi mức độ suy giảm EJx, thay đổi TTDĐ, cụ thể là thay đổi độ lệch tâm, thay đổi vị trí của Đ và thay đổi vận tốc góc của Đ, chúng tôi đã xây dựng được tập testT có Ptest=48 mẫu dữ liệu input-output, được sử dụng để kiểm chứng hiệu quả của thuật toán VTKT-NF trong việc xác định vị trí hư hỏng xuất hiện trên cơ hệ. 4.3.2 Ứng dụng Phương pháp Năng lượng và mạng Neuro-Fuzzy 4.3.2.1 Ứng dụng VTKT-NF xác định vị trí hư hỏng đơn trên khung Khung được chia làm bốn phần tử theo thứ tự Y1-Y4, Y4-Y7, Y7-Y10, và Y10-Y13 dài bằng nhau, bằng L/4. Sử dụng thuật toán VTKT-NF để xác định vị trí bị suy giảm độ cứng chống biến dạng trên khung trong tám trường hợp sau: - Cắt khung tại Y4+ với bốn mức a-a, b-b, c-c, d-d. - Cắt khung tại Y6+ với bốn mức a-a, b-b, c-c, d-d. 120 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Ở đây, hai điểm được dùng làm thí nghiệm (Y4+ và Y6+) là hai điểm phân biệt thuộc phần tử số 2. Hình 4.21 Chia 4 phần tử. Hư tại Y4+ (phần tử 2) với bốn mức độ khác nhau a-a, b-b, c-c, d-d Hình 4.22 Chia 4 phần tử, hư tại Y6+ (phần tử 2) với bốn mức độ khác nhau a-a, b-b, c-c, d-d 121 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Các kết quả thí nghiệm, được thể hiện trên các hình 4.21 và hình 4.22, cho thấy thuật toán VTKT-NF xác định đúng vị trí hư hỏng trên dầm, ngay cả trong trường hợp mức độ hư hỏng thấp (mức độ hư hỏng aa=1,56%). 4.3.2.2 So sánh kết quả của VTKT-NF và phương pháp năng lượng Khung thí nghiệm ở hình 4.20 được chia thành 3 phần tử theo thứ tự Y1-Y5, Y5-Y9, và Y9-Y13 có độ dài bằng nhau, bằng L/3. Sử dụng VTKT-NF và phương pháp năng lượng của [67] (gọi tắt là [67]) để xác định vị trí suy giảm độ cứng chống biến dạng của khung trong sáu trường hợp: - Cắt khung tại Y6+ với ba mức b-b, c-c, d-d. - Cắt khung đồng thời tại hai vị trí Y6+ và Y10+ với ba mức b-b, c-c, d-d. Hình 4.23 thể hiện kết quả thí nghiệm ứng với trường hợp hư hỏng đơn tại Y6+, thuộc phần tử số 2. Các biểu đồ cho thấy thuật toán VTKT-NF xác định đúng vị trí suy giảm độ cứng chống biến dạng. Đối với [67], vị trí hỏng chỉ được xác định đúng khi mức độ hỏng tương đối cao: c-c và d-d (độ suy giảm theo thứ tự là 11,16% và 23,40%), còn ở mức độ hư hỏng bé hơn b-b (suy giảm 4,90%), phương pháp [67] xác định không chính xác. Hình 4.24 trình bày kết quả thí nghiệm trong trường hợp hư hỏng kép: hỏng đồng thời tại Y6+, thuộc phần tử số 2, và tại Y10+, thuộc phần tử số 3. Các biểu đồ trên hình 4.24 cho thấy rằng trong trường hợp hư đồng thời tại hai vị trí, kết quả cũng tương tự như trong trường hợp hư hỏng đơn: ở các mức hư hỏng khá lớn (c-c và d-d), cả hai phương pháp đều xác định chính xác vị trí suy giảm độ cứng chống biến dạng (phần tử 2 và 3); ở mức hư hỏng thấp hơn, b-b, chỉ VTKT-NF xác định đúng, phương pháp [67] xác định sai vị trí. Hình 4.23 Chia 3 phần tử. Hư tại Y6+ (phần tử 2) với bốn mức độ khác nhau a-a, b-b, c-c, d-d : VTKT-NF ; [67] 122 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng 4.3.3 Ứng dụng phân tích Wavelet trong kiểm tra khuyết tật 4.3.3.1 Ảnh hưởng của scale a tới độ chính xác định vị khuyết tật Đo độ võng Yi, sử dụng (3.37) và (3.38) để tính hệ số chuẩn hóa (.) ia Z và (.)Z . Dựa vào các hệ số này để xét ảnh hưởng của scale a trong phân tích wavelet tới hệ số hư hỏng. Khảo sát cho thấy giá trị hệ số scale a ảnh hưởng đáng kể tới vị trí các điểm kỳ dị (KD) – là các điểm có sự thay đổi đột biến giá trị hệ số wavelet xuất hiện trên hệ. Chẳng hạn, khi tạo ra vết hỏng 4,9% tại Y8, cho khung dao động với tần số 3,8Hz, đo độ võng từ Y2 tới Y12; chọn Q=128 và chu kỳ cắt mẫu 0,1t s  ; thay đổi [1;100]ia  , 1a  , và tính (8) ia Z , (8)Z chúng tôi nhận được số liệu ở bảng 4.10, từ đó xây dựng được các đường đặc tính ở hình 4.25a. Trên hình 4.25a và bảng 5.10 cho thấy với 20 giá trị đầu của ai các điểm KD2 nằm ở Y9, trong khi vị trí hỏng lại ở Y8. Khi 24a  các điểm KD1 mới trùng với vị trí hư hỏng. Một ví dụ khác: tạo ra vết hỏng 23,4% tại Y6+ (không nằm ngay điểm đo), cho khung dao động ở tần số 2,8Hz; thay đổi [0,5; 2,9]ia  với 0,1a  và thực hiện các bước như trên chúng tôi xác lập được bảng 4.11 và hình 4.25b. Trong trường hợp này, xét sự thay đổi của hệ số (6) ia Z và (7) ia Z (của Y6 và Y7) theo ai nằm sát Y6+ chúng tôi thấy rằng giá trị nhỏ nhất 0,5ia  không phải là hệ số tốt nhất, theo đó (6) ia Z và (7) ia Z cùng nhận được giá trị lớn nhất phản ánh hai điểm đo gần vết hỏng nhất. Giá trị tốt nhất của ai là ai=2,7 ứng với (6) 2,7iaZ  =0,9966 và Hình 4.24 Chia 3 phần tử. Hư đồng thời tại Y6+ (phần tử 2) và tại Y10+ (phần tử 3) : VTKT-NF ; [67] 123 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng (7) 2,7ia Z  =1,000. Khảo sát trên nhiều trường hợp khác đều cho những kết luận tương tự. Như vậy, giá trị tối ưu của scale a, theo đó các điểm kỳ dị KD phản ánh đúng vị trí hư hỏng, nằm trong tập các giá trị ban đầu của a. Tuy nhiên, khi chưa biết vị trí hư hỏng thì ta khó xác định được giá trị tối ưu này. Scale a Wavelet Zai(2) Z ai(3) Z ai(4) Z ai(5) Z ai(6) Z ai(7) Z ai(8) Z ai(9) Z ai(10) Z ai(11) Z ai(12) 1 db2 0.1275 0.2546 0.2596 0.6641 0.8027 