Nghiên cứu giám sát sức khỏe công trình cầu sử dụng mạng bộ nhớ ngắn dài hạn cải tiến

Abstract

Bài báo này trình bày một phương pháp tiếp cận hiệu quả để chẩn đoán hư hỏng trong kết cấu thông qua việc áp dụng mô hình học sâu (Deep Learning - DL), kết hợp giữa khả năng trích xuất đặc trưng của mạng nơ-ron tích chập một chiều (One-Dimensional Convolutional Neural Network - 1DCNN) và khả năng xử lý dữ liệu chuỗi thời gian của mạng bộ nhớ dài ngắn hạn (Long Short-Term Memory - LSTM). Mặc dù 1DCNN có ưu thế trong việc trích xuất đặc trưng từ dữ liệu, nhưng gặp hạn chế khi xử lý các mối quan hệ dài hạn trong chuỗi thời gian. LSTM lại thể hiện khả năng phân tích và học các quan hệ dài hạn, nhưng gặp khó khăn trong việc cân bằng trọng số tính toán và tốc độ xử lý còn chậm. Để kiểm chứng hiệu quả của phương pháp đề xuất, nghiên cứu được thực hiện bằng cách sử dụng dữ liệu theo thời gian thu được từ hệ thống cảm biến gia tốc trên cầu giàn thép Chương Dương. Kết quả cho thấy phương pháp đề xuất có hiệu quả vượt trội hơn hai mô hình học sâu riêng lẻ là 1DCNN và LSTM, với độ chính xác lần lượt đạt 91,6%, 84,5% và 81,4% trên tập dữ liệu kiểm tra.