Ky Yeu SV NCKH - nh2022-2023

ÑAÏI HOÏC ÑAØ NAÜNG
TRÖÔØNG ÑAÏI HOÏC BAÙCH KHOA

THEUNIVERSITYOFDANANG-UNIVERSITYOFSCIENCEANDTECHNOLOGY
KỶ YẾU HỘI NGHỊ

Sinh viên
Nghiên cứu khoa học
NĂM HOC 2022-2023
MỤC LỤC
01
03
Lê Quốc Bảo, Phạm Quang Cường, Phạm Tâm Đức, Hồ Đức Lập
Khoa Cơ khí, Trường Đại học Bách khoa, Đại học Đà Nẵng
06
Nguyễn Thiện Chí, Hoàng Anh Huy

12
Phan Lê Kỷ Nguyên, Hoàng Tuấn Hiệp, Hồ Viết Đức Long
18
Nguyễn Hữu Khải, Lê Minh Khang, Trần Quang Huy
24
Lưu Công Chung, Lê Viết Cường, Lê Xuân Hoàng, Phan Quốc Kha
30
Trần Tiến Đạt, Đinh Ngọc Tú, Nguyễn Văn Trần Quyền
35
37
Triệu Đức Tông, Lê Ngọc Đức, Nguyễn Minh Tú, Trần Đình Quang, Nguyễn Văn Thức
Khoa Cơ khí Giao thông, Trường Đại học Bách khoa, Đại học Đà Nẵng
47
Lê Đình Nhiệm, Nguyễn Quốc Khánh

54
Trần Quốc Vũ, Ninh Qúy Tình, Nguyễn Ngọc Văn, Nguyễn Văn Hiếu
59
61
Đàm Quang Tiến
Khoa Công nghệ Thông tin, Trường Đại học Bách khoa, Đại học Đà Nẵng
68
Nguyễn Nghĩa Thịnh
̣ ̃ ̣ ́ ̀ ̉ ̣ 75
Đàm Quang Tiến, Nguyễn Nghĩa Thịnh
81
83
Nguyễn Văn Trai, Phan Thanh Phú
Khoa Công nghệ Nhiệt Điện Lạnh, Trường Đại học Bách khoa, Đại học Đà Nẵng
i
88
Đặng Hữu Quốc, Nguyễn Thọ Quốc
Khoa Công nghệ Nhiệt Điện Lạnh, Trường Đại học Bách khoa, Đại học Đà Nẵng
93
95
Nguyễn Đức Phúc, Trương Hoàng Quân

Khoa Điện, Trường Đại học Bách khoa, Đại học Đà Nẵng
100
Nguyễn Văn Hiếu, Trần Văn Duẫn, Phạm Đức Hậu
106
Thân Thành Đạt
112
Bạch Thái Sang, Trần Văn Rôn
119
121
Đào Trọng Nhân, Ngô Văn Tuấn Huy, Ngô Viết Huy Hoàng
Khoa Điện tử Viễn thông, Trường Đại học Bách khoa, Đại học Đà Nẵng
124
Thân Thống, Trần Thị Thanh Nga
130
Đào Duy Ngữ, Lê Văn Thiện

136
Nguyễn Đình Khiêm, Lê Ngọc Lương
141
143
Bùi Hữu Nghĩa, Lý Thị Hằng Nga

Khoa Hóa, Trường Đại học Bách khoa, Đại học Đà Nẵng
148
Tạ Thị Minh Nguyệt, Nguyễn Thị Minh Thi, Nguyễn Thị Hiền
152
Lê Mạnh Khôi, Trần Nhật Hào, Lê Ngọc Thành

158
Phạm Thị Hồng Phượng
163
Nguyễn Thị Thu Phương

ii
171
Nguyễn Thị Phượng, Nguyễn Viết Sỹ

175
177
Nguyễn Thị Thu Thảo, Ngô Hữu Thanh Phước, Nguyễn Văn Trung, Nguyễn Ngọc Hân
Khoa Môi trường, Trường Đại học Bách khoa, Đại học Đà Nẵng
182
Phạm Xuân Long, Nguyễn Trường Sơn, Đặng Huyền My, Nguyễn Anh Đào,
Tán Phạm Thanh Nhàn
192
Nguyễn Văn Trung, Phạm Thị Minh Yến, Nguyễn Thị Thu Thảo, Nguyễn Ngọc Hân
198
Nguyễn Tuấn Vượng

205
207
Hoàng Tú Uyên, Nguyễn Thị Kỳ Duyên

Khoa Quản lý Dự án, Trường Đại học Bách khoa, Đại học Đà Nẵng
211
Phan Thị Hoài Giang, Nguyễn Nhật Nam, Võ Thị Khánh Vy

221
Nguyễn Hoàng Bảo Trân, Nguyễn Thị Thanh Phú, Trần Vy Thảo Lam, Trần Phước Lộc,
Nguyễn Thị Thiên Nga, Nguyễn Tấn Phước
227
229
Trần Huy Quý, Nguyễn Ngọc Tiến, Đặng Lê Duy Vỹ, Nguyễn Thị Thùy Vy
Khoa Kiến trúc, Trường Đại học Bách khoa, Đại học Đà Nẵng
249
Lê Xuân Vĩnh Khang, Nguyễn Thành Tấn, Hồ Nghiêm Thúy Quỳnh, Đặng Hưng Long
258
Nguyễn Cửu Hoàng Lân, Nguyễn Trần Hạ Vy, Lê Võ Thị Trường Giang, Nguyễn Minh Đức,
Mai Phước Nhật Kha
iii
267
269
Trương Thị Mỹ Duyên, Huỳnh Văn Thạnh, Nguyễn Quang Phương
Khoa Khoa học và Công nghệ tiên tiến, Trường Đại học Bách khoa, Đại học Đà Nẵng
279
Lưu Đinh Đại Đức, Phan Đình Khánh, Nguyễn Thế Nhân, Kiều Thị Phượng
284
Trần Thị Nguyệt Hà, Hồ Xuân Đạt, Lê Vũ Hoàng Đức, Ngô Hồng Hoàng, Nguyễn Thanh Liêm
291
293
La Ngọc Trường, Trần Võ Thảo Thạch

Khoa Xây dựng Cầu đường, Trường Đại học Bách khoa, Đại học Đà Nẵng
299
Nguyễn Văn Biên, Hoàng Nhật Linh

Khoa Xây dựng Cầu đường, Trường Đại học Bách khoa, Đại học Đà Nẵng
309
311
Nguyen Dinh Huy, Nguyen Le Anh Minh

Khoa Xây dựng Công trình Thuỷ, Trường Đại học Bách khoa, Đại học Đà Nẵng
323
Trần Ngọc Hùng, Lương Hữu Công, Võ Phi Hùng, Nguyễn Trần Anh Tuấn
327
Trần Chí Công

333
335
Phan Văn Sang

Khoa Xây dựng Dân dụng và Công nghiệp, Trường Đại học Bách khoa, Đại học Đà Nẵng
342
Nguyễn Triệu Nhân, Ngô Hữu Toán, Hoàng Lê Anh Tuyến

349
Đinh Hữu Pháp, Trần Thị Ly Na, Nguyễn Văn Ngọc
iv
KHOA CƠ KHÍ
Hội nghị Sinh viên Nghiên cứu Khoa học Trường Đại học Bách khoa, Đại học Đà Nẵng năm học 2022 - 2023
THIẾT KẾ, CHẾ TẠO MÁY MÀI KIM LOẠI DẠNG ỐNG
DESIGN AND MANUFACTURING TUBULAR METAL GRINDING MACHINES.
SVTH: Lê Quốc Bảo, Phạm Quang Cường, Phạm Tâm Đức, Hồ Đức Lập
Lớp 18C1A, Khoa Cơ khí, Trường Đại học Bách khoa - Đại học Đà Nẵng; Email; le1quoc2bao3@gmail.com,
phamquangcuong50@gmail.com, Phamtamduc99@gmail.com, lap14022000@gmail.com.
GVHD: TS. Nguyễn Phạm Thế Nhân
Khoa Cơ khí, Trường Đại học Bách khoa - Đại học Đà Nẵng; Email: nptnhan@dut.udn.vn
Tóm tắt - Trong bài báo cáo nhóm trình bày về quá trình Abstract - In the report, the group presented the process of
nghiên cứu, thiết kế, chế tạo mô hình máy mài kim loại dạng ống researching, designing, and manufacturing models of automatic
tự động. Nguyên lý làm việc được chia làm ba bộ phận chính đó tubular metal grinding machines. The working principle is divided
là bộ phận dẫn động với nhiệm vụ dẫn động chi tiết quay, sử into three main parts: the driving part with the task of driving the
dụng bánh xe để truyền động; bộ phận truyền động lên xuống, rotating part using the wheel to drive; the driving part up and
qua lại sử dụng đai ốc – vít me; bộ phần mài sử dụng các loại down, using the nut – screw; the grinding part uses the rough belt
đai nhám vòng để mài bề mặt của kim loại chất lượng bề mặt đạt type to grind the surface of the metal. The surface quality
được theo từng loại đai nhám khác nhau là chủ yếu. Ưu điểm achieved by each type of rough belt is mainly different. The
của máy là làm sạch các bề mặt của kim loại, có thể điều chỉnh advantage of the machine is cleaning the surfaces of the metal,
cấp độ nhám của bề mặt kim loại từng cấp khác nhau theo nhu it is possible to adjust the roughness of the metal surface to
cầu sử dụng. Máy mài tối đa đường kính chi tiết có kích thước different grades according to the needs of use. The maximum
max 1500 mm và tải trọng tối đa 108 kg. grinding machine with a maximum diameter of 1500 mm and a
Từ khóa - Máy mài đai nhám; máy đánh bóng kim loại; dây maximum load of 140 kg.
đai; mài nhám; bồn kim loại. Key words - Rough belt grinding machines; metal polishing
machines; belts; rough grinding; metal tanks.
1. Đặt vấn đề 2.3. Phương án thiết kế

Trong cuộc sống xã hội hiện đại ngày nay, việc sử 2.3.1. Yêu cầu kĩ thuật
dụng các vật liệu bằng ống, bồn kim loại để phục vụ cho Đánh bóng (mài) bồn có kích thước đường kính từ
nhu cầu nhất thiết là vô cùng lớn. Trong quá trình sử dụng 400 mm – 960 mm, chiều dài tối đa 1400 mm và trọng
vật liệu lâu ngày có hiện tượng cũ, rỉ sét, ô xi hóa và cần lượng 100 kg.
làm sạch đối với các loại có thời gian qui định sử dụng. Yêu cầu độ nhám bề mặt có thể đạt Ra = 0,63 𝜇𝑚.
Vì vậy cần phải loại bỏ các hiện tượng đó đi để tiếp tục 2.3.2. Lựa chọn phương án dẫn động cho từng kết cấu
sử dụng.  Bộ phận dẫn động qua lại và lên xuống sử dụng
bộ truyền vít me – đai ốc thường và đai ốc bi.
Về việc làm sạch có những loại bề mặt cần phải đảm
Bởi vì bộ truyền đạt độ chính xác cao (đai ốc bi),
bảo về chất lượng bề mặt để đạt được các tiêu chuẩn về
làm việc êm hơn, có khả năng hãm giá thành rẽ
an toàn, chuẩn xác và chất lượng. Đối với những loại
và gia công dễ dàng hơn.
phương pháp làm sạch bằng tay và máy hiện nay sẽ phải
đòi hỏi tốn nhiều thời gian, nhân lực và bề mặt làm sạch  Bộ phận mài dùng đai nhám vòng. Bởi vì đá mài
không đồng đều đối với các loại bồn, ống có kích thước thì nguy hiểm hơn, khi thay đổi cấp độ nhám cần
to và nặng. Chính vì vậy, nhóm đã nghiên cứu và chế tạo thay đổi đá mài và chế độ cắt phức tạp, đai nhám
ra máy mài ống kim loại để giải quyết những khó khăn vòng thay đổi dễ dàng hơn đồng thời giá thành
trên, và đồng thời làm tăng tốc độ và hiệu quả hơn. cũng rẽ hơn.
2.4. Thiết kế bộ truyền dẫn động lên xuống
2. Kết quả nghiên cứu và khảo sát Loại bộ truyền nhóm lựa chọn thiết kế là bộ truyền vít
2.1. Phạm vi nghiên cứu me – đai ốc thường. Có kết cầu nhỏ gọn, khả năng tải lớn,
 Nghiên cứu từ thực tế, sách vở và internet. có thể tự hãm được, làm việc tin cậy và thực hiện việc di
 Đối tượng nghiên cứu: chuyển chậm, phù hợp với yêu cầu đề tài.
 Các mô hình sản phẩm, thực tế Ta có lực dọc trục Fa tác dụng lên bộ truyền trục vít
 Nghiên cứu về biến đổi tốc độ, hành trình với tổng khối lượng cần nâng:
chạy dao 𝐹𝑎 = 𝑚. 𝑔 = 150.9,81 = 1471,5 (𝑁)
Đường kính trung bình của ren: (tính chọn theo sách
 Nghiên cứu về các loại hạt của đai nhám
TK HDĐCK – Trịnh Chất)
 Phần mềm thiết kế và phương án chế tạo
máy. 𝐹𝑎
𝑑2 ≥ √
2.2. Qui trình thiết kế, chế tạo 𝜋. 𝜓𝐻 . 𝜓ℎ . [𝑞]
Hiểu được nguyên lý hoạt động, cấu tạo và các bộ Trong đó: Fa là lực dọc trục, N
phận của những máy có cách thức hoạt động tương tự. 𝐻
𝜓𝐻 = hệ số chiều cao của đai ốc với H – chiều cao
Tiến hành phân tích, tính chọn các loại cơ cấu một cách 𝑑2
tối ưu từ đó lựa chọn và chế tạo để được sản phẩm tốt đai ốc.
nhất. Chọn 𝜓𝐻 = 2,5 𝑣ớ𝑖 đ𝑎𝑖 ố𝑐 𝑔ℎé𝑝.
3
SVTH: Lê Quốc Bảo, Phạm Quang Cường, Phạm Tâm Đức, Hồ Đức Lập; GVHD: TS. Nguyễn Phạm Thế Nhân
ℎ 𝐷1 = 𝐷𝑡𝑏 + 2(𝑟1 − 𝑐) = 23,03 + 2. (1,55 − 0,035)
𝜓ℎ = hệ số chiều cao ren với ℎ là chiều cao làm
𝑝
= 26,06 𝑚𝑚
việc của ren
2.6. Thiết kế cụm cơ cấu mài đai nhám
p – bước ren chọn 𝜓ℎ = 0,5 với ren hình thang và ren Tốc độ chạy của đai nhám vòng là 0 – 30 m/s, chọn
vuông. tốc độ với v = 15(m/s).
[q] – áp suất cho phép phụ thuộc vào vật liệu vít và Lựa chọn trục puly phát động quay với D = 150 (mm)
đai ốc, chọn [q] = 10 Mpa. ta tính được số vòng quay đầu ra là:
1471,5 𝑉. 60.1000 22.60.1000
𝑑2 ≥ √ = 6,12 mm 𝑛= =
𝜋.2,5.0,5.10
𝜋. 𝐷 3,14.150
Chọn d2 = 17 mm 𝑣ò𝑛𝑔
Vì vậy, bước ren p = 6 (mm) = 2803 ( )
𝑝ℎú𝑡
Chiều cao Profin ren h = 0,5.p = 0,5.6 = 3 (mm). Lượng chạy dao dọc của dây nhám Sdọc = (0,3 –
Đường kính ngoài d = d2 + h = 20 mm. 0,7).B, với B = 100 mm. Chọn Sdọc = 60 mm/vòng.
Đường kính trong d1 = d2- h = 14 (mm). Lực cắt khi mài có lực Pz là lực có phương tiếp tuyến
Bộ truyền cần tính tự hãm nên chọn số mối ren Zh = 1. với nhám mài và là thành phần lực để tính công suất của
Chiều cao đai ốc: H = 𝜓𝐻 . 𝑑2 = 2.17 = 34 𝑚𝑚. động cơ trong quá trình mài.
Số vòng ren của đai ốc : z= H/p 34/6 = 5,7 nhỏ hơn Ta có:
Zmax = 10…12. 𝑃𝑧 = 𝐶𝑝𝑧 . 𝑉𝑐𝑡0,7 . 𝑆𝑑𝑜𝑐
0,7
. 𝑡 0,8 ( Trang 35 ‘Kỹ thuật mài kim
2.5. Thiết kế bộ truyền dẫn động qua lại loại’ của ThS. Lưu Văn Nhang).
Vì cần thực hiện với độ chính các cao nên loại bộ Với Cpz = 2,1 – thép
truyền nhóm lựa chọn thiết kế là bộ truyền vít me – đai Vận tốc làm việc cuả chi tiết:
ốc bi. Loại này có lực ma sát nhỏ, truyền động êm hiệu Vctmin = 17,5 (m/ph) (Tinh)
suất truyền động cao và cần thực hiện chính xác. Vctmax = 25 (m/ph) (Thô)
Lực dọc trục được tính theo công thức thực nghiệm Suy ra:
do D.N.Resetôp: Pzmin = 𝐶𝑝𝑧 . 𝑉𝑐𝑡0,7 . 𝑆𝑑𝑜𝑐0,7
. 𝑡 0,8 =
0,7 0,7 0,8
𝑄 = 𝑘. 𝑃𝑥 + 𝜇. 𝑁 2,1. 17,5 . 60 . 0.015 = 8,94 (𝑁).
Phân tích thành phần thực nghiệm máy thì N là tổng Pzmax = 𝐶𝑝𝑧 . 𝑉𝑐𝑡0,7 . 𝑆𝑑𝑜𝑐0,7
. 𝑡 0,8 =
0,7 0,7 0,8
hợp các lực tác dụng lên sống trượt: N = Pz + G. ( đối với 2,1. 25 . 60 . 0.015 = 12,2 (𝑁).
sống trượt lăn trụ) Công suất động cơ đai đai nhám:
Pz lực tiếp tuyến Pz = 15,2 (N) 𝑃𝑧 . 𝑉𝑛ℎá𝑚
𝑁𝑛ℎá𝑚 =
Px lực dọc trục hay lực chạy dao Px = 3,04 (N). 102. 𝜂𝑚à𝑖
G trọng lượng của các bộ phận di động G = 500 (N) Ndâynhám min = 1,33 (kW) với 𝜂 = 0,99
Tra bảng II-6/36 sách Thiết kế máy cắt kim loại của Ndâynhám max = 2,66 (kW)
Nguyễn Ngọc Cẩn: ta có k= 1,15; 𝜇 = 0,16. Chọn động cơ có công suất N = 1,5 (kW) với số vòng
quay 2800 (vg/ph).
Nên Q = 1,15.3,04 + 0,16. (15,2 + 500) = 85,93 (N)
2.7. Chất lượng bề mặt đạt được
Xác định sơ bộ đường kính trong d1:( theo sách
Chất lượng bề mặt đạt được phụ thuộc vào các yếu tố
TTTK HDĐCK – Trịnh Chất)
chính như sau: chất lượng độ cát của dây nhám (P), tốc
4.1,3. 𝐹𝑎 độ quay của chi tiết, chiều sâu cắt, lượng chạy dao.
𝑑1 ≥ √ Với vật liệu bồn là thép, tra bảng 3-9/195, (sách chế
𝜋. [𝜎𝐾 ]
độ cắt gia công cơ khí – Nguyễn Ngọc Đào)
Fa = Q = 85,93 (N) – Lực dọc trục. Với bước tiến dọc tốc độ Vlv là:
𝜎
[𝜎𝐾 ] = [𝜎𝑛 ] = 𝑐ℎ = 120 𝑀𝑃𝑎 với 𝜎𝑐ℎ – giới hạn Bảng 1: Tốc độ chi tiết cho chế độ mài
3
chảy của vật liệu vít. Chế độ mài Tốc độ chi tiết (m/ph)
4.1,3.85,93 Thô 12 – 25
𝑑1 ≥ √ = 1,08 (𝑚𝑚) Tinh 15 – 55
𝜋.120
Chọn d1 = 20 (mm) Nên ta chọn:
Đường kính bi 𝑑𝑏 = (0,08 … 0,15). 𝑑1 = 1,6 … 3. Vmin = 17,5 (m/ph) = 0,3 (m/s)
Chọn db = 3 mm. Vmax = 25 (m/ph) = 0,42 (m/s).
Bước vít: p = db + (1…5) = 5 mm Ta có công suất động cơ dẫn động trục x (ngang) tính
theo sách ‘Thiết kế máy cắt kim loại’ Nguyễn Ngọc Cẩn:
Bán kính rãnh lăn r1 = (0,51…0,53)db mm chọn r1 =
𝐹𝑎 . 𝑉𝑠𝑚𝑎𝑥 85,93.1,2
1,55 mm 𝑁độ𝑛𝑔 𝑐ơ 𝑛𝑔𝑎𝑛𝑔 𝑚𝑎𝑥 = =
Khoảng cách từ tâm rãnh lăn đến tâm bi: 61200. 𝜂𝑠 61200.0,15
𝑑𝑏 3 = 0,012 (𝑘𝑊)
𝑐 = (𝑟1 − ) . 𝑐𝑜𝑠𝛽 = (1,55 − ) 𝑐𝑜𝑠45 = 0,035 Với:
2 2 Vs là vận tốc để tiến cụm cơ cấu mài:
Đường kính vòng ngoài của tâm bi:
𝑉𝑠𝑚𝑎𝑥 = 𝑠. 𝑛𝑐𝑡𝑚𝑎𝑥 = 60.10-3.20 = 1,2 (m/ph)
𝐷𝑡𝑏 = 𝑑1 + 2. (𝑟1 − 𝑐) = 20 + 2. (1,55 − 0,035) s: là lượng chạy dao, s = 60 (mm/vg)
= 23,03 𝑚𝑚 Vì vậy chọn động cơ biến tần… có công suất 0,4 (kW)
Đường kính trong của đai ốc: với đường kính trục ra d = 13 (mm), số vòng quay 1400
vòng/phút, sử dụng biến tần từ 50Hz.
4
Xác định tần số thực tế của phôi đang khảo sát với 3.2. Nguyên lý hoạt động
đường kính phôi D = 500 mm; Cấp phôi lên bộ phận dẫn động (3) bánh xe, động cơ
Ta có: (1) truyền động qua bộ truyền xích (2) chi tiết (4) quay
𝑉𝑐𝑡 . 1000 nhờ ma sát giữa bánh xe và vật liệu chi tiết.
𝑛𝑐𝑡 = Động cơ (8) hoạt động điều chỉnh lên xuống nhờ vít
𝜋. 𝐷
𝑉𝑠 = 𝑠. 𝑛𝑐𝑡 me – đai ốc thường (7) để đảm bảo chiều cao đối với chi
Với vận tốc làm việc thấp, nên trục ra động cơ ta cần tiết xong thắng lại giữ nguyên vị trí để đảm bảo cho quá
làm giảm tốc độ, mà có thể điều chỉnh được theo từng chế trình mài. Động cơ (5) hoạt động thực hiện truyền động
độ mài ta dùng biến tần để điều chỉnh. Kết quả ta tính qua lại nhờ đai ốc – vít me bi (6) để cụm cơ cấu mài (9)
được như sau: và (10) thực hiện chuyển động mài cho đến khi quá trình
Bảng 2: Bảng chế độ cắt cho từng chế độ mài mài kết thúc đạt độ nhám bề mặt yêu cầu.
Lượng chạy dao (mm/vòng) 60 3.3. Thiết kế trên phần mềm 3D
Vận tốc làm việc chi tiết (m/ph) 25 17,5 Nhóm sử dụng phần mềm solidworks để thiết kế 3D
Số vòng quay chhi tiết (v/ph) 16 11,15 cho toàn máy.
Tốc độ trục dẫn động chi tiết
165 112
(v/ph)
Tần số biến đổi cho động cơ chi
6 4
tiết (Hz)
Vận tốc tiến của nhám mài Vs
16 11,15
(mm/s)
Tốc độ của trục động cơ x ngang
192 133,8
(v/ph)
Tần số biến đổi của động cơ x
6,4 4,46
ngang (Hz)
Chế độ mài Thô Tinh
Hình 3.2 Hình ảnh 3D toàn máy
Bảng 3: Chọn độ cát hạt mài cho chế độ mài 3.4. Hình ảnh máy thực tế
Độ cát của dây
P46 – P120 P200 – P400
nhám (P)
Chế độ mài Thô Tinh
Độ nhám đạt
2,5 – 1,25 1,25 – 0,63
được Ra (𝜇𝑚)
3. Kết quả đạt được

3.1. Sơ đồ động
Hình 3.3 Ảnh toàn máy sau khi gia công
Tài liệu tham khảo

[1] PGS.TS Trịnh Chất - Lê Văn Uyển; Tính toán thiết kế hệ dẫn
động cơ khí, tập 1,2; Nhà xuất bản Giáo dục, 1998.
[2] Nguyễn Ngọc Đào – Trần Thế San – Hồ Viết Bình; Chế độ cắt
gia công cơ khí; Nhà xuất bản Đà Nẵng.
[3] GS.TS Trần Văn Địch (Chủ biên) - PGS.TS Nguyễn Trọng Bình
- PGS.TS Nguyễn Thế Đạt – PGS.TS Nguyễn Viết Tiếp –
PGS.TS Trần Xuân Việt; Công nghệ chế tạo máy; Nhà xuất bản
Khoa học kỹ thuật, Hà Nội 2008.
[4] PGS.TS Nguyễn Văn Yến; Giáo trình chi tiết máy; Nhà xuất bản
giao thông vận tải.
Hình 3.1 Sơ đồ động
[5] TH.S Lưu Văn Nhang; Kỹ thuật mài kim loại; Nhà xuất bản
Khoa học và kỹ thuật, Hà Nội
[6] TS.Nguyễn Phạm Thế Nhân; Giáo trình nguyên lý cắt và dụng
cụ cắt.
5
SVTH: Nguyễn Thiện Chí, Hoàng Anh Huy; GVHD: TS. Đinh Đức Hạnh
THIẾT KẾ, CHẾ TẠO MÁY ĐỊNH LƯỢNG (BẰNG KHỐI LƯỢNG) VÀ
ĐÓNG GÓI TỰ ĐỘNG CÀ PHÊ BỘT
DESIGN, MANUFACTURING MACHINE DOSING (BY WEIGHT) AND AUTOMATIC
POWDER PACKAGING MACHINE
SVTH: Nguyễn Thiện Chí, Hoàng Anh Huy
Lớp 18C1B, Khoa Cơ khí, Trường Đại học Bách khoa - Đại học Đà Nẵng;
Email: nguyenthienchi1001@gmail.com, anhhuy289@gmail.com
GVHD: TS. Đinh Đức Hạnh
Khoa Cơ khí, Trường Đại học Bách khoa - Đại học Đà Nẵng; Email: ddhanh@dut.udn.vn
Tóm tắt – Việt Nam là một trong những nước sản xuất lương Abstract – Vietnam is one of the biggest food production and
thực, thực phẩm lớn nhất thế giới. Các sản phẩm lương thực exporters in the world. The most popular products are cereals,
phổ biến của Việt Nam như là ngũ cốc, gia vị, đường, vv. Những marinade, sugar, etc. These products are usually in powder or
sản phẩm này thường có dạng bột hoặc dạng hạt nhỏ. Trước khi granulated shape. Before reaching the customers, they need to
đến tay người tiêu dùng, chúng cần được đóng gói với khối be packaged. With this in mind, we came up with the idea of
lượng nhất định. Xuất phát từ ý tưởng đó, chúng tôi đã lên ý designing and manufacturing an automatic food packing
tưởng thiết kế và chế tạo máy máy định lượng và đóng gói thực machine. The machine is composed of two main units, food
phẩm tự động. Máy được cấu thành từ hai bộ phận chính là bộ weighting unit and packaging unit. The food weighting unit is to
phận định lượng và bộ phận đóng gói. Bộ phận định lượng có measure a certain mass of food. The weight of the food can be
chức năng phân tách một lượng nhất định thực phẩm. Bộ phận control automatically. This mass are then packaged by the
này cũng cho phép điều chỉnh khối lượng thực phẩm đóng gói. packing unit. The developed machine can produce the package
Sau đó lượng thực phẩm này sẽ được đóng gói tự động bởi bộ which range from 70ml to 140ml with production rate 8
phận đóng gói. Máy có thể đóng được các gói có thể tích từ 70ml package/minute
đến 140ml, với công suất 8 gói/phút. Key words - Automatic food packing machine; quantification
Từ khóa – Máy đóng gói thực thẩm tự động; định lượng by mass; powdered food; PLC control; Coffee packing machine.
bằng khối lượng; thực phẩm dạng bột; điều khiển PLC, đóng gói
cà phê.
1. Đặt vấn đề
Việt Nam là một trong những nước sản xuất lương thực,
thực phẩm lớn nhất thế giới. Các sản phẩm lương thực
phổ biến của Việt Nam như là ngũ cốc, gia vị, đường, vv.
Những sản phẩm này thường có dạng bột hoặc dạng hạt
nhỏ. Trước khi đến tay người tiêu dùng, chúng cần được
đóng gói với khối lượng nhất định. Hình 1 (a) trình bày
một số dạng sản phẩm và cung cách đóng gói của chúng.
Hình 1. (2) Gói bột cà phê và màng bao dùng

để đóng gói
Thực phẩm được đóng gói bởi bao làm bằng nilon. Phôi
màng bao có dạng chữ nhật, được cuộn thành cuộn tròn
lớn như trong Hình 1(b). Để đóng gói bao, xuất phát từ
phôi màng bao hình chữ nhật, cần cuộn tròn phôi, tiếp Hình 2. Các bước đóng gói
theo hàn theo chiều dọc, sau đó hàn ở dưới đáy, sau đó
Các sản phẩm đóng gói bằng tay đang dần được thay
cho sản phẩm cần đóng gói vào, cuối cùng hàn miệng
thế bằng các máy động gói tự động. Máy đóng gói tự
bao. Hình 2 biểu diễn các bước đóng gói.
động mang lại nhiều lợi ích như: giảm sức lao động, giảm
6
chi phí, nâng cao năng suất, tăng khả năng cạnh tranh,
sản phẩm được bảo quản tốt hơn, tăng được niềm tin của
người tiêu dùng. Do đó nhu cầu sử dụng máy định lượng
và đóng gói tự động trong các cơ sở sản xuất ngày càng
tăng cao. Từ những nhu cầu đó, việc chế tạo ra các máy
định lượng và đóng gói phù hợp với từng loại sản phẩm,
với khối lượng nhất định ngày càng cao. Do đó các máy
định lượng và đóng gói tự động theo khối lượng ra đời đã
và đang không ngừng cải tiến để mang lại hiệu quả cao
nhất cho người sử dụng. Máy đóng gói thực phẩm tự động
thường bao gồm hai cơ cấu chính (1) cơ cấu định lượng
và (2) cơ cấu đóng gói. Cơ cấu định lượng dùng để tách
một lượng nhất định thực phẩm và đưa đến cơ cấu đóng
gói để hoàn thiện quá trình đóng gói sản phẩm.
Hiện nay, trên thị trường hiện có dạng máy đóng gói
tự động có cơ cấu định lượng bằng thể tích, tức là người
ta xác định khối lượng của sản phẩm dựa trên thể tích của
nó. Cấu tạo của cơ cấu này như trong Hình 3. Cơ cấu này
có các cốc có thể tích nhất định, khi bàn xoay quay quanh
trục, thực phẩm sẽ điền đầy các cốc này. Thực phẩm
trong cốc này sau đó nhờ trọng lực đưa xuống bộ phận
đóng gói.
Cơ cấu này có ưu điểm là cấu tạo đơn giản. Tuy nhiên,
nhược điểm của nó là khả năng điều chỉnh lượng thực Hình 4. Sơ đồ nguyên lý của máy
phẩm cần đóng gói thấp, và không thể điều chỉnh tự động. 2.2. Tính toán, thiết kế các bộ phận chính của máy
2.2.1. Cơ cấu định lượng
Cơ cấu định lượng bao gồm phễu chứa liệu, động cơ
truyền động vít tải vận chuyển bột từ phễu chứa liệu vào
cân định lượng. Cân định lượng sử dụng cảm biến khối
lượng, có thể cài đặt lượng Khi cảm biến khối lượng xác
định đã đủ lượng bột cần định lượng, Xylanh (X) sẽ đẩy
đưa lượng thực phẩm này xuống cơ cấu đóng gói thông
qua phễu dẫn liệu. Hình 5 biểu diễn kết cấu của cơ cấu
định lượng.
Hình 3. Cơ cấu định lượng bằng thể tích.