0.8932 0.8259 1.0000 0.7734 0.4318 0.4332 2 db2 0.1626 0.2480 0.2469 0.6496 0.7590 0.8519 0.8150 1.0000 0.7379 0.4475 0.4369 3 db2 0.1530 0.2265 0.2535 0.6299 0.7888 0.8227 0.7801 1.0000 0.7655 0.4254 0.4074 4 db2 0.1378 0.2176 0.2578 0.6322 0.7707 0.8347 0.7981 1.0000 0.7685 0.4353 0.4023 5 db2 0.1279 0.2130 0.2626 0.6333 0.7858 0.8375 0.8048 1.0000 0.7771 0.4361 0.4004 10 db2 0.1063 0.2266 0.2786 0.6542 0.7773 0.9079 0.8255 1.0000 0.7833 0.4469 0.4209 15 db2 0.1040 0.2216 0.2708 0.6480 0.7773 0.9453 0.7893 1.0000 0.7680 0.4535 0.4099 20 db2 0.1106 0.2163 0.2534 0.6257 0.8160 0.9639 0.7643 1.0000 0.7850 0.4580 0.4124 30 db2 0.1312 0.1379 0.1857 0.1480 0.4633 0.6422 1.0000 0.5911 0.5291 0.3578 0.2773 40 db2 0.1275 0.1785 0.2305 0.4095 0.5731 0.8166 1.0000 0.8293 0.5888 0.4136 0.3314 50 db2 0.1246 0.1924 0.2289 0.5147 0.6595 0.9454 1.0000 0.9098 0.6066 0.4059 0.3803 60 db2 0.1186 0.1266 0.1369 0.0980 0.2779 0.6337 1.0000 0.5262 0.2948 0.2723 0.2578 70 db2 0.1206 0.1196 0.1308 0.0920 0.2581 0.6249 1.0000 0.5379 0.2613 0.2582 0.2512 80 db2 0.1135 0.1363 0.1591 0.2767 0.3293 0.7210 1.0000 0.6259 0.3089 0.2702 0.2746 90 db2 0.1005 0.1147 0.1087 0.0895 0.2416 0.6332 1.0000 0.4622 0.2061 0.2357 0.2481 100 db2 0.0872 0.1152 0.0948 0.0761 0.2053 0.6210 1.0000 0.4799 0.1763 0.2211 0.2488 ( )kZ  0.1199 0.1748 0.1993 0.3617 0.5221 0.8248 1.0000 0.7753 0.5091 0.3606 0.3420 Hệ số hư hỏng ( )kZ (3.38) [6] của từng phần tử ở hai trường hợp nêu trên nằm ở hàng cuối cùng trong từng bảng. Các giá trị này được biểu diễn lần lượt trên các hình 4.25a và 4.25b là các đồ thị Hư 4,9% tại Y8, tần số f=3,8 Hz Bảng 4.10 Hệ số hư hỏng Zai(k) và Z(k) (a) (b) Hình 4.25 Ảnh hưởng của scale a tới việc định vị các điểm kỳ dị 124 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng mang tên proposed method. Đường proposed method trên hình 4.25a cho thấy điểm KD1 có (8)Z =1 phản ánh chính xác vị trí hư hỏng Y8. Đường proposed method trên hình 4.25b cho thấy điểm KD1 và KD2 có  (6) ( ) 1... 0,9920 max ( ) 1k k N Z Z     và  (7) ( ) 1... 1 max ( )k k N Z Z    phản ánh hệ số hư hỏng tại hai điểm đo Y6 và Y7 (gần vị trí hư hỏng nhất trong tập các điểm đo từ Y2 đến Y12) có giá trị nằm trong khoảng giá trị lớn nhất, tiệm cận tới  ( ) 1... max ( ) 1k k N Z   . Các phân tích trên cho thấy ảnh hưởng của a tới vị trí các điểm KD trên hệ cũng như hiệu quả của phương pháp được đề xuất trong [6]. 4.3.3.2 Ảnh hưởng của hàm wavelet  tới độ chính xác định vị khuyết tật Hình 4.26 thể hiện kết quả khảo sát về ảnh hưởng của  tới việc định vị các điểm kỳ dị KD trong hai trường hợp: (a) hư 4,9% tại Y8, tần số dao động f=3,8Hz, và (b) hư 23,9% tại Y6+, tần số dao scale Wavelet Zai(3) Zai (4) Zai (5) Zai (6) Zai (7) Zai (8) Zai (9) Zai (10) 0.5 sym4 0.3673 0.3260 0.7773 0.9197 1.0000 0.5768 0.8717 0.6066 0.6 sym4 0.3767 0.3446 0.8035 0.9288 1.0000 0.5836 0.8498 0.6253 0.7 sym4 0.3623 0.3215 0.7616 0.8954 1.0000 0.5786 0.8625 0.6187 0.8 sym4 0.3607 0.3196 0.7618 0.8915 1.0000 0.5809 0.8582 0.6205 0.9 sym4 0.3588 0.3207 0.7648 0.8960 1.0000 0.5828 0.8559 0.6228 1 sym4 0.3673 0.3260 0.7773 0.9197 1.0000 0.5768 0.8717 0.6066 1.1 sym4 0.3708 0.3449 0.8504 1.0000 0.9643 0.6095 0.8557 0.5813 1,2 sym4 0.3802 0.3476 0.8203 0.9623 1.0000 0.6053 0.8522 0.6079 1.3 sym4 0.3875 0.3580 0.8343 0.9840 1.0000 0.6069 0.8583 0.6046 1.4 sym4 0.3452 0.3059 0.7605 0.9212 1.0000 0.6010 0.9281 0.5323 1.5 sym4 0.3829 0.3323 0.8071 0.9625 1.0000 0.5943 0.9092 0.6315 1.6 sym4 0.3612 0.3374 0.8473 1.0000 0.9856 0.6083 0.8850 0.6179 1.7 sym4 0.3639 0.3413 0.8466 1.0000 0.9849 0.6088 0.8822 0.6039 1.8 sym4 0.3639 0.3420 0.8478 1.0000 0.9830 0.6096 0.8780 0.5982 1.9 sym4 0.3628 0.3424 0.8499 1.0000 0.9860 0.6097 0.8773 0.6024 2 sym4 0.3404 0.3179 0.8062 0.9595 1.0000 0.6015 0.9071 0.5924 2.1 sym4 0.3521 0.3347 0.8366 0.9834 1.0000 0.6007 0.9031 0.6196 2.2 sym4 0.3588 0.3429 0.8574 1.0000 0.9995 0.6003 0.8969 0.6422 2.3 sym4 0.3588 0.3402 0.8549 1.0000 0.9867 0.6083 0.8940 0.6453 2.4 sym4 0.3545 0.3377 0.8489 1.0000 0.9869 0.6096 0.8818 0.6353 2.5 sym4 0.3496 0.3428 0.8481 1.0000 0.9838 0.6081 0.8642 0.6314 2.6 sym4 0.3529 0.3334 0.8365 0.9834 1.0000 0.6041 0.8081 0.6397 2.7 sym4 0.3604 0.3450 0.8554 0.9966 1.0000 0.6043 0.6819 0.6563 2.8 sym4 0.3512 0.3449 0.8575 1.0000 0.9907 0.6111 0.6722 0.6548 2.9 sym4 0.3440 0.3310 0.8316 0.9854 1.0000 0.6103 0.6781 0.6440 ( )kZ  0.3578 0.3406 0.8444 0.9920 1.0000 0.6091 0.7441 0.6384 Hư 23,4% tại Y6+, tần số f=2,6 Hz Bảng 4.11 Hệ số hư hỏng Zai(k) và Z(k) 125 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng động f=2,6Hz. Kết quả khảo sát cho thấy rằng nếu chọn hàm wavelet cơ sở (mother wavelet) là một trong những hàm thông dụng như dbN, symN, coifN, meyr, mexh và morl thì độ lớn của hệ số hư hỏng ( )kZ (3.38) của từng phần tử thay đổi không lớn và vị trí của điểm kỳ dị là ổn định, nghĩa là các phần tử có ( )kZ lớn nhất không thay đổi, phản ánh đúng vị trí khuyết tật trên hệ: KD1 trên hình 4.26a trùng với Y8, là điểm bị hỏng 4,9%; KD1 và KD2 trên hình 4.26b trùng với Y6 và Y7, là hai điểm đo sát kề hai bên điểm Y6+. 