Tên luận án:
TỐI ƯU KẾT CẤU GIÀN THÉP SỬ DỤNG THUẬT TOÁN TIẾN HÓA KẾT HỢP CÔNG NGHỆ HỌC MÁY
Ngành:
Kỹ thuật xây dựng
Tóm tắt nội dung tài liệu:
Luận án này tập trung giải quyết thách thức về thời gian tính toán kéo dài trong bài toán tối ưu hóa kết cấu giàn thép, vốn là nhược điểm chung của các thuật toán tối ưu truyền thống do yêu cầu phân tích phần tử hữu hạn tốn kém. Nhận thấy tiềm năng của công nghệ Học máy trong việc ước lượng nhanh ứng xử kết cấu, đề tài đã đề xuất một phương pháp hiệu quả kết hợp thuật toán tiến hóa (cụ thể là thuật toán Tiến hóa Vi phân - DE) với công nghệ Học máy.
Mục tiêu chính của luận án là tăng tốc độ tối ưu, giảm thiểu thời gian và khối lượng tính toán so với các phương pháp gốc. Luận án đã phát triển một chương trình phân tích kết cấu giàn (pyTruss) và thiết lập quy trình xây dựng mô hình Học máy để đánh giá an toàn cho kết cấu giàn với độ chính xác cao. Phương pháp đề xuất, gọi là CaDE, tích hợp mô hình Học máy phân loại để giảm đáng kể số lần phân tích kết cấu cần thiết.
Kết quả thử nghiệm trên nhiều loại giàn thép (giàn 10, 25, 72, 200 thanh, tháp thép 160 và 244 thanh) cho thấy phương pháp CaDE đạt được kết quả tối ưu tương đương với thuật toán DE gốc nhưng giảm khối lượng tính toán từ 18,6% đến 50,3% và rút ngắn thời gian tối ưu từ 19,1% đến 20,3%. Đặc biệt, CaDE thể hiện hiệu quả vượt trội đối với các kết cấu giàn lớn, phức tạp và có biến thiết kế rời rạc.
Luận án cũng xây dựng một quy trình thiết kế tối ưu dựa trên CaDE cho các kết cấu giàn mái thép phổ biến (giàn phẳng và giàn lưới không gian ba lớp) và đưa ra hàng loạt khuyến nghị thực tiễn về hình dạng giàn, cách bố trí hệ thanh bụng, chiều cao giàn và gối tựa. Những đóng góp này cung cấp một công cụ hiệu quả, tự động hóa quá trình thiết kế tối ưu, giảm sự phụ thuộc vào kinh nghiệm kỹ sư và mở ra hướng nghiên cứu tiềm năng trong tương lai về mô hình tiên đoán phương án tối ưu.
Mục lục chi tiết:
- MỞ ĐẦU
- 1. Lý do chọn đề tài
- 2. Mục đích nghiên cứu
- 3. Đối tượng và phạm vi nghiên cứu
- 4. Phương pháp nghiên cứu
- 5. Cơ sở khoa học của đề tài
- 6. Đóng góp của luận án
- 7. Cấu trúc và nội dung luận án
- Chương 1. Tổng quan về ứng dụng công nghệ học máy trong thiết kế tối ưu kết cấu
- 1.1. Tổng quan về thiết kế tối ưu kết cấu
- 1.2. Tình hình nghiên cứu về ứng dụng công nghệ học máy trong thiết kế tối ưu kết cấu trên thế giới
- 1.3. Tình hình nghiên cứu về ứng dụng công nghệ học máy trong thiết kế tối ưu kết cấu tại Việt Nam
- 1.4. Tóm tắt Chương 1
- Chương 2. Xây dựng quy trình đánh giá an toàn cho kết cấu giàn bằng mô hình học máy
- 2.1. Chương trình phân tích kết cấu giàn pyTruss
- 2.2. Công nghệ Học máy
- 2.3. Quy trình đánh giá an toàn cho kết cấu giàn bằng mô hình Học máy
- 2.4. So sánh hiệu năng của các mô hình phân loại trong bài toán đánh giá an toàn cho kết cấu giàn
- 2.5. Khảo sát ảnh hưởng của các siêu tham số tới chất lượng mô hình
- 2.5.1. Ảnh hưởng của số lượng mẫu dữ liệu huấn luyện
- 2.5.2. Ảnh hưởng của số lượng bộ phân loại yếu
- 2.6. Tóm tắt Chương 2
- Chương 3. Đề xuất phương pháp giảm số lần phân tích kết cấu trong quá trình tối ưu bằng mô hình học máy
- 3.1. Tối ưu tiết diện giàn bằng thuật toán DE
- 3.1.1. Bài toán xác định tiết diện tối ưu nhằm cực tiểu hóa trọng lượng giàn
- 3.1.2. Thuật toán DE
- 3.1.3. Kỹ thuật xử lý điều kiện ràng buộc
- 3.2. Phương pháp CaDE
- 3.3. Đánh giá hiệu quả của phương pháp đề xuất CaDE
- 3.3.1. Khảo sát ảnh hưởng của các tham số
- 3.3.2. So sánh phương pháp CaDE và thuật toán gốc DE
- 3.3.3. So sánh phương pháp CaDE với các thuật toán meta-heuristic khác
- 3.4. Tóm tắt Chương 3
- Chương 4. Tối ưu trọng lượng kết cấu giàn mái
- 4.1. Đề xuất quy trình thiết kế tối ưu giàn mái thép
- 4.2. Tối ưu trọng lượng giàn mái thép dạng phẳng
- 4.2.1. Tối ưu giàn phẳng nhịp 24 m
- 4.2.2. Khảo sát tham số
- 4.3. Tối ưu trọng lượng giàn lưới không gian ba lớp
- 4.3.1. Tối ưu kết cấu giàn lưới không gian kích thước 30×30m
- 4.3.2. Khảo sát tham số
- 4.4. Tóm tắt Chương 4
- KẾT LUẬN
- Những đóng góp mới về khoa học của luận án:
- Một số kết luận rút ra sau khi thực hiện luận án như sau:
- Hướng nghiên cứu tiếp theo: