Nghiên cứu tối ưu tiết diện khung thép sử dụng phân tích trực tiếp kết hợp kỹ thuật học máy

Nghiên cứu tối ưu tiết diện khung thép sử dụng phân tích trực tiếp kết hợp kỹ thuật học máy do NCS Nguyễn Thị Thanh Thúy thực hiện thuộc Ngành: Cơ học vật rắn Mã số: 9440107; Người hướng dẫn khoa học: GS.TS. Nguyễn Tiến Chương và PGS.TS. Trương Việt Hùng.

Kết cấu khung thép hiện nay được sử dụng rộng rãi cho các công trình dân dụng và công nghiệp nhờ khả năng chịu lực tốt, đa dạng về hình dáng, kích thước, sự thuận tiện trong thi công… Chính vì vậy, thiết kế kết cấu khung thép được các nhà khoa học quan tâm và nghiên cứu sâu rộng. Các phương pháp thiết kế truyền thống như: ứng suất cho phép (ASD), thiết kế dẻo (PD) và hệ số sức kháng, hệ số tải trọng (LRFD), có ưu điểm là thời gian tính toán nhanh, kết quả tính toán có sai số chấp nhận được. Tuy nhiên, nhược điểm của các phương pháp này là không xét được sự tương thích của các phần tử khi làm việc chung trong một hệ kết cấu và không mô tả được các dạng phá hoại và mất ổn định của toàn bộ công trình. Một hướng thứ hai là sử dụng các phương pháp phân tích trực tiếp, đặc biệt có xét đến tính phi tuyến (nonlinear inelastic analysis). Tuy nhiên, khi phân tích phi tuyến đòi hỏi thời gian lớn hơn nhiều so với phân tích đàn hồi tuyến tính. Vấn đề này đặc biệt đáng kể đối với các bài toán đòi hỏi số lần phân tích kết cấu lớn như bài toán tối ưu hay tính toán độ tin cậy của công trình.

Cùng với sự phát triển nhanh chóng của khoa học máy tính, tối ưu kết cấu công trình nói chung và khung thép nói riêng đang ngày càng thu hút được sự quan tâm nghiên cứu của các nhà khoa học trên thế giới xuất phát từ ưu điểm của nó cho phép giảm thiểu giá thành xây dựng, tiết kiệm vật liệu… trong khi các yêu cầu thiết kế đối với công trình vẫn được đảm bảo. Trong các bài toán tối ưu khung thép, tổng giá thành hoặc khối lượng thép của công trình thường được lựa chọn là hàm mục tiêu để tối thiểu hóa với nhiều điều kiện ràng buộc kèm theo về cấu tạo, khả năng chịu lực và sử dụng. Tiết diện của các cấu kiện dầm và cột thường được chọn là các biến thiết kế của bài toán tối ưu. Các biến thiết kế này thường là các biến rời rạc được lựa chọn từ một tập các tiết diện điển hình cho trước. Bên cạnh đó, bài toán tối ưu hóa khung thép có tính phi tuyến và độ phức tạp cao khi kể đến ứng xử phi tuyến hình học và phi tuyến vật liệu. Để giải quyết bài toán này, các thuật toán meta-heuristic thường được sử dụng, do ưu điểm của chúng trong việc cân bằng giữa tìm kiếm các kết quả tối ưu cục bộ và tối ưu toàn cục.

Một số thuật toán meta-heuristic có thể kể đến như: Giải thuật di truyền (Genetic Algorithm – GA), tiến hóa vi phân (Differential Evolution – DE), tối ưu bầy đàn (Particle Swarm Optimization – PSO) … Tuy nhiên, các thuật toán meta-heuristic sử dụng rất nhiều lần phân tích kết cấu và điều này dẫn đến thời gian tính toán đáng kể khi sử dụng phương pháp phân tích trực tiếp. Một giải pháp tiềm năng để giảm thiểu số lần phân tích kết cấu trong các chương trình tối ưu là sử dụng các siêu mô hình dự báo (meta-model) dựa trên các thuật toán học máy (Machine Learning – ML) để dự đoán các ứng xử phi tuyến của công trình.

Một hạn chế rất lớn của việc sử dụng các mô hình này là chúng không thể dự đoán chính xác hoàn toàn ứng xử của công trình. Trong khi đó, các giải pháp tối ưu thường rất nhạy với các điều kiện ràng buộc, do đó, sai số của mô hình sẽ ảnh hưởng rất lớn đến kết quả tối ưu cuối cùng. Vì vậy cần thiết xây dựng một chương trình tối ưu hiệu quả để kết hợp giữa các vấn đề nghiên cứu nêu trên gồm phương pháp phân tích trực tiếp, thuật toán tối ưu meta-heuristic và kỹ thuật học máy nhằm tìm được kết quả tối ưu hiệu quả trong thời gian và nỗ lực tính toán hợp lý.