4.3.3.3 Sử dụng hệ số hư hỏng xác định sự tồn tại khuyết tật Thực hiện hai chế độ kích thích (CĐKT) dao động. CĐKT1: động cơ Đ được lắp tại Y2, độ lệch tâm md=0,243 (kg.dm), tần số kích thích f=4 Hz. CĐKT2: động cơ Đ được lắp tại Y4, độ lệch tâm md=0.354 (kg.dm), tần số kích thích f=4 Hz. - Ở tình trạng khung chưa bị hư, đo độ võng tại Y4 và Y6 ứng với từng CĐKT, ,not s k , trong đó k=4, 6 biểu thị vị trí đo Y4 và Y6; s=1, 2 biểu thị CĐKT; “not” thể hiện tình trạng dầm chưa hư. - Tạo ra vết hỏng 4,9% tại Y4, thực hiện lại hai CĐKT trên. Đo độ võng tại Y4 và Y6 ứng với từng CĐKT, ,damage s k , trong đó k=4, 6 thể hiện vị trí đo Y4 và Y6; s=1, 2 biểu thị CĐKT; “damage” thể hiện tình trạng dầm bị hư (hư 4,9% tại Y4). (a) (b) Hình 4.26 Ảnh hưởng của  tới việc định vị các điểm kỳ dị KD (a) hỏng 4,9% tại Y8, tần số dao động f=3,8Hz; (b) hỏng 23,9% tại Y6+, tần số dao động f=2,6Hz 126 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Hình 4.27 Tín hiệu chênh lệch độ võng y tại Y4 và Y6 khi tần số f=4Hz và biến đổi wavelet W(y) của y (a)  ,2 ,14 4 4not noty       tại Y4 ứng với các CĐKT2 và CĐKT1 khi hệ không hư, và W(y); (b)  ,2 ,16 6 6not noty       tại Y6 ứng với các CĐKT2 và CĐKT1 khi hệ không hư, và W(y); (c)  ,1 ,14 4 4damage noty       tại Y4 ứng với CĐKT1 khi Y4 hư 4,9% và không hư, và W(y); (d)  ,1 ,16 6 6damage noty       tại Y6 ứng với CĐKT1 khi Y4 hư 4,9% và không hư, và W(y). - Biến đổi wavelet của chênh lệch độ võng  / , ,( ) ( , ) ( , )damage not s not sk k ky t z t z t      và độ võng tuyệt đối / , ( , )damage not s k z t chúng tôi nhận được kết quả trên hình 4.27 và trong các bảng 4.12, và 4.13. Hình 4.27 cho thấy ở tần số dao động thấp (f=4Hz), sự thay đổi bất thường của hệ số wavelet khó có thể nhận ra nếu dựa vào các đường đặc tính. Ở các bảng 4.12, và 4.13 thể hiện kết quả của việc khảo sát lại các trường hợp đã được đề cập trên hình 4.27 nhưng dựa vào phương pháp được đề xuất trong [6]. (a) (d) (c) (b) 127 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Kết quả trên hai bảng 4.12, và 4.13 cho thấy sự xuất hiện khuyết tật làm gia tăng hệ số wavelet trung bình địa phương ( ) i k aW và hệ số wavelet trung bình ( )kW , ngay cả trong những trường hợp vị trí đo không trùng với phần tử bị hư. Chẳng hạn ở trường hợp hư 4,9% tại Y4 (CĐKT2) nhưng đo dao động tại Y6, kết quả vẫn cho thấy có sự tăng vọt của (6)W . Các kết quả cụ thể như sau:  (6) ,2 60,5 2.2183i damageaW    lớn hơn nhiều so với  (6) ,2 6 1,1593notW   (được thể hiện trong bảng 4.12), hoặc  (6) ,2 ,16 60,5 2.269i damage notaW      lớn hơn nhiều so với  (6) ,2 ,16 6 1,299not notW     (được thể hiện trong bảng 4.13). Có thể ứng dụng đặc điểm này trong việc khảo sát để nhận biết có hay không sự xuất hiện khuyết tật trong hệ bằng cách tiến hành đo dao động tại một vị trí, có thể trùng hoặc không trùng với phần tử bị hư hỏng, sau đó dựa vào hệ số wavelet trung bình địa phương ( ) i k aW và hệ số wavelet trung bình ( )kW để kết luận về sự tồn tại của khuyết tật trên cơ hệ. Bảng 4.12 ( ) i k aW và ( )kW của độ võng tuyệt đối ( , )k z t tại Y4,Y6 trong từng CĐKT Tình trạng của khung thí nghiệm, vị trí đo và chế độ kích thích dao động Độ võng tuyệt đối k Hệ số Wavelet ( ) i k aW và ( )kW của k Không hư, độ võng đo tại Y4 ở CĐKT2 ,2 4 not k   (4) 0,5( )i kaW   = 0.0132; (4) ( )kW  = 0.4170 ,1 4 damage k   (4)0,5( )i kaW   = 0.0113; (4) ( )kW  = 0.6845 Y4 hư 4,9%, độ võng đo tại Y4 ở CĐKT1, 2 ,2 4 damage k   (4)0,5( )i kaW   = 0.0162; (4) ( )kW  =0.9169 Không hư, độ võng đo tại Y6 ở CĐKT2 ,2 6 not k   (6) 0,5( )i kaW   = 0.0199; (6) ( )kW  = 1.1593 ,1 6 damage k   (6)0,5( )i kaW   = 0.0258; (6) ( )kW  = 1.5667 Y4 hư 4,9%, độ võng đo tại Y6 ở CĐKT1, 2 ,2 6 damage k   (6)0,5( )i kaW   = 0.0391; (6) ( )kW  = 2.2183 Ngoài ra, hình 4.27 và số liệu trong các bảng 4.12, và 4.13 còn cho thấy: - Cùng một mức độ hư hỏng và giữ nguyên tần số kích thích, nếu gia tăng cường độ kích thích nhằm gia tăng biên độ dao động cưỡng bức thì ( ) i k aW và ( )kW sẽ gia tăng theo; - Ở tần số dao động thấp, sử dụng các hệ số định lượng ( ) i k aW và ( )kW để nhận biết sự có mặt của khuyết tật trong hệ hiệu quả hơn sử dụng các đường đặc tính wavelet, nghĩa là độ nhạy cao hơn; 128 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng - Đối chiếu các kết quả tương ứng trên bảng 4.12, và 4.13 còn cho thấy sử dụng hiệu số chênh lệch độ võng ( , )k z t cho kết quả tốt hơn sử dụng độ võng tuyệt đối ( , )k z t , sử dụng ( )kW cho hiệu quả tốt hơn sử dụng ( ) i k aW . Bảng 4.13 ( ) i k aW và ( )kW của hiệu chênh lệch độ võng ( , )ky z t  tại Y4,Y6 Tình trạng của khung thí nghiệm, vị trí đo và chế độ kích thích dao động Hiệu chênh lệch độ võng y= k Hệ số Wavelet ( ) i k aW và ( )kW của k Không hư, độ võng đo tại Y4 ở CĐKT1, 2 ,2 ,1 4 4 not not k     (4) 0,5( )i kaW   = 0.0129; (4) ( )kW  = 0.7956 ,1 ,1 4 4 damage not k     (4)0,5( )i kaW   = 0.0133; (4) ( )kW  = 0.8001 Y4 hư 4,9%, độ võng đo tại Y4 ở CĐKT1, 2 ,2 ,14 4damage notk     (4)0,5( )i kaW   = 0.0172; (4) ( )kW  =1.0073 Không hư, độ võng đo tại Y6 ở CĐKT1, 2 ,2 ,1 6 6 not not k     (6) 0,5( )i kaW   = 0.0222; (6) ( )kW  = 1.2990 ,1 ,1 6 6 damage not k     (6)0,5( )i kaW   = 0.0261; (6) ( )kW  = 1.5413 Y4 hư 4,9%, độ võng đo tại Y6 ở CĐKT1, 2 ,2 ,1 6 6 damage not k     (6)0,5( )i kaW   = 0.0406; (6) ( )kW  = 2.2690 4.3.3.4 Xác định vị trí hư hỏng đơn (a) (b) (c) Hình 4.28 Hư tại Y8. Hệ số hư hỏng ( ) ( )k kZ f Y (3.38) ứng với ba TTDĐ và ba mức độ hư hỏng (a): hư 1,56% tại Y8, tần số 3 Hz; (b): hư 4,90% tại Y8, tần số 3,8 Hz; (c): hư 11,16% tại Y8, tần số 3,6 Hz 129 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Chuyển đổi wavelet tín hiệu chuyển vị tại từng phần tử, sau đó tính hệ số hư hỏng (.)Z theo (3.38). Hình 4.28 thể hiện hệ số hư hỏng ( ) ( )k kZ f Y tại từng phần tử ứng với từng TTDĐ và mức độ hư hỏng khi khung bị hư tại một vị trí: hư tại Y8. Tương tự hình 4.29 thể hiện hệ số hư hỏng ( ) ( )k kZ f Y tại từng phần tử ứng với từng TTDĐ và mức độ hư hỏng khi khung bị hư tại một vị trí: hư tại Y6+. (a) (b) (c) (d) (e) (f) Hình 4.29 Hư tại Y6+ (trung điểm Y6Y7). Hệ số hư hỏng ( ) ( )k kZ f Y ứng với sáu TTDĐ và mức độ hư hỏng (a): hư 11,6%, tần số 2,6 Hz; (b): hư 11,6%, tần số 3,4 Hz; (c): hư 1,56%, tần số 3,6 Hz; (d): hư 1,56%, tần số 3,4Hz; (e): hư 1,56%, tần số 4 Hz; (f): hư 4,9%, tần số 4 Hz. 130 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Hình 4.30 Hư tại Y6+ và Y9+ Số liệu trong các bảng trên mỗi hình: hàng thứ nhất là thứ tự các điểm đo từ Y2 tới Y12, hàng thứ hai thể hiện hệ số hư hỏng ( ) ( )k kZ f Y tương ứng 131 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Bảng ( ) ( )k kZ f Y trên hình 4.28 cho thấy ( ) (8)max( )kZ Z phản ánh đúng phần tử bị hư, Y8, trên khung, ngay cả mức độ hư hỏng thấp, 1,56%, như trên hình 4.28a. Trong trường hợp vị trí hư nằm ở khoảng ranh giới giữa hai phần tử Y6+ nằm giữa Y6 và Y7, bảng ( ) ( )k kZ f Y trên hình 4.29 cũng cho thấy ( ) (6)max( )kZ Z hoặc ( ) (7)max( )kZ Z cũng phản ánh đúng khu vực bị hư trên khung. 4.3.3.5 Xác định vị trí hư hỏng kép Cách thực hiện tương tự như trên, tuy nhiên trong thí nghiệm này cơ hệ tồn tại khuyết tật tại hai vị trí khác nhau, Y6+ (trung điểm Y6Y7) và Y9+ (trung điểm Y9Y10). Mục đích của thí nghiệm này là xét khả năng xác định vị trí khuyết tật của phương pháp được đề xuất trong [6] trong trường hợp tồn tại nhiều khuyết tật đồng thời trên cơ hệ. Hình 4.30 thể hiện hệ số hư hỏng ( ) ( )k kZ f Y (3.38) tại từng phần tử ứng với từng TTDĐ và mức độ hư hỏng khi khung bị hư tại hai vị trí: tại Y6+ và Y9+. Bảng ( ) ( )k kZ f Y trên từng hình cho thấy tại hai vùng (Y6, Y7) và (Y9, Y10) có hệ số hư hỏng đạt tới các giá trị lớn hơn hệ số hư hỏng tại các vùng khác. Như vậy, hệ số hư hỏng ( )kZ phản ánh đúng vị trí khuyết tật trên khung, ngay cả mức độ hư hỏng không cao và nhiều vị trí hư đồng thời. 4.3.3.6 Sử dụng KTKT-WL xác định sự hiện diện và vị trí khuyết tật 4.3.3.6.1 Sử dụng số liệu của Thí nghiệm 1 Cho khung kim loại dao động cưỡng bức với những tần số khác nhau do tác động quay của khối lượng lệch tâm như trên hình 4.19. Đo chuyển vị tại các điểm chia Yi, i=2...12. Sử dụng thuật toán KTKT-WL (chương 3) để kiểm tra sự xuất hiện khuyết tật trên cơ hệ và định vị vị trí của chúng. Các kết quả khảo sát được thể hiện trên hình 4.31. Kết quả khảo sát cho thấy: - Thuật toán xác định đúng sự hiện diện của khuyết tật. Chẳng hạn, nếu xem mức độ hư hỏng aa=1,56% là khá bé, có thể xem đáp ứng động lực học của cơ hệ ở mức khuyết tật này tương tự như đáp ứng động lực học của cơ hệ khi còn nguyên vẹn. Khi đó, so sánh giá trị hệ số wavelet trung bình )(kW (3.38) tại các điểm đo với giá trị tương ứng )(kW ở mức khuyết tật aa ta sẽ thấy có sự khác biệt rõ rệt. Đây chính là dấu hiệu nhận biết sự tồn tại khuyết tật trên cơ hệ. - Trong trường hợp hư hỏng tại một điểm Y6, hệ số wavelet trung bình )6(W tại đây gia tăng rõ rệt và lớn hơn )(kW tại các điểm khác (hình 4.31a,b). Đây là dấu hiệu giúp định vị khuyết tật trên 132 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng cơ hệ. Trong trường hợp hư hỏng kép, chẳng hạn hư tại Y4 và Y6 như trên hình 4.31c, tại Y6 có biên độ dao động lớn hơn nên dấu hiệu nhận biết khuyết tật tại đây ( )6(W ) rõ ràng hơn so với tại Y4 ( )4(W ). Tuy nhiên, dù )4(W không phải là giá trị lớn nhất nhưng vẫn là giá trị lớn thứ hai, chỉ nhỏ hơn )6(W (ứng với Y6 là vị trí có mức độ khuyết tật lớn nhất trên khung). - Hệ số wavelet trung bình )(kW không nhạy với sự thay đổi chế độ kích thích dao động, đặc biệt là tần số dao động. Trên các hình 4.31b và 4.31c, mặc dù tần số kích thích dao động thay đổi nhưng )(kW vẫn đồng biến với sự biến thiên của mức độ khuyết tật. Đặc điểm này rất quan trọng, liên quan tới khả năng ứng dụng thuật toán KTKT-WL trên các hệ thống cầu thực trong đó sử dụng tải giao thông làm chế độ kích thích dao động. (a) (b) (c) Hình 4.31 Xác định sự hiện diện của khuyết tật trên cơ hệ cũng như định vị vị trí của chúng (a) Hư tại Y6 với 4 cấp độ khác nhau aa, bb, cc, dd; khung dao động cùng tần số f=3,6Hz trong cả bốn trường hợp. (b) Tương tự như trường hợp trên nhưng tần số dao động ứng