Để giải quyết nhược điểm của cơ cấu định lượng bằng
thể tích, nhóm nghiên cứu phát triển cơ cấu định lượng
bằng khối lượng, với độ chính xác cao cho máy đóng gói
thực phẩm tự động. Chi tiết về máy được trình bày trong
mục tiếp theo.
2. Kết quả nghiên cứu
2.1. Xây dựng sơ đồ động học máy
Như đã trình bày ở trên, máy đóng gói thực phẩm tự
động gồm hai cơ cấu chính, cơ cấu định lượng và cơ cấu
đóng gói. Sơ đồ nguyên lý của máy được trình bày trong
Hình 4. Bột được chứa trong phễu (7), nhờ đồng cơ M2
quay trục vít tải đựa bột vào cân định lượng (10). Cân Hình 5. Cơ cấu định lượng.
định lượng sử dụng cảm biến khối lượng, có thể cài đặt Năng suất băng tải vít xác định theo công thức:
lượng bột cần định lượng. Khi cảm biến khối lượng xác
định đã đủ lượng bột cần định lượng, Xylanh (X) sẽ đẩy  D2
Q  60. .S .n. . (1)
đưa lượng thực phẩm này xuống cơ cấu đóng gói thông 4
qua phễu dẫn liệu. Cơ cấu đóng gói động cơ M1 có chức Với
năng cung cấp bao để đóng gói, và cơ cấu kéo màng bao D  0, 05m, n  30v / p ,   0, 65T / m3 ,  0, 45
để kéo màng bao xuống một chiều dài nhất định, với thể
tích bao tương ứng có thể chứa được lượng thực phẩm  .0, 052
cần đóng gói. Hàm ép nhiệt dọc dùng để hàn mặt bên của  Q  60. .0, 04.30.0, 65.0, 45
4
bao và cơ cấu ép nhiệt ngang dùng để hàn mặt trên và mặt  0, 041(T / h)  11,38( g / s)
dưới của bao.
7
Công suất ở trục tải vít được xác định bởi: Hàm ép nhiệt ngang bao gồm (1) thanh trượt, (2) 2
Q xylanh khí nén, (3), ổ trượt, (4) áp ép nhiệt ngang và (5)
N ( L0  H ) (2) lò xo. Khi xilanh A và B đẩy piston chuyển động ra xa,
367 mang theo hai ngàm ép nhiệt ngang kẹp chặt để hàn
Với Q  0, 041T / h, L  0,3, 0  2,5, H  0 miêng bao. Ngàm ép nhiệt ngang đồng thời mang dao cắt
để cắt đáy của bao. Ngược lại, khi 2 xilanh A và B kẻo
 N  8, 4.105 (kw) piston chuyển động lại gần thì hai ngàm ép nhiệt ngang
Mô men xoắn ở trục vít tải được xác định bởi nhả ra.
N0 8, 04.10 5 Tương tự, kết cấu hàm ép nhiệt ngang được trình bày
M 0  975.  975. 2, 613.10 3 ( KG.m)
n 30 trong Hình 7.
Lực tác dụng vào vít tải được xác định bởi
M0
P ( KG ) (3)
r.tg (   )
Trong đó
S 0, 04
tan     0,31    17, 22
2 r 2 0, 02
Lấy   35
2, 613.103
 p  0,105(kG )  1, 05( N )
0, 02.tg (17, 22  35)
Công suất động cơ được tính bởi:
N0 8, 4.105
Ndc  K  3.  3,15.104 (kw) (4)
 0,8
Mô men xoắn trên trục động cơ
Hình 7. Cơ cấu ép nhiệt ngang
M 2,613.103 Khi xi lanh khí nén (1) kéo piston lại gần, đồng thời
M dc  k 0  3.
 0,8 (5) thông qua thanh trượt (2) đẩy hàm ép nhiệt dọc đóng lại
3 2 để hàn cạnh bao. Ngược lại, khi xi lanh khí nén (1) đẩy
 9,8.10 ( KG.m)  9,8.10 ( N .m) piston ra xa thì hàm ép nhiệt dọc mở ra.
Từ đó lựa chọn động cơ 24VDC, công suất 20w, tốc độ Để đưa bao vào đóng gói, cần cơ cấu kéo bao. Hình 8
không tải 48v/p trình bày kết cấu của cơ cấu kéo bao.
2.2.2. Cơ cấu đóng gói
Cơ cấu đóng gói gồm động cơ M1 có chức năng cung
cấp bao để đóng gói, và cơ cấu kéo màng bao để kéo
màng bao xuống một chiều dài nhất định, với thể tích bao
tương ứng có thể chứa được lượng thực phẩm cần đóng
gói. Hàm ép nhiệt dọc dùng để hàn mặt bên của bao và
cơ cấu ép nhiệt ngang dùng để hàn mặt trên và mặt dưới
của bao.
Hình 6 trình bày kết cấu của hàm ép nhiệt ngang.
Hình 8. Cơ cấu kéo bao

Bộ phận con lăn kéo màng bao gồm 2 cặp con lăn nằm
thẳng hàng theo chiều dọc máy, cách nhau khoảng
114mm. Các cặp con lăn được truyền động bằng bộ
truyền đai răng, các con lăn ăn khớp với nhau bằng bánh
răng. Bao bì được kéo qua máng dẫn hướng, giúp định
hình gói sản phẩm.
Lực ma sát tại các cặp ổ lăn trên trục đỡ cuộn bao( 2
Hình 6. Hàm ép nhiệt ngang (a) sơ đồ động học trục), trục kéo màng bao(2 trục).
và (b) kết cấu Dựa vào hiệu suất của các cặp ổ lăn( Nol =0,99)
8
Từ đó tính được lực kéo động cơ tang thêm là kéo con lăn màng bao)
1  1, 08 lần Plv  F 5.v /1000  14, 2.0,132 /1000 0, 0019( kw)
0, 998
(13)
Trọng lượng của một trục căng màng bao: Với Plv: công suất làm việc
Khi máy khởi động, động cơ cần sinh lực kéo đủ lớn V: vì thời gian mở máy đối với động cơ có công suất
để thắng được trọng lượng của thanh căn màng bao. nhỏ là rất nhanh nên chọn V=0,132m/s
Trọng lượng của một trục căng màng bao: Công suất trên trục ra của hộp giảm tốc
Khi máy khởi động, động cơ cần sinh lực kéo đủ lớn P1  Plv /  dr  0, 0019 / 0, 97  1, 96.103 (kw) (14)
để thắng được trọng lượng của thanh căn màng bao
Chọn trọng lượng của trục điều hoà lực căn màng bao: Công suất trên trục động cơ
Q=5N P2  P1 / (ol 2 .br 2 )  0, 0021(kw) (15)
- Lực ma sát giữa phễu cấp liệu và màng bao Từ đó lựa chọn động cơ 24VDC, công suất 32w, tốc
Trước khi đi kéo màng bao qua phễu, động cơ cần lực độ 4500v/p
kéo màng bao đi qua các trục căng màng bao. Ta có tất Kết hợp các cơ cấu trên lại, ta được mô hình tổng thể
cả 2 trục đỡ cuộn bao của máy như trình bày trong Hình 9. Các thông số kỹ
5 thuật của máy cho trong bảng 1.
F1  Q / (0,992 )   5,1N (6)
0,992 THÔNG SỐ KỸ THUẬT CỦA MÁY ĐÓNG GÓI
Lực ma sát tại phễu cấp liệu và lực ma sát giữa bao Định lượng Theo khối lượng
và các thanh căng
Công suất nguồn 6.5kw 220v
Fms1  F1 .k .cos 60  F1 .k
Chiều rộng làm túi (mm) 60-200
 5,1.0, 4.cos60  5,1.0, 4  3, 06 N (7)
Tốc độ đóng túi 10 túi/phút
Với K =0,4 là hệ số ma sát giữa inox và màng bao Kích thước tổng thiết bị 600 x 910 x 1608
Như vậy lực kéo cần có sau khi màng bao đi qua phễu (mm)
cấp liệu là:
Chất liệu màng PET/VMPET/PE,
F2  F1  Fms1  5,1  3, 06  8,16 N (8)
Nhiệt độ hàn 195-200 ºC
- Lực ma sát giữa con lăn kéo màng bao với màng
bao
Lực ma sát sinh ra tại các con lăn kéo màng bao:
Fms 2  Fms1  F1.k.cos 0  3, 06  5,1.0, 4.1  5,1N
(9)
Lực kéo cần có của động cơ sau khi đi qua các cơ cấu
F 3  F 2  Fms 2  8,16  5,1  13, 26 N (10)
Vậy lực kéo của động cơ sau khi trừ đi hao phí trên
cặp ổ lăn trên trục mang con lăn kéo màng bao là
F4  F3 / nol 4  13, 26 / 0, 99 4  13,8 N (11)
- Trọng lượng của bao cà phê chưa cắt
Trọng lượng này cùng chiều với lực kéo của động cơ,
do đó nó có tác dụng giảm tải trọng nhưng lại biến đổi
theo chu kỳ( khi có khi không), nên ta không tính đến khi
tính tải trọng.
- Hao phí trên bộ truyền đai rang
Chọn hiệu suất của bộ truyền đai răng: dr  0,97
Lực kéo cần có của động cơ sau bộ truyền đai răng là:
F5  F4 / dr  13,8 / 0,97  14, 2 N (12)
Hình 9. Kết cấu tổng thể máy
Hao phí trên hộp giảm tốc
2.2.3. Sơ đồ điều khiển máy
Ta chọn động cơ tích hợp hộp giảm tốc hai cấp, như
vậy tổn thất trên hộp giảm tốc gồm tổn thất trên hai bộ Máy được điều khiển bằng bộ khả lập trình PLC S7-
truyền bánh răng( br  0,97 )và tổn thất trên hai cặp ổ 1200 CPU 1214C DCDCDC
lăn( ol  0,99 ) Hình 10 trình bày sơ đồ grafcet chính của máy, hình
11 trình bày sơ đồ grafcet hoạt động độc lập của động cơ
Từ các lực trên suy ra công trên trục công tác( trục M1 bật tắt động cơ cấp bao.
9
Dưới đây là sơ đồ kết nối của máy
Hình 10. Sơ đồ grafcet của máy
Hình 14. Sơ đồ kết nối của máy

3. Bàn luận
Sau khi hoàn thành chế tạo máy, máy được sử dụng
để đóng gói sản phẩm dạng bột, với khối lượng đóng gói
là xxg. Hình 10 trình bày sản phẩm được đóng gói bởi
máy được chế tạo bởi nhóm nghiên cứu.
Hình 11. Sơ đồ grafcet độc lập của động cơ M1
Hình 12 biểu đồ trạng thái của máy

Hình 10. Gói sản phẩm được hoàn thiện bởi máy
Gói sản phẩm sau khi đóng gói cần đảm bảo kín,
không bị hở. Một thí nghiệm được tiến hành để kiểm tra
độ kín của bao như sau. Cho bao vào trong cốc nước, tác
dụng lên bao một áp suất nhất định, nếu có bọt khí nổi
lên nghĩa là bao bị hở, ngược lại, bao đảm bảo độ kín.
Hình 15 trình bày quá trình kiểm tra độ kín của bao.
Kết quả kiểm tra không có bọt khí, cho thấy bao đảm bảo
độ kín.
Hình 13 biểu đồ trạng thái của M1
10
4. Kết luận.
Nghiên cứu này đã thiết kế, chế tạo thành công máy
định lượng và đóng gói tự động thực phẩm dạng bột. Máy
sau khi chế tạo đã có công suất đóng gói 8-10 túi/phút.
Sản phẩm đóng gói bởi máy đảm bảo độ kín.
Công suất của máy vẫn tương đối thấp, do đó trong
tương lai, nhóm nghiên cứu sẽ tiếp tục phát triển để tăng
năng suất hoạt động của máy.
[1] Trần Xuân Tuỳ - Trần Ngọc Hải- Giáo trình điều khiển thuỷ khí và
lập trình PLC-Trường ĐH Bách khoa Đà Nẵng-2010
[2] Trần Ngọc Hải - Giáo trình điều khiển thuỷ khí và lập trình PLC-
Trường ĐH Bách khoa Đà nẵng -2020
[3] Trần Ngọc Hải - Trần Xuân Tuỳ - Hệ thống truyền động thủy lực và
khí nén - NXB Xây dựng - 2011
[4] Trần Ngọc Hải – Hệ thống sản xuất tự động – Trường ĐH Bách
khoa Đà Nẵng - 2018
[5] Nguyễn Hữu Lọc– Cơ sở thiết kế máy – NXB ĐH Bách khoa Hồ
Chí Minh
[6] Văn Hữu Thịnh – Tính toán thiết kế máy nâng chuyển- Trường ĐH
Bách Khoa Hồ Chí Minh.
Hình 15. Thí nghiệm kiểm tra độ kín của bao
11
SVTH: Phan Lê Kỷ Nguyên, Hoàng Tuấn Hiệp, Hồ Viết Đức Long; GVHD: TS. Đặng Phước Vinh
THIẾT KẾ MÁY SẢN XUẤT DÂY BỌC XOẮN NHỰA PE BẢO VỆ DÂY ĐIỆN
DESIGN OF A WORM-SCREW EXTRUSION MACHINE FOR FABRICATING
OF PE SPIRAL PLASTIC TUBES FOR CABLE COATING
SVTH: Phan Lê Kỷ Nguyên, Hoàng Tuấn Hiệp, Hồ Viết Đức Long
Lớp 18CDT2, Trường Đại học Bách khoa-Đại học Đà Nẵng;
Email: mrnguyen1601@gmail.com, hiephoangtuan20@gmail.com, duclongbkdn962@gmail.com
GVHD: TS. Đặng Phước Vinh
Khoa Cơ khí, Trường Đại học Bách khoa - Đại học Đà Nẵng; Email: dpvinh@dut.udn.vn
Tóm tắt – Quy trình đùn nhựa đã và đang được sử dụng Abstract - Extrusion processes are widely used in industries
rộng rãi trong các ngành công nghiệp nhằm mục đích cung cấp that aim to produce advanced solutions for increasingly
giải pháp tiên tiến cho nhu cầu ngày càng phức tạp trong ngành sophisticated demands in the lastic, food, and pharmaceutical
nhựa dẻo, thực phẩm và dược phẩm. Trong bài báo này, nhóm sectors. In this paper, we research and develop a system to
tác giả nghiên cứu, phát triển và thiết kế máy sản xuất ống bọc produce Spiral PE tube used to protect the surfaces of electrical
xoắn nhựa PE dùng để bảo vệ các bề mặt dây điện, dây cáp wires and optical cables. Using single screw plastic extrusion
quang. Sử dụng công nghệ đùn nhựa bằng trục vít đơn, gia nhiệt technology, heating melts solid plastic to create liquid plastic,
làm nóng chảy nhựa rắn tạo ra nhựa dạng lỏng, đi qua đầu định passes through the shaping head, cooling and guiding forming
hình, các khâu tạo hình làm mát và dẫn hướng để cho ra thành stages to produce a plastic spiral tube. Plastic spiral PE tube has
phẩm là ống xoắn nhựa bọc dây điện. Ống xoắn nhựa PE có tính the features of heat stability, corrosion resistance, high
năng ổn định nhiệt, chống ăn mòn, độ dẻo dai cao, không biến toughness, no deformation and good flexibility, which can be
dạng và tính linh hoạt tốt, có thể vận chuyển, thi công dễ dàng. transported and constructed easily.
Từ khóa – Ống nhựa xoắn PE; Máy đùn ống nhựa xoắn; Keywords – Spiral PE tube; Plastic spiral tube extrusion
Đùn nhựa; Trục vít đơn; Nóng chảy nhựa. machine; Plastic Extrusion; Single screw; Melt Plastic
1. Đặt vấn đề được sử dụng để có sản lượng cao hơn. Cách dễ nhất để
tăng thông lượng của máy đùn là tăng tốc độ trục vít. Giải
Trong thời đại công nghiệp hoá, tự động hoá hiện nay pháp dễ dàng này thường dẫn đến chất lượng nóng chảy
các sản phẩm công nghiệp đã và đang gắn liền với cuộc kém do vượt quá khả năng nóng chảy của thiết kế trục vít
sống của con người chúng ta. Sản phẩm từ công nghiệp và xuống cấp gây ra bởi nhiệt độ nóng chảy cao. Sử dụng
nâng cao chất lượng cuộc sống mang lại một đời sống đa vít có đường kính nhỏ hơn có thể mang lại một số lợi thế
dạng, phong phú và tiện nghi hơn. Nhựa hay các sản để đạt được thông lượng cao hơn ở tốc độ vít cao hơn.
phẩm từ nhựa cũng đã đóng vai trò quan trọng cho những Một ưu điểm quan trọng của máy đùn có đường kính nhỏ
điều đó như cung cấp đồ dùng sinh hoạt hàng ngày, các hơn là đặc tính truyền nhiệt tốt hơn. Điều này mang lại
thiết bị dân dụng như tivi, tủ lạnh, ống nước, dây cáp các đặc tính truyền nhiệt tốt hơn [9].
điện,…Để có thể đáp ứng nhu cầu sử dụng các sản phẩm
từ nhựa ngày càng tăng, công nghệ đùn nhựa đã được ra Máy đùn nhựa thiết bị sử dụng công nghệ nén đùn
đời. Nó đã được ứng dụng rất nhiều trong ngành sản xuất dùng để tạo ra các loại ống nhựa, tấm nhựa, sàn nhựa,
sản phẩm nhựa mang lại sự thúc đẩy mạnh mẽ về các màng nhựa,…[10] Chức năng chính của máy đùn là
ngành công nghiệp và phát triển kinh tế. chuyển nhựa rắn thành dạng tan chảy đồng nhất bằng tác
dụng của gia nhiệt, áp suất và cắt sau đó nó được chuyển
Đùn là một phương pháp điển hình để sản xuất các đến quy trình tiếp theo. Quy trình nấu chảy bao gồm các
sản phẩm polyme (ống, tấm, màng, lớp phủ) từ các loại quá trình như trộn màu, trộn nguyên liệu, trộn nhựa và
vật liệu khác nhau. Những chiếc máy đùn đầu tiên được nghiền lại. Quá trình hoàn thiện bắt buộc phải được thực
phát triển cho ngành thực phẩm và vật liệu xây dựng. hiện đồng nhất về nồng độ và nhiệt độ. Tác dụng của áp
Ngày nay, rất nhiều vật liệu có thể được ép đùn thành sản suất phải đủ lớn để ép nhựa lỏng đi [11]. Sau đó, nhựa sẽ
phẩm. Trong lĩnh vực vật liệu kỹ thuật, vật liệu polyme ngay lập tức nguội dần và duy trì hình dạng rắn theo
là vật liệu phổ biến nhất [7]. khuôn đùn sản phẩm. Máy đùn nhựa là một thiết bị không
Việc sử dụng máy đùn trục vít đơn trong các quy trình thể thiếu trong dây chuyền sản xuất các sản phẩm nhựa
sản xuất đã tiến bộ đáng kể trong vài thập kỷ qua. Do đó, từ nguyên liệu nhựa PE, PP, PVC, ABS, HDPE ,… [10].
số lượng máy đùn trục vít đơn được sử dụng đã tăng lên Và hiện nay tại Việt Nam, chưa có công ty hay doanh
đáng kể cũng như đường kính và chiều dài của máy, đặc nghiệp nào sản xuất một hệ thống máy đùn nhựa cho ra
biệt là đối với máy đùn được sử dụng trong các nhà máy thành phẩm nhựa ứng dụng. Đa phần đều được nhập từ các
sản xuất nhựa lớn. Ngoài ra, các nhà sản xuất nhựa đã nước như Trung Quốc, Đài Loan,… Việc nhập khẩu các
phát triển nhiều loại nhựa mới cho các sản phẩm cuối hệ thống như vậy sẽ dẫn tới việc giá thành cao, khó tiếp
cùng như tấm ép đùn, màng, ống, sợi, lớp phủ và cấu cận và chưa làm chủ được công nghệ. Vì vậy nhóm nghiên
hình. Máy đùn vẫn là đơn vị quá trình được lựa chọn để cứu đã và đang nghiên cứu, thiết kế và sản xuất máy sản
sản xuất viên nén trong sản xuất vật liệu polyme. Hai loại xuất ống bọc xoắn nhựa PE với giá thành phù hợp hơn và
máy đùn thường được sử dụng trong sản xuất sản phẩm có thể tự làm chủ công nghệ sản xuất và vận hành.
polyme: máy đùn trục vít đơn và máy đùn trục vít đôi [8].
- Kích thước tổng thể:
Máy đùn trục vít đơn là loại máy đùn phổ biến nhất
và nó có chi phí đầu tư tương đối thấp . Máy hai trục vít + Khâu đùn nhựa: 1500 x 560 x 1250 mm
12
+ Khâu định hình và làm mát: 1000 x 350 x 900 mm
+ Khâu dẫn hướng: 600 x 500 x 900 mm
Trong thiết kế này, sản phẩm đầu ra có các thông số
kỹ thuật sau:
- Đường kính ngoài: 10 mm
- Bước: 8 mm
- Độ dày: 1 mm
2. Kết quả nghiên cứu và khảo sát Hình 2. Cấu tạo trục vít [14]
2.1. Các loại máy đùn Quá trình đùn nhựa sẽ có trình tự như Hình 3: Đầu
Trong các loại máy đùn phổ biến trên thị trường trong tiên nhựa được cho vào phễu cấp liệu và được vận chuyển
và ngoài nước hiện nay gồm có hai loại chính là trục vít lên phía đầu tạo hình thông qua trục vít quay đều. Quá
đơn và trục vít đôi. Trong đó máy đùn trục vít đơn thường trình vận chuyển sẽ có ma sát và sinh ra
được dùng cho đùn những loại nguyên liệu hạt và mảnh. nhiệt, cộng thêm nhiệt tạo ra từ các bộ cấp nhiệt bên
Còn máy trục vít đôi thì sẽ dùng cho loại nguyên liệu bột ngoài làm cho nhựa trở thành dạng lỏng. Sau khi được
hoặc hỗn hợp. nén và ép qua đầu tạo hình, nhựa có hình dạng gần giống
Cấu tạo máy đùn trục vít đơn được thể hiện ở Hình 1, với thành phẩm.
gồm các bộ phận chính là: động cơ, hộp số, phễu cấp liệu,
xylanh, trục vít, bộ cấp nhiệt và đầu tạo hình.
Hình 3. Sơ đồ quá trình đùn nhựa

2.2. Ống xoắn bọc dây điện
Ống xoắn bọc dây điện (Hình 4) ngày càng được ứng
dụng nhiều trong lĩnh vực thi công các hệ thống điện hiện
nay. Điển hình như các hệ thống tủ điện từ công nghiệp
cho tới dân dụng. Ống xoắn có tác dụng bọc gọn dây điện
vào ống dây giúp chống chuột cắn, chống mài mòn, bảo
vệ bề mặt dây điện và quấn nhiều dây cáp dây điện thành
một bó giúp dễ quản lý hệ thống điện.
Hình 1. Cấu tạo sơ bộ máy đùn trục vít đơn [12]

Bộ phận chính là một xylanh được làm bằng trục thép
rỗng, bên trong có một trục có các rãnh xoắn trên bề mặt
để đùn nhựa dạng lỏng. Kích cỡ của máy đùn sẽ phụ
thuộc vào kích thước trong của xy lanh, và được chuẩn
hoá theo các kích thước như: 30, 45, 65, 80, 90, 100, 120,
Hình 4. Ống xoắn bọc dây điện (Nguồn: Internet)
150, 200 mm. Xylanh được gia nhiệt bằng các vòng điện
trở nằm bên ngoài bề mặt và có công suất trong khoảng Vật liệu để tạo thành phẩm ống xoắn bọc dây điện là
25 - 45 W/in2 [13]. Để giảm nhiệt độ thì cần có quạt gió, hạt nhựa PE. Hạt nhựa nguyên sinh Polyethilene được
trường hợp quá nhiệt ta sẽ dùng chất lỏng giảm nhiệt như viết tắt là PE là một loại polyme đơn giản và thông dụng,
nước hoặc dầu. Hạt nhựa nguyên sinh PE được tổng hợp từ monomer
Trục vít thường được chia thành ba vùng rõ rệt như ethylene và gồm chuỗi mạch carbon với hai nguyên tử
trên Hình 2, cụ thể: hydro liên kết với mỗi nguyên tử carbn. Các phân tử riêng
rẽ, hoặc chuỗi, có thể kéo dài từ hàng trăm đến hàng chục
- Vùng cấp liệu (Feed section) là nơi có các rãnh ngàn nguyên tử carbon [16]. Là một loại nhựa nhiệt dẻo
xoắn sâu nhất dùng để vận chuyển nguyên liệu từ được sử dụng rất phổ biến trên thế giới để làm ra các sản
phễu cấp liệu tới các phần sau của trục vít. Hạn chế phẩm như ống nhựa, túi nhựa,... Có các tính chất như dẻo
gia nhiệt mạnh ở vùng này để cho nhựa không bị dai, ít thấm nước, chịu va đập, mềm dẻo, dễ gia công, và
nóng chảy và khó có thể di chuyển tiếp tới các vùng có tính cách điện tốt [17].
sau [15].
3. Thiết kế cơ khí
- Vùng nén (Compression section) là vùng rãnh xoắn
giảm độ sâu. Đây sẽ là vùng nhựa được nén dần và Máy sản xuất ống bọc xoắn nhựa PE bảo vệ dây điện
được gia nhiệt mạnh để làm nóng chảy nhựa [15]. được nhóm thiết kế và hoàn thiện dựa trên những nghiên
- Vùng định hướng (Metering section) là vùng rãnh cứu trên. Hình 5 thể hiện bản vẽ 3D của máy sản xuất
xoắn có độ sâu nông. Nhựa nóng chảy được tạo áp ống bọc nhựa xoắn PE. Máy gồm có ba khâu chính để
lực cao và đồng nhất để đi qua van chắn và tới đầu cho ra thành phẩm ống xoắn bọc dây điện nhựa PE:
định hình (Die) [15]. - Khâu đùn nhựa (1)
- Khâu định hình và làm mát (2)
13
- Khâu dẫn hướng (3)
Hình 6. Thiết kế khâu đùn nhựa

