Nghiên cứu chẩn đoán hư hỏng cho kết cấu cầu dây sử dụng mạng học sâu tiên tiến cho dữ liệu thu được từ cảm biến quang

Tóm tắt

Trong Giám sát sức khỏe kết cấu (Structural Health Monitoring - SHM), việc sử dụng dữ liệu dạng chuỗi thời gian thu được từ các cảm biến được sự quan tâm của cộng đồng nghiên cứu trên thế giới. Với sự phát triển của các công nghệ cảm biến, các dữ liệu này ngày càng nhiều và phức tạp. Tuy nhiên, các phương pháp Học máy (Machine learning - ML) truyền thống, chẳng hạn như Mạng thần kinh nhân tạo, không còn đủ hiệu quả để xử lý và chẩn đoán chính xác các hư hỏng cấu trúc dựa trên dữ liệu phụ thuộc vào thời gian. Để giải quyết vấn đề này, nghiên cứu này đề xuất một phương pháp học sâu mới tích hợp mạng thần kinh tích chập 1 chiều (1D Convolutional Neural Network-1DCNN) và mạng bộ nhớ ngắn hạn dài (Long Short-Term Memory - LSTM) để nâng cao hiệu quả phát hiện hư hỏng kết cấu dựa trên dữ liệu dạng chuỗi thời gian được thu thập từ cảm biến quang. Hiệu quả của phương pháp đề xuất được đánh giá thông qua bộ dữ liệu cầu dây văng trong phòng thí nghiệm, được xây dựng tại Trường Đại học Giao thông Vận tải. Theo đó, kết quả đã chứng minh thấy phương pháp đề xuất hoàn toàn vượt trội so với phương pháp học sâu truyền thống với kết quả lần lượt trên tập kiểm thử và kiểm tra là 77.5 và 74.1%.