với từng mức khuyết tật aa, bb, cc, dd theo thứ tự là 3,4Hz, 3,6Hz, 3,1Hz và 3,0 Hz. (c) Khung hư đồng thời tại hai điểm Y4 và Y6 cùng cấp độ aa, bb, cc, và dd; ứng với từng cấp độ hư nêu trên là các tần số dao động tương ứng 3,6Hz, 2,9Hz, 3,2Hz và 4,0Hz. 133 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng 4.3.3.6.2 Sử dụng số liệu của Thí nghiệm 2 Thí nghiệm 2 Kết cấu khung thí nghiệm giống như đã trình bày ở Thí nghiệm 1. Sự khác nhau giữa hai thí nghiệm thể hiện ở phương pháp tạo ra dao động trên cơ hệ và hệ thống cảm biến được sử dụng đo dao động. Trong thí nghiệm này chúng tôi sử dụng xe có khối lượng m chuyển động trên khung với vận tốc V. Sử dụng hai cảm biến chuyển vị (CV1, CB2), hai cảm biến đo biến dạng (SG2, SG3), và ba cảm biến gia tốc (MEM1, MEM2, MEM3) được gắn tại những vị trí xác định trên khung như trên các hình 4.32 và 4.33. Thay đổi m và V sẽ thay đổi được chế độ kích thích dao động. Sử dụng số liệu đo của các cảm biến chuyển vị, biến dạng và gia tốc (ứng với những vị trí hư khác nhau và mức độ hư khác nhau) cho thuật toán KTKT-WL chúng tôi nhận được các kết quả trên các bảng 4.14, 4.15, 4.16 và 4.17. Các kết quả thí nghiệm cho thấy rằng các tín hiệu chuyển vị, biến dạng và gia tốc đều tương thích với thuật toán KTKH-WL, tuy nhiên độ chính xác và mức độ tiện ích trong ứng dụng của ba loại cảm biến này lại không giống nhau. Độ chính xác trong xác định vị trí khuyết tật của tín hiệu chuyển vị tốt nhất, tuy nhiên việc lắp đặt thiết bị đo khá khó khăn, đặc biệt là lắp đặt trên các hệ thống cầu thực. Độ chính xác trong xác trong định vị trí khuyết tật của tín hiệu gia tốc có thể chấp nhận được. Ưu điểm của việc sử dụng cảm biến gia tốc là dễ dàng lắp đặt – đây là đặc điểm quan trọng liên quan tới khả năng ứng tín hiệu này trong công tác quản trị cầu, đặc biệt là trên các hệ thống cầu thực. Hình 4.32 Vị trí hư (A) và các vị trí gắn các cảm biến CV1, CV2, MEM1, MEM2, MEM3 trên dầm 134 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Bảng 4.14 Hư 12.5% tại A HỆ SỐ HƯ HỎNG, Z Dùng tín hiệu Gia tốc Dùng t. hiệu Chuyển vị Chế độ kích thích Z (MEM3) Z (MEM4) Z (MEM1) Z (CV1) Z (CV2) H1V1M1 2.8454 1.6163 1.5434 3.7059 3.2739 H1V1M2 10.451 12.7369 15.5414 26.5985 22.4565 H1V1M3 18.5551 1.9272 1.0022 3.9043 1.7276 H1V1M4 6.2375 6.1965 5.2263 4.3166 3.7551 H1V2M1 1.2166 0.0322 0.0204 3.2441 2.4404 H1V2M2 4.6249 2.4486 1.0201 13.7870 4.1423 H1V2M3 0.2610 0.0263 0.0101 5.0568 0.9629 H1V2M4 8.3347 6.7984 3.7789 21.7423 19.4032 H2V1M1 6.2769 6.2799 11.6883 3.8485 3.3847 H2V1M2 22.0175 3.6443 1.8025 36.2370 28.9598 H2V1M3 18.0186 8.5979 8.2324 1.7579 4.0629 H2V1M4 9.8131 10.1850 13.7002 4.1380 3.9016 Xác định đúng 88.9% 83.3% Hình 4.33 Vị trí hư (C) và vị trí gắn các cảm biến MEM1, MEM2, MEM3, SG2, SG3, CV1, CV2 trên dầm Bảng 4.15 Hư 6.25% tại C HỆ SỐ HƯ HỎNG, Z Tín hiệu Gia tốc T. H. Chuyển vị T. H. Biến dạng Chế độ kích thích Z (MEM3) Z (MEM4) Z (MEM1) Z (CV1) Z (CV2) Z (SG2) Z (SG3) A0B0C1_V2M1 1.6280 1.8872 2.2341 35.5277 55.4110 7.4212 21.7247 A0B0C1_V2M2 14.9858 11.5807 8.3159 10.4216 7.9977 0.5240 0.1371 A0B0C1_V2M3 1.0807 9.9122 12.1595 3.5401 11.7657 3.9571 11.6486 A0B0C1_V2M4 5.2821 11.3028 13.2469 3.5720 6.3626 4.1549 4.3870 A0B0C1_V3M1 5.6242 4.0613 6.8688 36.1919 29.4678 22.3221 18.3950 A0B0C1_V3M2 1.4905 1.9557 2.2369 14.6463 15.5578 10.8874 7.0418 A0B0C1_V3M3 3.0459 6.2200 7.4874 3.9834 15.8843 1.9851 13.1309 A0B0C1_V3M4 4.4352 3.2809 3.9768 7.7512 10.4999 2.8589 8.6367 Xác định đúng 70.83% 75% 62.5% 135 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Bảng 4.16 Hư 12.5% tại C HỆ SỐ HƯ HỎNG, Z Tín hiệu Gia tốc T. H. Chuyển vi T. H. Biến dạng Chế độ kích thích Z (MEM3) Z (MEM4) Z (MEM1) Z (CV1) Z (CV2) Z (SG2) Z (SG3) A0B0C2_V1M1 7.9076 4.7285 15.7758 21.6384 43.3135 6.3267 5.4271 A0B0C2_V1M2 19.3051 20.0337 24.3115 2.2722 8.7963 2.8487 5.5017 A0B0C2_V1M3 11.7254 14.8608 19.1891 0.2027 8.1381 1.4860 3.6860 A0B0C2_V1M4 10.5072 21.7027 20.4094 8.4010 8.4381 6.2988 12.8593 A0B0C2_V2M2 14.1043 4.8543 18.1421 7.6375 15.3077 6.1569 7.2978 A0B0C2_V2M3 3.3745 3.5974 12.2773 1.4646 10.3503 4.7098 12.8114 A0B0C2_V2M4 8.7173 10.2563 14.7763 5.2874 7.5531 1.0278 7.4962 A0B0C2_V3M1 5.0938 5.4533 7.6329 9.1073 13.0565 6.8340 8.1711 Xác định đúng 81.25% 100% 87.5% Bảng 4.17 Hư 18.75% tại C Hệ số hư hỏng, Z Tín hiệu Gia tốc T. H. Chuyển vi T. H. Biến dạng Chế độ kích thích Z (MEM3) Z (MEM4) Z (MEM1) Z (CV1) Z (CV2) Z (SG2) Z (SG3) A0B0C3_V1M1 4.2393 4.4570 5.7841 5.2169 18.3334 4.4979 8.0383 A0B0C3_V1M2 2.7372 10.7452 9.9214 1.8621 4.2514 0.2246 9.0267 A0B0C3_V1M3 2.3551 9.1899 10.4932 0.3745 0.3890 5.0574 8.2937 A0B0C3_V1M4 2.7514 8.9876 11.2512 2.7415 3.2188 6..1517 8.9821 A0B0C3_V1M1 1.3214 4.9213 6.1353 2.5879 4.1223 4.6573 9.7214 A0B0C3_V2M2 0.7237 12.4349 15.1713 14.6108 15.2805 8.8607 9.8161 A0B0C3_V2M3 3.4847 3.7016 4.4421 28.4223 30.6586 12.2961 14.0556 A0B0C3_V2M4 8.3186 9.2292 9.9381 3.5915 6.7877 7.5721 12.9233 A0B0C3_V3M1 4.3243 11.1212 12.5671 15.1452 18.9214 2.3457 1.3098 A0B0C3_V3M2 2.4982 3.1678 3.7893 11.1121 20.1023 1.2324 