Hình 5. Bản vẽ 3D máy sản xuất ống bọc nhựa PE
1: Động cơ; 2: Các thiết bị điều khiển điện; 3: Màn hình
Nguyên tắc hoạt động của máy đùn là làm nóng chảy HMI; 4: Khớp nối; 5: Giá đỡ trục vít đùn; 6: Phễu cấp liệu;
vật liệu, định hình và tạo ra thành phẩm. Các công đoạn 7: Hộp bảo vệ chứa xylanh và trục vít đùn; 8: Đầu tạo hình;
chính bao gồm các phần sau: 9: Bộ phận làm mát
- Nguyên liệu là nhựa được cho vào phễu cấp liệu Các thông số kỹ thuật chính của khâu đùn nhựa:
và được trục vít vận chuyển đi. - Chiều dài trục vít (L): 988 mm
- Trong quá trình vận chuyển, nhựa sẽ được nén và - Đường kính D: 90 mm
nóng chảy bởi nhiệt ma sát và điện trở gia nhiệt
- Đường kính trong: 38 mm
bên ngoài xylanh. Nhựa được nén và đùn qua đầu
tạo hình và sẽ cho ra hình dạng gần giống với - Chiều sâu rãnh vít (h): 3 mm
thành phẩm. - Bế dày của cánh vít : 4 mm
- Sau khi nhựa ra khỏi đầu tạo hình thì sẽ được kéo - Bước vít (Pitch): 38 mm
tới khâu định hình để có hình dạng mong muốn và - Góc nghiêng của cánh vít: 30º
được làm mát ngay lập tức. Cuối cùng nhựa sẽ
- Tốc độ động cơ: 30 vòng/phút
được kéo qua khâu dẫn hướng để vận chuyển và
đưa ra thành phẩm cuối cùng. - Tỷ số truyền động cơ: 50
3.1. Khâu đùn nhựa - Khớp nối: khớp nối đĩa thép
Khâu đùn nhựa là khâu quan trọng nhất của máy sử
dụng loại trục vít đơn. Nhựa PE dạng hạt sẽ được cấp qua
phễu, đi vào bên trong trục đùn, được vận chuyển và nung
nóng thành nhựa dạng lỏng, ép qua đầu tạo hình và cho
ra biên dạng như yêu cầu. Hình 6 và Hình 7 thể hiện kết
cấu của khâu đùn nhựa và hình ảnh thực tế của khâu này.
Khối lượng nhựa đùn được trong một tiếng [18]:
𝜔
𝐺 = 60𝑃0 𝑁𝜂𝐹 𝑛2 𝐻𝐷𝑏 (𝐷𝑏 𝐻) ( ) sin(𝜙) cos(𝜙)
𝜔 + 𝜔𝐹𝐿𝑇
𝑠
+ Với 𝜙 = arctan ( ): góc nghiêng của bước do
𝜋×𝐷𝑏
với phương thẳng đứng
+ Đường kính trong của nòng: 𝐷𝑏 = 38 𝑚𝑚
+ Bước trục vít: 𝑠 = 38 𝑚𝑚
+ Số bước xoắn (số bước đùn): 𝑣 = 1
+ Độ dày lưỡi đùn: 𝑊𝐹𝐿𝑇 = 4 𝑚𝑚
+ Khoảng cách 2 bước đùn:
𝜔 = (𝑠 − 𝑒) cos(𝜙) = 32,21 𝑚𝑚
+ Độ hở trục vít và nòng: 𝐻 = 7,25
+ Tốc độ trục vít: 𝑁 = 30 𝑟𝑝𝑚
+ Khối lượng riêng của nhựa: 𝑝𝑜 = 950 𝑘𝑔/𝑚3
Hình 7. Hình ảnh thực tế khâu đùn nhựa
+ Độ dày lưỡi đùn theo phương ngang:
𝑊𝐿𝐹𝑇 Xylanh và trục vít là bộ phận quan trọng của khâu đùn
𝑒= = 4,2 nhựa. Xylanh và trục vít luôn phối hợp với nhau để hoạt
cos(𝜙)
động (xem Hình 8). Xylanh bao lấy trục vít, trục vít
Sau khi tính toán ta có được khối lượng nhựa đùn
chuyển động bên trong bộ nòng. Khi trục vít xoay đẩy
trong một giờ là: 𝐺 = 16,17 𝑘𝑔/ℎ. nhựa chuyển động tịnh tiến trong nòng thì bên ngoài bộ
nòng được gia nhiệt nhờ vào các vòng trở nhiệt sứ và
14
nóng chảy nhựa nằm bên trong. Diện tích rãnh trục vít sẽ
giảm dần và nhựa nằm bên trong sẽ chịu các loại lực tác
động như bị đè ép, xoay và cắt, từ đó nhựa được trộn đều
và dẻo hơn.
Hình 10. Hình ảnh thực tế khâu điịnh hình và làm mát
Hình 8. Xylanh trục vít đơn (Nguồn: Internet) 3.3. Khâu dẫn hướng
Khi nhựa di chuyển về phía trước bộ nòng, sẽ dần dần Để có thể dẫn hướng và kéo ống xoắn đi qua các khâu
chảy thành trạng thái lỏng để hoàn thành quá trình hóa trên thì chúng ta cần thêm một khâu dẫn hướng có kết cấu
dẻo của nhựa. Sự hợp tác giữa nòng trục vít đảm bảo việc như Hình 10.
đùn nguyên liệu của máy đùn luôn được tiến hành liên
tục. Nhựa được đùn qua đầu tạo hình sẽ có dạng bản dẹt
để tiếp tục vào khâu định hình tiếp theo.
3.2. Khâu định hình và làm mát
Sau khi nhựa được đùn qua đầu tạo hình và có được
biên dạng bản dẹt thì sẽ được đưa tới khâu định hình để
có được hình dạng là một ống xoắn. Các bộ phận chính
của khâu định hình và làm mát được thể hiện ở Hình 9.
Hình 10. Bản vẽ 3D của khâu dẫn hướng

1: Giá đỡ các ống roller; 2: Ống con lăn dẫn hướng; 3:
Máng trượt; 4: Cơ cấu truyền động; 5: Động cơ
Hình 9. Hình chiếu bằng khâu định hình và làm mát

1: Vòi nước làm mát; 2: Trục định hình; 3: Tấm định
hình; 4: Khớp nối; 5: Giá đỡ động cơ và khớp nối; 6: Động cơ
Ngay trong khi tạo hình ống xoắn thì chúng ta ngay
lập tức làm mát chúng bằng hệ thống nước tuần hoàn,
nhựa PE lúc này được làm mát ngay sẽ giữ được hình
dạng ống xoắn như ta mong muốn. Nước được hút từ bồn
chứa nước phía dưới và bơm liên tục vào vị trí trục quay
định hình cho nhựa, lượng nước dư sẽ lại chảy xuống
dưới bồn và tuần hoàn liên tục. Các thông số kỹ thuật
chính của khâu này:
- Nhiệt độ nhựa được đùn ra: 100 ~ 120 ºC
Hình 11. Hình ảnh thực tế của cụm cơ cấu dẫn hướng và
- Nhiệt độ nhựa sau khi làm mát: 40 ~ 50 ºC kéo sản phẩm
- Công suất động cơ: 15 W Khâu gồm có cơ cấu chính là 3 ống con lăn chuyển
- Tỷ số truyền động cơ: 25 động bởi hệ truyền động xích, kết nối bằng hệ trục cardan
- Tốc độ động cơ: 30 vòng/phút và quay ở một góc thích hợp để dẫn hướng ống xoắn và
góp phần định hình lại ống xoắn nhựa theo đúng kích
Đây là phương pháp làm lạnh trực tiếp so với gián thước đường kính yêu cầu. Các thông số kỹ thuật chính:
tiếp là làm mát ngay trục quay giúp định hình ống xoắn.
Phương pháp này có ưu điểm giảm giá thành sản xuất - Tốc độ động cơ: 30 vòng/phút
nhưng vẫn khá hiệu quả. - Tỷ số truyền động cơ: 1/25
15
- Tỷ số truyền xích tải: 1/1 cơ ở chế độ tam giác (220V/2.4A), đồng thời Biến tần
- Tốc độ kéo: 15 cm/phút được thiết lập cho việc khởi động mềm, cho phép hãm tái
sinh và chạy không khoảng chết. Quạt sò được điều khiển
Để đáp ứng được yêu cầu thì cơ cấu này phải giữ được
trực tiếp bởi PLC, cài đặt bộ điều khiệt có độ trượt nhiệt
sản phẩm ở vận tốc không đổi và ở một vận tốc thích hợp.
độ từ 2 ~ 3 độ C ở cả khoảng trên và dưới của mức cho
Vận tốc kéo ở khâu dẫn hướng phải lớn hơn vận tốc nhựa
phép (125 độ C). Khi có sự trượt nhiệt độ ở khoảng trên,
đùn ra ở đầu tạo hình. Nếu vận tốc kéo phải nhỏ hơn vận
tiếp điểm hồi báo từ bộ điều khiển nhiệt đến PLC sẽ giúp
tốc đùn nhựa thì sản phẩm sẽ bị trùng xuống do trọng lực.
kích hoạt quạt sò thổi ngay lập tức để giảm nhiệt độ.
Việc kéo sản phẩm còn có tác dụng giúp kéo mỏng và
hạn chế hiện tượng trương phồng sau khi sản phẩm được
đùn ra khỏi đầu tạo tạo hình.
4. Hệ thống điều khiển
Hình 12 thể hiện sơ đồ điều khiển cho toàn bộ hệ
thống.
Hình 14. Một sơ đồ mạch điện điều khiển động cơ

Hình 15 thể hiện sơ đồ mạch điện điều khiển các cụm
gia nhiệt cho hệ thống. PLC sẽ điều khiển Relay trung
gian công suất cao 30A để đóng cắt nguồn điện xoay
chiều cho năm bộ Heaters. Đồng thời các Heaters sẽ được
đóng ngắt qua tiếp điểm của Relay bán dẫn SSR, được lái
Hình 12. Sơ đồ điều khiển hệ thống trực tiếp bởi các bộ điều khiển nhiệt. Ngoài ra, bố trí thêm
Máy sản xuất ống bọc xoắn nhựa PE bảo vệ dây điện 2 quạt tản nhiệt tủ điện giúp đảm bảo lưu thông dòng khí
này sử dụng PLC Mitsubishi FX-3G 60MT làm bộ điều nóng sinh ra trong hệ thống điện được thoát ra ngoài.
khiển trung tâm (xem Hình 13) để điều khiển cho toàn
bộ hệ thống hoạt động một cách ổn định theo lập trình.
Ngoài các nút điều khiển cơ bản cho PLC, ta bố trí thêm
các tín hiệu đầu vào: Relay báo trạng thái tích hợp trong
biến tần Siemens, các tiếp điểm báo gia nhiệt từ các bộ
điều khiển nhiệt độ. Bên cạnh đó, màn hình HMI sẽ được
kết nối giao tiếp với PLC theo chuẩn truyền thông RS422
để có thể thay đổi các thông số đầu vào và chỉ thị hoạt
động máy. Module mở rộng sẽ đóng vai trò trong việc
xuất tín hiệu Analog điện áp để biến tần điều khiển tốc
độ của động cơ xoay trục vít đùn. Và không thể thiếu các
thiết bị ngoại vi cảnh báo và trung gian như: Relay trung
Hình 15. Một sơ đồ mạch điện điều khiển bộ gia nhiệt
gian, đèn báo trạng thái, còi cảnh báo.
Hình 16 là hình ảnh thực tế của hệ thống điện sau khi
được lắp đặt.
Hình 13. Một sơ đồ mạch điện trung tâm

Hình 14 thể hiện sơ đồ mạch điện điều khiển động
cơ.
Dựa theo tính toán sơ bộ, ta nhận thấy đây là động cơ
công suất không quá lớn, không chịu các dạng tải kéo tời Hình 16. Hệ thống điện thực tế sau khi lắp đặt
hay tải trục cán,… Do vậy, các thiết bị bảo vệ quá tải như 5. Đánh giá
relay nhiệt, điện trở xả, lọc nguồn trước tải là không cần
thiết trong trường hợp này. Ta bố trí một MCB 10A để Hiện tại nhóm đã hoàn thiện khâu nghiên cứu thiết kế và
bảo vệ trước biến tần dựa theo datasheet. Đấu nối động đang trong quá trình sản xuất, thi công máy thực tế. Chi
16
phí dự kiến được liệt kê sơ bộ ở Bảng 1 so với các hệ Principle”, Xuất bản năm 2020
[12] https://engineeringlearn.com/wp-
thống hiện có trên thị trường là tiết kiệm hơn rất nhiều.
content/uploads/2021/05/Single-Screw-Extruder-1-1024x576.jpg
Với mục tiêu đảm bảo chất lượng, hoạt động tốt, ổn định, Truy cập ngày 01/11/2022
lâu dài theo yêu cầu của khách hàng cũng như các doanh [13] Nhóm sinh viên trường ĐH Công Nghiệp TP.HCM, Báo cáo đồ
nghiệp. Có thiết kế đầu tiên tại Việt Nam và giá thành án chuyên ngành “Máy Đùn Trục Vít”, Xuất bản 04/2008
[14] Zoé O. G. Schyns and Michael P. Shaver, “Mechanical Recycling
hợp lý hơn so với những sản phầm nhập khẩu từ nước
of Packaging Plastics: A Review”, Xuất bản năm 2021
ngoài trên thị trường hiện nay. Hệ thống này có tính thực [15] ZekiBerk, Chapter 15 – Extrusion, “The Single-screw Extruder”,
tiễn cao và sẽ giúp ích rất nhiều cho các doanh nghiệp sản Food Process Engineering and Technology, Xuất bản năm 2009
xuất chuyên về các sản phẩm từ nhựa. Từ những hệ thống [16] Minh Cường LTD , “Hạt nhựa nguyên sinh”, Xuất bản ngày
15/06/2022
này, chúng em sẽ kết hợp với các công ty, phát triển thêm
[17] Bách khoa toàn thư mở Wikipedia, “Polyethylen”, Sửa đổi lần
các hệ thống phục vụ cho ngành công nghiệp tự động hoá cuối ngày 21/05/2022
cho thành phố Đà Nẵng. [18] Natti S. Rao & Nick R. Schott, “Understanding Plastics
Bảng 1: Chi phí dự kiến Engineering Calculations”, Hanser Publishers, Munich
[19] Trịnh Chất – Lê Văn Uyển, Tính toán thiết kế hệ dẫn động cơ khí,
STT Các loại chi phí Giá thành (VND) Tập 1, Nhà xuất bản Giáo dục, 2006.
[20] Lê Cung, Nguyên lý máy, Trường Đại học Bách khoa - Đại học
1 Linh kiện điện 30,000,000 Đà Nẵng, Lưu hành nội bộ, 2006.
[21] Nguyễn Trọng Hiệp, Chi tiết máy tập 2, Nhà xuất bản Giáo dục,
2 Chi tiết cơ khí 1,000,000 2000
[22] Ðặng Phước Vinh, Võ Như Thành, Giáo trình kỹ thuật Vi điều
3 Trục vít đùn 14,000,000 khiển PIC, Nhà xuất bản Xây Dựng, 2019.
4 Gia công CNC 40,000,000 [23] Đặng Phước Vinh, Trần Quang Khải, Đoàn Lê Anh, Võ Như
Thành, Phạm Anh Đức. Lập trình vi điều khiển PIC và thiết bị
Tổng cộng 85,000,000 ngoại vi. Nhà xuất bản Khoa học và Kỹ thuật, 2021.
[24] Nguyễn Văn Yến, Giáo trình truyền động cơ khí. Nhà xuất bản
Xây Dựng, 2019.
[25] Lưu Đức Bình, Kỹ thuật gia công cơ, Nhà xuất bản Xây Dựng,
Lời cám ơn: Nghiên cứu này được tài trợ bởi Công ty TNHH 2019.
MTV cơ khí và tự động hóa COKVIN. [26] Lưu Đức Bình, Kỹ thuật đo cơ khí, Nhà xuất bản Giáo dục Việt
Nam, 2015.
Tài liệu tham khảo [27] Đặng Phước Vinh, Trần Phước Thanh, “Bàn thí nghiệm cỡ nhỏ
để xác định các thông số động học của máy quay”, Tạp chí Khoa
[7] Pritam Ashutosh, “Metal Forming and Powder Meallurgy”, Xuất học và Công nghệ, Số 7(128).2018, Đại học Đà Nẵng, 2018, trang
bản ngày 11/02/2014 71-74.
[8] Gregory A. Campbell and Mark A. Spalding, “Single-Screw [28] Đặng Phước Vinh, Lê Hoài Nam, “Mô phỏng số một hệ thống
Extrusion: Introduction and Troubleshooting”, Trang 1-22, Xuất máy có các chi tiết quay đơn giản bằng phương pháp phần tử hữu
bản năm 2013 hạn”, Tạp chí Khoa học và Công nghệ, Số 17 (7), Đại học Đà
[9] Marko Hyvärinen & Rowshni Jabeen & Timo Kärki, “The Nẵng, 2019, trang 5-9.
Modelling of Extrusion Processes for Polymers—A Review”, [29] Đặng Phước Vinh, Phạm Anh Đức, Võ Như Thành, “Xác định sự
Xuất bản ngày 30/04/2020 mất cân bằng động trong hệ thống trục quay - ổ bi bằng thực
[10] Cty TNHH Liên Thuận, “Máy đùn nhựa và những điều doanh nghiệm”, Tạp chí Khoa học và Công nghệ, Số 18(7), Đại học Đà
nghiệp cần biết”, Xuất bản ngày 15/08/2022 Nẵng, 2020, trang 101-105.
[11] Deepak Kumar, “Types of Extruders: Application & Working
17
SVTH: Nguyễn Hữu Khải, Lê Minh Khang, Trần Quang Huy; GVHD: TS. Đặng Phước Vinh
THIẾT KẾ MÁY ĐÓNG GÓI SẢN PHẨM DẠNG NẰM NGANG

DESIGN OF A HORIZONTAL PACKING MACHINE
SVTH: Nguyễn Hữu Khải, Lê Minh Khang, Trần Quang Huy
Lớp 18CDT2, Trường Đại học Bách khoa-Đại học Đà Nẵng;
Email: 101180239@sv1.dut.udn.vn, 101180240@sv1.dut.udn.vn, 101180237@sv1.dut.udn.vn
Tóm tắt – Máy đóng gói nằm ngang là loại máy đang được Abstract - In this paper, the authors discussed a concept of
sử dụng nhiều trên thế giới cho các nhà máy sản xuất vừa và the horizontal product packaging machine from the design to
lớn. Như tên gọi của máy, sản phẩm được đưa vào băng tải từ manufacturing processes. In the contemporary time, to ensure
trái sang phải, sau đó di chuyển theo phương ngang đi qua các long-term goods protection, hygiene by eliminating hand contact,
khâu gia nhiệt và hàn đóng gói. Từ quá trình cấp sản phẩm cho transportation efficiency, and most importantly to improve the
dến khi hoàn thiện, phương và chiều của sản phẩm không thay product's aesthetics and marketing, all products today must be
đổi. Máy đóng gói từng sản phẩm một, di chuyển liên tục, đều bagged after manufacturing in a variety of ways. It is imperative
đặn, không thay đổi tốc độ trong quá trình đóng gói. Sản phẩm to deploy automated machinery in place of manual packaging for
được đóng gói có dạng khối như: Bánh kẹo, thiết bị điện tử,… . unnecessary repetitive tasks. With the type of packaging that
Việc đóng gói giúp bảo quản, mang thông tin và truyền thông cho uses PE film rolls, packing and sealing by hand is really
sản phẩm. Thông số kĩ thuật của máy do nhóm thiết kế: challenging and unattractive. In this paper, the author introduces
- Kích thước: 1620×620×1500 mm a design and manufacturing alternative for a horizontal
- Cân nặng: 200 kg packaging machine, which is a flexible solution to packaging,
- Nguồn điện: 220V 50-60Hz ranging from confectionery to garments with high productivity,
- Công suất: 1,1 kW accuracy as well as simplicity in maintenance and repair.
- Tốc độ đóng gói: 40-200 (sp/p) Keywords – Horizontal packing wrapper; Packaging
- Cuộn màng sử dụng: 130-230 (mm). Mmax=2 (Kg) Machine; Packing Machine manufacturers; Horizontal packing
- Chiều dài sản phẩm: 30-110 (mm) system.
- Chiều rộng sản phẩm: 20-80 (mm)
- Chiều cao tối đa sản phẩm: 30 (mm)
Từ khóa – máy đóng gói; sản phẩm dạng nằm ngang; máy
đóng gói ngang.
Trong thời đại ngày nay, các loại máy móc ít nhiều
đều có tính chất tự động hoặc bán tự động. Đặc biệt trong
lĩnh vực sản xuất hàng loạt, các hệ thống máy tự động
đang ngày càng chiếm vai trò quan trọng trong trong việc
giảm giá thành sản phẩm, tăng năng suất lao động, đồng
thời đảm bảo tính đồng đều của sản phẩm.
Trong dây chuyền sản xuất hàng loạt, việc đóng gói
sản phẩm sau khi sản xuất là thiết yếu, nhằm bảo vệ sản
phẩm, mang thông tin và truyền thông cho đơn vị sản
xuất.
Trên thị trường hiện tại, chủ yếu có hai kiểu máy đóng Hình 2. Máy đóng gói dạng nằm ngang (Nguồn: Internet)
gói chính: Dạng đứng và dạng nằm ngang. Máy đóng gói dạng nằm ngang được dùng để đóng
gói cho các sản phẩm hình khối như: Bánh kẹo, hoa quả,
bo mạch, thiết bị điện tử và một số sản phẩm khác.
Hình 3. Một số sản phẩm được đóng gói (Nguồn:

Internet)
Do tính phức tạp cũng như sự đa dạng trong khi vận
hành, nên giá thành của kiểu máy nằm ngang cũng cao
hơn từ $2.500-$10.000 (cũng theo trang: alibaba.com).
Hình 1. Máy đóng gói dạng đứng (Nguồn: Internet)
Với giá thành cao nên ít được áp dụng các công nghệ
Máy dạng đứng được để đóng gói các sản phẩm dạng đóng gói như hiện tại trong các doanh nghiệp siêu nhỏ và
bột, hạt và đóng gói theo trọng lượng. Giá máy này cho hợp tác xã tại Việt Nam, thậm chí nhiều cơ sở sản xuất
hệ thống nhỏ từ $138-$1000 (theo trang: alibaba.com). còn chọn phương pháp đóng gói thủ công.
18
được cấp vào đều đặn và sản phẩm sẽ được đóng kín 2
đầu mép và cắt rời qua bộ phận cuối cùng.
2.2. Quy trình thiết kế máy đóng gói sản phẩm
2.2.1. Yêu cầu của máy
Sau khi tham khảo các tài liệu và tiến hành nghiên
cứu về máy đóng gói dạng nằm ngang, một số yêu cầu
thiết kế cần đạt được như sau:
- Máy hoạt động ổn định, đúng thông số kĩ thuật
như thiết kế: Kích thước máy, công suất, tốc độ
đóng gói, năng suất sản xuất từ 40-200 sản
phẩm/phút.
- Đảm bảo đóng gói chắc chắn và chính xác với tỉ
lệ sản phẩm lỗi thấp hơn 1%.
Hình 4. Đóng gói thủ công (Nguồn: Internet)
- Thiết kế từng cụm bộ phận chính tách rời dễ dàng
Trong quá trình đóng gói thủ công, việc tạo hình bao tháo lắp, cải tiến, và bảo trì bảo dưỡng.
bì, cắt và ép nhiệt cho từng sản phẩm, buộc người lao - Đóng gói được các sản phẩm như: bánh kẹo, một
động phải tiếp xúc trực tiếp với các thiết bị nguồn nhiệt số thiết bị điện-điện tử và sản phẩm khác.
cao, dễ xảy ra sự mất an toàn lao động và năng suất lao - Vật liệu đảm bảo độ bền và an toàn với sản phẩm.
động rất thấp. - Giá cả rẻ hơn các máy thị trường khoảng 2-3 lần.
Việt Nam đang từng ngày phát triển về công nghiệp 2.2.2. Các phương án thiết kế
sản xuất hàng hóa, nên việc làm chủ công nghệ các máy
Trong mô hình máy này, bước quan trọng nhất là hàn
móc là vô cùng quan trọng. Tự chủ trong việc thiết kế,
được các miệng túi với ba đường hàn và cắt chính xác
chế tạo sẽ giảm được rất lớn giá thành đầu tư máy móc,
theo chiều dài được thiết lập.
tăng sự linh hoạt trong bảo trì, bảo dưỡng, là đòn bẩy rất
lớn giúp phát triển ngành công nghiệp và tiếp cận được Ở cụm cấp sản phẩm đầu vào, do sản phẩm phải được
nhiều hơn các doanh nghiệp sản xuất còn nhỏ lẻ trong và cấp vào đều đặn, nên lựa chọn hệ thống băng tải xích
ngoài nước. được ưu tiên so với băng tải đai để tránh sự trượt đai.
2. Các nghiên cứu và phương án thiết kế Ở cụm cấp bao và tạo hình bao, sử dụng các hệ thống
con lăn để dẫn hướng và tạo lực căng đều cho bao. Bộ
2.1. Các nghiên cứu ở trong nước và trên thế giới
phận quan trọng ở cụm này là tạo hình bao.
Những máy đóng gói hoạt động tự động đem đến
Cụm kéo bao và hàn chiều dọc hình thành ống bao sẽ
nhiều lợi ích giúp các doanh nghiệp, cơ sở kinh doanh
là cụm chính để điều khiển cụm cấp sản phẩm và cụm
hoạt động hiệu quả hơn, sinh lời cao hơn. Hình thức phát
cắt-hàn bao hai đầu. Cụm này sẽ đảm bảo kéo bao theo
triển chung của ngành máy đóng gói sản phẩm là sự phát
chiều dài và tốc độ mong muốn đóng gói. Sử dụng hệ
triển chung của máy móc cơ khí, điện, điện tử, phát triển
thống con lăn có các rãnh ăn khớp tỳ vào nhau, vừa giữ,
sản xuất theo hướng hiệu quả cao. Vài năm trước đây, các
kéo bao và ép hàn bao.
doanh nghiệp tại Việt Nam đang sử dụng các loại máy
đóng gói được nhập khẩu từ Mỹ, Nhật Bản, Trung Cụm cuối cùng là cụm hàn cắt sản phẩm và băng tải
Quốc… .Máy thương hiệu đến từ Trung Quốc thường rẻ đầu ra, có nhiều phương án cho cụm chi tiết này:
hơn các quốc gia khác, tuy nhiên, để nhập khẩu máy về - Phương án 1: Sử dụng hệ thống xy lanh khí nén để
thị trường Việt Nam giá sau thuế thường cao hơn nhiều. hàn từng mép bao. Ưu điểm phương án này là hệ thống
điều khiển xy lanh tuần tự được lập trình đơn giản. Tuy
nhiên cần phải đồ gá xy lanh nhiều và định vị chính xác
cao, hệ thống hoạt động ồn do khí nén và năng suất không
cao vì phải có thời gian dừng chờ để điều khiển xi lanh.
Ngoài ra, độ co giãn và áp suất khí không đều, sẽ có sai
số lớn.
- Phương án 2: Điều khiển hai má hàm quay liên tục,
đồng bộ về tốc độ theo chiều sản phẩm đi ra để hàn và cắt
chính xác. Ưu điểm phương án này là hoạt động một cách
liên tục không có sự gián đoạn với các thông số được cài
Hình 5. Quy trình đóng gói sản phẩm của máy đóng gói đặt, sử dụng các bánh răng cùng thông số để đồng bộ về
nằm ngang (Nguồn: Internet) tốc độ và ăn khớp của má trên với má dưới, giảm thiểu
Theo các nghiên cứu, máy có 4 cụm chính: được tiếng ồn. Tuy nhiên vì máy chạy liên tục nên hệ
- Cụm cấp sản phẩm vào thống loại này thường xuất hiện sai số ở vị trí cắt giữa các
bao sản phẩm vì có sự trượt của bộ truyền từ động cơ đến
- Cụm cấp bao
cơ cấu chấp hành.
- Cụm kéo bao và hàn chiều dọc (mặt lưng)
Qua phân tích ở trên, phương án 2 được ưu tiên sử
- Cụm cắt và hàn ở hai đầu dụng vì sự liên tục và năng suất cao hơn. Việc bù trừ sai
Bộ phận kéo bao sẽ vừa kéo bao và hàn theo chiều số ở vị trí cắt cũng có thể được thực hiện nhờ việc lập
dọc để tạo thành hình bao dạng ống, lúc đó sản phẩm trình.
19
2.3. Cơ cấu tổng thể Trọng lượng của các cụm chi tiết chính đặt lên khung:
Hình 66 là mô hình 3D của máy đóng gói sản phẩm - Tủ điện: 𝑀𝑡ủ = 15 (𝐾𝑔)
dạng nằm ngang được thiết kế bằng phần mềm - Cụm con căn: 𝑀𝑐𝑐𝑙 = 12 (𝐾𝑔)
Solidworks và Hình 77 là hình ảnh thực tế của máy sau
- Cụm băng tải xích: 𝑀𝑥 = 10 (𝐾𝑔)
khi được gia công lắp ráp.
- Cụm kéo và hàn giữa: 𝑀𝑐𝑔 = 32 (𝐾𝑔)
- Cụm cắt và hàn hai đầu: 𝑀𝑐𝑐 = 45 (𝐾𝑔)
- Cụm băng tải ra: 𝑀𝑏𝑡𝑟 = 9 (𝐾𝑔)
Chọn hệ số an toàn là 3, với tải trọng lớn nhất 45 (Kg)
đặt lên các vị trí tác dụng lực lên khung và thực hiện tính
toán bằng phần mềm Solidworks.
Hình 6. Hệ thống thiết kế lắp ráp hoàn chỉnh của máy đóng
gói sản phẩm dạng nằm ngang
1: Bộ phận lắp màng bọc; 2: Cơ cấu căng bao; 3: Băng tải
đầu vào; 4: Khung máy; 5: Cơ cấu tạo hình dán mặt lưng; 6: Hình 8. Kết quả phân tích lực
Cơ cấu cắt bao; 7: Băng tải đầu ra; 8: Bảng điều khiển; 9: Tủ Kết quả cho thấy, ứng suất tập trung lớn nhất tại vị trí
điện đặt băng tải xích bằng 1.162 × 108 (𝑁⁄𝑚2 ) nhỏ hơn 2.5
Toàn bộ cơ cấu lắp lên khung máy (4), cuộn màng PE lần so với giới hạn chảy là 2.92 × 108 (𝑁⁄𝑚2 ). Độ
(1) được kéo qua hệ thống con lăn căng bao, dẫn hướng chuyển vị lớn nhất gần bằng 1 mm. Ứng suất tại các vị trí
(2), cuộn màng qua bộ phận tạo hình và bộ phận giữa (5) mối hàn ở góc bằng 2.904 × 107 (𝑁⁄𝑚2 ) nhỏ hơn giới
kéo màng, hàn mặt dưới để tạo hình bao, sau đó sản phẩm hạn chảy của vật liệu 10 lần. Với đánh giá trên, khung
được cấp vào đều đặn nhờ băng tải xích (3), cuối cùng máy đảm bảo về độ chịu lực.
sản phẩm đi qua cơ cấu (6) để hàn và cắt hai đầu của bao.
Đóng gói sản phẩm hoàn thiện và đi ra hệ băng tải cuối
(7). Hệ thống được điều khiển thông qua tủ điện (9), tủ
điều khiển (8).
Hình 9. Kết quả mô phỏng tần số riêng của khung

