Xác định vết nứt trong kết cấu hệ thanh bằng phân tích wavelet dừng và mạng trí tuệ nhân tạo đối với chuyển vị động

Từ khóa:

Vết nứt
Chuyển vị động
Wavelet
Độ cứng động lực
Mạng trí tuệ nhân tạo

Tóm tắt:

Bài báo trình bày các kết quả nghiên cứu mới về việc xác định vết nứt trong các kết cấu hệ thanh như dầm liên tục, khung,... dựa trên phân tích wavelet dừng và mạng trí tuệ nhân tạo đối với các chuyển vị động. Các chuyển vị này được xác định từ mô hình phần tử thanh đàn hồi có nhiều vết nứt chịu kéo, nén, xoắn và uốn theo phương pháp độ cứng động lực kết hợp với phương pháp ma trận chuyển sử dụng mô hình lò xo của vết nứt. Kết quả tính toán cho thấy phương pháp đề xuất là một phương pháp chuẩn đoán cho kết quả tốt và có thể ứng dụng hiệu quả trong thực tế.

Nội dung:

Tài liệu tham khảo:

1. E. Douka, A. Loutridis and A. Trochidis (2003), “Crack Identification in Beam Using Wavelet Analysis”, International Journal of Solid and Structures, 40, 3557-3569. 
2. C.C. Chang and L.W. Chen (2005), “Detection of the Location and Size of Cracks in the Multiple Cracked Beam by Spatial Wavelet Based Approach”, Mechanical Systems and Signal processing, 19, 139-155.
3. X.Q. Zhu and S.S. Law (2006), “Wavelet-based Crack Identification of Bridge Beam from Operational Deflection Time History”, International Journal of Solid and Structures, 43, 2299-2317. 
4. S. Zhong and O. Oyadiji (2007), “Crack Detection in Simply Supported Beams without Baseline Modal Parameters by Stationary Wavelet Transform”, Mechanical Systems and Signal processing, 21, 1853-1884. 
5. Viet Khoa Nguyen, Olatunbonsun, Khiem N.T. (2007), “Wavelet based Method for remote monitoring of structural health by analysing the nonlinearity in dynamic response ofdamaged structures caused by crack – breathing phenomenon”, Technische mechanik, Band 28, Heft 3-4.
6. Trần Thanh Hải (2011), Chuẩn đoán vết nứt của dầm bằng phương pháp đo rung động, Luận án Tiến sỹ Kỹ thuật, Viện Cơ học.
7. Trần Văn Liên, Trần Tuấn Khôi (2010), “Xác định các vết nứt trong kết cấu hệ thanh bằng phân tích wavelet các chuyển vị tĩnh”, Tuyển tập Hội nghị khoa học toàn quốc CHVRBD lần thứ X, Thái nguyên, 12-13/11.
8. Tran Van Lien, Nguyen Tien Khiem, Trinh Anh Hao (2014), “Crack identification in frame structures by using the stationary wavelet transform of mode shapes”, Jokull Journal, Vol. 64, Issue 6.
9. A.V. Ovanesova and L.E. Suáres (2004), “Applications of Wavelet Transforms to Damage Detection in Frame Structure”, Engineering Structures, 26, 39–49. 
10. Aydin, K. and O. Kisi (2015), Damage diagnosis in beam-like structures by artificial neural networks. Journal of civil engineering and Management. 21(5): p. 591-604.
11. Hakim, S. and H.A. Razak (2011), Application of artificial neural network on vibration test data for damage identification in bridge girder. International Journal of Physical Sciences. 6(35): p. 7991-8001.
12. Mehrjoo, M., et al. (2008), Damage detection of truss bridge joints using Artificial Neural Networks. Expert Systems with Applications. 35(3): p. 1122-1131.
13. Nguyễn Sỹ Dũng (2010). Nhận dạng và dự báo khuyết tật của dầm trên nền mạng neuron và logic mờ. Luận án Tiến sỹ kỹ thuật, Trường Đại học Bách Khoa TP. Hồ Chí Minh. 
14. Khiem N.T. and Lien T.V. (2001), A simplified method for natural frequency analysis of a multiple cracked beam, Journal of Sound and vibration, 245(4): 737-751.
15. Khiem N.T., Lien T.V. (2002), “The dynamic stiffness matrix method in forced vibration analysis of multiple cracked beam”, Journal of Sound and Vibration, 254(3), 541-555.
16. Rao S.S. (1986), Mechanical vibrations. Second Edition, Addison-Wesley Pub Company. 
17. Nazari, F. and M.H. Abolbashari (2013), Double cracks identification in functionally graded beams using artificial neural network.