9.1991 A0B0C3_V3M3 8.2929 10.2341 19.1434 2.5619 6.8789 3.8765 9.5406 A0B0C3_V3M4 3.3569 7.8125 13.1328 2.9999 5.4887 5.5509 12.0098 Xác định đúng 94.44% 100% 91.67% 4.3.3.7 Xác định mức độ khuyết tật dựa vào hệ số wavelet trung bình Dựa vào hình 4.31a để xác định hệ số wavelet trung bình )6(W (3.38) tại điểm khuyết tật Y6 ứng với bốn cấp độ khuyết tật aa, bb, cc, dd, từ đó xác định được đường đặc tính (1) trên hình 4.34, thể hiện mối liên hệ giữa mức độ khuyết tật và độ lớn của )6(W . Hoàn toàn tương tự, dựa vào các hình 4.31b và 4.31c chúng tôi xác lập được các đường (2) (3) và (4) trên hình 4.34, trong đó đường (2) thể hiện độ biến thiên của )4(W theo mức độ khuyết tật tại Y6 như trên hình 4.31b; các đường (3) và (4) theo 136 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng thứ tự thể hiện độ biến thiên của )4(W và )6(W theo mức độ khuyết tật khi khung bị khuyết tật đồng thời tại hai điểm Y4 và Y6 như trên hình 4.31c. Kết quả khảo sát trên hình 4.34 cho thấy mối liên hệ giữa độ biến thiên của hệ số wavelet trung bình theo mức độ khuyết tật là quan hệ đồng biến. Do đó sử dụng hệ số wavelet trung bình sẽ xác định được mức độ khuyết tật tương đối trên cơ hệ. Nhận xét Để kiểm tra sự hiện diện của khuyết tật ta kích thích cho hệ dao động ở các tần số thấp và chỉ cần đo tín hiệu dao động tại một vị trí có biên độ dao động lớn trên khung. Sau đó để định vị khuyết tật, tại mỗi phần tử thực hiện đo độ võng tại một vị trí và kết hợp với dữ liệu tương ứng khi hệ chưa hư để xác định vị trí có hệ số wavelet trung bình lớn nhất – đây là điểm yếu nhất trên cơ hệ. Thí nghiệm trên khung dao động cưỡng bức ở các tần số dao động thấp cho thấy thuật toán KTKT-WL có thể xác định sự hiện diện và định vị đúng vị trí khuyết tật ngay cả trong trường hợp khuyết tật ở mức độ không cao (1,56%), và có thể xác định đúng vị trí các khuyết tật tồn tại đồng thời khi khung dao động trong dãi tần số thấp, từ 2 Hz đến 4,7 Hz. Thí nghiệm còn cho thấy rằng để gia tăng độ chính xác trong việc xác định sự hiện diện và định vị khuyết tật có thể thực hiện một hoặc thực hiện kết hợp các hướng tác động: 1/ tìm hệ số scale tối ưu của phép biến đổi wavelet, 2/ tăng tần Hình 4.34 Phương pháp xác định mức độ khuyết tật dựa vào )(kW Các đường (1) và (2), theo thứ tự, là độ biến thiên của hệ số wavelet trung bình )6(W và )4(W khi dầm hư tại Y6 ở các mức độ khác nhau. Các đường (3) và (4), theo thứ tự, là độ biến thiên của hệ số wavelet trung bình )4(W và )6(W khi dầm hư đồng thời tại Y4 và Y6 ở các mức độ khác nhau 137 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng số dao động, và 3/ tăng biên độ dao động cưỡng bức. Trong trường hợp chưa biết tình trạng thực tế của cơ hệ, là đối tượng của bài toán được đưa ra trong nghiên cứu này, thì ta sẽ khó xác định được hệ số scale tối ưu. Do đó, việc ứng dụng giải pháp định lượng trung bình mức độ thay đổi hệ số wavelet trong miền giá trị thấp của hệ số scale [6] là phù hợp. Mặt khác, trên một cơ hệ lớn có cấu trúc phức tạp sẽ không có điều kiện tiếp tục tăng cao tần số dao động cưỡng bức, chính vì vậy, trong việc ứng dụng giải pháp này cần phải thực hiện gia tăng cường độ kích thích nhằm gia tăng độ chính xác trong việc xác định sự hiện diện và định vị khuyết tật trên cơ hệ. Hơn nữa, vì đặc trưng hình học và cơ tính vật liệu trên các tiết diện ngang của một cơ hệ thực là không đồng nhất, do đó việc xác định khuyết tật trên cơ hệ bằng cách phân tích wavelet chỉ dựa trên tập tín hiệu dao động tại thời điểm khảo sát thường cho những kết luận sai vì xuất hiện các điển KD ngoại lai. Giải pháp cho vấn đề này là sử dụng chênh lệch tín hiệu dao động: )()()( tftftf d  làm tín hiệu gốc trong phép biến đổi wavelet, hoặc sử dụng chênh lệch tín hiệu wavelet trung bình: )()()( kdkk WWW  trong đó, chỉ số ‘d’ thể hiện trạng thái của cơ hệ khi kiểm tra, không có chỉ số này dùng để thể hiện thông số tương ứng nhưng ở trạng thái cơ hệ được xem là không bị hư hỏng. 4.3.4 Ứng dụng mạng neuro-fuzzy trong dự báo Thí nghiệm này nhằm đánh giá hiệu quả của thuật toán TSPA [5] trong dự báo mức độ khuyết tật xuất hiện trên cơ hệ theo phương pháp chuỗi thời gian. Sử dụng lại khung thí nghiệm trên hình 4.19 và 4.20. Cắt tại một vị trí trên khung ở mức 11,36%. Động cơ Đ được đặt tại Y5. Giữ nguyên độ lệch tâm trong suốt cả quá trình thí nghiệm. Thay đổi 10 giá trị của tần số kích thích: 1,1Hz, 1,2Hz,…,2,0Hz. Cho Đ quay liên tục trong 500 phút. Trong quá trình này mức độ hư hỏng tại vị trí cắt sẽ tăng dần theo thời gian. Thực hiện đo chuyển vị và biên độ dao động tại bốn điểm Y5, Y6, Y7, Y8 đồng thời sau từng bước thời gian 60t s  . Chúng tôi nhận được 500 giá trị biên độ dao động tại mỗi vị trí Yi (i=1…4) sau những khoảng thời gian cách đều, ứng với các tần số dao động khác nhau. Sử dụng tập dữ liệu này cho thuật toán TSPA để dự báo chuyển vị tại Y5, Y6, Y7, Y8 trong hai trường hợp: không gian dữ liệu vào 3 chiều, n=3, và không gian dữ liệu vào 4 chiều, n=4. 