Với kết quả mô phỏng trên, hầu như toàn bộ khung
đều có tần số 0-20Hz, vị trí dao động lớn nhất (1) là vị trí
đỡ tủ điện với tần số 44Hz, sẽ thay đổi thiết kế cơ khí để
thay đổi tần số riêng và điều khiển động cơ vượt ngưỡng
tần số 0-20Hz tránh trường hợp rung động lớn lên máy.
2.3.2. Băng tải đầu vào
Các máng đẩy và dẫn hướng cho sản phẩm (2)(3) đều
được chọn vật liệu Inox-304 để đảm bảo chất lượng khi
Hình 7. Hình ảnh thực tế của máy đóng gói thực phẩm và đảm bảo độ bền của máy tránh sự
2.3.1. Thiết kế khung máy ăn mòn của môi trường.
Sử dụng vật liệu thép dạng hộp không gỉ-SS201 nhờ Sử dụng băng tải xích, các ngàm đẩy sản phẩm sử
các đặc điểm: Độ bền và độ cứng cao ở nhiệt độ thấp, khả dụng phương pháp in 3D, vật liệu nhựa PLA an toàn cho
năng định hình tốt, giá thành thấp và dùng ghép nối bằng sản phẩm, gắn cách đều nhau lên các mắt xích (1). Với
mối hàn để tạo khung. thiết kế này, tay đẩy lắp ăn khớp nhờ các gờ bao quanh,
20
nhờ thiết kế lắp ôm sát theo biên dạng cong của mắt xích 60×8×0.5 8×(26⁄60)2
Σ𝑇 = 0.012 + + = 0.254(𝑘𝑁)
nên tay đẩy có thể tự điều chỉnh phương của ngàm so với 1000 1000
dây xích, giúp xoay theo đường cong của mắt xích khi Trong đó:
đẩy sản phẩm vào bao ở vị trí cuối băng tải và đi xuống, 𝑇𝑚𝑎𝑥 : lực kéo lớn nhất của xích tải
giúp sản phẩm đi vào bao được mượt mà hơn. 𝑇0 : Lực căng xích ban đầu
𝑇𝑣 : Lực căng phụ do lực li tâm sinh ra
𝐾𝑦 = 60: Khi băng tải xích đặt nằm ngang
𝑚 = 8 (𝑘𝑔⁄𝑚): khối lượng phần xích làm việc
𝑀 = 1 (𝑘𝑔⁄𝑚): khối lượng sản phẩm được vận chuyển
trên băng tải. (Chọn giá trị thực tế giới hạn sản phẩm được
đóng gói vào bao theo thiết kế)
𝑓1 = 0.14: Hệ số ma sát của bánh kéo xích với ray đỡ
(Đối với kiểu xích ống con lăn có bôi trơn)
𝑔 = 9.8 (𝑚⁄𝑠 2 ): Gia tốc trọng trường
1,1: Hệ số tổn thất trên đĩa xích
Sau khi tính được lực kéo xích, với tải trọng không
thay đổi và vận tốc không thay đổi, tính chọn công suất
Hình 10. Tay đẩy sản phẩm cho động cơ:
26
Σ𝑇 × 𝑣 0.254 ×
𝑃𝑑𝑐 > 𝑃𝑐𝑡 = = 60 = 0.14(𝑘𝑊)
𝜂𝑏𝑡 × 𝜂𝑑𝑐 0.94 × 0.85
Trong đó:
𝑣: Vận tốc của băng tải xích (m/s)
𝜂𝑏𝑡 = 0.95 × 0.99 = 0.94: Hiệu suất truyền động của bộ
truyền xích và một cặp ổ lăn
𝜂𝑑𝑐 = 0.85: Hiệu suất của động cơ
Với kết quả như trên, chọn động cơ servo của hãng
Yaskawa có kí hiệu: SGM7J-02A7D61
Hình 11. Băng tải xích đầu vào 𝑃𝑑𝑐 = 200 𝑊
𝑁𝑑𝑐 = 3000(𝑉 ⁄𝑝)
1: Băng tải xích; 2: Máng dẫn sản phẩm; 3: Máng điều
chỉnh; 4: Động cơ; 5: Bộ truyền xích 2.3.3. Bộ phận lắp màng bọc
Khoảng cách hai trục băng tải: 𝑎 = 500 (𝑚𝑚)
Khoảng cách giữa 2 tay đẩy: 𝑙𝑑 = 130 (𝑚𝑚)
Đường kính đĩa xích: 𝐷 = 89 (𝑚𝑚)
𝑠𝑝 𝑚
Vận tốc đóng gói lớn nhất: 𝑣 = 200 ( ) = 26 ( )
𝑝 𝑝
𝑔
𝑇1 = 1.35 × 𝑚 × 𝐿1 × (𝑘𝑁)
1000
𝑔
𝑇2 = (𝐿 − 𝐿1 ) × 𝑚 × 𝑓1 × + 𝑇1 (𝑘𝑁)
1000
𝑇3 = 1.1 × 𝑇2 (𝑘𝑁)
𝑔
𝑇𝑚𝑎𝑥 = (𝑀 + 𝑚) × 𝐿 × 𝑓1 × + 𝑇3 (𝑘𝑁)
1000
𝐾𝑦 ×𝑚×𝑎
Σ𝑇 = 𝑇𝑚𝑎𝑥 + 𝑇0 + 𝑇𝑣 = 𝑇𝑚𝑎𝑥 + +
1000
𝑚×𝑣 2
(𝑘𝑁)
1000
Trong ứng dụng, L1= 0 mm, nên lực kéo của hệ băng
tải xích lớn nhất là: Hình 12. Hệ thống con lăn dẫn hướng và định hình bao
𝑔
𝑇𝑚𝑎𝑥 = (𝑀 + 𝑚) × 𝑎 × 𝑓1 × + 1.1 × 𝑎 × 𝑚 1: Gá cuộn màng; 2: Trục lắp cuộn màng; 3: Ngàm giữ;
1000 4: Cuộn màng; 5: Gá con lăn; 6: Lưỡi định hình bao; 7: Khâu
𝑔
× 𝑓1 × điều chỉnh bề rộng bao; 8: Hệ thống con lăn
1000
Cơ cấu cấp tấm màng nylon và căng màng tự động
9.8
𝑇𝑚𝑎𝑥 = 9 × 0.5 × 0.14 × + 1.1 × 0.5 × 8 được cho trên Hình 12. Chọn vật liệu để đóng gói là cuộn
1000 màng nilon công nghiệp PE vì đặc tính kín, bền, dai, phổ
9.8
× 0.14 × biến và chống thấm nước.
1000
Cơ cấu cấp tấm màng nylon và căng màng bao gồm
𝑇𝑚𝑎𝑥 = 0.012 (kN)
21
một trục (1) đỡ toàn bộ màng (4) và hệ bốn con lăn (8) để 𝐹𝑚𝑠 = 𝑓 × 𝐹𝑟 = 1 × 50 = 50 (𝑁)
căng và dẫn tấm màng đến vị trí tạo hình. Sau khi màng Trong đó:
đi qua khâu tạo hình (7), tấm màng được gập lại thành
𝑓 = 1: Hệ số ma sát khi sử dụng con lăn thép-thép, do có
ống bao để sang công đoạn hàn và đóng gói sản phẩm. khứa rãnh ăn khớp.
2.3.4. Cụm cơ cấu kéo bao và hàn dán theo chiều dọc 𝐾 = 1.25: Hệ số an toàn
Lực vòng trên cả 2 con lăn chủ động:
𝐹𝑚𝑠 50
𝐹𝑡 = 2 × = 2× = 80 (𝑁)
𝐾 1.25
Chọn động cơ có công suất:
26
Σ𝐹×𝑣 0.08×
60
𝑃𝑑𝑐 > 𝑃𝑐𝑡 = = = 0.046(𝑘𝑊)
𝜂𝑏𝑡 ×𝜂𝑑𝑐 0.95 ×0.992 ×0.85
2
Chọn động cơ có kí hiệu: SGM7J-01A7D61, 𝑃𝑑𝑐 =

100(𝑊)
2.3.5. Bộ phận cắt hàn đóng gói sản phẩm
Hình 13. Cụm cơ cấu kéo bào và hàn dọc bao

1: Gá trục tỳ; 2: Bộ gia nhiệt; 3: Bánh tỳ; 4: Bánh xích; 5:
Xích; 6: Lò xo; 7: Cần gạt điều chỉnh; 8: Bánh xích dẫn
hướng; 9: Động cơ
Sản phẩm sau khi đi vào hệ thống bao, hai bộ bánh tì
(1)(3) dẫn hướng và kéo ép mặt dưới của bao đi qua bộ
gia nhiệt (2) hàn lại. Động cơ Servo (9) thông qua bộ
truyền bánh xích (4) và dẫn hướng (8) kéo con lăn chủ
động quay, con lăn tỳ nhờ lực ép của lò xo, kéo lệch trục
khuỷu, ăn khớp ma sát với con lăn chủ động để kéo bao
đi thẳng và ép hàn bao. Cần điều chỉnh (7) điều chỉnh ăn
khớp cho hai bộ bánh tì và cấp màng vào lúc ban đầu. Hình 15. Cơ cấu cắt hàn hai đầu
Khối gia nhiệt được điều khiển bởi bộ điều khiển nhiệt 1: Cổ góp điện; 2: Vỏ bảo vệ; 3: Hàm ép; 4: Trục; 5:
bằng phương pháp PID, giúp kiểm soát nhiệt độ khi đóng Khung; 6: Động cơ; 7: Bộ truyền xích; 8: Bộ truyền bánh
gói được. răng; 9: Núm điều chỉnh
Chọn lò xo có độ cứng: 𝐾 = 1000 (𝑁⁄𝑚) Bộ phận cắt hàn đóng gói sản phẩm cũng là một điểm
nổi bật của hệ thống này. Lực kéo từ động cơ (6) thông
Chiều dài lo xo ban đầu: 𝑙0 = 80 (𝑚𝑚)
qua bộ truyền xích (7) truyền động hệ bánh răng (8) quay
Chiều dài lo xo khi lắp đặt vào cụm: 𝑙1 = 100 (𝑚𝑚) ngược chiều nhau với tỉ số truyền 1:1, mang hai hàm ép
có gắn dao và gia nhiệt có nhiệm vụ đồng thời hàn đầu
bao và cắt bao để đưa ra ngoài. Lò xo được sử dụng để
ép và cắt sản phẩm. Núm điều chỉnh (9) giúp hiệu chỉnh
để hàn và cho ra vết cắt được tốt nhất. Vỏ bảo vệ (2) được
làm từ vật liệu nhựa PMMA (mica) nhằm cách điện,
nhiệt, che chắn bộ truyền bánh răng, bộ truyền xích từ
động cơ giúp đảm bảo an toàn lao động.
Cơ cấu sử dụng lực ép lò xo, tính toán chọn động cơ
tương tự mục 2.3.4.
Chọn lò xo có độ cứng: 𝐾 = 20000 (𝑁⁄𝑚)
Hình 14. Phân bố lực trên cụm ép giữa Chọn động cơ có kí hiệu: SGM7J-C2A7D61, 𝑃𝑑𝑐 =
Các thông số thực tế: 150(𝑊)
𝑎1 = 15 (𝑚𝑚): Vị trí gá lò xo trên cần điều chỉnh đến 2.4. Hệ thống điều khiển
tâm trục Hệ thống sử dụng PLC Mitsubishi FX-3G làm bộ điều
𝑎2 = 3 (𝑚𝑚): Khoảng lệch của trục khuỷu khiển trung tâm, màn hình HMI cảm ứng thuận tiện cho
Lực pháp tuyến lên con lăn chủ động được tính bằng: quá trình vận hành cũng như cài đặt thông số kỹ thuật.
Nguồn điện sử dụng: 200-220VAC và 24VDC
𝐹𝑟 × 𝑎2 = 𝐹𝑡1 × 𝑎1
𝑎1 Hệ thống điện-điều khiển gồm các khối như sau:
 𝐹𝑟 = 𝐹𝑘 × cos(60°) ×
𝑎2 - Khối cảm biến và các nút nhấn:
15
 = 1000 × 0.02 × 0.5 × = 50 (𝑁) - Khối mạch điều khiển gồm PLC, Driver cho
3
động cơ Servo, bộ điều khiển nhiệt RX-C100 và
Lực ma sát giữa 2 con lăn khi làm việc: các Relay trung gian.
22
- Khối cơ cấu chấp hành gồm: 3 động cơ Servo, 3. Kết luận
Van xả khí, đèn báo, thiết bị gia nhiệt, Xi lanh. Máy được thiết kế với công suất nhỏ với mục đích
cho các đơn vị sản xuất nhỏ và thử nghiệm. Sau khi hoàn
thành và đánh giá lại, nhóm tác giả sẽ cải tiến để có thể
sản xuất và chế tạo được những mẫu máy với công suất
lớn hơn, dựa trên những kết quả đã đạt được
Trong quá trình thực hiện, do kinh phí có hạn nên một
số chi tiết còn chưa đáp ứng được tiêu chuẩn công nghiệp.
Nhưng với việc cải tiến và nâng cấp, máy sẽ hoàn toàn có
thể đạt được các chỉ tiêu khắt khe về các tiêu chuẩn máy
trong môi trường công nghiệp.
Nhóm sẽ tiếp tục nghiên cứu và đưa ra các giải pháp
cải tiến chất lượng đóng gói ở các khâu hàn, cắt để đóng
gói đẹp hơn. Cải tiến và tính toán chuyên sâu các thông
số động học, và các yêu tố mất cân bằng của máy.
Nghiên cứu ứng dụng công nghệ mạng nơ ron để phát
hiện các sản phẩm đóng gói không đạt, và thực hiện loại
bỏ ra khỏi các sản phẩm đã đạt yêu cầu.
Lời cám ơn: Nghiên cứu này được tài trợ bởi Công ty TNHH
BKM TECHNOLOGY

Hình 16. Lưu đồ thuật toán hệ thống
[1] Paula Hook and Joe E. Heimlich, “A History of Packaging”,
Ohio State University Extension, 2017
[2] International Machine Concepts, IMCFW-350 FLOW
WRAPPER MACHINE, 2018.
[3] DELTA, Application Note Packaging Wrapping Machine, 2013.
[4] H. Giberti and A. Pagani, “Flexibility oriented design of a
horizontal wrapping machine”, Mechanical Sciences, 2015.
[5] Formosa Plastics Corporation, Polyethylene Film Processing
Guide, 2014
[6] US. Tsubaki, Inc., The Complete Guide to Chain, 1997
[7] Trịnh Chất – Lê Văn Uyển, Tính toán thiết kế hệ dẫn động cơ
khí, Tập 1, Nhà xuất bản Giáo dục, 2006.
[8] Lê Cung, Nguyên lý máy, Trường Đại học Bách khoa - Đại học
Đà Nẵng, Lưu hành nội bộ, 2006.
[9] Nguyễn Trọng Hiệp, Chi tiết máy tập 1,2, Nhà xuất bản Giáo
dục, 2000
[10] Ðặng Phước Vinh, Võ Như Thành, Giáo trình kỹ thuật Vi điều
khiển PIC, Nhà xuất bản Xây Dựng, 2019.
[11] Đặng Phước Vinh, Trần Quang Khải, Đoàn Lê Anh, Võ Như
Thành, Phạm Anh Đức. Lập trình vi điều khiển PIC và thiết bị
ngoại vi. Nhà xuất bản Khoa học và Kỹ thuật, 2021.
[12] Lưu Đức Bình, Kỹ thuật gia công cơ, Nhà xuất bản Xây Dựng,
Hình 17. Sơ đồ đấu nối điện 2019.
[13] Lưu Đức Bình, Kỹ thuật đo cơ khí, Nhà xuất bản Giáo dục Việt
1.1. Chi phí Nam, 2015.
[14] Đặng Phước Vinh, Trần Phước Thanh, “Bàn thí nghiệm cỡ nhỏ
STT Nội dung Giá thành (VND) để xác định các thông số động học của máy quay”, Tạp chí Khoa
học và Công nghệ, Số 7(128).2018, Đại học Đà Nẵng, 2018,
1 Khung máy, kết cấu cơ khí 15.000.000 trang 71-74.
[15] Đặng Phước Vinh, Lê Hoài Nam, “Mô phỏng số một hệ thống
2 Thiết bị điện, điện tử 15.000.000 máy có các chi tiết quay đơn giản bằng phương pháp phần tử hữu
hạn”, Tạp chí Khoa học và Công nghệ, Số 17 (7), Đại học Đà
3 Gia công CNC và kim loại tấm 13.000.000 Nẵng, 2019, trang 5-9.
[16] Đặng Phước Vinh, Phạm Anh Đức, Võ Như Thành, “Xác định
4 Chi phí khác 2.000.000 sự mất cân bằng động trong hệ thống trục quay - ổ bi bằng thực
nghiệm”, Tạp chí Khoa học và Công nghệ, Số 18(7), Đại học Đà
Tổng cộng 45.000.000 Nẵng, 2020, trang 101-105
23
MÁY CẮT PLASMA CẮT BIÊN DẠNG CÁC DẠNG THÉP ỐNG THƯỜNG GẶP
PLASMA CUTTING MACHINE CUT 3D PROFILE OF COMMON STEEL TUBE
FORMS
SVTH: Lưu Công Chung, Lê Viết Cường, Lê Xuân Hoàng, Phan Quốc Kha
Lớp 18CDT1, Khoa Cơ khí, Trường Đại học Bách khoa - Đại học Đà Nẵng; Email: 101180159@sv1.dut.udn.vn,
101180160@sv1.dut.udn.vn, 101180172@sv1.dut.udn.vn, 101180177@sv1.dut.udn.vn
Tóm tắt – Máy cắt ống Plasma được xem là một sản phẩm Abstract - Plasma pipe cutting machine is considered a
khá hoàn hảo trong lĩnh vực cắt thép hình với tốc độ cắt cao, cắt perfect product in the field of cutting steel sections with high
được nhiều loại quy cách khác nhau, hiệu quả chuyển đổi năng cutting speed, cutting many different specifications, higher
lượng cao hơn hẵn so với khi cắt oxy-gas truyền thống. Phần energy conversion efficiency than when cutting by oxygen-gas.
mềm điều khiển được tích hợp sẵn trên máy giúp người vận The built-in control software on the machine makes it easy for the
hành dễ dàng sử dụng và chi phí bảo trì rất thấp. Trong bài báo operator to use and the maintenance cost is very low. In this
này, tác giả đề xuất một phương án thiết kế và chế tạo máy cắt paper, the authors design and manufacture a 4-axis CNC plasma
ống Plasma CNC 4 trục với khả năng cắt các loại ống hình tròn, tube cutting machine which can cut round, square, rectangular
vuông, chữ nhật và oval. Máy có kích thước tổng thể là and oval pipes. The machine has an overall size of
3500×520×1600 mm có khả năng cắt phôi với đường kính lên 3500×520×1600 mm and is capable of cutting workpieces with a
đến 100 mm và chiều dài tối đa 3 m. Động cơ bước được sử diameter of up to 100 mm and a maximum length of 3 m. Stepper
dụng để làm động cơ dẫn động cho 4 trục. Nguồn cắt sử dụng motors are used to drive 4 axes. The cutting source uses a
máy cắt Plasma với dòng điện tùy chỉnh trong khoảng 20 - 40A Plasma cutter with a custom current in the range of 20 - 40A to
để phù hợp với chiều dày vật liệu cắt. match the thickness of the cutting material.
Từ khóa – Máy cắt ống, CNC, 4 trục, cắt thép hình, cắt Keywords – Pipe cutting machine, CNC, 4-axis, cutting steel
Plasma. sections, Plasma cutting
1. Đặt vấn đề chính xác và thẩm mỹ cho sản phẩm. Mặc dù không được
Các máy CNC hiện nay được ứng dụng rộng rãi trên tự động hoàn toàn, nhưng sản phẩm mang lại một khả năng
thế giới [17]-[19]để gia công các chi tiết phức tạp, tạo vận hành dễ dàng và giá thành thấp hơn (khoảng 60 triệu
nên hiệu quả cao trong công việc và nâng cao tính thẩm đồng) các máy đang có trên thị trường. Giúp nhiều công
mỹ của sản phẩm. Tuy vậy, ứng dụng công nghệ CNC ty, phân xưởng dễ dàng tiếp cận. Tuy sở hữu bộ phận gá
vào để cắt các ống thép dài chưa phổ biến ở nước ta hiện đặt và kẹp chặt thủ công, nhưng nó mang lại độ chính xác
nay. Việc sở hữu một máy cắt ống Plasma ở Việt Nam cao trong gá đặt giúp cải thiện độ chính xác.
hiện nay cũng khó khăn do nguồn cung cấp hạn chế và Bên cạnh đó, máy còn trang bị bộ điều khiển riêng
giá thành một máy rất cao so với mức đầu tư của các phân biệt, có màn hình hiển thị và có thể hoạt động độc lập mà
xưởng cơ khí nhỏ lẻ. không cần kết nối với máy vi tính. Đây là một sự thay
Đã có nhiều nghiên cứu để chế tạo và sản xuất thành thế hoàn hảo cho các bộ điều khiển trước đây khi mà máy
công các máy cắt ống Plasma và thương mại hóa rộng rãi hoạt động cần kết nối liên tục với máy vi tính, làm tăng
như máy cắt Plasma thép hình CNC HDF-5060 (xem giá thành khi cần máy tính vi tính công nghiệp đi theo,
Error! Reference source not found.) có kích thước khó khăn trong việc bố trí máy trong phân xưởng.
khung máy 800×6500×1200 mm nặng 1,5 tấn giá thành tại 2. Kết quả nghiên cứu và khảo sát
Việt Nam khoảng 300 triệu đồng hay máy cắt lazer ống 2.1. Cấu trúc cơ khí
hộp CM600LA [21] có trọng lượng 1,5 tấn với loại nguồn
2.1.1. Nguồn cắt
cắt 1000 W thì giá thành tại Việt Nam khoảng 250 triệu
đồng. Tất cả các máy được nêu trên đều là các dạng máy Các yêu cầu để lựa chọ nguồn cắt:
cỡ lớn, các doanh nghiệp vừa và nhỏ khó tiếp cận được. - Vật liệu cắt: sắt, thép
- Chiều dày vật cắt: 2 – 10mm
Với các yêu cầu trên, tác giả chọn máy cắt Plasma
Hylong CUT-40H như ở Hình 3. Các thông số kỹ thuật
của máy cắt này được liệt kê ở Bảng 1.
Hình 4. Máy cắt ống Plasma 3 trục [20]

Trong nghiên cứu này, nhóm tác giả đề xuất một
phương án thiết kế và chế tạo máy cắt ống Plamsa cỡ trung
với khả năng cắt được nhiều biên dạng ống khác nhau sử
dụng công nghệ CNC. Việc ứng dụng máy cắt ống Plamsa
vào thực tiễn giúp các xưởng cơ khí tiết kiệm được thời
gian, chi phí nhân công lao động và nhất là cải thiện độ Hình 5. Máy Plasma Hylong CUT-40H (Nguồn: Internet)
24
Bảng 1. Thông số cắt máy Plasma Hylong CUT-40H
Tên Thông số
Điện thế vào 1 pha; 220 VAC ± 15%
Công suất cắt 4,8 KVA
Chu kì làm việc 60%
Vật liệu cắt Tất cả kim loại
Độ dày tối đa vật cắt 12 mm
Chỉnh dòng 20-40 A
Áp suất khí cung cấp 4,5 MPa
2.1.2. Cấu trúc tổng thể
Hình 4 là mô hình 3D của máy cắt ống Plasma 4 trục Hình 8. Kết cấu mâm trước
được thiết kế bằng phần mềm Solidworks. Với các yêu 1: mâm chính; 2: thanh răng; 3: bánh răng; 4: gối đỡ con
cầu về biên dạng của chi tiết cần gia công, phôi ống tròn lăn; 5: con lăn; 6: Thanh trượt; 7: Trục đỡ bánh răng; 8: Má
sẽ cần tối thiểu là 3 trục, các biên dạng phôi khác sẽ cần động; 9: Vít me trượt; 10: Gối đỡ vít me trượt
phải gia công với 4 trục nên tác giả đã thiết kế máy với 3 Cụm mâm trước có đường kính với độ dày là 450mm
trục tịnh tiến (XYZ) và 1 trục xoay (A). và 88mm với độ mở lên đến 120mm. Từ sơ đồ động ở
Hình 5, tác giả tiến hành thiết kế các chi tiết để đưa ra
kết cấu hoàn chỉnh ở Hình 6. Thêm vào đó, bản thiết kế
còn được tinh chỉnh một số chi tiết để phù hợp với mục
đích sử dụng như dùng con lăn để chuyển ma sát trượt
thành ma sát lăn.
 Tính toán con lăn
Tải trọng tối đa của phôi là 𝑚𝑝 = 35 (𝐾𝑔) nên ta suy ra
𝑚
lực đặt lên con lăn là 𝑁𝑙 = 𝑝 × 𝑔 = 175 (𝑁).
2
Khi cắt cho phôi dạng hình chữ nhật loại lớn nhất
Hình 6. Bản vẽ 3D máy cắt ống Plasma
(40× 80 mm), con lăn cần có chiều dài lớn hơn chiều dài
1: Chân tăng chỉnh chiều cao chân máy; 2: khung máy; mặt phôi. Vậy chọn con lăn có chiều dài 96 mm để thuận
3: Ray dẫn hướng cho trục X; 4: Cụm mâm sau và cụm trục A; tiện trong việc thiết kế và nâng cấp về sau.
5: cụm trục Z; 6: cụm trục Y; 7: Cụm mâm cặp trước;
8: Khung gá mâm trước và cụm YZ Khi gá phôi dạng trụ tròn, phôi tiếp xúc với con lăn tại
Cụm trục X chịu tránh nhiệm di chuyển tịnh tiến cụm một điểm. Do đó, thực hiện mô phỏng trên con lăn với
mâm cặp sau và đồng thời di chuyển tịnh tiến phôi. Cụm lực tập trung 𝑁𝑙 = 175 (𝑁) tại trung điểm con lăn.
mâm cặp sau giúp kẹp chặt phôi và kết hợp với cụm mâm Hình 7 thể hiện kết quả mô phỏng biến dạng của con
cặp trước quay phôi (trục a). Cụm trục Y chịu trách nhiệm lăn khi hoạt động (được mô phỏng trên công cụ
tịnh tiến cả cụm trục Z và mỏ cắt Plasma theo chiều song Simulation của phần mềm SolidWorks với tiêu chuản
song với bàn máy. Cuối cùng là cụm trục Z, nhiệm vụ ISO cho đầu ra và được áp dụng xuyên suốt bài). Kết quả
chính của cụm này là tịnh tiến mỏ cắt theo chiều vuông cho thấy rằng lực sẽ đạt cực đại tại vị trí C với độ biến
góc với bàn máy. dạng lớn nhất là 1,2 µm. Độ biến dạng này là chấp nhận
2.1.3. Thiết kế tính toán mâm cặp trước được để đảm bảo máy hoạt động bình thường.
Hình 5 và Hình 6 thể hiện sơ đồ động học và kết cấu
của mặt mâm trước. Ở Hình 5, khi vít me quay làm cho
cụm thanh răng con trượt (bên trái) chuyển động tịnh tiến.
Khi thanh răng tịnh tiến làm hai bánh răng trung tâm tự
quay quanh trục cố định. Thông qua chuyển động quay
đó tạo nên chuyển động tịnh tiến cho thanh răng bên phải
nhưng có chiều ngược lại với thanh răng bên trái.
Hình 9. Kết quả mô phỏng biến dạng của con lăn
2.1.4. Tính toán cụm vít me trượt

Bản vẽ 3D của cụm ví me rượt và gối đỡ được thể hiện
ở Hình 8. Hai gối đỡ cụm vít me (màu xanh) được kết
nối với mâm chính (màu vàng). Thông qua chuyển động
quay của vít me làm cho đai ốc trên vít me di chuyển, kéo
theo má động di chuyển tạo chuyển động tịnh tiến cho
mâm cặp.
Hình 7. Sơ đồ động học của mặt mâm trước
25
Hình 10. Cụm vít me trượt và gối đỡ

Theo tính toán, đường kính trung bình của vít me: Hình 13. Kết quả mô phỏng biến dạng của khung máy
𝑑2 ≥ 4,93 (𝑚𝑚) 2.1.6. Thiết kế tính toán bộ truyền động trục X

Với hệ số an toàn là 2, ta chọn 𝑑2 = 10 (𝑚𝑚) Hình 12 thể hiện kết cấu 3D của bộ truyền trục X. Với
nguồn cắt được sử dụng trong đề tài có tốc độ cắt tối đa
Tải trọng tác động lên trục vít bao gồm tải trọng má là 3000 mm/phút với phôi thép dày 2 mm; do vậy, lấy tốc
động và tải trọng phôi: ∑ 𝑚 = 28 (𝐾𝑔). độ tối đa cho trục X là: 𝑉𝑥 = 3000 (𝑚𝑚/𝑝ℎú𝑡).
Hình 9 thể hiện rõ kết quả mô phỏng biến dạng của vít
me trượt. Có thể thấy rằng, khi đặt lực lớn nhất
𝑁𝑣𝑚𝑎𝑥 = 280 (𝑁) lên đai ốc thì tại đai ốc sẽ có độ biến
dạng lớn nhất với độ lớn là 1,5 µm. Độ biến dạng này là
chấp nhận được để đảm bảo máy hoạt động bình thường.
Hình 14. Kết cấu bộ truyền trục X

