BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI
----------------------

HỒNG THANH NAM

CHẨN ĐỐN KẾT CẤU CẦU DỰA TRÊN CHUỖI DỮ LIỆU ĐO
DAO ĐỘNG THEO THỜI GIAN KẾT HỢP SỬ DỤNG MẠNG HỌC
SÂU TÍCH CHẬP

LUẬN ÁN TIẾN SĨ

HÀ NỘI – 2023


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI
----------------------

HỒNG THANH NAM

CHẨN ĐỐN KẾT CẤU CẦU DỰA TRÊN CHUỖI DỮ LIỆU ĐO
DAO ĐỘNG THEO THỜI GIAN KẾT HỢP SỬ DỤNG MẠNG HỌC
SÂU TÍCH CHẬP

Ngành

: Kỹ thuật xây dựng cơng trình giao thơng

Mã số

: 9580205

LUẬN ÁN TIẾN SĨ
NGƯỜI HƯỚNG DẪN KHOA HỌC:
1. PGS.TS. Hoàng Hà
2. TS. Nguyễn Thị Cẩm Nhung

HÀ NỘI – 2023


LỜI CAM ĐOAN
Tơi xin cam đoan đây là cơng trình nghiên cứu khoa học độc lập của riêng
tôi. Các số liệu sử dụng phân tích trong luận án có nguồn gốc rõ ràng, đã công bố
theo đúng quy định. Các kết quả nghiên cứu trong luận án do tôi tự tìm hiểu, phân
tích một cách trung thực. Việc tham khảo các nguồn tài liệu đã được thực hiện
trích dẫn và ghi nguồn tài liệu tham khảo đúng quy định.

Hà Nội, ngày 11 tháng 9 năm 2023
Tác giả

Hoàng Thanh Nam


-i-

LỜI CẢM ƠN
Tác giả xin bày tỏ lòng biết ơn sâu sắc đến thầy, cơ giáo hướng dẫn: PGS.
TS. Hồng Hà, TS. Nguyễn Thị Cẩm Nhung đã tận tình hướng dẫn, giúp đỡ, tạo
điều kiện và động viên trong suốt q trình học tập, nghiên cứu và hồn thành
luận án.

Tác giả chân thành cảm ơn tập thể các thầy, cô bộ môn Cầu Hầm và khoa
Đào tạo Sau đại học trường Đại học Giao thông vận tải đã tạo điều kiện thuận lợi
giúp đỡ và hướng dẫn trong suốt thời gian tác giả nghiên cứu tại Bộ môn và khoa.
Tác giả trân trọng cảm ơn tập thể các thầy, cô trường Đại học Giao thơng
vận tải đã đóng góp nhiều ý kiến quý báu và có giá trị cho nội dung đề tài luận án.
Tác giả xin bày tỏ lòng biết ơn các bạn bè, đồng nghiệp tận tình giúp đỡ và
động viên trong suốt quá trình tác giả học tập, nghiên cứu và hoàn thành luận án.
Cuối cùng, tác giả xin bày tỏ lòng biết ơn sâu sắc tới các thành viên gia
đình đã thơng cảm tạo điều kiện và chia sẻ những khó khăn trong suốt q trình
học tập, nghiên cứu và hoàn thành luận án.


- ii -

MỤC LỤC
DANH MỤC HÌNH VẼ ...................................................................................... v
DANH MỤC BẢNG BIỂU .............................................................................. viii
DANH MỤC CHỮ VIẾT TẮT ......................................................................... ix
MỞ ĐẦU .............................................................................................................. 1
1. Mở đầu ............................................................................................................ 1
2. Mục tiêu nghiên cứu ....................................................................................... 7
3. Phương pháp nghiên cứu ................................................................................ 7
4. Đối tượng và phạm vi nghiên cứu .................................................................. 8
5. Ý nghĩa khoa học và thực tiễn ........................................................................ 8
6. Nội dung và kết cấu của luận án ..................................................................... 8
CHƯƠNG 1 : TỔNG QUAN VỀ NGHIÊN CỨU CHẨN ĐỐN SỨC KHỎE
KẾT CẤU CƠNG TRÌNH CẦU DỰA TRÊN PHƯƠNG PHÁP ĐO NHẬN
DẠNG DAO ĐỘNG .......................................................................................... 11
1.1 Tổng quan về nghiên cứu chẩn đoán sức khỏe kết cấu cơng trình cầu dựa trên
phương pháp đo nhận dạng dao động ................................................................. 11

1.1.1 Giới thiệu về chẩn đốn sức khỏe kết cấu cơng trình cầu dựa trên phương
pháp đo nhận dạng dao động ........................................................................ 11
1.1.2 Mục đích của chẩn đoán sức khỏe kết cấu dựa trên phương pháp đo
nhận dạng dao động ...................................................................................... 13
1.1.3 Sự phát triển của các phương pháp chẩn đoán sức khỏe kết cấu dựa trên
phương pháp đo nhận dạng dao động ........................................................... 16
1.2 Các nghiên cứu trên thế giới về chẩn đoán kết cấu dựa trên phương pháp đo
nhận dạng dao động............................................................................................. 21
1.3 Các nghiên cứu ở Việt Nam về chẩn đoán kết cấu dựa trên phương pháp đo
nhận dạng dao động............................................................................................. 27
1.4 Kết luận Chương 1 ........................................................................................ 30


- iii -

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT VỀ GIÁM SÁT SỨC KHỎE KẾT CẤU
SỬ DỤNG DỮ LIỆU CHUỖI THỜI GIAN DỰA TRÊN CÁC ĐẶC TRƯNG
ĐỘNG HỌC ....................................................................................................... 32
2.1 Khái niệm về dữ liệu chuỗi thời gian (Time series data) .............................. 32
2.2 Dữ liệu chuỗi thời gian cho giám sát sức khỏe kết cấu ................................ 34
2.3 Các loại dữ liệu chuỗi thời gian .................................................................... 37
2.4 Tính bất định của dữ liệu chuỗi thời gian trong giám sát sức khỏe kết cấu cầu
............................................................................................................................. 39
2.4.1 Phương trình dao động của kết cấu [131] ........................................... 39
2.4.2 Dao động tự do [131] .......................................................................... 41
2.4.3 Dao động tắt dần [131] ........................................................................ 45
2.4.4 Đặc trưng bất định, ngẫu nhiên của chuỗi dữ liệu theo thời gian trong
giám sát sức khỏe kết cấu cầu ....................................................................... 47
2.5 Phương pháp xấp xỉ tổng hợp tượng trưng (Symbolic Aggregate
approXimation – SAX). ...................................................................................... 51

