Cập nhật mô hình cho cầu giàn thép đường sắt sử dụng thuật toán tối ưu tiến hoá lai

  • Nguyễn Mạnh Hải

    Trường Đại học Giao thông vận tải, Số 3 Cầu Giấy, Hà Nội, Việt Nam
  • Trần Ngọc Hoà

    Trường Đại học Giao thông vận tải, Số 3 Cầu Giấy, Hà Nội, Việt Nam
  • Bùi Tiến Thành

    Trường Đại học Giao thông vận tải, Số 3 Cầu Giấy, Hà Nội, Việt Nam
  • Trần Việt Hưng

    Trường Đại học Giao thông vận tải, Số 3 Cầu Giấy, Hà Nội, Việt Nam
  • Nguyễn Duy Tiến

    Trường Đại học Giao thông vận tải, Số 3 Cầu Giấy, Hà Nội, Việt Nam
Email: nmhai@utc.edu.vn
Từ khóa: Cập nhật mô hình, Cầu gián thép, CS, GA, thuật toán tối ưu tiến hoá lai.

Tóm tắt

Thuật toán tối ưu hoá chim cúc cu (Cuckoo Search – CS) là một thuật toán tiến hóa phổ biến đã được sử dụng để giải quyết nhiều vấn đề tối ưu hóa trong nhiều thập kỷ qua. Tuy nhiên, một trong những nhược điểm cơ bản của CS là thuật toán này cố định vận tốc của các quần thể trong toàn bộ quá trình tìm kiếm giải pháp tối ưu, vì vậy giảm sự linh hoạt trong quá trình di chuyển của các phần tử. Ngoài ra CS không chỉ phụ thuộc chủ yếu vào chất lượng của quần thể ban đầu mà còn không có các khả năng như giao chéo hay đột biến để cải thiện chất lượng của các thế hệ mới. Để khắc phục nhược điểm này của CS, trong nghiên cứu này, một CS cải tiến (ICS) kết hợp với thuật toán di truyền (GA) được đề xuất. Để chứng minh được hiệu quả của phương pháp được đề xuất (Thuật toán lai giữa GA và ICS - HGAICS), một kết cấu cầu giàn thép nhịp lớn đã được sử dụng. HGAICS được sử dụng để giảm sự khác biệt giữa kết quả mô hình số và mô hình thực nghiệm, xác định các tham số bất định của kết cấu. Kết quả thu được cho thấy HGAICS vượt trội hơn GA và CS về độ chính xác và giảm thời gian tính toán so với GA.

Tài liệu tham khảo

[1]. N.H. Tran, T.T. Bui, Damage detection in a steel beam structure using particle swarm optimization and experimentally measured results, Science Journal of Transportation, 9 (2019) 3-9.
[2]. K.C. Xuan, B. Le Xuan, A.N. Truong, H.T. Quang, T.N. Trung, An intelligence-based optimization of the internal burnishing operation for surface roughness and vicker hardness, Tạp chí Khoa học Giao thông vận tải, 72 (2021) 395-410.
[3]. L. Nguyen-Ngoc et al., Damage detection in structures using Particle Swarm Optimization combined with Artificial Neural Network, Smart Structures and Systems, 28 (2021) http://dx.doi.org/10.12989/sss.2021.28.1.001
[4]. H. Tran-Ngoc at al., Efficient Artificial neural networks based on a hybrid metaheuristic optimization algorithm for damage detection in laminated composite structures, Composite Structures, 262 (2021) 113339. https://doi.org/10.1016/j.compstruct.2020.113339
[5]. D. H. Nguyen et al., Damage detection in truss bridges using transmissibility and machine learning algorithm: Application to Nam O bridge. Smart Structures and Systems, 26 (2020) 35-47. https://doi.org/10.12989/sss.2020.26.1.035
[6]. H. V. Dang et al., Data-driven structural health monitoring using feature fusion and hybrid deep learning, IEEE Transactions on Automation Science and Engineering, 18 (2020) 2087-2103. https://doi.org/10.1109/TASE.2020.3034401
[7]. H. Tran et al., An efficient approach for model updating of a large-scale cable-stayed bridge using ambient vibration measurements combined with a hybrid metaheuristic search algorithm, Smart Structures and Systems, 25 (2020) 487-499. http://dx.doi.org/10.12989/sss.2020.25.4.487
[8]. V. L. Ho et al., System identification based on vibration testing of a steel I-beam, In International Conference on Numerical Modelling in Engineering, Springer, Singapore. (2018) 254-268. https://doi.org/10.1007/978-981-13-2405-5_21
[9]. H. Tran-Ngoc et al., A novel machine-learning based on the global search techniques using vectorized data for damage detection in structures, International Journal of Engineering Science, 157 (2020) 103376. https://doi.org/10.1016/j.ijengsci.2020.103376
[10]. C. Na, S.P. Kim, H.G. Kwak, Structural damage evaluation using genetic algorithm, Journal of Sound and Vibration, 330 (2011) 2772-2783. https://doi.org/10.1016/j.jsv.2011.01.007
[11]. D.S. Jung, C.Y. Kim, Finite element model updating on small-scale bridge model using the hybrid genetic algorithm, Structure and Infrastructure engineering, 9 (2013) 481-495. https://doi.org/10.1080/15732479.2011.564635
[12]. H. Tran-Ngoc et al., An efficient artificial neural network for damage detection in bridges and beam-like structures by improving training parameters using cuckoo search algorithm, Engineering Structures, 199 (2019) 109637. https://doi.org/10.1016/j.engstruct.2019.109637
[13]. H. Tran-Ngoc et al., Model updating for Nam O bridge using particle swarm optimization algorithm and genetic algorithm, Sensors, 18 (2018) 4131. https://doi.org/10.3390/s18124131
[14]. H. Xu, J.. K. Liu, Z.R. Lu, Structural damage identification based on cuckoo search algorithm, Advances in Structural Engineering, 19 (2016) 849-859. https://doi.org/10.1177/1369433216630128
[15]. H. Tran-Ngoc et al., Finite element model updating of a multispan bridge with a hybrid metaheuristic search algorithm using experimental data from wireless triaxial sensors, Engineering with Computers, (2021) 1-19. https://doi.org/10.1007/s00366-021-01307-9
[16]. X. S. Yang, S. Deb, Engineering optimisation by cuckoo search, International Journal of Mathematical Modelling and Numerical Optimisation, 1 (2020) 330-343. https://doi.org/10.1504/IJMMNO.2010.035430

Tải xuống

Chưa có dữ liệu thống kê
Nhận bài
31/07/2021
Nhận bài sửa
07/09/2021
Chấp nhận đăng
20/09/2021
Xuất bản
15/10/2021
Chuyên mục
Công trình khoa học