1: con trượt; 2: đai ốc vít me bi; 3: ray trượt; 4: vít me bi;
Hình 11. Kết quả mô phỏng biến dạng của vít me trượt 5: gối đỡ vít me bi; 6: động cơ bước
2.1.5. Tính toán độ bền của khung máy Để có thể quay được bộ truyền trục X cần động cơ có
Khung máy làm bằng thép hộp có kích thước tổng thể công suất 𝑃𝑐 ≈ 0,5 (𝐾𝑊), momen xoắn động cơ 𝑇 ≈
là 3500×520×520 mm. Giả sử tải trọng tác dụng lên máy 7,9 (𝑁𝑚) và tốc độ quay cần thiết là 𝑉𝑉 = 600 (𝑣/𝑝)
bao gồm: Chọn động cơ điện cho bộ truyền trục X này là động
- Tải trọng lớn nhất phôi cắt: 𝑚𝑝 = 35 (𝐾𝑔) cơ hai pha loại 86HS8040A4J với momen xoắn là
- Tải trọng mâm sau: 𝑚𝑠 = 70 (𝐾𝑔)
- Tải trọng mâm trước: 𝑚𝑡 = 39 (𝐾𝑔) 8,5 (𝑁𝑚).
Đối với các kết cấu dạng hộp, ta có thể sử dụng cách 2.1.7. Thiết kế cụm YZ
chia từng lát để dễ dàng tính toán. Kết quả chia lưới và Hình 13 thể hiện kết cấu của cụm YZ. Cụm này được
các điều kiện biên được áp dụng để tính toán độ biến dạng thiết kế dựa trên hai cụm tịnh tiến riêng lẻ được kết nối
của khung máy được thể hiện ở Hình 10. vuông góc với nhau. Mỗi cụm bao gồm một động cơ bước
Tải trọng tác dụng lên khung máy bao gồm: truyền động cho vít me bi, nhờ hai thanh ray dẫn hướng
- Tải trọng mâm trước và phôi: 𝑚1 = 565 (𝐾𝑔) mà cụm tịnh tiến một cách chính xác.
- Tải trọng mâm sau và phôi: 𝑚2 = 875 (𝐾𝑔)
Suy ra 𝐹1 = 565 (𝑁) và 𝐹2 = 875 (𝑁)
Hình 12. Chia lưới và đặt điều kiện biên cho khung máy
Hình 11 thể hiện kết quả mô phỏng tính toán độ biến
dạng của khung máy. Dễ dàng thấy rằng điểm chịu lực
lớn nhất là tại vị trí mâm cặp sau với độ biến dạng lớn
nhất trên khung xấp xỉ 35 µm. Giá trị biến dạng này nằm
trong khoảng cho phép biến dạng của kết cấu máy. Hình 15. Kết cấu cụm YZ
26
Phương pháp tính toán của trục YZ cũng giống với Trong đó:
phương pháp tính toán của trục X (tại mục 2.2.3.).  𝑀1 = 𝑀2 = 0,804 (𝑁. 𝑚)
Từ các công thức tính toán ta chọn được vít me dùng  𝑀3 = 1.05 (𝑁. 𝑚)
cho 2 bộ trục này là vít me bước 10. Momen xoắn của
động cơ trục Y và trục Z là: Chọn động cơ bước hai pha 86HS8040A4J với
𝑇𝑌 ≈ 𝑇𝑧 ≈ 1,08 (𝑁𝑚) momen xoắn 8,5 (𝑁𝑚) để đồng bộ với động cơ trục X.
Chọn động cơ điện cho bộ truyền trục X và trục Y là 2.2. Sơ đồ mạch điện
động cơ bước 2 pha loại 57HS7630 với momen xoắn là
Sơ đồ đấu dây để điều khiển các khối động lực của
1,8 (𝑁. 𝑚).
máy cắt ống Plasma được thể hiện ở Hình 16. Sau khi
2.1.8. Bộ mâm cặp sau đấu dây xong, ta cần phải thực hiện hiểu chỉnh các bộ
driver để có thể điều khiển được các động cơ bước. Đối
với bộ điều khiển DM556, chúng ta cần điều chỉnh dòng
điều khiển là 3,3A và đối với driver MA860 là 5,4A
thông qua các nút nhấn trên bộ điều khiển.
Hình 16. Kết cấu cụm mâm sau

1: ổ lăn; 2: bộ truyền bánh răng; 3: động cơ; 4: gá động
cơ; 5: ổ trục; 6: gá ổ trục; 7: trục và mâm trước
Hình 14 thể hiện kết cấu 3D của cụm mâm sau.
Nguyên lý hoạt động: khi phôi được gá trên mâm cặp (7),
dưới chuyển động quay của động cơ bước (3) thông qua
bộ truyền bánh răng (2) làm quay phôi và mâm cặp (7)
trong quá trình gia công.
 Tính chọn ổ lăn: Hình 18. Sơ đồ đấu dây điều khiển các khối động lực của
Có hai cách lựa chọn ổ lăn: máy
- Chọn kích thước của ổ lăn thông qua khả năng chịu Trong mạch điện này, do mạch điện bao gồm cả dòng
tải trọng tĩnh. cấp cho bộ điều khiển và dòng cấp cho các động cơ bước
- Chọn ổ lăn thông qua tuổi thọ khi sử dụng ổ lăn. của các trục nên rất dễ gây ra hiện tượng quá dòng khi
Trong nghiên cứu này, ổ lăn quay rất chậm khi chịu động cơ bị quá tải. Vì vậy, MCB có vai trò rất quan trọng
tải (𝑛 < 10 (𝑣/𝑝)) và chịu tải liên tục hoặc xung tải gián trong việc bảo vệ mạch. Bên cạnh đó, việc lắp cầu chì
đoạn nên việc tính toán ổ lăn dựa vào tải trọng tĩnh của trước và sau cũng quan trọng không kém trong việc bảo
nó. Ngoài ra, khi tính toán ổ lăn nhóm tác giả còn quan vệ biến áp và mạch điện. Đối với driver cho động cơ bước
tâm đến tỷ số giữa số tải trọng tĩnh cơ bản danh định và 57 dùng dòng một chiều nên khi đấu dây phải chú ý chiều
tải trọng tĩnh tương đương, tạo ra độ an toàn khi xuất hiện dòng điện, tránh gây hỏng hóc cho driver.
biên dạng dư không thể chấp nhận được trên cấc con lăn 2.3. Hệ thống điều khiển CNC
và các vòng bi. Bộ điều khiển CNC XC809D (Hình 17) được sử dụng
Từ các yêu cầu về kỹ thuật về việc chọn kích thước ổ trong nghiên cứu này giúp điều khiển các cơ cấu một cách
lăn, nhóm tác giả đã chọn ổ bi có ký hiệu 16024 của hãng dễ dàng hơn. Bộ điều khiển này có thể điều khiển động
SKF. cơ bước và động cơ servo thông qua các driver thông
 Tính chọn động cơ cho mâm sau: dụng tương ứng như MA860, MA860H, DM556, ….
Người dùng có thể điều khiển bộ điều khiển qua cổng
Do trọng lượng của tải 𝑃𝑡ả𝑖 , trọng lượng của mâm sau, USB hoặc các cổng chuyên dụng khác.
trọng lượng của mâm trước nên trong quá trình hoạt động
thì các momen cản sẽ được tạo ra tại vị trí ổ lăn như được
thể hiện ở Hình 15. Do đó, động cơ khi thông qua bộ
truyền bánh răng phải tạo ra một momen lớn hơn tổng
các momen cản để giúp phôi chuyển động.
Hình 17. Momen cản trên trục quay mâm sau

Tổng momen cản của trục quay:
𝑀 = 𝑀1 + 𝑀2 + 𝑀3 = 2,7 (𝑁. 𝑚) Hình 19. Bộ điều khiển CNC XC809D
27
Để có thể tạo G-code cho máy CNC 4 trục, người Khi mức giá của các máy CNC hoạt động trong công
dùng có thể dùng các phầm mềm cắt ống chuyên dụng nghiệp trên thị trường hiện nay có thể lên đến hàng trăm
như SheetCam, FlashCut, TubeCut hoặc các phầm mềm triệu, thì với chiếc máy chi phí chỉ chưa tới 60 triệu của
quen thuộc như Creo Parametric hay MasterCam. Trong chúng tôi có thể đáp ứng được các yêu cầu hiện nay,
đề tài này, tác giả sử dụng phần mềm Creo Parametric để không chỉ các doanh nghiệp mà các doanh nghiệp vừa và
có thể tạo mã điều khiển cho 4 trục. nhỏ đều có thể tiếp cận sở hữu chiếc máy này. Sản phẩm
Trong nghiên cứu này, nhóm tác giả sử dụng tổng hoàn toàn đáp ứng được các nhu cầu tự động hoá, tối ưu
cộng 4 động cơ bao gồm 2 động cơ bước 86HS8040A4J nhân công làm việc và đem lại hiệu quả cao trong công
và 2 động cơ bước 57HS7630. Bộ điều khiển XC809D sẽ nghệ sản xuất chế tạo hiện nay.
điều khiển các động cơ bước thông qua các driver chuyên Việc ứng dụng bộ điều khiển CNC 5 trục giúp cho
dụng, đó là: driver DM556 để điều khiển động cơ người điều khiển máy dễ dàng thao tác và dễ dàng nâng
57HS7630 và driver MA860 để điều khiển động cơ cấp cho các ứng dụng sau này.
86HS8040A4J. Các driver có thể điều khiển các động cơ 3.2. Nhược điểm
bước theo chế độ vi bước gồm 1/2, 1/4, 1/8, … Để tăng
Bộ điều khiển của máy là bộ điều khiển 5 trục nhưng
độ chính xác cũng như tránh chọn vi bước quá lớn gây ra
hiện tại, máy chỉ đang được thiết kế hoạt động với 4 trục.
việc trượt bước, tác giả chọn vi bước 1/16 có nghĩa là cần
Trong quá trình hoạt động, máy còn gặp phải một số vấn
3200 xung để quay một vòng động cơ bước đối với động
đề về độ chính xác khi quay phôi và vấn đề về vết cắt
cơ hai pha 200 bước.
chưa tối ưu. Việc cải tiến sản phẩm để đưa ra thị trường
2.4. Hình ảnh và kết quả thực tế thương mại cần thêm một khoảng thời gian sản phẩm
được hoàn thiện nhất.
3.3. Hướng nghiên cứu trong tương lai
- Cải thiện bộ kẹp mâm cặp sau bằng mâm cặp tự định
tâm 2×2 để gá phôi một cách chính xác.
- Phát triển cơ cấu máy lên 5 trục để có cắt mép với một
góc nghiêng nhất định theo đúng yêu cầu, giúp việc
lắp ghép các chi tiết chính xác hơn.
- Ngoài ra, có thể nâng cấp thêm cơ cấu cấp phôi tự
động và sử dụng hệ thống kẹp phôi bằng khí nén, nâng
cao sự tự động hóa trong sản xuất.
- Đánh giá các thông số kỹ thuật quan trọng của máy có
phần tử quay như tần số riêng [27], độ mất cân bằng
Hình 18. Ảnh thực tế máy cắt Plasma CNC 4 trục động [28]-[28]…
4. Kết luận
Máy cắt ống Plasma CNC 4 trục không những giúp
cho chúng tôi tiết kiệm rất nhiều thời gian trong quá trình
thi công các công trình sử dụng ống thép mà còn đem lại
độ thẩm mỹ cao hơn và nâng cao chất lượng lắp đặt thi
công của phân xưởng.
Không chỉ để cho một doanh nghiệp nào đó sử dụng,
mà máy cắt ống Plasma còn có thể mang lại nhiều giá trị
cho hầu hết các công ty, phân xưởng sử dụng thép ống,
một loại thép không thể thiếu hiện nay. Với việc phát triển
máy cắt Plasma, nhóm tác giả tin rằng nó giúp nâng cao
chất lượng và sự phát triển cho ngành cơ khí của đất nước.
Hình 19. Kết quả cắt thực tế
Thiết kế và chế tạo thành công máy cắt ống Plasma
CNC 4 trục. Máy đã hoạt động và gia công được các sản Lời cám ơn: Nghiên cứu này được tài trợ bởi công ty TNHH
phẩm đúng với các yêu cầu đưa ra ban đầu. Tuy còn một SX-TM Cơ Khí - Bách Khoa.
số lỗi nhỏ tròn quá trình hoạt động nhưng chúng tôi đã có
các phương án cho việc cải tiến máy hoạt động hiệu quả Tài liệu tham khảo
nhất. Với mức chi phí sản xuất thấp hơn mức chi phí dự [17] Kudrna, Lukas, Fries, Jiri and Merta, Marek. "Influences on
kiến ban đầu, chúng tôi tin rằng với mức giá này sản plasma cutting quality on CNC machine" Multidisciplinary
phẩm của chúng tôi sẽ dễ dàng tiếp cận được với các Aspects of Production Engineering, vol.2, no.1, 2019, pp.108-
doanh nghiệp vừa và nhỏ. 117.
[18] N. Sanajit and A. Jangwanitlert, "Improved performance of a
3. Bàn luận plasma cutting machine using a half-bridge dc/dc
converter," IEEE International Conference on Robotics and
3.1. Ưu điểm Biomimetics, 2009, pp. 1601-1606.
Ngành công nghiệp Việt Nam và thế giới đang trên [19] N. Sanajit and A. Jangwanitlert ,"A Three Level dc/dc converter
con đường phát triển thì những sản phẩm như máy cắt for plasma cutting applications," Proceedings of the 30
Electrical Engineering Conference, King Mongkut's University
Plasma là không thể thiếu để có thể thúc đẩy công nghệ of Technology Thonburi, 2007, pp. 508-511.
phát triển một cách nhanh nhất.
28
[20] https://giaiphapthienlong.vn/may-cat-plasma-thep-hinh-cnc- [27] Nguyễn Văn Yến, Giáo trình truyền động cơ khí. Nhà xuất bản
hdf-5060-p570.html Xây Dựng, 2019.
[21] https://vncongnghiep.com/san-pham/may-cat-laser-ong-hop- [28] Lưu Đức Bình, Kỹ thuật gia công cơ, Nhà xuất bản Xây Dựng,
cm600la 2019.
[22] Trịnh Chất – Lê Văn Uyển, Tính toán thiết kế hệ dẫn động cơ [29] Lưu Đức Bình, Kỹ thuật đo cơ khí, Nhà xuất bản Giáo dục Việt
khí, Tập 1, Nhà xuất bản Giáo dục, 2006. Nam, 2015.
[23] Lê Cung, Nguyên lý máy, Trường Đại học Bách khoa - Đại học [30] Đặng Phước Vinh, Trần Phước Thanh, “Bàn thí nghiệm cỡ nhỏ để
Đà Nẵng, Lưu hành nội bộ, 2006. xác định các thông số động học của máy quay”, Tạp chí Khoa học
[24] Nguyễn Trọng Hiệp, Chi tiết máy tập 2, Nhà xuất bản Giáo dục, và Công nghệ, Số 7(128).2018, Đại học Đà Nẵng, 2018, trang 71-
2000 74.
[25] Ðặng Phước Vinh, Võ Như Thành, Giáo trình kỹ thuật Vi điều [31] Đặng Phước Vinh, Lê Hoài Nam, “Mô phỏng số một hệ thống máy
khiển PIC, Nhà xuất bản Xây Dựng, 2019. có các chi tiết quay đơn giản bằng phương pháp phần tử hữu hạn”,
[26] Đặng Phước Vinh, Trần Quang Khải, Đoàn Lê Anh, Võ Như Tạp chí Khoa học và Công nghệ, Số 17 (7), Đại học Đà Nẵng,
Thành, Phạm Anh Đức. Lập trình vi điều khiển PIC và thiết bị 2019, trang 5-9
ngoại vi. Nhà xuất bản Khoa học và Kỹ thuật, 2021.
29
SVTH: Trần Tiến Đạt, Đinh Ngọc Tú, Nguyễn Văn Trần Quyền; GVHD: TS. Lê Hoài Nam
THIẾT KẾ CƠ CẤU BƠM KEO ỨNG DỤNG TRONG DÂY CHUYỀN SẢN
XUẤT BỘ SẠC Ô TÔ ĐIỆN
DESIGN OF GLUE PUMP MECHANISM APPLIED IN ELECTRIC CAR CHARGER
PRODUCTION LINE
SVTH: Trần Tiến Đạt, Đinh Ngọc Tú, Nguyễn Văn Trần Quyền
Lớp 19CDTCLC3, Khoa Cơ khí, Trường Đại học Bách khoa - Đại học Đà Nẵng.
Email: ttdat100201@gmail.com, dinhngoctu8587@gmail.com, nguyenvantranquyen@gmail.com
GVHD:TS. Lê Hoài Nam
Khoa Cơ khí, Trường Đại học Bách khoa - Đại học Đà Nẵng.
Email: lehoainam@dut.udn.vn
Tóm tắt: Trong dây chuyền sản xuất, có nhiều thao tác lặp Abstract: In production lines, there are many repetitive
đi lặp lại trong một chu kỳ nhất định và đặc biệt đòi hỏi độ chính operations in a certain cycle and especially require high accuracy
xác và tốc độ cao. Trong khi bàn tay con người và các thiết bị and speed. While human hands and conventional equipment are
thông thường gần như không thể đáp ứng được yêu cầu này almost impossible to meet this requirement or meet the high cost,
hoặc đáp ứng được nhưng chi phí cao khiến doanh nghiệp mất making businesses lose their competitiveness in the market.
đi khả năng cạnh tranh trên thị trường. Do đó, cần một dây Therefore, need an automatic line as an optimal solution to help
chuyền tự động như một giải pháp tối ưu giúp tối ưu hóa tăng optimize increase productivity, reduce time, cost, and risk in
năng suất, giảm thời gian, chi phí và rủi ro trong sản xuất chung general production in factories. During their study at Danang
tại các nhà máy. Trong quá trình học tập tại Trường Đại học Bách University of Science and Technology, to the introduction of Mr.
khoa - Đại học Đà Nẵng nhờ sự giới thiệu của thầy Lê Hoài Nam Le Hoai Nam, our group was approached to solve the problem
mà nhóm chúng tôi được tiếp cận giải quyết vấn đề cho doanh for Huynh Duc's business, which is to design and manufacture a
nghiệp Huỳnh Đức là thiết kế, chế tạo cụm châm keo ứng dụng set of glue applied in electric car clean circuit production line. The
trong dây chuyền sản xuất mạch sạch ô tô điện. Thiết kế, sản design, manufacture and assembly of the assembly meet the
xuất và lắp ráp của cụm đáp ứng các yêu cầu: cơ cấu dán keo following requirements: the adhesive mechanism must have a
phải có phạm vi làm việc tối thiểu 8mm theo trục y và 5mm theo minimum working range of 8mm in the y-axis and 5mm in the x-
trục x, kích thước tổng của cụm theo 3 chiều là 300mm x 300mm axis, the total size of the assembly in three dimensions is 300mm
x 500mm, dán keo đồng thời 2 lõi, kích thước vòng keo là 30mm, x 300mm. x 500mm, glue 2 cores at the same time, glue ring size
thời gian thực thi của tổng quá trình không quá 10s. is 30mm, execution time of the total process is not more than 10.
Từ khóa – cơ cấu 3 trục; bộ bơm keo; bơm keo; băng tải;
nghiên cứu khoa học; xử lí ảnh. Keywords – 3-axis mechanism, glue pump set, glue pump,
conveyor, scientific research, image processig
1. Đặt vấn đề cơ cấu bơm keo về lại vị trí ban đầu, băng tải tiếp tục di
Trong dây chuyền sản xuất, có nhiều thao tác lặp đi lặp chuyển.
lại trong một chu kỳ nhất định và đặc biệt đòi hỏi độ chính Các yêu cầu khi thực hiện:
xác và tốc độ cao. Trong khi bàn tay con người và các Các cụm khi lắp rắp hoàn tất phải nằm trong phạm vi
thiết bị thông thường gần như không thể đáp ứng được cho phép. Đảm bảo độ cứng cáp, dễ dàng bảo trì, sữa
yêu cầu này hoặc đáp ứng được chi phí cao khiến doanh chữa. Thân thiện với người dùng.
nghiệp mất đi khả năng cạnh tranh trên thị trường. Do đó,
cần một dây chuyền tự động như một giải pháp tối ưu
giúp tối ưu hóa tăng năng suất, giảm thời gian, chi phí và
rủi ro trong sản xuất chung tại các nhà máy. Sau khi được
tham quan nhà máy Premo, nhận thấy được vấn đề còn
sử dụng các thao tác tay cho công việc dán keo lên sản
phẩm, từ đó dẫn đến việc chưa tối ưu về mặt thời gian
cũng như chi phí và độ chính xác. Từ đó, việc nghiêm
cứu cho 1 dây chuyền tự động hóa cho quá trình này là 1
điều tất yếu giúp nhà máy nâng cao năng xuất, giảm thiểu Hình 1: Biên dạng của keo.
chi phí sản xuất cũng như hạn chế các rủi ro cho con
người.
2. Kết quả nguyên cứu và khảo sát:
2.1. Nguyên lí hoạt động:
Dây chuyền hoạt động với nguyên lí theo các bước
như sau:
Bước 1: Băng tải di chuyển đồ gá sản phẩm đến vị trí
của cụm bơm keo.
Bước 2: Xi lanh đẩy lên cố định đồ gá vào mép của
băng tải, băng tải dừng lại.
Bước 3: Cụm bơm keo từ vị trí ban đầu tiến tới bôi
keo theo hình dáng đã được thiết lập.
Bước 4: Sau khi hoàn thành quá trình bơm keo lên thì Hình 2: Mô hình 3D của hệ thống.
30
2.2. Phần thiết kế: 9. Chọn động cơ:
2.2.1. Cụm vận chuyển: Bước 1: tính toán số vòng quay từ vận tốc của băng tải.
Tính toán băng tải: 𝑉
1. Chọn dây đai và roller băng tải: 𝑛= (10)
𝐷
Từ kích thước của đồ gá sản phẩm ta chọn dây đai Với: n là số vòng quay (v/ph); V là vận tốc của băng
chịu được khối lượng trên 2kg và thiết kế cắt rãnh mục tải (m/s); D là đường kính ngoài của rolley (m).
đích để cơ cấu giữ đẩy lên. Với các yêu cầu như vậy ta Bước 2: Tính tỉ số truyền:
chọn loại dây đai HNB-5E của misumi có các thông số 𝑆
như sau: độ dày 1.3 mm, nặng 1.5kg/m2, đường kính 𝑖= (11)
𝑛
pulley nhỏ nhất 15mm, lực căng trên đơn vị độ rộng Với: n là Số vòng quay (v/ph); S là Vận tốc của động
8N/mm. cơ (v/ph); I là tỉ số truyền (m).
Bước 3: Tính số vòng quay của trục:
𝑁 =𝑖×𝑉 (12)
Với: N là số vòng quay của trục (v/ph); V là Vận tốc
của đai (v/ph); I là Tỉ số truyền (m).
Bước 4: Mô men xoắn cần thiết:
𝑚
𝑀= (13)
𝑖×𝜂
Hình 3: Mô hình 3D cụm băng tải.
Với: M là mô men xoắn (v/ph); m là Mô men xoắn
Tính toán đường kính của pulley: khi hoạt động (v/ph); I là tỉ số truyền (m).
𝐷 = √𝑑 2 + (0.001273 × 𝐿 × 𝐺) (1) 2.2.2. Cơ cấu 3 trục:
Với: D là đường kính ngoài rolley (m); d là đường Tính toán chọn cơ cấu:
kính trong rolley (m); L là Chiều dài dây đai (m); G là độ Cơ cấu được hình thành từ 3 trục đơn và được lắp
dày dây đai (mm). ghép với nhau thông qua nhiều bách gá khác nhau. Với
phạm vi lắp đặt và tải trọng trên bộ phận, từ đó tra
Độ dài của dây đai trên pulley: datasheet của HIWIN chọn loại có kích thước: 40mm x
𝐷−𝑑 209mm.
𝐿 =𝑑+( ) × 𝜋 × 𝑁 (2) Tính toán chọn động cơ:
2
1. Xác nhận các điều kiện di chuyển theo yêu cầu của
Với: D là đường kính ngoài pulley (m); D là đường cơ chế tải, bao gồm tăng tốc, giảm tốc, trọng lượng
kính trong (m); N là góc ôm (m). của cơ chế và chuyển động của nó.
2. Xác đinh khối lượng của tải trên mỗi đơn vị chiều 2. Tính toán động lượng.
dài: 3. Chọn thông số kỹ thuật phù hợp của động cơ với tỷ
𝑇
𝑄 = 0.278 × (3) lệ giữa động lượng và động cơ.
𝑆 4. Tính toán mô men xoắn tăng tốc, giảm tốc trên
Với: T Là sức chứa của băng tải tấn/ giờ; S là Vận động cơ đã chọn kết hợp với động lượng của tải.
tốc của băng tải. 5. Lựa chọn phương pháp lắp đặt, hệ số ma sát và hiệu
3. Lực căng dây khi không có sản phẩm: suất động cơ, tính toán mô men xoắn ở chuyển
𝑇𝑥 = 9.8𝐺 × 𝑓𝑥 × 𝐿𝑐 (4) động đều.
Với: 𝑓𝑥 là hệ số ma sát; 𝑇𝑥 𝑙à lực căng đai (N); 𝐿𝑐 là 6. Tính toán mô men xoắn liên tục dựa vào các mô
độ dài của dây đai (m); G là tải trọng đai (kg/m). men đã tìm được.
4. Lực căng dây khi tải di chuyển ngang: 7. Chọn mô men xoắn đầu ra dựa vào mô men xoắn
𝑇𝑦 = 9.8𝑄 × 𝑓𝑦 × 𝐿𝑐 (5) liên tục.
Với: 𝑓𝑦 là hệ số ma sát; 𝑇𝑦 𝑙à lực căng đai (N); 𝐿𝑐 là
độ dài của dây đai (m); Q là tải trọng toàn bộ (kg/m).
5. Lực căng dây khi nâng tải:
𝑇𝑍 = 9.8𝑄 × 𝐻 (6)
Với: Q là tải trọng toàn bộ (kg/m); 𝑇𝑍 𝑙à lực căng đai
(N); H là chiều cao của băng tải (m).
6. Tổng lực tác dụng:
𝑇𝑒 = 𝑇𝑋 + 𝑇𝑌 + 𝑇𝑍 (7)
7. Công suất:
𝑃 = 𝑇𝑒 × 𝑉 (8)
8. Lực căng đai dưới:
𝑇𝑚 = 𝑘 × 𝑇𝑒 (9)
Với: K là hệ số góc (chọn 1.2); 𝑇𝑚 𝑙à lực căng đai
dưới (N); 𝑇𝑚 là tổng lực tác dụng (N. Hình 6: Cơ cấu 3 trục.
31
Cơ cấu gồm 5 phần: phần gá trục z, phần gá trục y, YOLO (You Only Look Once) tức là chỉ cần nhìn một
phần gá trục x, gá cảm biển và cuối cùng là gá động cơ. lần là có thể phát hiện ra vật thể, là một mô hình sử dụng
Cơ cấu phải đảm bảo không đổ ngã hoặc mất thăng mạng nơ-ron CNN cho việc phát hiện, nhận dạng và phân
bằng khi các trục di chuyển, đảm bảo không bị vướng khi loại đối tượng.
di chuyển, dễ điều chỉnh vị trí. Bài toán thực hiện:
2.2.3. Hệ thống điều khiển:  Thu thập dữ liệu ảnh về đường keo thật: Nhóm
đã thu thập 200 nhãn về biên dạng keo.
 Chia dữ liệu: 90% tập traning, 5% tập
validation, 5% tập test.
 Tiến hành huấn luyện mô hình:
 Toàn bộ dữ liệu đã được biến đổi về kích thước
640 x 640
 Thông số huấn luyện: batch 64 (yolov5s),
epochs 100

 Ngôn ngữ: Python
Kết quả huấn luyện:
Hình 7: Sơ đồ phân phối điện trong cụm máy.
Hình 10: Biểu đồ kết quả huấn luyện.
Hình 8: Sơ đồ IO.
Hệ thống sử dụng bao gồm 2 nguồn điện chính: 220V
cho các động cơ và 24V cho PLC, nên ta cần bộ biến áp
bên trong tủ điện.
Hệ thống điều khiển sử dụng PLC S7-1215
DC/DC/DC hãng SIEMENS. Điều khiển chuyển động
các trục thông qua driver của các động cơ. Có tổng 13 IO,
gồm 6 input và 7 ouput.
Cơ cấu hoạt động nhờ điểu khiến thông qua màng
hình HMI và máy tính nhận các tín hiệu
từ cảm biến và được nhận bởi PLC nhờ vậy mà ta có Hình 11: Kết quả chạy thử.
thể giới hạn phạm vi trượt của các con trược trên mỗi ii. Tính diện tích keo tiếp xúc trên bề mặt:
trục. Sau khi nhận diện được vật thể, tiến hành cắt bề mặt
Chương trình PLC được viết ở phần mềm TIA- và phần keo đã nhận diện được để xử lý tính toán lượng
PORTAL phiên bản V16 sử dụng ngôn ngữ LAB. keo trên bề mặt.
2.3. Xử lý ảnh:
i. Phát hiện vật thể:
Nhóm nghiên cứu sử dụng mô hình YOLOv5 của
nhóm Ultralytics [6] để phát hiện vật thể.
Hình 9: Quy trình nhận diện vật thể. Hình 12: Cắt vật thể ra khỏi khung hình.
32
Sau khi có được vật thể mong muốn, vẽ hình tròn để  Giảm chi phí nhân công, rút ngắn thời gian sản
loại bỏ nền. Tiếp theo, sử dụng thuật toán K-Means [7] xuất.
để phân đoạn ảnh giữa lớp keo và bề mặt kim loại.  Có thể điều chỉnh, phù hợp với nhiều biên dạng
keo khác nhau.
2.5. Nhược điểm:
 Chi phí lắp đặt cao, giá thành các bộ phận đắt.
 Cần người có chuyên môn mới có thể vận hành.
 Vẫn còn nhiễu do môi trường ánh sáng bên
ngoài tác động lên vật thể.
3. Kết luận:
Do thời gian có hạn nên đề tài chỉ mới ở mô hình 3D,
đã thử mô phỏng và đang trong quá trình kiểm nghiệm
3D.