138 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Thời điểm dự báo (phút) 10 20 30 TT Vị trí Tần số (Hz) Khảo sát iY (mm) Dự báo ˆiy (mm) Sai số MPE (%) Khảo sát iY (mm) Dự báo ˆiy (mm) Sai số MPE (%) Khảo sát iY (mm) Dự báo ˆiy (mm) Sai số MPE (%) 1 Y5 1,1 3,635 3,867 6,39 3,665 3,634 0,84 3,665 3,896 6,3 2 Y8 1,4 3,225 3,348 3,82 3,225 3,383 4,89 3,25 3,387 4,22 3 1,1 3,055 3,121 3,080 3,003 3,085 3,141 4 1,2 3,275 3,343 3,270 3,358 3,355 3,386 5 1,3 3,535 3,711 3,640 3,794 3,610 3,771 6 1,4 4,080 4,230 4,050 4,310 4,075 4,338 7 1,5 4,790 4,425 4,795 4,436 4,805 4,778 8 1,6 5,330 5,325 5,270 5,511 5,375 4,908 9 1,7 6,140 6,160 6,055 6,121 6,005 6,171 10 1,8 6,280 6,207 6,280 6,420 6,275 6,237 11 1,9 6,665 6,321 6,675 6,374 6,665 6,332 12 Y7 2,0 6,945 6,453 3.50 6,875 6,468 4.16 6,950 6,958 3.04 Việc đánh giá hiệu quả của thuật toán TSPA được thực hiện theo hai cách: - So sánh số liệu Yi dự báo với số liệu Yi (i=1…4) đo; - So sánh sai số dự báo của TSPA với sai số dự báo của DENFIS [98]; Các kết quả Số liệu đo và tính toán được thể hiện trong các bảng 4.18, 4.19 và các hình 4.35, 4.36, 4.37. Bảng 4.18 Số liệu dự báo biên độ dao động của TSPA khi n=3 139 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Bảng 4.19 Số liệu dự báo biên độ dao động khi n=4 của TSPA và của DENFIS [98] Thời điểm dự báo (phút) 20 40 Dự báo ˆiy (mm) Sai số MPE (%) Dự báo ˆiy (mm) Sai số MPE (%) Vị trí Tần số (Hz) Số luật mờ M Khảo sát iY (mm) TSPA DENFIS [98] TSPA DENFIS [98] Khảo sát iY (mm) TSPA DENFIS [98] TSPA DENFIS [98] Y5 1,1 11 3.799 3.842 3.851 1.22 1.37 3.802 3.843 3.785 0.85 1.51 Y8 1,4 6 3.225 3.273 3.277 1.49 1.61 3.249 3.290 3.285 2.01 1.10 1,1 7 3.055 2.998 3.129 1.87 2.42 2.814 2.731 2.745 2.94 2.45 1,2 7 3.144 3.053 3.085 2.90 1.87 3.270 3.315 3.354 1.38 2.57 1,3 9 3.801 3.760 3.747 1.09 1.42 3.732 3.793 3.798 1.63 1.77 1,4 9 4.040 4.089 4.111 1.21 0.76 4.050 4.149 4.123 2.46 1.80 1,5 6 4.612 4.562 4.725 1.07 2.45 4.344 4.262 4.276 1.90 1.57 1,6 6 5.430 5.290 5.248 2.58 3.35 5.270 5.138 5.186 2.50 1.59 1,7 5 5.700 5.635 5.784 1.14 1.47 6.055 6.031 6.177 0.39 2.01 1,8 15 4.770 4.699 4.980 2.25 4.40 3.750 3.685 3.691 1.75 1.57 1,9 4 6.470 6.358 6.312 1.73 2.44 6.675 6.806 6.859 1.96 2.76 2,0 8 6.451 6.330 6.345 1.89 1.64 6.875 7.012 7.025 1.99 2.18 Y7 MPE(TSPA)=1.77% < MPE(DENFIS)=2.22% MPE(TSPA)=1.89%< MPE(DENFIS)=2.03% Bảng 4.18 thể hiện số liệu đo biên độ dao động (cột Khảo sát Yi), số liệu dự báo tương ứng khi sử dụng thuật toán TSPA (cột dự báo ˆiy ) ở ba thời điểm 10, 20, 30 phút khi cấu trúc tập dữ liệu huấn luyện mạng NF có n=3, và sai số phần trăm trung bình MPE trong từng trường hợp. Ở bảng 4.19, các cột Yi, ˆiy và MPE cũng có nội dung tương tự nhưng thời điểm dự báo là 20 và 40 phút, và cấu trúc tập dữ liệu huấn luyện mạng NF có n=4. Đồng thời trên bảng 4.19 còn thể hiện kết quả so sánh giữa TSPA và DENFIS – được trình bày chi tiết trong [98]. 140 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Các hình 4.35, 4.36, 4.37 biểu diễn trực quan sự biến thiên của biên độ dao động tại Y5, Y7, Y8 theo thời gian ở một số tần số dao động khác nhau, biểu diễn mức độ sai lệch giữa số liệu dự báo và số liệu đo ứng với từng thời điểm dự báo riêng biệt, đồng thời cho biết sai số dự báo trong từng trường hợp. Hình 4.35 Dự báo biên độ dao động tại nút Y5 khi khung dao động với tần số 1,1Hz với n=3 và n=4 Hình 4.36 Dự báo biên độ dao động tại nút Y7 khi khung dao động với tần số 1,8Hz với n=3 và n=4 Các số liệu trên các bảng 4.18 và 4.19 cũng như trên các hình 4.35, 4.36, 4.37 một mặt phản ánh hiệu quả của thuật toán TSPA trong dự báo, mặt khác còn cho thấy sai số dự báo về biên độ dao động tại một điểm, cùng một thời điểm, ở cùng một TTDĐ của thuật toán TSPA phụ thuộc vào cấu trúc tập dữ liệu huấn luyện mạng NF, nghĩa là phụ thuộc vào n. Các kết quả trên cho thấy sai số phần trăm trung bình MPE khi n=4 nhỏ hơn MPE khi n=3. 141 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Hình 4.37 Dự báo biên độ dao động tại nút Y8 khi khung dao động với tần số 1,4Hz với n=3 và n=4 Nhận xét Dự báo là vấn đề quan trọng và cần thiết trong nhiều lĩnh vực khác nhau. Trong kỹ thuật, kết quả dự báo là cơ sở để chúng ta chủ động trong khai thác thiết bị: chủ động trong sử dụng, bảo trì bảo dưỡng, sửa chữa, hoặc ngưng khai thác hệ thống. Thuật toán về dự báo các thông số động theo chuỗi thời gian TSPA được xây dựng dựa trên việc ứng dụng hệ thống suy diễn neuro-fuzzy thích nghi. Đặc điểm của TSPA là đơn giản trong sử dụng vì thuật toán làm việc theo cơ chế black-box. Thuật toán hoàn toàn phù hợp trong việc dự báo các thông số phi tuyến, nhiều ràng buộc và cho độ chính xác động. Nghĩa là quy mô, cách tổ chức và độ chính xác của tập dữ liệu sẽ quyết định độ chính xác dự báo. Kết quả kiểm chứng cho thấy với n=4, độ chính xác dự báo cao hơn rất nhiều so với trường hợp n=3, và chính xác hơn kết quả dự báo của DENFIS [98]. Thuật toán có thể được sử dụng tốt cho các bài toán dự báo online và offline. Để gia tăng độ chính xác trong dự báo offline ta cần tăng số mẫu huấn luyện mạng neuro-fuzzy, tăng chiều của không gian dữ liệu vào và tăng độ mịn của bước thời gian. Trong bài toán dự báo online ta cần tác