2.6 Phương pháp phân rã sóng rời rạc đa cấp (Multilevel Discrete Wavelet
Decomposition – MDWD) .................................................................................. 54
2.7 Kết luận Chương 2 ........................................................................................ 56
CHƯƠNG 3 MẠNG HỌC SÂU TRUYỀN THỐNG VÀ MẠNG HỌC SÂU
TÍCH CHẬP ỨNG DỤNG TRONG CHẨN ĐỐN KẾT CẤU CƠNG
TRÌNH CẦU ...................................................................................................... 57
3.1 Mạng học sâu truyền thống ........................................................................... 57
3.1.1 Cấu trúc cơ bản của mạng học sâu truyền thống ................................ 59
3.1.2 Một số mạng học sâu truyền thống ..................................................... 63
3.1.3 Mạng học sâu CNN 2 chiều (2DCNN) ............................................... 63
3.1.4 Mạng học sâu CNN một chiều ............................................................ 64
3.2 Mạng học sâu tích chập đề xuất .................................................................... 66
3.3 Kết luận chương 3. ........................................................................................ 73


- iv -

CHƯƠNG 4 ÁP DỤNG MẠNG HỌC SÂU TÍCH CHẬP KẾT HỢP
PHƯƠNG PHÁP SAX-MDWD ĐỂ CHẨN ĐOÁN CÁC HƯ HỎNG CHO
MƠ HÌNH CẦU ................................................................................................. 74
4.1 Áp dụng mạng học sâu tích chập kết hợp phương pháp SAX-MDWD để chẩn
đốn các hư hỏng cho mơ hình cầu thực tế ......................................................... 74
4.1.1 Giới thiệu mơ hình cầu ........................................................................ 74
4.1.2 Xử lý dữ liệu........................................................................................ 79
4.1.3 Kiến trúc mạng .................................................................................... 82
4.1.4 Huấn luyện mạng và phân tích kết quả ............................................... 84
4.2 Áp dụng mạng học sâu tích chập để chẩn đốn các hư hỏng cho mơ hình cầu
trong phịng thí nghiệm ....................................................................................... 93
4.2.1 Mơ tả mơ hình ..................................................................................... 93
4.2.2 Thí nghiệm đo dao động mơ hình cầu dây văng ................................. 95

4.2.3 Phân tích xử lý số liệu ......................................................................... 99
4.2.4 Xử lý dữ liệu...................................................................................... 103
4.2.5 Các trường hợp tạo hư hỏng .............................................................. 104
4.2.6 Kiến trúc mạng .................................................................................. 105
4.2.7 Phân tích kết quả ............................................................................... 107
4.3 Kết luận chương 4. ...................................................................................... 111
KẾT LUẬN VÀ KIẾN NGHỊ ........................................................................ 112
TÀI LIỆU THAM KHẢO ............................................................................. PL1
DANH MỤC CÁC CÔNG TRÌNH ĐÃ CƠNG BỐ CỦA LUẬN ÁN ..... PL14
Phụ lục: Code ................................................................................................ PL15


-v-

DANH MỤC HÌNH VẼ
Hình 0.1 Q trình chẩn đốn hư hỏng kết cấu cơng trình ......................................................... 5
Hình 1.1 Q trình phát triển của hệ thống quan trắc (Wenzel, 2003) ..................................... 19
Hình 1.2 Giới thiệu một hệ thống “quan trắc thơng minh” ...................................................... 19
Hình 1.3 Hệ thống quan trắc cầu dây võng Akashi Kaikyo, Nhật Bản .................................... 20
Hình 2.1. Một số loại dữ liệu theo thời gian; (a) Dữ liệu về nhiệt độ hàng ngày thấp nhất theo
thời gian, (b) Dữ liệu gia tốc theo thời gian trích xuất từ các cảm biến ................................... 32
Hình 2.2. Tính ổn định và khơng ổn định của dữ liệu chuỗi thời gian: (a) chuỗi thời gian ổn
định, chuỗi thời gian không ổn định (b – d) ............................................................................. 38
Hình 2.3. Hệ thống một bậc tự do lý tưởng hóa: (a) các thành phần cơ bản; (b) lực ở trạng thái
cân bằng. ................................................................................................................................... 39
Hình 2.4. Mơ hình phần tử nhiều bậc tự do .............................................................................. 41
Hình 2.5. Ứng dụng của phương pháp SAX để giảm chiều dữ liệu ......................................... 53
Hình 2.6. Phân rã sóng rời rạc ba mức độ của tín hiệu............................................................. 56
Hình 3.1. Kernel kích thước 3*3 .............................................................................................. 57
Hình 3.2. Máy tính coi một hình ảnh là một mảng số. Ma trận bên phải chứa các số từ 0 đến

255 (giá trị pixel), mỗi số tương ứng với độ sáng pixel trong hình ảnh bên trái. Hình ở giữa là
hình ảnh tổng hợp của ma trận bên phải và hình ảnh bên trái. ................................................. 58
Hình 3.3. Một kiến trúc CNN đơn giản bao gồm năm lớp ....................................................... 60
Hình 3.4. Max pooling với kích thước (2,2) ............................................................................. 61
Hình 3.5. Sau lớp gộp (2*2) ..................................................................................................... 62
Hình 3.6. Tích hợp tối đa và tích hợp trung bình ..................................................................... 62
Hình 3.7. Lớp được kết nối đầy đủ. .......................................................................................... 63
Hình 3.8. Hình minh họa CNN mẫu với 2 lớp chập và một lớp được kết nối đầy đủ .............. 64
Hình 3.9. Một cấu hình 1DCNN mẫu với 3 lớp CNN và 2 ANN. ........................................... 66
Hình 3.10. Mơ hình RNN cho bài tốn .................................................................................... 67
Hình 3.11. Mơ hình LSTM ....................................................................................................... 69
Hình 3.12. Băng chuyền truyền dữ liệu của LSTM.................................................................. 70
Hình 3.13. Kiến trúc mạng lai 1-DCNN-LSTM ....................................................................... 72
Hình 4.1 Hình chiếu đứng và hình chiếu bằng của cầu Z24 [129]. .......................................... 75