[1]. Thiết kế chi tiết máy - Nguyễn Trọng Hiệp
[2]. Conveyor belt design manual – Dunlop
Hình 13: Phân đoạn ảnh. [3]. Orential motor operating manual – Orential
Lấy màu keo đen chia tỉ lệ với màu keo đen và nền [4]. Datasheet KK-series – Hiwin
[5]. Speed control and control motor - smc
kim loại trắng. Kết quả là tỉ lệ giữa keo và bề mặt kim [6]. https://github.com/ultralytics/yolov5. Truy cập lần cuối ngày
loại theo yêu cầu. 23/11/2022.
2.4. Ưu điểm của hệ thống: [7]. https://en.wikipedia.org/wiki/K-means_clustering. Truy cập lần
 Hoạt động tự động. cuối ngày 23/11/2022
 Thực hiện được nhiều sản phẩm trong thời gian
ngắn với độ chính xác cao.
33
34
KHOA CƠ KHÍ GIAO THÔNG
MÔ PHỎNG VÀ THỰC NGHIỆM SẢN XUẤT SYNGAS TỪ KHÍ HÓA RDF

GỖ VÀ TRẤU ĐỂ CHẠY ĐỘNG CƠ PHÁT ĐIỆN
SVTH: Triệu Đức Tông, Lê Ngọc Đức, Nguyễn Minh Tú, Trần Đình Quang, Nguyễn Văn Thức
Khoa Cơ khí Giao thông, Trường Trường Đại học Bách Khoa – Đại học Đà Nẵng
GVHD: GS. TSKH. Bùi Văn Ga, TS. Võ Anh Vũ
Khoa Cơ khí Giao thông, Trường Trường Đại học Bách Khoa – Đại học Đà Nẵng ; Email: ndson@dut.udn.vn
Tóm tắt - Hỗn hợp RDF gỗ và trấu rời làm tăng độ xốp của nồng độ H2 hầu như không thay đổi còn thành phần CH4 tăng lên
nhiên liệu trong lò giúp cho quá trình khí hóa diễn ra thuận lợi. 6%. Nhiệt trị của syngas đạt cực đại khi f=0,5 và nhiệt độ khu
Kết quả mô phỏng cho thấy CO tập trung ở vùng cháy không vực hoàn nguyên nằm trong khoảng 900K đến 1200K. Độ ẩm
hoàn toàn còn CO2 hình thành chủ yếu ở khu vực cháy hoàn không khí ảnh hưởng đến nồng độ CO nhưng không ảnh hưởng
toàn; CH4 hình thành ở khu vực hoàn nguyên, trong khi đó H2 nhiều đến nồng độ CH4, H2 và nhiệt trị syngas. Sai lệch giữa mô
hình thành ở khu vực có nhiệt độ cao. Khi thành phần hỗn hợp phỏng và thực nghiệm không quá 10% đối với nồng độ CH4 và
f=0,3 nồng độ CO trong syngas đạt khoảng 21%, nồng độ H2 đạt không quá 14% đối với nồng độ CO2. Công suất động cơ đánh
khoảng 2% còn nồng độ CH4 rất thấp, có thể bỏ qua. Khi thành lửa cưỡng bức giảm 30% khi chạy bằng syngas so với khi chạy
phần hỗn hợp tăng lên f=0,5 thì nồng độ CO đạt khoảng 26%, bằng xăng.
1. Giới thiệu yếu tố khác nhau đến chất lượng viên nén RDF được trình
Khí hóa rác thải để thu nhiệt đã được phát triển từ bày trong [8].
nhiều thập niên [1]. Quá trình khí hóa có thể làm giảm Do những ưu điểm chính của RDF như giảm thể tích
70% khối lượng và 90% thể tích chất thải rắn, giảm phát chất thải rắn và thu hồi nhiệt dễ dàng nên công nghệ này
thải chất khí gây hiệu ứng nhà kính, tiết kiệm đất sử dụng ngày càng được giới công nghiệp quan tâm [13]. RDF
cho bãi chôn lấp [2]. Khí hóa chất thải rắn dựa trên hiện là nguồn nhiên liệu rẻ được sử dụng trong công
nguyên lý tạo phản ứng cháy nhiên liệu trong môi trường nghiệp xi măng ở nhiều nước trên thế giới [4]. Ở Châu
thiếu oxy. Một loạt các phản ứng thuận nghịch diễn ra Âu, có đến hơn 70% năng lượng tiêu thụ cho sản xuất xi
gồm phản ứng cháy và phản ứng hoàn nguyên sản phẩm măng sinh ra từ RDF [14-16].
cháy để tạo nên hỗn hợp khí gọi là syngas gồm các thành Về ứng dụng syngas trên động cơ đốt trong, các
phần chính CO, H2, CH4, CO2, N2. Hiệu suất khí hóa đạt nghiên cứu gần đây cho thấy cần lưu ý 2 vấn đề phát sinh
cực đại khi hệ số không khí dư nằm trong khoảng 0,25- liên quan đến tạp chất trong syngas và sự tụt giảm công
0,3 và nhiệt độ nằm trong khoảng 680-700°C [2]. Syngas suất động cơ do nhiệt trị nhiên liệu thấp. So với ứng dụng
từ khí hóa chất thải rắn là nhiên liệu tiềm năng để phát syngas trên turbine khí thì việc ứng dụng nhiên liệu này
điện [3]. trên động cơ đốt trong phù hợp hơn do mức độ yêu cầu
Công nghệ RDF đã được phát triển từ 1970 [4] và về tạp chất trong nhiên liệu ít khắc khe hơn [17-18].
ngày càng cho thấy nó là công nghệ hiệu quả để xử lý Trong các loại tạp chất thì dầu hắc chứa trong syngas là
chất thải rắn sinh hoạt [5]. Mật độ cao của RDF giúp cho chất gây trở ngại lớn nhất đối với động cơ [19]. Đối với
sự lưu trữ, vận chuyển chúng đến nơi sử dụng dễ dàng động cơ cỡ nhỏ, việc sử dụng lò khí hóa với dòng khí đi
hơn đồng thời nó làm tăng tính đồng nhất của nhiên liệu xuống, độ ẩm thấp và điều chỉnh cho nhiệt độ cháy cao là
trong quá trình chuyển hóa năng lượng. RDF từ rác thải giải pháp để hạn chế các vấn đề do dầu hắc trong nhiên
sinh hoạt có thể là nguồn năng lượng thay thế. Nó chứa liệu gây ra [20-21]. Thành phần thể tích của syngas khi
những chất có nhiệt trị cao như giấy, nhựa, vải... nên sử sử dụng không khí làm chất ô xy hóa thường 18-20% H2,
dụng công nghệ RDF ngày càng phát triển mạnh và thay 18-20% CO, 2% CH4, 11-13% CO2, một ít H2O, còn lại
thế các giải pháp đốt rác truyền thống [6]. là N2 [22]. Nhiệt trị thấp của syngas thông thường trong
Chế biến rác thải sinh hoạt thành RDF qua một số khoảng 4-6 MJ/kg [17], chỉ bằng khoảng 10% nhiệt trị
công đoạn cơ học: phân loại, cắt rác, sấy, sàn, nghiền, ép của khí thiên nhiên, LPG hay xăng dầu. Tuy nhiên do
đùn [7]. Các nghiên cứu gần đây cho thấy có nhiều yếu lượng không khí cần thiết để đốt cháy một đơn vị khối
tố ảnh hưởng đến mật độ của RDF [8]. Các yếu tố này lượng syngas cũng chỉ bằng 10% các loại nhiên liệu
bao gồm cả quá trình chế biến lẫn tính chất vật liệu. Các truyền thống nên việc tụt giảm công suất động cơ không
yếu tố liên quan đến quá trình chế tạo bao gồm nhiệt độ, tỉ lệ với nhiệt trị nhiên liệu. Thực tế cho thấy khi chạy
áp suất nén, thời gian nén, dạng hình học viên nén [9-10]. bằng syngas công suất động cơ giảm khoảng 15%-20%
Nhiều nghiên cứu cho thấy độ ẩm 8-12 % cho viên nén so với động cơ diesel và giảm 30%-40% so với động cơ
có mật độ và chất lượng cao hơn [9]. Nước làm gia tăng xăng [20].
mặt tiếp xúc giữa các hạt bởi lực Van der Waal [11]. Tính Hiện nay trên thị trường có chào bán sẵn các dây
chất sinh hóa của vật liệu ảnh hưởng rõ rệt đến nhiệt trị của chuyền sản xuất syngas từ biomass của Trung Quốc [23].
viên nén. Đây là những thông tin cần phải có để chế tạo và Các hệ thống này thường có công suất lớn và sử dụng cho
sử dụng viên nén có hiệu quả. Áp suất nén tối ưu trong quá những biomas xác định như gỗ, mùn cưa, rơm rạ… Máy
trình chế tạo viên nén phụ thuộc vào điều kiện vật liệu phát điện chuyên dụng chạy bằng syngas cũng được một
đầu vào vì độ xốp của viên nén có tác động mạnh đến quá số hãng công nghệ Trung Quốc thương mại hóa như
trình sinh khí [12]. Nghiên cứu tổng thể ảnh hưởng các Ronsun, Shandong, Tiger… [24-25]. Những cụm máy
phát điện này phù hợp với những nơi có nguồn syngas
37
SVTH: Triệu Đức Tông, Lê Ngọc Đức, Nguyễn Minh Tú, Trần Đình Quang, Nguyễn Văn Thức; GVHD: GS. TSKH. Bùi Văn Ga, TS. Võ Anh Vũ
lớn. Mặt khác những cụm phát điện syngas chuyên dụng cháy hoàn toàn lý thuyết 1 mole nhiên liệu.
này được thiết kế để chạy với nhiên liệu được sản xuất từ Trong nghiên cứu này chúng tôi sử dụng hỗn hợp
nguồn biomass xác định, có thành phần nhiên liệu ít thay nhiên liệu gồm 95% RDF gỗ và 5% trấu rời.
đổi. Vì là động cơ syngas chuyên dụng nên nó không
chạy được bằng xăng dầu truyền thống khi cần thiết.
Nghiên cứu tổng hợp trên đây cho thấy việc chuyển
chất thải rắn thành viên nén RDF để sản xuất syngas cung
cấp cho động cơ phát điện là xu thế của thế giới. Thành
phần chất thải nông thôn rất đa dạng, qui mô phát sinh
chất thải không đồng đều, vì thế hệ thống xử lý cần phải
linh hoạt về kích cỡ, thuận tiện trong lắp đặt, di chuyển.
Những thiết bị có sẵn trên thị trường thế giới khó có thể
đáp ứng đồng thời các yêu cầu đó. Công trình này tập
trung nghiên cứu khí hóa RDF từ chất thải rắn trong sinh
hoạt và sản xuất ở nông thôn để chạy máy phát điện công
suất bé nhằm góp phần phát triển ứng dụng năng lượng
thu hồi từ chất thải rắn.
2. Phương pháp nghiên cứu
2.1. Nghiên cứu mô phỏng
Nghiên cứu được thực hiện trong lò ga kiểu hút lên có
kích thước cơ bản cho ở hình 1a. Buồng cháy hình trụ có
đường kính 150mm, chiều cao 150mm. Khu vực hoàn
nguyên hình côn, có chiều cao 150mm.
RDF có dạng hình trụ, đường kính trung bình 10mm,
chiều dài thay đổi. Giống như các loại nhiên liệu rắn
khác, trước khi cháy các chất bay hơi trong RDF được
bốc ra khỏi nhiên liệu và hòa trộn với không khí thành
hỗn hợp cháy. Trong mô phỏng này các viên RDF được
phân bố ngẫu nhiên trong lò khí hóa với nhiệt độ bề mặt
thay đổi. Để đơn giản hóa tính toán, chúng tôi mô phỏng
trong không gian 2D như hình 1b. Không gian tính toán
được chia thành các khu vực: khu vực chứa tro, khu vực
buồng cháy, khu vực hoàn nguyên, khu vực sấy và khu
vực chứa nhiên liệu. Nhờ phân chia các khu vực như vậy
chúng ta có thể cài đặt các thông số ban đầu để có thể
khảo sát ảnh hưởng của chúng đến quá trình khí hóa.
Điều kiện biện được xác định như sau:
- Đầu vào nhiên liệu: chỉ có nhiên liệu, không cháy
(f=1, c=0), lưu lượng nhiên liệu Qf. Hình 1: Lò khí hóa 3D, mô phỏng phân bố RDF bên
- Đầu vào không khí: chỉ có không khí và cháy khi trong lò khí hóa và chia lưới không gian 2D lò khí hóa
gặp nhiên liệu trong giới hạn cháy (f=0, c=1), lưu lượng Quá trình khí hóa được mô phỏng thông qua mô hình
không khí Qa. Qa và Qf được xác định với hệ số không cháy hòa trộn trước cục bộ được đặc trưng thông qua hai
khí dư ER cho trước thông qua thành phần hỗn hợp f. đại lượng bảo toàn đó là thành phần hỗn hợp f và diễn
- Hỗn hợp đầu tiên trong lò khí hóa có có thành biến quá trình cháy c có giá trị nằm trong khoảng 0 và 1.
phần hỗn hợp f tổng quát theo ER cho trước. Lưu lượng không khí Qa và lưu lượng nhiên liệu Qf được
thể hiện qua hệ số không khí dư ER (excess air ratio).
- Nhiệt độ các khu vực của lò khí hóa được cài đặt
Trong tính toán mô phỏng hệ số không khí dư ER được
để xem xét ảnh hưởng của chúng đến quá trình khí hóa
xác định thông qua thành phần hỗn hợp f (mixture
- Thành phần nhiên liệu được tính theo thành phần fraction). ER là nghịch đảo của hệ số tương đương f:
khối lượng của các nguyên tố C, H, O và N theo bảng 1. 1
Bảng 1: Thành phần và đặc tính nhiên liệu sử dụng 𝐸𝑅 =
𝜙
trong mô phỏng
Ta có:
𝜙 𝑚𝑘𝑘 𝑚
𝑓= 𝑟=( ) ( 𝑛𝑙⁄𝑚𝑘𝑘 )
𝑡𝑡
𝜙+𝑟 𝑚𝑛𝑙 𝑙𝑡 𝜙= 𝑚
( 𝑛𝑙⁄𝑚𝑘𝑘 )
𝑙𝑡
Từ các quan hệ này chúng ta xây đựng được các

Sau khi có thành phần nhiên liệu, sử dụng công cụ đường cong quan hệ ER(f) đối với trấu, sinh khối, sọ dừa,
Coal Calculation trong Fluent để xác định công thức phân gỗ và rác thải như hình 2.
tử nhiên liệu cũng như số mole oxygen cần thiết để đốt
38
1 Trong tính toán mô phỏng, chúng ta chọn trước giá trị

ER ứng với nhiên liệu khí hóa, từ đó xác định thành phần
hỗn hợp f và tính toán tỉ số khối lượng không khí/khối
0,8
lượng nhiên liệu để trên cơ sở đo xác định lưu lượng không
Trấu Gỗ
khí Qa và lưu lượng nhiên liệu Qf cấp vào lò khí hóa.
0,6
2.2. Nghiên cứu thực nghiệm
ER
Thiết bị thí nghiệm được trình bày trên hình 3. Lò ga

0,4
2 được chế tạo phù hợp với lò ga sử dụng trong tính toán
mô phỏng. Cơ cấu xả tro có dạng guồng quay, có nắp đậy
0,2 kín nhờ đối trọng. RDF trong túi chứa 1 được cấp ở cửa
nạp liệu. Khí syngas thu được từ quá trình khí hóa được
0 nạp vào túi chứa khí 3. Nhiên liệu được tăng áp nhờ máy
0,3 0,4 0,5 0,6 0,7 0,8 nén khí 4 trước khi nạp vào động cơ 5. Công suất tải của
f động cơ được đo thông qua công suất điện cấp cho các
Hình 2: Quan hệ giữa hệ số không khí dư ER và bóng đèn halogen 6 có tổng công suất 2 kW.
thành phần hỗn hợp f
1. Túi chứa RDF; 2. Lò khí hóa; 3. Túi chứa syngas; 4. Máy nén khí
2 5. Động cơ syngas; 6. Bóng đèn gây tải
Nắp lò khí hóa

1
Lò khí hóa
3
Cơ cấu xả tro
6
lò khí hóa
Hình 3: Hệ thống thực nghiệm lò khí hóa RDF
3. Kết quả và bình luận độ cao nhất tập trung ở vùng cháy không hoàn toàn (thiếu
3.1. Kết quả mô phỏng không khí) còn CO2 hình thành chủ yếu ở khu vực cháy
hoàn toàn. CH4 hình thành ở khu vực hoàn nguyên, trong
- Ảnh hưởng của thành phần hỗn hợp f
khi đó H2 hình thành ở khu vực có nhiệt độ cao.
Hình 4 giới thiệu đường đồng mức của các đại lượng
Hình 5 biểu diễn đường đồng mức của các đại lượng
đặc trưng cho quá trình khí hóa khi lưu lượng syngas
đặc trưng quá trình khí hóa ứng với trường hợp f=0,3. So
nhận được là 2 g/s và f=0,7. Các đường đồng mức gồm:
với trường hợp f=0,7 thì khu vực cháy trong trường hợp
tốc độ, nhiệt độ, thành phần hỗn hợp f, thông số diễn biến
f=0,3 rộng hơn, nồng độ cực đại của CO thấp hơn còn
quá trình cháy c và nồng độ các chất CO, CO2, CH4, H2.
nồng độ cực đại của CO2 cao hơn. Điều này là do khi
Trong điều kiện này tốc độ cực đại dòng syngas ra khỏi
thành phần hỗn hợp gần với giá trị cháy hoàn toán lý
lò khí hóa nhỏ hơn 2 m/s. Vùng diễn ra qua trình cháy
thuyết thì quá trình cháy diễn ra hoàn toàn hơn dẫn đến
nhiên liệu tập trung ở khu vực cấp không khí. Vùng có
hàm lượng CO2 trong khí cháy lớn hơn. Khu vực chính
nhiệt độ cao tập trung ở thành buồng cháy đối diện với lỗ
sinh ra CO, CH4 và H2 trong trường hợp f=0,3 không tập
cấp khí. Vùng cháy triệt để (ứng với f=0) sát với lỗ cấp
trung ở vùng cháy không hoàn toàn mà ở khu vực hoàn
khí. Vùng đang phản ứng gồm cả khu vực cháy và khu
nguyên.
vực hoàn nguyên (vùng thống số diễn biến quá trình cháy
có màu đỏ). Kết quả mô phỏng cũng cho thấy CO có nồng
39
Hình 4: Đường đồng mức các thông số quá trình khí hóa sinh khối với f=0,7 và Qs=2 g/s
Hình 5: Đường đồng mức các thông số quá trình khí hóa sinh khối với f=0,3 và Qs=2 g/s
40
Hình 6a và hình 6b biểu diễn biến thiện nồng độ khối - Ảnh hưởng của nhiệt độ khu vực khí hóa
lượng của CO, CO2, CH4, H2 trong syngas theo thời gian syngas_out_compo_biomas_f05_Tg800
tính toán. Tính toán được thực hiện trong điều kiện các 30
biến số phụ thuộc vào thời gian. Bước thời gian tính là
1ms với 20 vòng lặp mỗi bước tính. Chúng ta thấy trong 25
điều kiện cung cấp nhiên liệu nêu trên, thành phần syngas
CO, CO2, CH4, H2 (%Wt)

đạt giá trị ổn định tương đối nhỏ (khoảng 1s). Khi thành 20
phần hỗn hợp f=0,3 nồng độ CO trong syngas đạt khoảng
21%, nồng độ H2 đạt khoảng 2% còn nồng độ CH4 rất 15
thấp, gần như có thể bỏ qua. Khi thành phần hỗn hợp tăng CO CO2
lên f=0,5 thì nồng độ CO đạt khoảng 26%, nồng độ H 2 10 CH4 H2
hầu như không thay đổi còn thành phần CH4 tăng lên 6%.
Kết quả này cho thấy khi hỗn hợp đậm thì nồng độ CO 5
tăng một phần là do quá trình cháy không hoàn toàn, một
phần là do hoàn nguyên sản phẩm cháy. 0
0 200 400 600 800 1000
Chúng ta thấy khi khí hóa trong điều kiện khô thì H 2 t (ms)
sinh ra chủ yếu do phân giải các chất trong sản vật cháy. syngas_out_compo_biomas_f05_Tg1190
Một bộ phận H2 hình thành trong quá trình cháy nhưng
35
ngay sau đó nó tác dụng với CO hay C và hình thành CH4.
Trong điều kiện cân bằng nhiệt động học phản ứng thì 30
nồng độ H2 tăng khi nồng độ các chất CO, CH4 giảm. Khi

hệ thống ổn định thì nồng độ tất cả các chất hầu như 25
không thay đổi.
20
syngas_out_compo_biomas_f03_HF1E4
25 15
CO CO2
10 CH4 H2
20
15 0
0 200 400 600 800 1000
t (ms)
10 Hình 7: Ảnh hưởng của nhiệt độ khu vực hoàn

nguyên đến thành phần syngas
CO CO2 Hình 7a và hình 7b giới thiệu biến thiên của thành
5
CH4 H2 phần khí trong syngas khi thành phần hỗn hợp f=0,5,
nhiệt độ khu vực hoàn nguyên T k=800K và 1190K.
0 Chúng ta thấy nhiệt độ khu vực hoàn nguyên hầu như ảnh
0 200 400 600 800 1000 hưởng rất nhẹ đối với CH4 và H2 nhưng ảnh hưởng mạnh
t (ms)
đến sự chuyển hóa CO2 thành CO. Ở nhiệt độ Tk=800K,
syngas_out_compo_biomas_f05 nồng độ CO khoảng 25% và nồng độ CO2 khoảng 24%.
30
Khi nhiệt độ Tk tăng lên 1190K thì nồng độ CO đạt 30%
còn nồng độ CO2 giảm xuống còn 19%.
Tinh LHV_Biomass_Syngas_Vs-f_M
25
8
20
6
15
CO CO2
QL (MJ/kg)
10 CH4 H2 4
5
2 f03 f04
0 f05 f06
0 200 400 600 800 1000
t (ms) 0
Hình 6: Thành phần syngas khi khí hóa sinh khối với 0 200 400 600 800 1000
t (ms)
f=0,3 (a) và f=0,5 (b)
41
Tinh LHV_Biomass_Syngas_Vs-HFgasi_M Hình 9a và hình 9b so sánh thành phần syngas khi cấp
8 không khí được làm ẩm 10% và 20%. Chúng ta thấy khi
tăng độ ẩm không khí thì hàm lượng CO trong syngas
giảm. Điều này có thể giải thích do hơi nước bốc hơi làm
6
giảm nhiệt độ khu vực cháy và khu vực hoàn nguyên dẫn
đến giảm tốc độ các phản ứng hình thành CO. Hàm lượng
QL (MJ/kg)
4 CH4 và H2 trong syngas hầu như không bị ảnh hưởng bởi

độ ẩm trong không khí.
2 so sanh LHV_Biomass-20H2O-10H2O_Biomass neat_Syngas_f05
Tk=1190K Tk=900K
Tk=800K Tk=650K 8
0
0 200 400 600 800 1000
t (ms)
Hình 8: Ảnh hưởng của thành phần hỗn hợp f (a) và 6

nhiệt độ vùng hoàn nguyên (b) đến nhiệt trị syngas
Nhiệt trị của syngas được hình thành từ năng lượng
QL (MJ/kg)
của CO, CH4 và H2. Nhiệt trị thấp của CO, CH4 và H2 lần
4
lượt là 10 MJ/kg, 50 MJ/kg và 120 MJ/kg. Do đó khi biết
thành phần khối lượng của syngas chúng ta có thể tính
toán được nhiệt trị của nó. Hình 8a giới thiệu ảnh hưởng
f05_10H2O
của thành phần hỗn hợp đến nhiệt trị của syngas khi nhiệt 2
độ vùng hoàn nguyên Tk=1000K. Chúng ta thấy nhiệt trị f05_20H2O
tăng từ f=0,3 đến f=0,5. Khi f tăng vượt quá giá trị 0,5 thì
nhiệt trị của syngas bắt đầu giảm. Nhiệt trị thấp của f05_neat
syngas từ khí hóa RDF biomass nằm trong khoảng 6-7 0
MJ/kg. Hình 8b cho thấy nhiệt trị của syngas từ khí hóa 0 200 400 600 800 1000
RDF biomass đạt giá trị lớn nhất khi nhiệt độ vùng hoàn t (ms)
nguyên nằm trong khoảng 900K đến 1200K. Khi nhiệt độ Hình 10: Ảnh hưởng của độ ẩm trong không khí cấp
vùng hoàn nguyên nhỏ hơn 900K thì nhiệt trị syngas giảm vào lò khí hóa đến nhiệt trị syngas
nhanh.
Do nhiệt trị của CO rất thấp so với nhiệt trị của CH4
- Ảnh hưởng của độ ẩm không khí và H2 nên sự chênh lệch về nồng độ CO trong syngas
syngas_out_compo_biomas-10H2O_f05 không ảnh hưởng nhiều đến nhiệt trị của nhien liệu. Hình
30 10 cho thấy nhiệt trị syngas ở trạng thái ổn định hầu như
không thay đổi theo độ ẩm của không khí. Để cải thiện
25
chất lượng syngas khi tăng độ ẩm của không khí chúng
20 ta cần có giải pháp làm tăng nhiệt độ khu vực cháy và khu
vực hoàn nguyên.
15
CO CO2 3.2. Kết quả thực nghiệm
10 CH4 H2 3.2.1 Thí nghiệm lò khí hóa
5
Bước đầu phải đo được lưu lượng gió đi qua lò khi
RDF không cháy bằng cách cho 8 kg RDF và 0.5kg trấu
0 vào nhưng không cho RDF mồi vào rồi bật quạt sau đó
0 200 400 600 800 1000
t (ms) tiến hành đo lưu lượng không khí ở cửa lấy syngas của lò
syngas_out_compo_biomas-20H2O_f05_M
tại 3 vị trí lưu lượng không khí tương ứng là cao nhất,
35
trung bình và thấp nhất ta sẽ có được lưu lượng gió lưu
thông qua lò.
30
Lưu lượng lớn nhất : thể tích túi :82 lít, thời gian đầy
1 phút 05 giây, lưu lượng Q=1,26 lít/s
25
Lưu lượng trung bình: thể tích túi 82 lít, thời gian đầy
20
4 phút 22 giây, Lưu lượng Q=0,31 lít/s
15 CO CO2 Lưu lượng thấp nhất: thể tích túi 82 lít, thời gian đầy
CH4 H2 8 phút 51 giây, lưu lượng Q=0,15 lít/s
10
Trước tiên lót dưới đáy lò một lớp tro mịn để ngăn khí
5 bị rò rỉ khi lò hoạt động tránh hao hụt lượng khí tiếp sau
đó là một lớp RDF lót lên trên lớp tro mịn. Đốt khoảng
0
0 200 400 600 800 1000 0,5kg RDF để làm lớp mồi và cho vào lò để khởi động
t (ms) lò. Sau đó cho hỗn hợp RDF và trấu vào lò. Mỗi mẻ thí
Hình 9: Thành phần syngas khi độ ẩm trong không nghiệm ta cho vào lò 8kg RDF cùng với 0,5 kg trấu được
khí 10% (a) và 20% (b) trộn lẫn vào nhau (hình 11).
42
Hình 11: Chuẩn bị nhiên liệu, chuẩn bị RDF mồi,

nạp RDF mồi vào lò và nạp nhiên liệu vào lò
Bật quạt gió, điều chỉnh van cấp gió ở vị trí mở lớn
nhất để gió vào với tốc độ lớn giúp cho viên RDF mồi dễ
dàng cháy lan ra RDF chính trong buồng cháy của lò. Sau
khi đóng nắp lò, mở van cấp khí để hình thành sự cháy
trong lò xong ta đợi khoảng 5 phút sau lượng khí syngas
tạo ra có thể cháy ổn định và duy trì liên tục. Điều chỉnh
lưu lượng không khí để đạt chất lượng syngas tốt nhất
(ngọn lửa xanh, cháy ổn định). Khi syngas đã cháy ổn
định thì nạp syngas vào túi chứa nhiên liệu, định kỳ xả
tro 30 phút 1 lần (hình 12). Trong quá trình nạp syngas Hình 12: Đốt thử syngas, nạp syngas và túi chứa khí
vào túi lớn, ta trích một bộ phận syngas vào túi nhỏ để và xả tro
phân tích khí (hình 13). Tiến hành đo nhiệt độ của các vùng cháy bên trong
thân lò thông qua các lỗ đo nhiệt độ trên thân lo.
43
NHIỆT Khoảng cách các

TT VỊ TRÍ
ĐỘ vị trí đo
Tại cửa cấp không
1 1023,7 0c 0 cm
khí (thấp nhất)
2 Vị trí lỗ đo t1 727 0c 15 cm
Vị trí lỗ đo t4 (cao
5 157 0c 75 cm
nhất)
Tiến hành đo nhiệt độ của syngas sau khi rời khỏi lò
tại 3 vị trí là lúc vừa ra khỏi lò, trước khi đi qua bộ lọc và
2 trước khi thu vào túi chứa.
5
Hình 13. Nhiệt độ của các vùng cháy bên trong lò Hình 14. Nhiệt độ của syngas sau khi đi ra khỏi lò ở
tính từ nơi cấp gió cho đến miệng lò 3 vị trí khác nhau
44
STT VỊ TRÍ NHIỆT ĐỘ Thể tích túi chứa khí V=3,14.3662.4500=1892798280

mm3 ≈ 1893 (lít).
1 Vừa ra khỏi lò 102,5 °C Trong quá trình thí nghiệm, ta điều chỉnh lưu lượng
quạt cấp gió ở 3 vị trí khác nhau và đo thời gian nạp đầy
Trước khi đi qua
2 70,5 °C túi chứa khí. Từ đó chúng ta tính được lưu lượng syngas.
bộ lọc
Hình 14 so sánh kết quả mô phỏng và thực nghiệm
Trước khi thu vào phân tích CH4 và CO2 trong syngas ứng với 3 hệ số không
3 33 °C
túi chứa khí dư khác nhau từ nhạt đến đậm. Chúng ta thấy trong
cả 3 trường hợp, sai lệch nồng độ CO2 giữa thực nghiệm
Tiến hành đo lưu lượng syngas tại 3 vị trí lưu lượng
và mô phỏng không quá 14% còn sai lệch nồng độ CH4
khác nhau tương ứng với các mức, thấp nhất, trung bình
và cao nhất. giữa thực nghiệm và mô phỏng không quá 10%.
CO, CO2, CH4, H2, N2 (%mol); QL(MJ/kg)

Lưu lượng thấp nhất: thể tích túi: 82 lít, thời gian đầy 30
3 phút 10 giây lưu lượng Q=0,43 lít/s

25
Lưu lượng trung bình: thể tích túi 82 lít, thời gian đầy
25 giây, lưu lượng Q=3,3 lít/s 20
Lưu lượng cao nhất: thể tích túi 82 lít, thời gian đầy 15
15 giây, lưu lượng Q= 5,5 lít/s
Sau khi đốt xong ta tiến hành xả sạch tro và mang 10
lượng tro đi cân để kiểm tra khối lượng của tro.