động theo chiều hướng ngược lại. 142 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng 4.4 THÍ NGHIỆM TRÊN CẦU THỰC 4.4.1 Tổ chức thí nghiệm đo dao động trên cầu Sài Gòn Song song với việc xây dựng các bài thí nghiệm ứng dụng dựa trên các tập dữ liệu nhận được từ các mô hình toán và phần mền ứng dụng ANSYS, dựa trên các tập dữ liệu nhận được từ việc đo dao động trực tiếp trên mô hình thực tại Phòng thí nghiệm CHUD như đã nêu trên, chúng tôi còn tiến hành các bài thí nghiệm ứng dụng dựa trên các tập số liệu đo ứng suất trên cầu Sài Gòn khi cầu dao động dưới tác động của tải giao thông, là tải trọng động do chính người và các phương tiện giao thông lưu thông qua cầu tạo nên, nhận được thông qua một hệ thống đo được lắp đặt trực tiếp trên cầu Sài gòn và truyền thường xuyên về Phòng Thí nghiệm Cơ học Ứng dụng (PTN CHUD) của trường Đại học Bách khoa thành phố Hồ Chí Minh (ĐHBK tp. HCM) qua đường truyền Internet. Hình 4.38 trình bày một phần giao diện của chương trình thu nhận dữ liệu tại máy tính đặt tại PTN CHUD, trong đó: - Camera: thu nhận hình ảnh tình trạng giao thông thực tế trên cầu Sài gòn. - Time Properties: chi tiết về thời gian đang khảo sát. - DaqView – Trigger: diễn biến của thu nhận tín hiệu biến dạng của dầm cầu tại nhiều vị trí đo khác nhau theo thời gian, bao gồm thời điểm bắt đầu (Triggered at) và thời điểm kết thúc (Acquiring unit), tần số lấy mẫu (Scan rate, Hz), và tổng số lần thu nhận tính đến thời điểm hiện tại (Total scans) – đó là số thứ tự hàng của ma trận số liệu được thu nhận ngay tại thời điểm ứng với hình ảnh giao thông trên cầu, từ đó ta sẽ biết rõ vị trí chính xác của số liệu trong ma trận dữ liệu. Hình 4.38 Khảo sát gián tiếp. 1/ Camera , 2/ Time Properties , 3/ DaqView – Trigger 143 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng Trong phần này chúng tôi trình bày các ví dụ ứng dụng các cơ sở lý thuyết đã được trình bày trong các chương 2, và 3 trên các tập số liệu đo ứng suất trên cầu Sài Gòn như đã trình bày trên. 4.4.2 Tín hiệu dao động theo tải giao thông và thuật toán KTKT-WL Sử dụng tín hiệu biến dạng theo tải giao thông tại 15 vị trí đo khác nhau của một dầm cầu trên cầu Sài Gòn, từ Y1 tới Y15, ở nhiều thời điểm khác nhau làm dữ liệu khảo sát. Sử dụng thuật (5) (1) (3) (2) Hình 4.39 Khảo sát đáp ứng động lực của cầu Sài Gòn dựa vào số liệu trong các ngày 9-12/4/2009. Các hình (1), (2), và (3) là tín hiệu biến dạng của dầm cầu ở ba lần đo tại cùng một điểm đo Y1. Hình (4) là tín hiệu wavelet Wf(a, b) của (3). Hình (5) là hệ số wavelet trung bình )(kW tại năm điểm khảo sát Y1, Y2, Y3, Y4, và Y5 trên một dầm cầu ở cùng những thời điểm trong các ngày 9-12/4/2009. Hình (6) là hệ số wavelet trung bình )(kW tại năm điểm khảo sát tiếp theo Y6, Y7, Y8, Y9, và Y10 trên chính dầm cầu này trong các ngày 9-12/4/2009. (6) (4) Y1, Y2, Y3, Y4, và Y5 Y6, Y7, Y8, Y9, và Y10 144 Luận án Tiến sĩ Kỹ thuật Nguyễn Sỹ Dũng toán KTKT-WL (chương 3) để 1/ biến đổi wavelet Wf(a,b) tín hiệu dao động theo tải giao thông f(t), 2/ xác định đường cực đại cho từng phần tử 3/ xác định vector các hệ số scale a tối ưu cho tất cả các phần tử trên cơ hệ, 4/ tính hệ số wavelet trung bình )(kW và 5/ nhận dạng khuyết tật. Các kết quả được trình bày trên hình 4.39. Phân tích kết quả trên hình này có thể thấy rằng: 1/ Phân tích các đường đặc tính trên từng hình, hình 4.39(5) và 4.39(6), cho thấy các đường đặc tính của hệ số wavelet trung bình )(kW dù ở những thời điểm đo khác nhau nhưng lại có dạng gần giống nhau, và khoảng cách giữa chúng là rất bé (khoảng cách trung bình giữa hai đường ngoài cùng khoảng 3.10-4), mặc dù tín hiệu biến dạng của cầu tại mỗi điểm luôn luôn thay đổi – được thể hiện trên các hình 4.39(1), 4.39(2), và 4.39(3). Điều đó cho thấy khi độ cứng chống biến dạng của cầu không thay đổi thì các đường đặc tính của hệ số wavelet trung bình luôn hội tụ, cho dù chế độ kích thích dao động luôn thay đổi. Đặc điểm này rất quan trọng, liên quan tới việc cho phép sử dụng tín hiệu dao động thường xuyên của cầu dưới tác dụng của tải giao thông để xác định khuyết tật cũng như dự báo khả năng tải của cầu. Điều đó cũng là cơ sở cho việc ứng dụng thuật toán KTKT-WL trong kiểm tra thường xuyên tình trạng bền của cầu. 2/ Thực hiện các bước 1 tới bước 4 của thuật toán KTKT-WL đã tính được hệ số wavelet trung bình )(kW trong vô số các chế độ kích thích khác nhau phản ánh đúng tình trạng thực tế của cầu Sài Gòn: cầu đang làm việc bình thường. Đồng thời các đặc điểm này còn cho thấy hệ số wavelet trung bình W(k) ít chịu ảnh hưởng của chế độ kích thích dao động của cơ hệ. Đặc điểm này rất quan trọng, liên quan tới việc ứng dụng thuật toán này trong kiểm tra thường xuyên tình trạng khuyết tật của cầu, trong đó sử dụng tải trọng giao thông làm chế độ kích thích dao động. Kiểm chứng còn cho thấy rằng khi cầu có mức độ suy giảm độ cứng chống biến dạng bé thì hệ số wavelet Wf(a, b) có biên độ rất bé và ít thay đổi theo a và b. Do đó giải pháp dựa vào đường cực đại để xác lập tín hiệu hệ số wavelet trung bình sẽ làm tăng độ nhạy của tín hiệu W(k) so với Wf(a, b).