- vi Hình 4.2 (a) Hình ảnh cầu Z24 trước khi tạo hư hỏng, (b) Cắt, tạo hư hỏng ở thân trụ, (c) kích
nâng trụ, (d) tạo đứt cáp DƯL [129] ........................................................................................ 76
Hình 4.3 Sơ đồ bố trí các điểm đo (a) mặt bằng, (b) mặt đứng [129] ...................................... 77
Hình 4.4 (a) – (h) Dữ liệu gia tốc theo thời gian tại các sensors. ............................................. 79
Hình 4.5 Quá trình tiền xử lý dữ liệu động theo thời gian. ...................................................... 80
Hình 4.6 Dữ liệu gia tốc theo thời gian tại một sensors sau khi được xử lý bằng phương pháp
MDWD và SAX ....................................................................................................................... 81
Hình 4.7 Dữ liệu gia tốc theo thời gian tại của 16 lớp sau khi được xử lý ............................... 82
Hình 4.8 Kiến trúc của mạng 1DCNN-LSTM đề xuất ............................................................. 83
Hình 4.9 Đặc trưng của mạng 1DCNN-LSTM (MDWD-SAX-1DCNN-LSTM).................... 83
Hình 4.10 Đặc trưng của mạng 1DCNN-LSTM. ..................................................................... 84
Hình 4.11 Đặc trưng của mạng 1DCNN .................................................................................. 84
Hình 4.12 Giao diện của Google colab..................................................................................... 85
Hình 4.13 Sự hội tụ của các mơ hình (a) độ hội tụ quá trình huấn luyện của 3 phương pháp; (b)

độ hội tụ quá trình đánh giá mạng của 3 phương pháp ............................................................ 85
Hình 4.14. Ma trận lỗi (a) 1DCNN; (b) 1DCNN-LSTM; (c) MDWD-SAX-1DCNN-LSTM . 91
Hình 4.15 Kết quả độ chính xác của các mạng ở bước đánh giá.............................................. 91
Hình 4.16 Mơ hình cầu dây văng trong phịng thí nghiệm ....................................................... 93
Hình 4.17 Neo dây cáp được hàn cố định trên bản mặt cầu ..................................................... 94
Hình 4.18 Hệ thống điều chỉnh lực căng dây văng tại đỉnh tháp ............................................. 94
Hình 4.19 Quả nặng được treo dưới các neo cáp tại bản dưới của kết cấu nhịp ...................... 95
Hình 4.24 Đầu đo gia tốc PCB-353B34 ................................................................................... 96
Hình 4.25 Bộ thu thập dữ liệu cDAQ-9178 và mô đun đầu vào NI-9234................................ 96
Hình 4.26. Các sơ đồ bố trí điểm đo dao động ......................................................................... 98
Hình 4.27 Bố trí đầu đo gia tốc tại các vị trí theo sơ đồ đo ...................................................... 98
Hình 4.28 Tạo lực kích thích .................................................................................................... 98
Hình 4.29 Theo dõi dữ liệu đo theo thời gian bằng phần mềm LabView 2014 ....................... 99
Hình 4.30 Dữ liệu đo trên miền thời gian trước và sau khi áp dụng biến đổi Fourier ............. 99
Hình 4.31 Dữ liệu thơ thu được từ các cảm biến .................................................................... 103
Hình 4.32 Dữ liệu sau khi biến đổi dùng SAX-MDWD. ....................................................... 104
Hình 4.33 Trường hợp hư hỏng trên mơ hình cầu dây văng (hư hỏng cấp 2) ........................ 105


- vii Hình 4.34 Đặc trưng của mạng 1DCNN-LSTM. ................................................................... 106
Hình 4.35 Đặc trưng của mạng 1DCNN ................................................................................ 106
Hình 4.36 Sự hội tụ của các mơ hình (a) độ hội tụ quá trình huấn luyện; (b) độ hội tụ quá trình
đánh giá mạng của mơ hình. ................................................................................................... 107
Hình 4.37 Ma trận lỗi (a) 1DCNN; (b) 1DCNN-LSTM; (c) MDWD-SAX-1DCNN-LSTM 109
Hình 4.38 Kết quả độ chính xác của các mạng ở bước đánh giá............................................ 110


- viii -

DANH MỤC BẢNG BIỂU

Bảng 4.1. Các trường hợp tạo ra hư hỏng và các nhãn tương ứng [130]. ................................ 75
Bảng 4.2. Kết quả huấn luyện mạng sử dụng 1DCNN............................................................. 88
Bảng 4.3. Kết quả huấn luyện mạng sử dụng 1DCNN-LSTM................................................. 89
Bảng 4.4. Kết quả huấn luyện mạng sử dụng MDWD-SAX-1DCNN-LSTM. ........................ 89
Bảng 4.6: Đặc trưng động của 07 hình thái dao động đầu tiên của cầu. ................................ 101
Bảng 4.7. Kết quả đo đặc trưng dao động trên mơ hình ......................................................... 103
Bảng 4.8. Kết quả huấn luyện mạng sử dụng 1DCNN........................................................... 108
Bảng 4.9. Kết quả huấn luyện mạng sử dụng 1DCNN-LSTM............................................... 108
Bảng 4.10. Kết quả huấn luyện mạng sử dụng MDWD-SAX-1DCNN-LSTM. .................... 109


- ix -

DANH MỤC CHỮ VIẾT TẮT
Chữ
viết tắt
1DCNN
2D
2DCNN
ANN
AR

Thuật ngữ đầy đủ tiếng Anh
One-dimensional convolutional
neural network
Two Dimension
Two-dimensional convolutional
neural network

BP

BHMS

Mạng học sâu CNN 1 chiều
Lưới hai chiều
Mạng học sâu CNN 2 chiều

Artificial Neural Network

Mạng nơ ron nhân tạo

AutoRegressive

Tự động hồi quy

ARMA AutoRegressive Moving Average
ARX

Tiếng Việt

Trung bình tự động hồi quy

AutoRegressive with eXogenous

Tự động hồi quy với đầu vào

input

điện tử

Back-propagation


Thuật toán lan truyền ngược

Bridge Structural Health
Monitoring

Giám sát sức khỏe kết cấu cầu

CNN

Convolutional Neural Network

Mạng nơ-ron tích chập

DSF

Damage-Sensitive Features

Các hư hỏng

DL

Deep Learning

Mơ hình học sâu

DOFs

Degree of freedom


Bậc tự do

SDOF

Single degree of freedom

Một bậc tự do

MDOF Multi degree of freedom
FFT

Fast Fourier Transform

Nhiều bậc tự do
Chuyển đổi nhanh Fourier


-x-

FN

False Negative

Âm tính giả

FP

False Positive

Dương tính giả


GD

Gradient Descent

Độ dốc đi xuống

GA

Genetic Algorithm

Thuật toán di truyền

Long Short-Term Memory

Bộ nhớ ngắn dài hạn

Machine Learning

Học máy

Modified National Institute of

Viện tiêu chuẩn và công nghệ

Standards and Technology

quốc gia

NCS


Postgraduate

Nghiên cứu sinh

PSO

Particle swarm optimization

Tối ưu bầy đàn

PCA

Principal Component Analysis

Phân tích thành phần chính

RNN

Recurrent Neural Networks

Mạng nơ ron hồi quy

SHM

Structural Health Monitoring

Giám sát sức khỏe kết cấu

TN


True Negative

Âm tính thực

TP

True Positive

Dương tính thực

Vector AutoRegressive

Vector tự động hồi quy

LSTM
ML
MNIST

VAR


-1-

MỞ ĐẦU
1. Mở đầu
Chẩn đoán kết cấu cầu là quá trình phân tích sự thay đổi về các đặc trưng
dao động như tần số và dạng dao động để phát hiện hư hỏng, khuyết tật của kết
cấu dựa trên tích chất tương quan khá chặt chẽ của các đặc trưng vật lý và cơ học
với các đáp ứng động học và động lực học của kết cấu.