5
0
ER=0,58 ER=0,43 ER=0,27
CO 22,71 26,49 24,22
CO2 5,84 6,65 5,41
CH4 8,18 6,43 16,37
H2 13,11 17,28 8,29
QL 6,54 7,02 8,34
Sai lệch giữa thực nghiệm và mô phỏng

(%)
CH4 8 3,5 3
CO2 4 2 14
Hình 15. Khối lượng tro của RDF sao khi đốt Hình 17: So sánh mô phỏng và thực nghiệm với các hệ
số không khí dư ER khác nhau
3.2.2 Thí nghiệm động cơ syngas
Động cơ syngas được cải tạo từ động cơ xăng.
Syngas được cung cấp cho động cơ bằng phương pháp
phun nhiên liệu. Việc chuyển đổi động cơ được trình bày
ở một công trình khác. Trong công trình này chỉ ứng dụng
động cơ đã cải tạo để chạy bằng syngas. Trước khi cung
cấp cho động cơ, syngas từ túi chứa được nén bằng máy
nén thí nghiệm lên đến áp suất khoảng 3 bar (hình 15).
Điều chỉnh áp suất
phun nhiên liệu
Động cơ thí nghiệm
Hộp điều khiển phun

nhiên liệu
Tải
Hình 16: Lấy mẫu syngas để đốt thử và phân tích khí Hình 18: Hệ thống thí nghiệm động cơ syngas
45
Thí nghiệm được tiến hành ở chế độ đầy tải, bướm [3] H. A. Arafat and K. Jijakli, "Modeling and comparative
assessment of municipal solid waste gasification for energy
ga mở hoàn toán. Thiết bị gây tải là hệ thống bóng đèn production," Waste Management, vol. 33, pp. 1704-1713,
halogen có thiết bị điều chỉnh công suất. Trong quá trình August 2013.
thí nghiệm, công suất hệ thống bóng đèn được điều chỉnh [4] Poornima Shuklaˡ, R. K. Srivastava: Utilization ofRefuse –
Derived Fuel (RDF) As an Alternative Energy Resource inIndia.
đồng thời với lưu lượng syngas cung cấp để động cơ chạy International Journal of Innovative Research in Science,
ổn định. Để tính công suất ta đọc các giá trị U và I của hệ Engineering and Technology(An ISO 3297: 2007 Certified
thống gây tải (hình 16). Organization)Website: www.ijirset.comVol. 6, Issue 5, May
2017. DOI:10.15680/IJIRSET.2017.0605037
[5] Johari A, Mat R, Alias H, Hashim H, Hassim MH, Zakaria ZY
& Rozainee M, “Combustion characteristics of refuse derived
fuel (RDF) in a fluidized bed combustor” Sains Malaysiana ,
2014, Vol. 43(1), pp. 103–109
[6] Dinesh Surroop and Romeela Mohee: POWER GENERATION
FROM REFUSE DERIVED FUEL. 2011 2nd International
Conference on Environmental Engineering and Applications
[7] http://wastebusters.com.pk/refuse-derived-fuel/
[8] Charley Sprenger, Lope G. Tabil and Majid Soleimani:
Compression and Relaxation Properties of Municipal Solid
Waste Refuse-Derived Fuel Fluff. KONA Powder and Particle
Journal /Doi:10.14356/kona.2018005
[9] Sokhansanj S., Mani S., Bi X., Zaini P., Tabil L., Binderless pel-
letization of biomass, Presented at the ASAE Annual Inter-
national Meeting, July 17–20, 2005, Tampa, Florida. ASAE
Paper No. 056061. ASAE, 2950 Niles Road, St. Joseph, MI
Hình 19: Đo công suất tải điện 49085-9659 USA
Trong điều kiện thí nghiệm đầy tải, ta đọc được giá [10] Yaman S., Şahan M., Haykiri-açma H., Şeşen K., Küçükbayrak
S., Production of fuel briquettes from olive refuse and paper
trị U=160,4 và I=8,82. Do đó công suất điện: mill waste, Fuel Processing Technology, 68 (2000) 23–31.
P= 160,4.8,82 = 1414,73 W [11] Mani S., Tabil L., Sokhansanj S., An overview of compaction of
biomass grinds, Powder Handling & Processing, 15 (2003) 160–
Công suất điện cực đại của máy phát điện khi chạy 168.
bằng xăng là 2 kW. Như vậy khi chuyển sang chạy bằng [12] Mani S., Tabil L., Sokhansanj S., Effects of compressive force,
particle size, and moisture content on mechanical properties of
syngas, công suất động cơ giảm khoảng 30% so với khi biomass pellets from grasses, Biomass and Bioenergy, 30 (2006)
chạy bằng xăng. Kết quả này phù hợp với các công trình 648–654.
đã công bố trong các tài liệu tham khảo. [13] Gallardoa A, Carlosb M, Boveac MD, Colomerd FJ, Albarrane
F, “Analysis of refuse-derived fuel from the municipal solid
4. Kết luận waste reject fraction and its compliance with quality standards”
2015, pp. 1-15.
Kết quả nghiên cứu trên đây cho phép chúng ta rút ra [14] Schwarzbock T, Munawar E, Lederer J, Fellner J, “Refuse
được những kết luận sau: derived fuels in the cement industry–potentials in Indonesia to
curb greenhouse gas emissions” International Conference on
- Hỗn hợp RDF gỗ và trấu rời làm tăng độ xốp của Engineering and Science for Research and Development
nhiên liệu trong lò giúp cho quá trình khí hóa diễn ra (ICESReD), 2016, pp.219–227.
thuận lợi. [15] Chatziaras N, Psomopoulos CS, Themelis NJ, “Use of waste
derived fuels in cement industry: a review” Management of
- Trong quá trình khí hóa CO tập trung ở vùng cháy Environmental Quality: an international journal, 2016, Vol. 27
không hoàn toàn còn CO2 hình thành chủ yếu ở khu vực No. 2, pp. 178-193.
[16] Hajinezhad A, Halimehjani EZ, Tahani M, “Utilization of refuse-
cháy hoàn toàn; CH4 hình thành ở khu vực hoàn nguyên, derived fuel (RDF) from urban waste as an alternative fuel for
trong khi đó H2 hình thành ở khu vực có nhiệt độ cao. cement factory: a case study” International journal of renewable
energy research, 2016, Vol. 6, No.2, pp. 702-714
- Khi thành phần hỗn hợp f=0,3 nồng độ CO trong [17] Hagos F, Aziz A, Sulaiman S. Trends of syngas as a fuel in
syngas đạt khoảng 21%, nồng độ H2 đạt khoảng 2% còn nồng internal combustion engines. Advances in Mechanical
độ CH4 rất thấp, có thể bỏ qua. Khi thành phần hỗn hợp tăng Engineering. 2014;1-10. Article id: 401587.
[18] Whitty K, Zhang H, Eddings E. Emissions from syngas
lên f=0,5 thì nồng độ CO đạt khoảng 26%, nồng độ H2 hầu combustion. Combustion Science and Technology. 2008;(180):
như không thay đổi còn thành phần CH4 tăng lên 6%. 1117-19.
- Nhiệt trị của syngas đạt cực đại khi f=0,5 và nhiệt [19] Asadullah M. Barriers of commercial power generation using
biomass gasification gas: A review. Renewable and Sustainable
độ khu vực hoàn nguyên nằm trong khoảng 900K đến Energy Reviews. 2014:(29):201-204.
1200K. Độ ẩm không khí ảnh hưởng đến nồng độ CO [20] Keith W. Have wood will travel complete plans for the Keith
nhưng không ảnh hưởng nhiều đến nồng độ CH4, H2 và gasifier. 1st edn. Wayne Keith; 2013.
[21] Reed T, Das A. Handbook of biomass downdraft gasifier engine
nhiệt trị syngas. systems. Biomass Energy Foundation; 1988.
- Sai lệch giữa mô phỏng và thực nghiệm không quá [22] Rakopoulos C, Michos N. Development and validation of a
multi-zone combustion model for performance and nitric oxide
10% đối với nồng độ CH4 và không quá 14% đối với nồng formation in syngas fueled spark ignition engine. Energy
độ CO2. Công suất động cơ đánh lửa cưỡng bức giảm 30% Conversion and Management. 2008;(49):2924-14.
khi chạy bằng syngas so với khi chạy bằng xăng. [23] https://www.alibaba.com/product-detail/Complete-System-
Wood-Gasifier-Stove-
Tài liệu tham khảo with_60782435990.html?spm=a2700.details.maylikeexp.5.695
[1] S. Thakare and S. Nandi, "Study on Potential of Gasification 8786bS1HNxe
Technology for Municipal Solid Waste (MSW) in Pune City," [24] https://en.zcxny.com/Syngas_generator.html?gclid=EAIaIQob
Energy Procedia, vol. 90, pp. 509-517, 12// 2016. ChMINKSgIvU5AIV062WCh0mVwBAEAAYASAAEgJU3P
[2] U. Arena, "Process and technological aspects of municipal solid D_BwE
waste gasification. A review," Waste Management, vol. 32, pp. [25] https://www.alibaba.com/syngas-engine-suppliers.html
625- 639, April 2012.
46
ỨNG DỤNG MÔ HÌNH MIP TỐI ƯU HÓA BÀI TOÁN LẬP THỜI KHÓA
BIỂU VÀ SẮP XẾP PHÒNG HỌC
APPLICATION OF MIP MODEL TO OPTIMIZE SCHEDULING AND CLASSROOM
ARRANGEMENT PROBLEMS
SVTH: Lê Đình Nhiệm, Nguyễn Quốc Khánh

Lớp 19HTCN, Khoa Cơ khí Giao thông, Trường Đại học Bách Khoa – Đại học Đà Nẵng; Email:
103190212@sv1.dut.udn.vn, 103190209@sv1.dut.udn.vn
GVHD: TS. Nguyễn Đình Sơn
Khoa Cơ khí Giao thông, Trường Trường Đại học Bách Khoa – Đại học Đà Nẵng ; Email: ndson@dut.udn.vn
Tóm tắt: Trong bài báo này, chúng tôi trình bày một cách Abstract: : In this paper, we present a mixed integer
tiếp cận dựa trên phương pháp lập trình số nguyên hỗn hợp programming (MIP) approach for the problem of optimizing
(MIP) cho vấn đề tối ưu về lập thời khóa biểu và phân bổ phòng university timetables and classroom arrangement. The goal is to
học của trường đại học. Mục tiêu là giải quyết vấn đề về bài toán solve the problem of arranging timetables for classes, and
sắp xếp thời gian biểu cho các học phần, và phân bố phòng học distributing classrooms for classes, optimizing resources about
cho các lớp học phần đó, tối ưu hóa các tài nguyên về phòng classrooms, the distance traveled by students and lecturers in
học, quãng đường di chuyển của sinh viên, giảng viên trong cùng the same session. The situations in the proposed problem based
buổi học. Các tình huống mà bài toán giải quyết dựa trên thực tế on the current situations of universities are facing such as the
hiện trạng mà các trường Đại học đang gặp phải như việc phân most optimal allocation of resources, bringing the most
bổ tài nguyên một cách tối ưu nhất, đưa lại sự thuận lợi nhất cho convenience to students and lecturers in terms of class
sinh viên, giảng viên về lịch học cũng như lịch giảng dạy. Chúng schedules as well as teaching schedules. We demonstrate the
tôi chứng minh việc áp dụng phương pháp này bằng cách sử application of this method using examples based on real data
dụng các ví dụ dựa trên dữ liệu thực tế từ trường Đại học Bách from the University of Technology – University of Danang.
khoa – Đại học Đà Nẵng. Key words: “mixed integer programming”, “scheduling a
Từ khóa: “lập trình số nguyên hỗn hợp”, “lập lịch thời khóa timetable “, optimization”, “classroom arrangement”, “ multi-goal
biểu “,” tối ưu hóa “, “sắp xếp phòng học”, “bài toán đa mục tiêu” problem”
1. Đặt vấn đề cách xây dựng một mô hình toán học với các tài nguyên
Bài toán sắp xếp thời khóa biểu và phân bổ các tài và ràng buộc của vấn đề thực tế. Các biến quyết định xác
nguyên hợp lý cho việc xây dựng một thời khóa biểu phù định các lựa chọn về tài nguyên nhằm thõa mãn các ràng
hợp với tất cả các tiêu chí và tối ưu về nguồn lực nhất buộc. Các ràng buộc có thể được chia thành hai loại: ràng
được coi là một bài toán cần được giải quyết trong các buộc cứng và ràng buộc mềm. Các ràng buộc cứng là các
trường đại học. Vấn đề lập lịch thời khóa biểu và phân bổ ràng buộc nghiêm ngặt và để lời giải khả thi thì nó phải
phòng học của các lớp học phần dựa trên chương trình tuân thủ các ràng buộc này. Các ràng buộc mềm là mong
giảng dạy và dữ liệu sinh viên đăng ký học vào các lớp muốn nhưng không hoàn toàn bắt buộc và bài toán trở
học phần đó, các vấn đề được xác định như xây dựng thời thành tối ưu hóa các ràng buộc này. Khi đó các các ràng
khóa biểu bằng cách gán các lớp học phần vào các buộc mềm được gọi là hàm mục tiêu.
khoảng thời gian trong các ngày làm việc trong tuần cho Chúng tôi bắt đầu đặt vấn đề bằng cách mô tả các vấn
các lớp học cụ thể phù hợp với nhu cầu khóa học và số đề về việc lập thời khóa biểu bao gồm các vấn đề về các
lượng sinh viên đã đăng ký khóa học và giảng viên dạy học phần với từng đặc điểm riêng của nó, các ràng buộc
cho mỗi khóa học đồng thời phải đảm bảo các ràng buộc về việc sắp xếp lịch học cho sinh viên cũng như giảng
khác nhau. Bản thân vấn đề này không phải là mới và đã viên và phân bổ các lớp học phần này vào các phòng học
có nhiều nghiên cứu đưa ra và sử dụng rất nhiều phương phù hợp với các ràng buộc được đưa ra. Mục tiêu của đề
pháp để giải quyết bài toán, một số phương pháp tiêu biểu tài này là xây dựng một mô hình tối ưu hóa đa mục tiêu
như là: phương pháp tối ưu bầy đàn (PSO), thuật toán tiến nhằm lập thời gian biểu và phân bổ phòng học một cách
hóa (EA), phương pháp lập trình số nguyên hỗn hợp tự động với các dữ liệu thực tế.
(MIP), thuật toán tô màu đồ thị. Ở bài báo này chúng tôi Đối tượng mà nhóm lựa chọn để phân tích và xây
đã đưa ra một cách tiếp cận bài toán sử dụng phương pháp dựng mô hình trong đề tài này là dữ liệu thời khóa biểu
lập trình số nguyên hỗn hợp (MIP) mà cụ thể là lập trình và phòng học của các học phần tại trường Đại học Bách
số nguyên nhị phân để giải quyết vấn đề. Đây là một khoa – Đại học Đà Nẵng. Trường Đại học Bách Khoa
phương pháp được sử dụng phổ biến để tối ưu hóa các cũng như rất nhiều trường đại học khác tổ chức đào tạo
bài toán ứng dụng trong nhiều lĩnh vực. Phương pháp này theo hình thức đăng ký tín chỉ. Khi đó công việc lập thời
cho phép tìm ra một lời giải phù hợp cho bài toán đa mục khóa biểu và phân bổ phòng học được chia thành hai giai
tiêu. đoạn:
Trong thực tế tại các trường đại học, công việc lập - Từ khung chương trình đào tạo của các nhóm sinh
thời khóa biểu và phân bổ phòng học hoàn chỉnh là một viên tiến hành chỉ định giảng viên giảng dạy và lập thời
quá trình được thực hiện trong thời gian dài và bao gồm khóa biểu phù hợp cho các lớp học phần này.
nhiều công đoạn. Do đó để giảm thời gian thực hiện công - Dữ liệu của các lớp học phần được đưa lên hệ
việc này thì cần mô hình hóa toàn bộ quá trình này bằng thống đăng ký tín chỉ của nhà trường, sinh viên tiến hành
47
SVTH: Lê Đình Nhiệm, Nguyễn Quốc Khánh; GVHD: TS. Nguyễn Đình Sơn
đăng ký các lớp học phần phù hợp, từ dữ liệu sinh viên đặc điểm của học phần để phân bổ các phòng học phù
đăng ký tiến hành phân bổ các học phần vào phòng học hợp, một số học phần đặc biệt yêu cầu được chỉ định sẵn
tương ứng. vào các phòng học tương ứng. Sau khi đánh giá và xử lý
Để phù hợp với vấn đề thực tế đã nêu trên, nhóm sẽ dữ liệu, nhóm tiến hành phân tích dữ liệu bố trí phòng
tiến hành xây dựng mô hình toán học cho từng giai đoạn. học của các học phần thuộc khóa 19, khóa 20 và khóa 21
Để xác định một số hàm mục tiêu cần tối ưu và các ràng của trường. Đây là những khóa có số lượng học phần
buộc trong thực tế, nhóm đã phân tích dữ liệu thời khóa chiếm tỷ lệ lớn và có cùng giai đoạn đăng ký tín chỉ.
biểu và bố trí phòng học của trường trong năm học này.
Với bài toán lập thời khóa biểu cho các học phần, giả
định rằng các nhóm sinh viên và giảng viên giữa các khoa
là độc lập với nhau. Khi đó bài toán lập thời khóa biểu
của các lớp học phần của trường trở thành bài toán lập
thời khóa biểu cho các khoa. Trong nội dung của đề tài
này nhóm sử dụng dữ liệu các học phần Khoa Cơ khí
Giao thông.
Hình 3: Sơ đồ giảng đường Trường Đại học Bách khoa
Hình 1: Biểu đồ thống kê số lượng học phần trong tuần

Khoa Cơ khí Giao thông
Hình 4: Biểu đồ phân bổ phòng học các khu giảng đường

theo từng khóa
Từ biểu đồ trên, có thể thấy với sự tập trung theo từng
khóa vào một số khu giảng đường, điều này cho phép sự
thuận lợi trong việc bố trí các học phần và quãng đường
Hình 2: Biểu đồ thống kê số lượng học phần đồ án trong
di chuyển của mỗi nhóm sinh viên. Vì vậy các mục tiêu
tuần Khoa Cơ khí Giao thông được đưa ra là phân bổ lớp học phần vào các phòng học
có sức chứa phù hợp và thuận lợi cho quãng đường di
Từ các biểu đồ thống kê trên cho thấy số lượng học
chuyển của sinh viên. Yếu tố quãng đường được xem xét
phần lý thuyết và thực hành của khoa được sắp xếp chủ
ở đây là những khoảng cách tương đối giữa các phòng
yếu vào các ngày từ thứ 2 đến thứ 6 trong tuần, trong khi
học trong cùng một khu giảng đường hoặc giữa những
đó các lớp học phần đồ án được sắp xếp nhiều vào ngày
khu giảng đường khác nhau. Và để phù hợp với quá trình
thứ 7 trong tuần. Vì vậy một số mục tiêu được đưa ra
sắp xếp thì các học phần này được giả định không có yêu
nhằm sắp xếp thời khóa biểu dựa theo đặc điểm của các
cầu đặc biệt về phòng học được phân bổ vào (ví dụ: sẽ
học phần và tạo thuận lợi cho lịch giảng dạy của giảng
không sắp xếp các học phần thí nghiệm và một số học
viên.
phần thực hành vì các học phần này đã được chỉ định vào
Với bài toán phân bổ phòng học cho các lớp học phần, khu giảng đường phù hợp).
vì phòng học là nguồn lực chung của trường và không có
2. Mô hình toán học
sự độc lập giữa khoa nên cần sắp xếp các học phần chung.
Điều này cũng phù hợp với điều kiện thực tế là việc phân 2.1. Mô tả các thành phần của mô hình
bổ phòng học chỉ được thực hiện khi các nhóm sinh viên Các tập hợp, ma trận trọng số quan hệ và thông số
hoàn thành việc đăng ký tín chỉ. Trường bao gồm nhiều dưới đây được đề cập chung cho cả hai mô hình lập thời
khu giảng đường với các chức năng khác nhau nhằm phục khóa biểu và phân bổ phòng học. Tuy nhiên tùy vào đặc
vụ cho việc học tập và nghiên cứu của sinh viên. Tùy theo điểm của từng mô hình để chúng tôi xác định những
48
thành phần phù hợp và được mô tả cụ thể trong phần sau. Bảng 3: Các thông số được sử dụng trong mô hình
Một giá trị có thể là tham số trong mô hình này nhưng là
Thông số Mô tả
ẩn số trong mô hình kia.
Bảng 1: Các tập hợp được sử dụng trong mô hình c Học phần thứ c trong tập N
r Phòng học thứ r trong tập M
Tập hợp Mô tả t Tiết học thứ t trong tập P
b Buổi học thứ b trong tuần
N Tập hợp các học phần
N  c1 , c2 ,..., cn  s Nhóm sinh viên thứ s trong tập G
v Giảng viên thứ v trong tập L
N  N1 N 2
ic Số tín chỉ lớp học phần thứ c
M Tập hợp các phòng học
M  r1 , r2 ,..., rm  fr Sức chứa tối đa của phòng học thứ r
ec Số lượng sinh viên đăng ký vào lớp học
P Tập hợp các tiết học trong tuần phần thứ c
P  t1 , t2 ,..., t p  tc Lịch học của lớp học phần thứ c
G Tập hợp các nhóm sinh viên

G  s1 , s2 ,..., sg 
2.2. Mô hình lập thời khóa biểu các học phần
Giả thiết rằng thời khóa biểu của các học phần đều
L Tập hợp các giảng viên được sắp xếp vào 1 trong 12 buổi (từ thứ 2 đến thứ 7),
mỗi buổi kéo dài 5 tiết học. Và có khoảng 60 tiết học
L  v1 , v2 ,..., vl  trong mỗi tuần. Các tiết học của mỗi học phần là liên tục,
các nhóm sinh viên và giảng viên chỉ tham gia tối đa vào
hai học phần trong cùng một buổi. Mỗi học phần do một
Bảng 2: Các ma trận trọng số quan hệ giảng viên giảng dạy và chỉ định riêng cho một nhóm sinh
viên. Thời khóa biểu của học phần được sắp xếp trong
Ma trận Mô tả vòng một tuần và lịch trình không thay đổi cho đến khi
kết thúc học phần trong học kỳ đó.
NG Ma trận trọng số quan hệ giữa học
Thứ 2 Thứ 3 Thứ 4
phần và nhóm sinh viên (nhận giá trị
Sáng
1 nếu học phần thuộc nhóm sinh viên
chỉ định và giá trị 0 nếu ngược lại) Chiều
Thứ 5 Thứ 6 Thứ 7
Sáng
NL Ma trận trọng số quan hệ giữa học Chiều

phần và giảng viên (nhận giá trị 1
nếu học phần được dạy bởi giảng Hình 5: Thời khóa biểu trong tuần
viên chỉ định và giá trị 0 nếu ngược Biến quyết định:
lại) 1 Nếu lớp học phần c được chỉ định dạy
NP Ma trận trọng số quan hệ giữa học
xc ,t  { vào tiết học t
0
phần và lịch học (nhận giá trị 1 nếu Nếu ngược lại
học phần được học vào tiết học chỉ
định và giá trị 0 nếu ngược lại) 1 Nếu xc,t  xc,t 1
yc , t  {
0
Nếu xc,t  xc,t 1
MM Ma trận trọng số quan hệ khoảng
cách giữa các phòng học (nhận các Nếu giảng viên v được chỉ định dạy vào buổi
1
giá trị tương ứng theo vị trí tương đối
của các phòng: cùng phòng, cùng
zv ,b  { thứ b trong tuần 1  b  12 
0
khu giảng đường, khác khu giảng Nếu ngược lại
Hàm mục tiêu:
đường)
Tổng số tiết dạy vào thứ 7 của tất cả các giảng viên là
NN Ma trận trọng số quan hệ thời khóa ít nhất.
biểu giữa các học phần ( nhận giá trị
 n p 
1 nếu các học phần thuộc cùng một
A1  Minimize    xc ,t  (1)
nhóm sinh viên và có lịch học trong
 c 1 t  p 9 
cùng một buổi và giá trị 0 nếu ngược
lại) Tổng số buổi dạy trong tuần của các giảng viên là ít
nhất.
49
l n 12 2.3. Mô hình sắp xếp phòng học cho các lớp học phần
A2  Minimize  zv ,b NLc ,v  (2)
v 1 c 1 b 1
Mỗi phòng học đều đã được xác định một sức chứa
nhất định và đặc điểm riêng để phù hợp với các học phần.
Tổng số các tiết học vào tiết thứ 6 trong ngày là ít Trong thực tế thì vẫn có thể sắp xếp một lớp học phần có
nhất. số lượng sinh viên đăng ký lớn hơn sức chứa quy định
n 6 của phòng học đó nhưng chênh lệch là không nhiều.
A3  Minimize xc ,10t  6 (3) Nhưng trong nội dung của bài viết này nhóm đặt ra các
c 1 t  0 buộc chặt chẽ về sự chênh lệch này. Các phòng học này
cũng được giả định là có chức năng nhau và không có
Các điều kiện ràng buộc: ràng buộc nào trong điều kiện sử dụng.
Số tiết học trong tuần của mỗi học phần bằng số tín Với những nhóm sinh viên có nhiều hơn một học phần
chỉ của học phần đó. trong một buổi học, việc thay đổi học phần có thể dẫn đến
p một sự di chuyển từ phòng học này sang phòng khác. Vì
x c ,t  tc 1  c  n  (4) vậy , chúng tôi tiến hành xây dựng một ma trận quan hệ
t 1 về khoảng cách giữa các phòng học. Các phòng học này
Mỗi học phần được sắp xếp học trong một buổi. có thể là không thay đổi, hoặc trong cùng một khu hoặc
giữa các khu khác nhau. Và trọng số sẽ tương ứng với các
11
 (x c ,5t  xc ,5t 1 )  1 1  c  n  (5) khoảng cách đó.