Trong quá trình khai thác, có rất nhiều nguyên nhân gây ra hư hỏng cũng
như làm ảnh hưởng đến chất lượng và tuổi thọ của các cơng trình cầu như các tác
động tự nhiên (bão, lũ, động đất,…) hoặc các tác động do con người (xe quá tải,
tai nạn,…). Ngoài ra bên trong kết cấu các cơng trình cịn có tần số dao động tự
nhiên, gây ra dao động khuếch đại khi trùng hoặc là bội số với tần số của phương
tiện di chuyển (cộng hưởng cơ học) sẽ làm cho kết cấu công trình bị hư hỏng.
Các sự cố xảy ra đối với các cơng trình cầu khơng chỉ làm ảnh hưởng đến
kinh tế mà cịn gây mất an tồn cho người và phương tiện tham gia giao thơng. Vì
vậy trong những thập kỷ vừa qua, kiểm sốt an tồn của các cơng trình cầu là vấn
đề nhận được sự quan tâm đặc biệt của các khoa học cũng như các cơ quan quản
lý. Kiểm tra thường xuyên và đánh giá tình trạng của các kết cấu cơng trình là rất
cần thiết để phát hiện sớm các khiếm khuyết của cơng trình. Từ đó cho phép bảo
trì và sửa chữa kết cấu ở giai đoạn sớm, đảm bảo sự an toàn và độ tin cậy của kết
cấu với chi phí tối thiểu.
Với các phương pháp truyền thống, cơng việc kiểm sốt an tồn khai thác
của các cơng trình cầu được thực hiện theo các Tiêu chuẩn kỹ thuật [132], [133]
về kiểm tra, kiểm định, đánh giá tình trạng kỹ thuật của cơng trình theo các yêu
cầu thường xuyên, định kỳ hay đột xuất nhằm phát hiện hư hỏng, đánh giá mức
độ ảnh hưởng để sử dụng các giải pháp khắc phục, sửa chữa kịp thời. Trong đó
phương pháp trực quan là phương pháp được áp dụng phổ biến nhất để phát hiện
các hư hỏng của kết cấu.


-2-

Tuy nhiên, kích thước và độ phức tạp của các kết cấu ngày nay đang tăng
lên, làm giảm hiệu quả của phương pháp kiểm tra trực quan. Ngoài ra, quá trình
kiểm tra trực quan địi hỏi người kiểm tra phải trực tiếp tiếp cận được những vị trí
hư hỏng của cơng trình để tiến hành thí nghiệm. Việc này đơi khi rất khó khăn
trong trường hợp các cầu khơng được gắn sẵn các hệ thống giúp tiếp cận vị trí cần

kiểm tra, đặc biệt là ở mặt dưới của kết cấu nhịp cầu. Kỹ thuật kiểm tra trực quan
cũng giới hạn việc đánh giá hư hỏng của kết cấu từ những biểu hiện trên bề mặt
(nứt) hoặc thay đổi về mặt hình học (nghiêng, võng), đơi khi khơng cung cấp đủ
thơng tin để đánh giá tình trạng hư hỏng bên trong của kết cấu (ví dụ như rỉ cốt
thép dự ứng lực bên trong kết cấu bê tông dự ứng lực). Giám sát sức khỏe kết cấu
bằng phương pháp trực quan gây tốn kém và mất thời gian, đặc biệt là khi việc
tháo dỡ kết cấu (cắt, xẻ kết cấu...) là bắt buộc để có thể truy cập vào khu vực cần
kiểm tra. Những tác động này làm thay đổi tính chất vật lý và có thể làm giảm khả
năng chịu lực của kết cấu.
Bên cạnh phương pháp kiểm tra trực quan, phương pháp dựa trên các đáp
ứng tĩnh học (ứng suất, biến dạng, chuyển vị) cũng được áp dụng để giám sát sức
khỏe các cơng trình. Tuy nhiên, phương pháp này không phát hiện được các hư
hỏng trong kết cấu một cách trực tiếp và vẫn cần đến các phương pháp phá hủy
như cưa, cắt để thu được các đặc tính hư hỏng. Phương pháp này cũng có nhược
điểm đó là phải tạm dừng khai thác cơng trình trong q trình tiến hành thí nghiệm,
gây những khó khăn cho các cơng trình trên tuyến giao thơng quan trọng với mật
độ giao thông qua lại lớn, hoặc các cầu nằm trong thành phố.
Để khắc phục những nhược điểm của phương pháp kiểm tra trực quan cũng
như phương pháp thử nghiệm tĩnh, các phương pháp đánh giá, xác định hư hỏng
trong kết cấu khác đã được nghiên cứu, phát triển. Trong đó, phương pháp được
nghiên cứu tập trung hiện nay là phương pháp đánh giá tình trạng sức khỏe kết
cấu dựa trên kết quả đo các đặc trưng dao động (tần số dao động tự nhiên, dạng
dao động, hệ số cản...). Do các đặc trưng dao động của kết cấu (đặc biệt là dạng
dao động) phụ thuộc vào sự phân bố về độ cứng và khối lượng của nó, nên dựa


-3-

vào các đặc trưng động học có thể giúp xác định được vị trí có khả năng xuất hiện
hư hỏng trong kết cấu.

Ưu điểm chính của phương pháp đánh giá tình trạng sức khỏe kết cấu dựa
trên kết quả đo các đặc trưng dao động là cung cấp thông tin tổng thể về tình trạng
sức khỏe kết cấu. Ngồi ra, từ việc phân tích sự thay đổi về các đặc trưng dao
động như tần số và dạng dao động, có thể xác định được vị trí hư hỏng. Vị trí hư
hỏng này không nhất thiết phải trùng với các vị trí đặt đầu đo để xác định các đặc
trưng dao động. Các cảm biến đo nhận dạng dao động giúp xác định các đặc trưng
dao động của kết cấu có thể được gắn tạm thời trên kết cấu khi cần thực hiện phép
đo các hiệu ứng tĩnh và động hoặc được gắn sẵn trên kết cấu để tạo ra hệ thống
theo dõi sức khỏe cơng trình một cách liên tục. Vì vậy luận án này sẽ tập trung
vào cách tiếp cận chẩn đoán hư hỏng trong kết cấu dựa trên dữ liệu động.
Hiện nay, để giám giám sát các công trình cầu một cách hiệu quả, thì yêu
cầu các cảm biến được lắp đặt lâu dài trên kết cấu công trình và dữ liệu được
truyền liên tục về các trung tâm xử lý dữ liệu với lượng dữ liệu cần xử lý là rất
lớn, đồng thời dữ liệu trình tự phổ biến nhất trong lĩnh vực giám sát sức khỏe kết
cấu cơng trình là dữ liệu trình tự theo thời gian, thường có sự phụ thuộc từ trước
đến sau theo thứ nguyên thời gian. Vì vậy, luận án này sẽ sử dụng chuỗi dữ liệu
động thu được theo thời gian để chẩn đoán hư hỏng kết cấu cầu.
Trong bài toán chẩn đốn kết cấu, độ chính xác thường phụ thuộc rất lớn
vào chất lượng dữ liệu. Tuy nhiên, đặc tính của dữ liệu đo thường bị ảnh hưởng
bởi yếu tố ngẫu nhiên vì vậy việc thu thập dữ liệu cho bài toán này thường gặp
phải nhiều thách thức, bao gồm các vấn đề về chất lượng dữ liệu, bất đồng về định
dạng dữ liệu, thiếu dữ liệu và đặc biệt là nhiễu. Thực tế cho thấy, khi một đại
lượng được đo, kết quả phụ thuộc vào nhiều yếu tố như hệ thống thiết bị đo, trình
tự thủ tục đo, kỹ năng của người thao tác, yếu tố môi trường (nhiệt độ, gió) và các
ảnh hưởng khác, do đó, việc sử dụng các phương pháp cải thiện dữ liệu thô, đặc
biệt là giảm tính bất định của dữ liệu là cần thiết để tăng độ chính xác của mơ hình
giám sát sức khỏe kết cấu. Chính vì vậy, trong luận án này, NCS đề xuất áp dụng
phương pháp xấp xỉ tổng hợp tượng trưng (Symbolic Aggregate approXimation –



-4-

SAX) và Phân rã sóng rời rạc đa cấp (Multilevel Discrete Wavelet Decomposition
– MDWD) để cải thiện dữ liệu.
Bài toán chẩn đoán hư hỏng kết cấu dựa trên dữ liệu động thơng thường
gồm một số mơ hình độc lập nhau, phổ biến như trích xuất đặc trưng, biến đổi đặc
trưng và bộ phân loại (Hình 0.1). Trong q trình trích xuất đặc trưng, có nhiều
phương pháp xử lý tín hiệu như: Fourier Transform (FT), phép biến đổi Fourier
thời gian ngắn (STFT), phép biến đổi sóng Wavelet (WT), Phân rã chế độ thực
nghiệm (EMD), v.v. Bằng cách thực hiện một số biến đổi của tín hiệu chuỗi thời
gian, các phương pháp trên có thể trích xuất các đặc trưng phục vụ cho việc phân
loại và chẩn đoán [1-2]. Phương pháp này được đánh giá là hiệu quả đối với các
kết cấu đơn giản, vì tín hiệu trạng thái thu được thường có đặc tính tần số rõ ràng.
Tuy nhiên, đối với kết cấu phức tạp, việc chẩn đoán kết cấu chỉ dựa trên đặc trưng
tần số hoặc đặc trưng tần số - thời gian theo cách dựa trên kinh nghiệm của người
kỹ sư là rất khó khăn, độ chính xác khơng cao.
Đồng thời, một số phương pháp trên được đánh giá cịn nhiều hạn chế, ví
dụ phương pháp FT có hiện tượng rị rỉ phổ và khơng phù hợp với các tín hiệu
khơng ổn định vì các đặc trưng tần số được chuyển đổi khơng có bất kỳ thơng tin
miền thời gian nào. Phép biến đổi Fourier thời gian ngắn có thể thực hiện phân
tích thời gian - tần số cục bộ, nhưng khi hàm cửa sổ được chọn, kích thước và
hình dạng của cửa sổ là cố định và khơng thể điều chỉnh phù hợp với các đặc trưng
thời gian – tần số của tín hiệu. Phép biến đổi sóng Wavelet [3] có thể phân tích
thời gian - tần số cục bộ và có tính thích ứng hơn với việc phân tích các tín hiệu
biến thiên theo thời gian, tuy nhiên việc lựa chọn hàm cơ sở, xác định các lớp
phân rã vẫn cịn nhiều khó khăn trong q trình ứng dụng sóng biến đổi. EMD là
một phương pháp xử lý thời gian - tần số được đề xuất bởi Huang và các cộng sự,
đặc biệt phù hợp với các tín hiệu phi tuyến và khơng ổn định, nhưng về cơ bản nó
là một phương pháp phân rã tín hiệu thực nghiệm mà khơng có định nghĩa cơng
thức chính xác, vì vậy rất khó phân tích về mặt lý thuyết [4-5].

Các đặc trưng thu được bằng các phương pháp xử lý tín hiệu trên thường
có kích thước lớn, khơng có lợi cho việc nhận dạng mẫu sau này, vì vậy nhiều nhà


-5-

nghiên cứu đã cố gắng cải thiện khả năng nhận dạng đặc trưng bằng cách sử dụng
các phương pháp chuyển đổi đặc trưng như xử lý thưa thớt, giảm chiều dữ liệu.
Các phương pháp được nghiên cứu nhiều nhất bao gồm phương pháp phân tích
thành phần độc lập (ICA) [6-7], và phương pháp phân tích suy biến (SVD) [8].

Hình 0.1 Q trình chẩn đốn hư hỏng kết cấu cơng trình

Bộ phân loại được sử dụng để phân loại các kết quả của việc trích xuất và
biến đổi đặc trưng, trong đó phương pháp Máy vectơ hỗ trợ (SVM) và thuật toán
lan truyền ngược (BPNN) thường được sử dụng để phân loại và phân tích hồi quy.
Đối với kết cấu giản đơn, loại phương pháp từng bước này được đánh giá là khá
hiệu quả. Tuy nhiên, đối với các kết cấu phức tạp và số chiều dữ liệu ngày càng
cao, sẽ xuất hiện một số lỗi mới. Một mơ hình chẩn đốn thơng minh phải có khả
năng tổng qt hóa tốt để xử lý và xác định các lỗi mới, tuy nhiên các phương
pháp trên khơng có khả năng này. Quan trọng hơn, q trình trích xuất tính năng
truyền thống khơng được định hướng trực tiếp đến việc phân loại lỗi, hư hỏng kết
cấu, ngồi ra các mơ hình trên hoạt động độc lập, nghĩa là bộ trích xuất đặc trưng
và bộ phân loại độc lập với nhau, dẫn đến khả năng xuất hiện lỗi trong việc trích
xuất đặc trưng hay tính bất định trong chẩn đốn hư hỏng kết cấu.
Do đó, điều quan trọng trong chẩn đốn kết cấu với chuỗi dữ liệu lớn theo
thời gian là phải có được một mơ hình chẩn đốn thơng minh, khơng chỉ tối ưu
hóa trích xuất đặc điểm và nhận dạng mẫu mà cịn có khả năng tổng qt hóa tốt.
Những năm gần đây, nhiều phương pháp đã được đề xuất để nâng cao hiệu quả
và độ chính xác của các phương pháp giám sát sức khỏe cơng trình. Trong các

phương pháp được đề xuất, phương pháp sử dụng học máy (Machine learning –


-6-

ML) để hồn thiện quy trình đánh giá sức khỏe cơng trình dựa trên phân tích động
đã cho thấy những hiệu quả tiềm năng. Phương pháp học máy đã được ứng dụng
để giải quyết nhiều vấn đề kỹ thuật phức tạp, bao gồm nhận dạng, phân loại, hệ
thống kiểm soát và xử lý hình ảnh…
Gần đây một số nhà nghiên cứu ở Việt Nam đã bắt đầu nghiên cứu sử dụng
phương pháp học máy, cụ thể là mạng nơ ron nhân tạo (Artificial neural network
– ANN) để giám sát sức khỏe kết cấu. Mặc dù kết quả nhận được khả quan tuy
nhiên các phương pháp ANN tồn tại những nhược điểm căn bản làm cho nó khó
áp dụng cho một số trường hợp thực tế, điển hình trong xử lý các dữ liệu ảnh và
xử lý dữ liệu lớn. Trong thực tế, để giám sát các cơng trình trực tuyến, thì yêu cầu
các cảm biến được lắp đặt lâu dài trên kết cấu cơng trình và dữ liệu được truyền
liên tục về các trung tâm xử lý dữ liệu, bao gồm cả dữ liệu ảnh và dữ liệu số, vì
vậy lượng dữ liệu cần xử lý là rất lớn. Hiện nay, xu hướng giám sát sức khỏe kết
cấu sẽ theo dõi tồn bộ cơng trình, thay vì chỉ tập trung vào các vị trí nghi ngờ, vì
vậy lượng dữ liệu thu được tăng lên rất lớn, điều này đang tạo ra các thách thức
đối với các kỹ thuật phân tích và thu thập dữ liệu. Ví dụ như, cầu Vincent Thomas
ở San Pedro, California sử dụng 26 cảm biến để theo dõi sức khỏe đã tạo ra khoảng
3 terabytes (TB) dữ liệu trên một năm; dự án theo dõi cầu ở Liên bang Nga trích
xuất khoảng 7 gigabytes (GB) dữ liệu mỗi ngày; hơn 20 GB dữ liệu đã thu được
trong quá trình kiểm tra đường sắt tự động tại thành phố Brockton, Massachusetts
hay theo dõi sức khỏe của các cánh tuabin gió ở Bỉ đã tạo ra hơn 300 GB dữ liệu
trong 6 tháng. Vì vậy cần thiết phát triển và áp dụng những cơng cụ mạnh mẽ với
tính linh hoạt cao để xử lý các loại dữ liệu khác nhau, từ đó nâng cao được hiệu
quả cũng như độ chính xác trong chẩn đốn kết cấu.
Những năm gần đây, với sự phát triển của các hệ thống tính tốn cũng như

các thuật tốn học máy, các mơ hình học sâu (Deep Learning - DL) đã được áp
dụng rộng rãi trên thế giới, đặc biệt trong những ngành công nghiệp như chế tạo
máy, dầu khí, cơng trình,…, và nhận được nhiều sự quan tâm của các nhà nghiên
cứu. Ưu điểm của các mơ hình học sâu là tận dụng khả năng tự trích chọn được
các đặc trưng của dữ liệu từ lớp tích chập và bộ phân lớp được huấn luyện đồng


-7-

thời. Cơ chế học đồng thời các đặc trưng và bộ phân lớp có thể hỗ trợ nhau trong
q trình huấn luyện và quá trình phân lớp tìm ra tham số phù hợp với các vector
đặc trưng tìm được từ các lớp tích chập, ngược lại các lớp tích chập hiệu chỉnh lại
các tham số của chúng để cho các vector đặc trưng thu được là tuyến tính và phù
hợp với bộ phân lớp cuối cùng.
Trong lĩnh vực giám sát sức khỏe kết cấu cơng trình, với đặc điểm nguồn
dữ liệu lớn được đo dài hạn trên các kết cấu cơng trình, các mơ hình học sâu có
thể khắc phục hạn chế của các phương pháp truyền thống để có thể đánh giá, chẩn
đốn và giám sát tình trạng của cơ sở hạ tầng giao thơng. Các mơ hình học sâu
được huấn luyện và có thể phát hiện, phân loại và dự đốn chính xác vị trí, mức
độ hư hỏng đang xảy ra với kết cấu. Chính vì thế việc nghiên cứu, ứng dụng các
mơ hình học sâu để phát hiện hư hỏng các cơng trình hạ tầng giao thơng là hết sức
cấp thiết trong bối cảnh hiện nay. Các phương pháp này sẽ giúp cho việc phát hiện
hư hỏng,… được thuận lợi, dễ dàng và tiết kiệm chi phí.
Do vậy, trong nội dung nghiên cứu của mình, nghiên cứu sinh tập trung đi
sâu nghiên cứu: “Chẩn đoán kết cấu cầu dựa trên chuỗi dữ liệu đo dao động
theo thời gian kết hợp sử dụng mạng học sâu tích chập” làm chủ đề nghiên
cứu trong luận án của mình.
2. Mục tiêu nghiên cứu
- Nghiên cứu bài toán chẩn đoán hư hỏng của kết cấu cơng trình cầu dựa vào
các dữ liệu động thu được từ các cảm biến.

- Đề xuất thuật tốn học sâu tích chập kết hợp để phát hiện các hư hỏng trong
kết cấu.
- Thực hiện và tham khảo các thí nghiệm đo dao động của cơng trình cầu
thực tế, sau đó áp dụng phương pháp đề xuất để chẩn đoán hư hỏng trong
kết cấu.
3. Phương pháp nghiên cứu
- Phương pháp tổng hợp phân tích lý thuyết;
- Phương pháp số;


-8-

- Phương pháp phân tích số kết hợp với thực nghiệm.
4. Đối tượng và phạm vi nghiên cứu
- Đặc trưng động học của kết cấu cơng trình cầu;
- Các phương pháp xử lý số liệu.
- Các phương pháp học sâu tích chập kết hợp;
- Chẩn đốn vị trí và hư hỏng của kết cấu.
5. Ý nghĩa khoa học và thực tiễn
- Áp dụng các phương pháp học sâu để chẩn đoán hư hỏng kết cấu, sử dụng
hiệu quả cho các dạng dữ liệu theo thời gian (là cơ sở để xây dựng công cụ
để giám sát trực tuyến các công trình).
- Đề xuất phương pháp để cải thiện dữ liệu, cùng với thuật toán kết hợp đề
xuất để cải thiện độ chính xác của phương pháp học sâu.
- Tạo cơ sở dữ liệu cơng trình như một dạng hồ sơ lưu trữ giúp giám sát sức
khỏe cơng trình.
- Kết quả của luận án có thể sử dụng làm tài liệu tham khảo hữu ích cho lĩnh
vực giám sát sức khỏe cơng trình.
6. Nội dung và kết cấu của luận án
Ngồi phần mở đầu, kết luận và kiến nghị, luận án bao gồm 04 chương với

nội dung và phụ lục có kết cấu như sau:
Mở đầu:
Phần mở đầu NCS đã phân tích một số ưu điểm và hạn chế của bài toán
chẩn đoán hư hỏng kết cấu dựa trên dữ liệu đo động theo phương pháp truyền
thống, những thách thức bao gồm các vấn đề về chất lượng dữ liệu, thiếu dữ liệu,
đặc biệt là nhiễu của dữ liệu đo dẫn đến đặc tính ngẫu nhiên/bất định của dữ liệu
với dải phân tán khá rộng, làm cho bài toán chẩn đoán hư hỏng đối với kết cấu
phức tạp với nguồn dữ liệu lớn có độ chính xác khơng cao hoặc xuất hiện lỗi trong
q trình chẩn đốn. Trên cơ sở đó, NCS định hướng phân tích một số yếu tố
chính gây ra tính bất định của dữ liệu đo, từ đó đề xuất áp dụng các phương pháp


-9-

hiện đại để cải thiện dữ liệu thơ, giảm tính bất định của dữ liệu đo, tăng độ chính
xác của mơ hình giám sát sức khỏe kết cấu, đồng thời NCS đề xuất kết hợp mơ
hình học sâu để giải quyết bài toán dữ liệu lớn trong chẩn đoán kết cấu sử dụng
dữ liệu động đo được theo thời gian.
Chương 1 - Tổng quan về nghiên cứu chẩn đoán kết cấu cơng trình cầu dựa
trên phương pháp đo nhận dạng dao động.
Chương 1 giới thiệu tổng quan về chẩn đoán kết cấu cơng trình cầu dựa trên
phương pháp đo nhận dạng dao động, mục đích của chẩn đốn sức khỏe kết cấu
dựa trên phương pháp đo nhận dạng dao động, tình hình nghiên cứu giám sát sức
khỏe kết cấu dựa trên phương pháp nhận dạng dao động trên thế giới cũng như ở
Việt Nam
Chương 2 - Cơ sở lý thuyết về giám sát sức khỏe kết cấu sử dụng dữ liệu
theo thời gian dựa trên các đặc trưng động học.
Chương 2 giới thiệu về áp dụng dữ liệu chuỗi thời gian trong giám sát sức
khỏe kết cấu, các yếu tố ảnh hưởng đến tính bất định của kết quả đo dao động,
phương pháp xấp xỉ tổng hợp tượng trưng (Symbolic Aggregate approXimation

– SAX) và Phân rã sóng rời rạc đa cấp (Multilevel Discrete Wavelet
Decomposition– MDWD) để cải thiện dữ liệu, giảm tính bất định của dữ liệu đo.
Trong chương này, hiệu quả của việc kết hợp đồng thời hai phương pháp SAXMDWD cũng được phân tích chi tiết.
Chương 3 – Mạng học sâu truyền thống và mạng học sâu tích chập ứng
dụng trong chẩn đốn kết cấu cơng trình cầu
Chương 3 giới thiệu các phương pháp học sâu truyền thống sử dụng mạng
2DCNN và 1DCNN. Ngoài ra, NCS cũng đề xuất phương pháp mạng tích chập
kết hợp giữa 1DCNN và mạng hồi quy LSTM cho bài toán giám sát sức khỏe kết
cấu giúp tăng độ chính xác của kết quả đáng kể so với mạng học sâu truyền thống
1DCNN khi áp dụng để giám sát sức khỏe kết cấu.


- 10 -

Chương 4 - Áp dụng mạng học sâu tích chập kết hợp phương pháp SAXMDWD để chẩn đốn các hư hỏng cho mơ hình cầu
Chương 4 áp dụng phương pháp đề xuất (phương pháp SAX-MDWD1DCNN-LSTM) để chẩn đoán hư hỏng cho cơng trình cầu thực tế (cầu Z24) với
nguồn dữ liệu đo đạc được công bố công khai, đầy đủ, tin cậy trên các trang mạng
phục vụ nghiên cứu khoa học. Để so sánh với thuật toán được đề xuất, phương
pháp 1DCNN và 1DCNN – LSTM cũng được áp dụng. Ngoài ra, phương pháp đề
xuất cũng được áp dụng để chẩn đoán hư hỏng với kết cấu thực là mơ hình cầu
dây văng được NCS và nhóm nghiên cứu thực hiện trong phịng thí nghiệm. Để
so sánh với thuật toán được đề xuất, phương pháp 1DCNN và 1DCNN – LSTM
cũng được áp dụng.
Kết luận và kiến nghị
Trên cơ sở kết quả đạt được của luận án, NCS rút ra một số kết luận và kiến
nghị, cụ thể: Dữ liệu chuỗi thời gian trong giám sát sức khỏe cầu bị ảnh hưởng
bởi rất nhiều yếu tố, do đó bộ dữ liệu động thu được có đặc tính ngẫu nhiên/bất
định với dải phân tán khá rộng. Việc áp dụng đồng thời phương pháp SAXMDWD-1DCNN-LSTM đã khai thác được rất hiệu quả tính năng tiền xử lý dữ
liệu và liên kết, học dữ liệu đối với chuỗi dữ liệu theo thời gian trong lĩnh vực
chẩn đoán, theo dõi sức khỏe kết cấu cầu, từ đó tận dụng được khả năng của các

phương pháp, nâng cao độ chính xác của kết quả dự đốn. Phương pháp đề xuất
này có những tiềm năng lớn để áp dụng cho việc giám sát các công trình cầu thực
tế vì phương pháp này làm việc rất hiệu quả với dữ liệu theo thời gian (là dạng dữ
liệu phổ biến cho bài tốn giám sát cơng trình cầu hiện nay).
Phần Tài liệu tham khảo:
Tổng hợp 133 tài liệu có liên quan đến những vấn đề và nội dung nghiên
cứu được đề cập đến trong luận án.
Phần Phụ lục:
Giới thiệu mã code chương trình phục vụ chẩn đốn kết cấu trong luận án.


- 11 -

CHƯƠNG 1 : TỔNG QUAN VỀ NGHIÊN CỨU CHẨN ĐỐN SỨC
KHỎE KẾT CẤU CƠNG TRÌNH CẦU DỰA TRÊN PHƯƠNG PHÁP
ĐO NHẬN DẠNG DAO ĐỘNG
1.1 Tổng quan về nghiên cứu chẩn đốn sức khỏe kết cấu cơng trình cầu dựa
trên phương pháp đo nhận dạng dao động
1.1.1 Giới thiệu về chẩn đốn sức khỏe kết cấu cơng trình cầu dựa trên phương
pháp đo nhận dạng dao động
Mặc dù ban đầu khi thiết kế, các kết cấu cơng trình cầu đã được tính tốn
để đảm bảo các trạng thái về cường độ cũng như trạng thái sử dụng, tuy nhiên hầu
hết các kết cấu cơng trình cầu sẽ xuống cấp theo thời gian. Sự xuống cấp này là
do nhiều nguyên nhân khác nhau, bao gồm do tải trọng quá tải, ảnh hưởng của các
yếu tố mơi trường như ăn mịn thép, cacbon hóa bê tơng cũng như sự lão hóa của
vật liệu. Ngồi ra, sự xuống cấp có thể do các hiện tượng cực đoan không thường
xuyên như động đất, bão và lũ lụt. Do đó, sức khỏe kết cấu sẽ bị ảnh hưởng bởi
các yếu tố vận hành và mơi trường, bao gồm điều kiện tải bình thường, mơi trường
hiện tại và tương lai cũng như các nguy cơ dự kiến trong suốt thời gian tồn tại. Do
đó, để đánh giá một cách đáng tin cậy sức khỏe của kết cấu và duy trì sự an tồn

của kết cấu, việc giám sát sức khỏe liên tục của kết cấu cơng trình là vơ cùng cần
thiết [9-14].
Trước đây, việc đánh giá tình trạng của kết cấu cơng trình phần lớn phụ
thuộc vào việc kiểm tra trực quan. Tuy nhiên, kỹ thuật kiểm tra trực quan cũng
khơng có khả năng để xác định hư hỏng nằm sâu trong kết cấu. Phương pháp đánh
giá chủ quan và khơng chính xác này đã được xác định là rào cản kỹ thuật quan
trọng để quản lý cơ sở hạ tầng hiệu quả. Do đó, rất khó để đánh giá chính xác tình
trạng kết cấu từ dữ liệu kiểm tra trực quan, ngay cả khi quá trình này được tiến
hành bởi các chuyên gia [15]. Hơn nữa, hiện nay theo các Tiêu chuẩn kỹ thuật
[132], [133] chỉ hướng dẫn cho các công tác kiểm tra, giám sát kết cấu truyền
thống, trực quan, thiếu đi các hướng dẫn đẩy đủ cho dữ liệu theo thời gian lớn,


- 12 -

hay áp dụng các công nghệ khoa học tiên tiến như học sâu để giám sát. Chính vì
vậy, việc nghiên cứu về chẩn đoán hư hỏng dựa trên dữ liệu chuỗi thời gian là vô
cùng cần thiết.
Bên cạnh phương pháp kiểm tra trực quan, phương pháp dựa trên đặc trưng
về tĩnh học (ứng suất, biến dạng) cũng được áp dụng chủ yếu ở Việt nam hiện nay
để theo dõi sức khỏe các cơng trình. Tuy nhiên, phương pháp này không phát hiện
được các hư hỏng trong kết cấu một cách trực tiếp và vẫn cần đến các phương
pháp phá hủy như cưa, cắt để thu được các tham số hư hỏng. Phương pháp này
cũng có nhược điểm đó là phải tạm dừng khai thác cơng trình khi tiến hành thí
nghiệm, điều này gây những khó khăn cho các cơng trình trên tuyến giao thơng
quan trong với mật độ giao thông qua lại lớn, hoặc các cầu nằm trong thành phố.
Để khắc phục những nhược điểm của phương pháp kiểm tra trực quan, cũng
như phương pháp kiểm tra tĩnh, các kỹ thuật phát hiện hư hỏng trong kết cấu
không phá hủy đã được phát triển. Một trong số ít các phương pháp theo dõi sức
khỏe kết cấu không phá hủy đang được áp dụng và đạt được hiệu quả trên thế giới

đó là phương pháp dựa trên các đặc trưng về dao động của kết cấu.
Phương pháp đánh giá hư hỏng sử dụng dữ liệu đo nhận dạng dao động,
chẳng hạn như tần số dao động riêng, hình thái dao động, hệ số dao động tắt
dần...cho thấy những tiềm năng đối với việc đánh giá sức khỏe của các kết cấu
cơng trình [16-17]. Theo dõi sức khỏe có thể đánh giá hiệu suất của các kết cấu
một cách chủ động bằng cách sử dụng dữ liệu đo được và các thuật tốn giải thích
dữ liệu, để đánh giá chính xác tình trạng hiện tại và dự đốn tuổi thọ cịn lại của
cơng trình. Ưu điểm chính của phương pháp này là chúng cung cấp thơng tin tổng
thể về tình trạng sức khỏe kết cấu để đánh giá trạng thái kết cấu, các phép đo tại
một vị trí là đủ để đánh giá tình trạng của tồn bộ kết cấu. Vị trí đo có thể khác
với vị trí hư hỏng. Các phương pháp dựa trên đặc trưng dao động của kết cấu có
thể được áp dụng khơng liên tục (triển khai tạm thời các cảm biến) và hệ thống
thu nhận hoặc liên tục (nhúng các cảm biến trong kết cấu).