Biến quyết định:
t 1
Các lớp học phần của cùng một nhóm sinh viên không 1 Nếu lớp học phần c được chỉ định dạy tại
được trùng lịch nhau. xc , r  { phòng học r
0 Nếu ngược lại
1  t  p,1  s  g  (6)
n
 NG
c 1
c,s .xc ,t  1 Hàm mục tiêu:
Tổng chênh lệch giữa sức chứa tối đa của phòng và
Các lớp học phần của cùng một giảng viên không số lượng sinh viên đăng ký học phần được chỉ định dạy ở
được trùng lịch nhau. phòng đó là nhỏ nhất.
1  t  p,1  v  l 
n m n
 NL
c 1
c ,v .xc ,t  1 (7) B1  Minimize xc ,r .( f r  ec ) (15)
r 1 c 1
Các tiết học của mỗi lớp học phần trong cùng một Tổng khoảng cách di chuyển của nhóm sinh viên giữa
buổi là liên tiếp nhau. các phòng học được chỉ định cho các lớp học phần liên
p 1
tiếp là nhỏ nhất.
x c ,t  xc ,t 1  2 (8)
m m n n
B2  Minimize  xc ,r ' NN c ,c '  .MM r ,r ' (16)
t 1
xc,1  xc, p 1  c  n 
r 1 r '1 c 1 c '1
(9) Các điều kiện ràng buộc:
Bất phương trình (7) và điều kiện (8) trên tương Mỗi học phần chỉ được phân bố vào một phòng học
đương với các bất phương trình sau. nhất định.
xc,t  xc,t 1  yc,t  0 m
x c ,r 1 1  c  n  (17)
1  c  n,1  t  p  1 (10) r 1
Số lượng sinh viên của lớp học phần được chỉ định
xc,t  xc,t 1  yc,t  0 vào phòng học có sức chứa tối đa lớn hơn.
1  c  n,1  t  p  1 (11) ec xc , r  f r 1  c  n,1  r  m  (18)

p 1
y1
c ,t 2 1  c  n  (12) Các tiết học của các lớp học phần khác nhau được chỉ
định vào cùng một phòng học không được trùng nhau.
n
xc,1  xc, p  1 1  c  n  (13)
 NP c ,t xc ,r  1
Tổng số tiết trong buổi dạy của giảng viên không vượt c 1
quá 5 tiết học.
n 4
1  t  p,1  r  m  (19)
  x NL
c 1 i  0
c ,5b i c ,v  5 z v ,b Các học phần của cùng nhóm sinh viên được sắp xếp
lịch vào cùng một buổi sẽ được chỉ định vào cùng một
phòng học. Giả sử c và c’ là hai học phần của cùng một
1  b  12,1  v  l  (14) nhóm sinh viên được sắp xếp lịch vào cùng một buổi.
50
xc,r  xc ',r  0 1  r  m  (20)

3. Áp dụng mô hình và giải pháp cải tiến
Từ hai mô hình toán học trên, nhóm tiến hành xây
dựng các mô hình số nguyên hỗn hợp bằng ngôn ngữ lập
trình Python và công cụ Python-MIP giúp mô hình hóa
nhằm giải quyết vấn đề lập thời gian biểu và phân bổ
phòng học.
Về mặt lý thuyết, cả hai mô hình trên đều được xây
dựng để giải quyết vấn đề bằng các giải pháp khả thi và
có thể hoạt tốt với các tập dữ liệu nhỏ. Nhưng khi áp dụng
mô hình vào các tập dữ liệu thực tế của trường, thuật toán
của mô hình lập thời khóa biểu trở nên khá phức tạp với
một lượng lớn biến quyết định và ràng buộc cần thỏa Hình 6: Biểu đồ số học phần theo ngày Khoa CKGT hiện
mãn. Do đó cần có một số cải tiến để đơn giản hóa các nay
biến và ràng buộc.
Vì vậy, một giải pháp được đưa ra là tách mô hình lập
thời khóa biểu thành hai giai đoạn khác nhau: giai đoạn
đầu tiên là xây dựng mô hình sắp xếp các lớp học phần
vào các buổi trong tuần và giai đoạn hai là chỉ định các
tiết học cho các học phần vào trong buổi đó. Mô hình thứ
nhất được xây dựng nhằm tìm ra một phương án khả thi
và làm dữ liệu để thực hiện mô hình tiếp theo. Hàm mục
tiêu có thể được sử dụng trong một hoặc cả hai mô hình
nhỏ này.
4. Kết quả và thảo luận
Với những mô hình đa mục tiêu đã được xây dựng,
các thử nghiệm cho thấy rằng việc tìm lời giải cho các
vấn đề đã nêu ra là khả thi. Các kết quả phù hợp là ngẫu
Hình 7: Biểu đồ số học phần theo ngày Khoa CKGT mô
nhiên và không giống nhau giữa mỗi lần chạy nhưng vẫn
hình MIP
đảm bảo hàm mục tiêu được tối ưu. Để đảm bảo tính
khách quan của mô hình thì nhóm đã sử dụng các tập dữ Chúng tôi đưa ra một ví dụ về sự thay đổi trong thời
liệu thực tế và độc lập với nhau. khóa biểu của giảng viên như sau:
Các giá trị tính toán được từ mô hình lập thời khóa Bảng 5: Ví dụ về thời khóa biểu trong tuần của giảng viên
Lê Minh Đức
biểu cho biết chính xác cần sắp xếp lớp học phần vào
những tiết học nào trong tuần sao cho kết quả thu được Tên lớp học phần TC Thời khóa biểu
phù hợp với những yêu cầu đặt ra. Dữ liệu mô hình và
thời khóa biểu trong nội dung đề tài này được sử dụng Cảm biến & KT đo 2 Thứ 3: 6-7
cho một khoa nhưng hoàn toàn có thể áp dụng và xây Cảm biến & KT đo 2 Thứ 5: 4-5
dựng thời khóa biểu tương tự cho các khoa khác trong
trường. Việc tách mô hình ban đầu thành hai mô hình nhỏ Cảm biến & KT đo 2 Thứ 4: 1-2
cũng cho phép đánh giá và có những điều chỉnh trước khi Cảm biến & KT đo 2 Thứ 3: 4-5
thực hiện mô hình tiếp theo. Kết quả thu được từ mô hình
này cho phép xây dựng một thời khóa biểu tương đối phù KT thủy khí 2 Thứ 6: 6-7
hợp với các yêu cầu đặt ra. PBL 2: Thiết kế các cơ
Bảng 4: Số buổi học trong tuần của các học phần cấu trong động cơ 2 Thứ 7: 1-2
Học phần LT, TH Học phần PBL QL dịch vụ ô tô 1 Thứ 6: 3-4

QL dịch vụ ô tô 1 Thứ 7: 8-10
Thứ 2 16 9
Toán chuyên ngành
Thứ 3 20 21 (C4) 3 Thứ 3: 1-3
Thứ 4 12 20 Toán chuyên ngành
(C4) 3 Thứ 3: 8-10
Thứ 5 18 14
Toán chuyên ngành
Thứ 6 19 18 (C4) 3 Thứ 5: 1-3
Thứ 7 0 0 Toán chuyên ngành

(C4) 3 Thứ 4: 3-5
51
Hình 8: Biểu đồ số lượng sinh viên đăng ký và sức chứa phòng học của các lớp học phần
Bảng 6: Thời khóa biểu trong tuần của giảng viên Lê Minh viên trong mỗi buổi học. Việc xây dựng mô hình này phụ
Đức theo mô hình MIP thuộc nhiều vào thời khóa biểu các học phần của trường
T Thời khóa nên một thời khóa biểu hợp lý sẽ khiến cho việc sắp xếp
Tên lớp học phần C biểu phòng học được thuận lợi hơn .
Kết quả của mô hình cho phép sắp xếp các học phần
Cảm biến & KT đo 2 Thứ 2: 1-2 vào phòng học phù hợp. Với sự sắp xếp này thì đa phần
các học phần của cùng một nhóm sinh viên trong một
buổi sẽ được sắp xếp vào cùng một phòng học thích hợp.
Cảm biến & KT đo 2 Thứ 4: 1-2
Mức độ trống của phòng học cũng ít hơn cho thấy hiệu
quả sử dụng tài nguyên phòng học đã được cải thiển .Từ
Cảm biến & KT đo 2 Thứ 3: 6-7 kết quả này và thử nghiệm qua các lần chạy chương trình
chúng tôi nhận thấy rằng việc xác định trọng số cho các
Cảm biến & KT đo 2 Thứ 5: 4-5 hàm mục tiêu và trọng số của ma trận quan hệ khoảng
cách là rất quan trọng. Với mô hình có các hàm mục tiêu
KT thủy khí 2 Thứ 5: 2-3 độc lập với nhau, việc xác định trọng số quan hệ sẽ ảnh
hưởng đến mức độ ưu tiên của các hàm trong một bài toán
PBL 2: Thiết kế các cơ cấu đa mục tiêu. Tương tự, việc xác định các trọng số trong
trong động cơ 2 Thứ 6: 6-7 ma trận quan hệ sẽ ảnh hưởng đến các giá trị kết quả
nhằm thỏa mãn hàm mục tiêu đó. Việc sắp xếp các phòng
QL dịch vụ ô tô 2 Thứ 5: 6-7 học một tập hợp các học phần nên được thực hiện đồng
thời để tránh việc trùng lặp trong sử dụng tài nguyên của
QL dịch vụ ô tô 2 Thứ 6: 9-10 trường học và tăng thêm nhiều ràng buộc làm phức tạp
mô hình tiếp theo.
Toán chuyên ngành (C4) 3 Thứ 5: 8-10 5. Kết luận
Bài viết này trình bày một mô hình sử dụng phương
Toán chuyên ngành (C4) 3 Thứ 2: 3-5 pháp lập trình số nguyên hỗn hợp (MIP) để sắp xếp lịch
thời khóa biểu và phân bổ phòng học cho các lớp học
Toán chuyên ngành (C4) 3 Thứ 4: 3-5 phần trong một trường Đại học với tập dữ liệu cụ thể. Các
tiếp cận bài toán bằng phương pháp này đã tìm ra giải
pháp khả thi đáp ứng được được các ràng buộc được đưa
Toán chuyên ngành (C4) 3 Thứ 3: 8-10
ra và cải thiện được hàm mục tiêu đưa ra. Bản thân vấn
Kết quả của mô hình cho phép sắp xếp các học phần đề không phải là mới tuy nhiên bằng cách tiếp cận bằng
không vào ngày thứ 7 và giảng viên có ít buổi dạy hơn phương pháp này đã tạo ra một mô hình có hiệu quả cho
với cùng một số lượng học phần. Trong ví dụ về thời khóa giải pháp tối ưu của nó ngay cả khi với một số lượng
biểu của một giảng viên được trình bày ở trên, có thể thấy tương đối các nguồn lực.
thời khóa biểu được lập từ mô hình MIP không dạy vào Việc giải quyết được bài toán tối ưu và lập thời khóa
ngày thứ 7 và số buổi dạy trong tuần giảm từ 8 buổi thành biểu trong phạm vi trường đại học đưa lại rất nhiều lợi
6 buổi trong tuần. Sự thuận lợi này có thể là giả định ích, các sinh viên có thể được sắp xếp một thời khóa biểu
mang tính chủ quan và cũng có thể thay đổi tùy theo yêu phù hợp nhất với khóa học của mình. Tiết kiệm được rất
cầu thực tế của giảng viên. Nhưng với những mục tiêu đã nhiều thời gian cho sinh viên lẫn giảng viên, hầu hết các
đặt ra thời khóa biểu này đã cơ bản giúp giảng viên tối ưu hàm mục tiêu của bài toán đều cho ra một giải pháp tốt
hóa số buổi dạy và hạn chế việc giảng dạy vào ngày thứ với tập dữ liệu sử dụng. Từ mô hình xây dựng được,
7 trong tuần hơn so với thời khóa biểu hiện nay. nhóm khuyến nghị cách tiếp cận cần tiếp tục tối ưu hóa
Mô hình phân bổ phòng học được sắp xếp chung cho mô hình, nhằm nâng cao hiệu quả khi quy mô tập dữ liệu
các khóa trong trường giúp tối ưu hóa mức độ sử dụng lớn hơn hoặc các ràng buộc trở nên phức tạp hơn và mở
phòng học và tối ưu hóa quãng đường di chuyển của sinh rộng để giải quyết các bài toán khác.
52
Tài liệu tham khảo Constraints
[5] Gianpaolo Ghiani, Emanuela Guerriero, Emanuele Manni,
[1] Vertic Eridani Budi Darmawan, Yuh Wen Chen, Aisyah Larasati, Alessandro Romano. Joint Training Offer Selection and Course
Deni Prastyo and Anik Dwiastuti. Multi-objective Modeling for a Timetabling Problems: Models and Algorithms
Course Timetabling Problem [6] M.T.M. Perera, G.H.J. Lanel. A Model to Optimize University
[2] Phuong Tien Dat, Ho Thanh Phong. University Course Time Course Timetable Using Graph Coloring and Integer Linear
Tabling using Integer Programming. A Case Study of International Programming
University-Vietnam National University [7] Alexandre Lemos, Francisco S. Melo, Pedro T. Monteiro, Inês
[3] Efstratios Rappos, Eric Thiémard, Stephan Robert, Jean-François Lynce. Room usage optimization in timetabling: A case study at
Hêche. A mixed-integer programming approach for solving Universidade de Lisboa
university course timetabling problems [8] Mozhgan Mokhtari, Majid Vaziri Sarashk , Milad Asadpour ,
[4] H. Algethami, W. Laesanklang. A Mathematical Model for Nadia Saeidi and Omid Boyer. Developing a Model for the
CourseTimetabling Problem with Faculty-Course Assignment University Course Timetabling Problem: A Case Study
53
SVTH: Trần Quốc Vũ, Ninh Qúy Tình, Nguyễn Ngọc Văn, Nguyễn Văn Hiếu; GVHD: Phạm Quốc Thái, Huỳnh Đức Trí, Ngô Tấn Thống
NGHIÊN CỨU THIẾT KẾ Ô TÔ ĐIỆN TỰ HÀNH HOẠT ĐỘNG TRONG

KHUÔN VIÊN KHU DU LỊCH
SVTH: Trần Quốc Vũ, Ninh Qúy Tình, Nguyễn Ngọc Văn, Nguyễn Văn Hiếu
Lớp 18C4B, 18C4A, Khoa Cơ khí Giao thông, Trường ĐH Bách khoa;
Email: vu12414@gmail.com, tinhninh7@gmail.com, nvan2609@gmail.com, nguyenhieu552000@gmail.com
GVHD: Phạm Quốc Thái*, Huỳnh Đức Trí*, Ngô Tấn Thống**
* Khoa Cơ khí Giao thông, Trường ĐH Bách khoa; Email: pqthai@dut.udn.vn, hdtri@dut.udn.vn
** Khoa Cơ khí, Trường ĐH Sư phạm Kỹ thuật; Email: ntthong@ute.udn.vn
Tóm tắt - Xe tự hành không phải là một công nghệ đơn giản Abstract - Self-driving vehicle is not a simple technology but
mà là một hệ thống phức tạp tích hợp nhiều công nghệ cao cấp. rather a huge system integrating many technologies. Which
Do đó, việc xây dựng thuật toán điều khiển cho xe tự hành là một means that the algorithm of autonomous driving is a challenging
nhiệm vụ đầy thách thức. Hầu hết các chương trình đào tạo đều task. Indeed, most existing autonomous driving classes focus on
chỉ giới thiệu về từng công nghệ riêng biệt, mà chưa cho người one of the technologies involved. Vehicle detection road would
học thấy bức tranh tổng thể khi phối hợp các công nghệ đó với be contributed algorithm in this process. Various classes of
nhau trên đối tượng xe tự hành. Một trong những công nghệ vehicles are to be detected from the surveillance video, and then
được áp dụng mạnh mẽ trong xe tự hành là thuật thoát bám theo they need to be classified based on various feature points. The
làn đường, dựa trên việc ứng dụng thị giác máy tính. Nhóm tác calculation of parameters of systems such as electric motors,
giả đã xây dựng thuật toán bám làn đường, mô hình xe tự hành battery systems, etc. is also performed. The study results show
với kích thước thực tế. Việc tính toán thông số các hệ thống như that the model operates correctly and stably. Vehicles follow the
động cơ điện, hệ thống pin… cũng được thực hiện. Kết quả khảo correct lane in different environmental conditions.
sát cho thấy mô hình vận hành đúng yêu cầu, ổn định. Xe bám Key words – autonomous; computer vision; lane tracking;
làn đường chính xác trong các điều kiện môi trường khác nhau. electric vehicle
Từ khóa – xe tự hành; thị giác máy tính; bám làn đường;
thuật toán điều khiển; ô tô điện
1. Đặt vấn đề tầm xa với phạm vi hoạt động trên 250m. Cảm biến
Hệ thống lái cho xe tự hành là một hệ thống rất phức LiDAR mang lại nhiều lợi ích cho công nghệ xe tự hành
tạp bao gồm nhiều hệ thống phụ. Có ba thành phần chính: nhờ độ chính xác cao [9].
thuật toán, client system và nền tảng đám mây [1]. Hệ Thành phần quan trọng nhất của hệ thống điều khiển
thống thuật toán trích xuất thông tin có ý nghĩa từ dữ liệu trên xe tự hành là camera. Camera hoạt động trên nguyên
thô của cảm biến để hiểu môi trường xung quanh và đưa tắc cảm biến ánh sáng thụ động để tạo ra hình ảnh kỹ
ra quyết định về các hành động trong tương lai của xe. thuật số của vùng môi trường nằm trong thị trường của
Hệ thống client system tích hợp các thuật toán này với camera. Camera có khả năng phát hiện cả vật thể chuyển
nhau để đáp ứng các yêu cầu về độ tin cậy và thời gian động và đứng yên trong môi trường xung quanh. Ưu điểm
thực. Nền tảng đám mây cung cấp khả năng tính toán và chính của camera so với bất kỳ loại cảm biến nào khác là
lưu trữ ngoại tuyến cho ô tô tự hành [2]. chúng có khả năng nhìn thấy màu sắc và kết cấu của đối
Với các thuật toán lái xe tự hành, nhiều loại cảm biến tượng. Đây là một ưu điểm rất lớn để tăng cường hệ thống
được dùng để thu thập dữ liệu, trong đó hệ thống GPS và nhận thức của xe tự hành, vì công nghệ này cho phép
IMU là phổ biến để xác định vị trí của phương tiện. Hệ phương tiện xác định biển báo giao thông, đèn giao
thống GPS/IMU giúp xe tự hành định vị chính nó bằng thông, làn đường, v.v. Camera cũng có khả năng xác định
cách báo cáo kết quả định vị với tần suất cao, ví dụ: tần khoảng cách đến một đối tượng cụ thể nhưng điều này
số 200 Hz. GPS là một cảm biến định vị khá chính xác, đòi hỏi các thuật toán xử lý khá phức tạp. Nhược điểm
nhưng tốc độ cập nhật của nó chậm, chỉ khoảng 10 Hz và chính của camera là nhạy cảm với ánh sáng cường độ
do đó không có khả năng cung cấp các cập nhật theo thời thấp và cũng có thể bị ảnh hưởng nhiều bởi điều kiện thời
gian thực [3]. Trong khi đó, IMU có thể cung cấp các bản tiết bất lợi.
cập nhật thường xuyên hơn, ở tần số 200 Hz hoặc cao Một trong những công nghệ quan trọng trên xe tự
hơn. Điều này sẽ đáp ứng yêu cầu thời gian thực [6]. Bằng hành là thị giác máy tính. Đã có nhiều nghiên cứu về việc
cách kết hợp cả GPS và IMU, ta có thể cung cấp các cập ứng dụng thị giác máy tính trên xe tự hành. Hui và nhóm
nhật chính xác và theo thời gian thực cho việc định vị tác giả [10] đã nghiên cứu thuật toán điều khiển tự động
phương tiện [7]. LiDAR là một công nghệ viễn thám của ô tô thông minh được trang bị ống kính CCD. Thông
được sử dụng để đo khoảng cách. Nó hoạt động theo qua hình ảnh và dạng của con đường, tốc độ và điều khiển
nguyên tắc TOF bằng cách phát ra một xung laser và đo rẽ được điều chỉnh thỏa mãn. Jing Li et al. [12] đã đề cập
thời gian cần thiết để xung phản xạ lại [8]. Dữ liệu thu đến việc sử dụng radar điều hướng 3-D để đạt được sự
được có thể được sử dụng để tạo ra các mô hình 3D của điều khiển thông minh. Phương pháp này có thể xác định
môi trường xung quanh. Cảm biến LiDAR ngày nay có rõ ràng sự khác biệt về độ cao của mặt đường và lề đường.
khả năng đo khoảng cách ở tốc độ lớn hơn 150 kilohertz Phát hiện và bám làn đường là một trong những vấn
(150.000 xung mỗi giây) và được phân loại là cảm biến đề thách thức trong thị giác máy tính. Phát hiện làn đường
54
là tìm các vạch trắng trên đường tối. Bám làn đường sử
dụng các điểm đánh dấu làn đường được phát hiện trước
đó và tự điều chỉnh theo mô hình chuyển động. Yim và
Oh [13] đã phát triển thuật toán phát hiện làn đường dựa
trên ba tính năng. Các tính năng được sử dụng là vị trí bắt
đầu, định hướng và giá trị cường độ.
Nhóm tác giả thực hiện mô hình xe thực tế, sử dụng
động cơ điện, hệ thống pin … và xây dựng thuật toán phát
hiện và bám làn đường, tích hợp vào hệ thống nhúng
trong bộ điều khiển được lắp đặt trên xe.
2. Phát hiện và bám làn đường
2.1. Phát hiện làn đường
Trong mô-đun này, vị trí sơ bộ của làn đường có được
trong khung ban đầu của hình ảnh con đường. Để giảm
tác động của nhiễu, đồng thời xét đến đặc tính lọc định
hướng tốt, nhóm tác giả sử dụng bộ lọc Gabor để xử lý
ảnh và mô đun ban đầu chia thành 2 bước: 1) Dựa vào bộ
lọc Gabor, phân làn theo ngưỡng. 2) Vị trí gồ ghề của làn
Hình 1: Sơ đồ phân bố tải trọng khi xe không tải
đường được phát hiện bằng cách sử dụng biến đổi Hough
dưới các ràng buộc.
2.2. Bám làn đường
Đối với video thời gian thực, độ lệch vị trí không thể
hiện rõ trong hai khung hình liên tiếp. Dựa trên vị trí của
hình ảnh trước đó, vị trí của khung hình tiếp theo được
dự đoán, sau đó vùng động quan tâm được thiết lập để
phát hiện làn đường, điều này có thể cải thiện đáng kể tốc
độ phát hiện và độ mạnh. Với những thay đổi thang độ
xám giữa làn đường và con đường, chúng ta có thể thu
được cạnh một pixel bởi toán tử cạnh để khớp chính xác.
Biến thể của thang màu xám là đáng kể nhất ở rìa hình
ảnh và màu của làn đường trong đường có cấu trúc là màu
trắng hoặc màu vàng. Do đó, một bước nhảy giá trị màu
xám mạnh được hình thành giữa làn đường và con đường,
và bằng cách phát hiện cạnh, chúng ta có thể nhận được
cạnh làn đường rõ ràng. Trong phát hiện cạnh ảnh, các Hình 2: Sơ đồ phân bố tải trọng khi xe đầy tải
toán tử phát hiện phổ biến là toán tử Canny, toán tử
Roberts, toán tử Sobel, v.v. 3.2. Thiết kế hệ thống truyền động
Qua việc phân tích các phương án thiết kế với những
Toán tử Sobel có thể làm mịn tiếng ồn và cung cấp
ưu điểm phù hợp với phương án gia công, thiết kế cũng
thông tin hướng cạnh chính xác hơn và thời gian hoạt
như là tính thông dụng phổ biến trên thị trường nên nhóm
động của nó là ít nhất so với các toán tử khác. Do đó, đối quyết định chọn phương án thiết kế ô tô điện với động cơ
với điều kiện ánh sáng bình thường, hiệu suất phát hiện điện dẫn động cầu sau có hộp giảm tốc và vi sai tích hợp
của toán tử Sobel có thể đáp ứng tốt việc phát hiện làn thành cụm.
đường tiếp theo. Nhưng đối với môi trường có điều kiện
ánh sáng kém, chẳng hạn như đường hầm hoặc môi
trường ban đêm, bộ điều khiển Sobel làm giảm đáng kể
hiệu suất trích xuất, trong khi bộ điều khiển Canny tăng
cường độ mạnh của cường độ ánh sáng bằng cách sử
dụng kết nối hình thái và triệt tiêu không tối đa. Và nó có
thể trích xuất mép làn hoàn chỉnh và tiếp tục, và mép phát
hiện nằm ở trung tâm của làn thực tế.
3. Thiết kế ô tô du lịch điện tự hành
3.1. Phân bố tải trọng
Sự phân bố trọng lượng lên các trục của xe thiết kế
khi không tải và khi có tải được xác định trên cơ sở giá
trị các thành phần trọng lượng và vị trí tác dụng của
chúng lên các trục của xe điện.
Hình 3: Sơ đồ bố trí hệ thống truyền lực
55
3.3. Thiết kế hệ thống điều khiển động cơ 3.4.2. Thuật toán nhận diện làn đường
Hình 4: Sơ đồ mạch điện điều khiển động cơ cầu chủ động
Hình 7: Thuật toán nhận diện làn đường

Hình ảnh được camera thu nhận sẽ được đưa về máy
tính, tại đây nhóm tác giả tiến hành xử lý ảnh đầu vào và
tiến hành lọc nhiễu cho ảnh. Việc tiền xử lý nhận diện làn
này sẽ làm cho việc nhận diện chính xác nhất. Tiếp theo
việc phát hiện biên ảnh và xây dựng đường biên giới hạn
sẽ được thực hiện. Các hàm tạo vùng quan tâm cũng như
vẽ đường thẳng đè lên hình ảnh có sẵn sau khi phát hiện
đường dòng đường biên. Sau khi nhận diện được hai
đường biên trái phải nằm trong vùng quan tâm của
Hình 5: Sơ đồ mạch điện điều khiển động cơ hệ thống lái camera, nhóm tác giả tiến hành phân tích đưa ra góc lệch
3.4. Thiết kế hệ thống điện cho xe để truyền tính hiệu và điêu khiển rẽ hướng cho xe.
3.4.1. Raspberry Pi 3.5. Xây dựng thuật toán cho xe tự hành
Nhóm tác giả sử dụng Raspberry Pi 4 làm bộ xử lý Camera ghi nhận các hình ảnh khi xe chạy trên đường,
trung tâm để nhận tín hiệu từ các cảm biến LiDAR và thu nhận các hình ảnh con người, vật, nhận biết các biển
hình ảnh từ camera để tiến hành xử lý, cuối cùng đưa ra báo và đưa về bộ xử lý của Raspberry để xử lý. LiDAR
tín hiệu điều khiển truyền qua Arduino Mega 360 để điều quét các vật thể xung quanh xe khi xe chạy, tạo nên các
khiển động cơ hệ thống lái. Để nhận diện làn đường từ vật thể 3D giúp xe nhận biết các sự vật đã được lưu trong
camera, ta dùng ngôn ngữ Python để giao tiếp trên cảm biến như người , đèn đỏ, biển báo,… kết nối truyền
Raspberry. tín hiệu cho Raspberry thông qua USB giúp xe có thể
tránh các vật cản khi di chuyển.
Hình 8: Sơ đồ khối điều khiển hệ thống tự hành trên xe

Hình 6: Raspberry Pi 4
56
Hình 11: Mô hình xe thực tế
Hình 9: Thuật toán của xe tự hành

Khi đóng công tắc nguồn, dòng điện sẽ từ pin litium
qua cầu chì và role vào điều tốc và BTS7960.
Khi đóng công tắc chuyển chế độ tự hành, các role sẽ
nhảy chuyển đổi vị trí, lần lượt ngắt kết nối với chân ga
và kết nối với biến trở, cấp nguồn cho Raspberry pi. Lúc
này, sau khi được thiết lập vị trí và tốc độ, module GPS
sẽ cập nhật vị trí hiện tại và thông qua bản đồ để tìm
đường đi. LiDAR sẽ xây dựng bản đồ 3D. Arduino sẽ gửi
tín hiệu thông qua DAC vào điều tốc để điều khiển xe Hình 12: Phương án bố trí các cơ cấu cầu trước
chạy với tốc độ đã được thiết lập trước. Camera sẽ nhận
diện làn đường và góc lệch của xe so với làn đường để
gửi tín hiệu điều khiển về Raspberry. Thông qua cổng kết
nối, Raspberry Pi gửi lệnh về Arduino để điều khiển động
cơ lái. Khi đó, nếu có vật cản trên đường thì cảm biến
LiDAR sẽ phát hiện và gửi về Raspberry để phát lệnh né
vật cản.
Module GPS sẽ liên tục cập nhật vị trí cho đến khi xe
tới tọa độ cần đến, lúc này arduino nhận được tín hiệu và
phát tín hiệu dừng xe.
Hình 13: Hệ thống treo độc lập
Hình 10: Sơ đồ mạch điện của xe

4. Kết quả thực nghiệm
Hình 14: Hệ thống cầu sau tích hợp động cơ và vi sai
Mô hình xe thực tế được nhóm thực hiện như hình.
57
5. Kết luận [5] S. O. H. Madgwick, A. J. L. Harrison, and R. Vaidyanathan,

“Estimation of IMU and MARG orientation using a gradient
Nhóm tác giả đã thiết kế khung xe, hệ thống truyền descent algorithm”, IEEE Int. Conf. Rehabil. Robot., pp. 1–7,
động và tính toán động học cho xe. Tính chọn động cơ 2011.
điện, nguồn năng lượng cung cấp cho xe và động cơ. Hệ [6] J. Wu, Z. Zhou, J. Chen, H. Fourati, and R. Li, “Fast
Complementary Filter for Attitude Estimation Using Low-Cost
thống phanh, hệ thống treo, hệ thống lái cũng được nhóm MARG Sensors”, IEEE Sens. J., vol. 16, no. 18, pp. 6997–7007,
tính toán và thiết kế. Hệ thống điều khiển sử dụng kit vi 2016.
điều khiển Arduino và kit nhúng Raspberry để chạy [7] T. G. R. Reid et al., “Localization Requirements for Autonomous
chương trình xử lý ảnh. Vehicles”, SAE Int. J. Connect. Autom. Veh., vol. 2, no. 3, 2019.
[8] R. Domínguez, E. Onieva, J. Alonso, J. Villagra, and C. González,
Xe được chạy thử nghiệm trong khuôn viên trường “LIDAR based perception solution for autonomous vehicles”, Int.
và cho kết quả tốt. Xe vận hành chính xác và ổn định. Conf. Intell. Syst. Des. Appl. ISDA, pp. 790–795, 2011.
[9] J. Liu, Q. Sun, Z. Fan, and Y. Jia, “TOF lidar development in an
autonomous vehicle”, 2018 3rd Optoelectron. Glob. Conf. OGC
Tài liệu tham khảo 2018, pp. 185–190, 2018.
[10] H. Zhang and Y. Liu, “Control strategy design for smart car auto-
[1] S. Jain, A. Kumar, K. Kaushik, and R. Krishnamurthi, tracing with visual”, 26th Chinese Control Decis. Conf. CCDC
“Autonomous driving systems and experiences: A comprehensive 2014, pp. 4221–4225, 2014.
survey,” no. March. Elsevier Inc., 2022. [11] P. M. Svasta and I. A. Hapenciuc, “Autonomous multi-sensor
[2] J. Tang et al., “Teaching Autonomous Driving Using a Modular platform with stereo vision”, ISSE 2009 32nd Int. Spring Semin.
and Integrated Approach”, Proc. - Int. Comput. Softw. Appl. Electron. Technol. Hetero Syst. Integr. path to New Solut. Mod.
Conf., vol. 1, pp. 361–366, 2018. Electron. - Conf. Proc., May 2009.
[3] S. Wang, Z. Deng, and G. Yin, “An accurate GPS-IMU/DR data [12] J. Li et al., “A 3-D real-time road edge detection system for
fusion method for a driverless car based on a set of predictive automated smart car control”, Proc. 2006 IEEE Int. Conf.
models and grid constraints”, Sensors (Switzerland), vol. 16, no. Networking, Sens. Control. ICNSC’06, pp. 837–841, 2006.
3, 2016. [13] Y.U. Yim and S.- Y. Oh, "Three-feature based
[4] P. Gui, L. Tang, and S. Mukhopadhyay, “MEMS based IMU for automatic lane detection algorithm (TFALDA) for
tilting measurement: Comparison of complementary and Kalman autonomous driving," IEEE Trans. Intell. Transp. Syst. , vol. 4,
filter based data fusion”, Proc. 2015 10th IEEE Conf. Ind. no. 4, pp. 219-225, Dec. 2003.
Electron. Appl. ICIEA 2015, pp. 2004–2009, 2015.
58
KHOA CÔNG NGHỆ THÔNG TIN
HỆ THỐNG CẢNH BÁO NGẬP LỤT BẰNG CAMERA

GIÁM SÁT ĐƯỜNG PHỐ
DANAFLOOD: SCALABLE URBAN STREET FLOOD SENSING
SVTH: Đàm Quang Tiến

Lớp 18T1, Khoa Công nghệ Thông tin, Trường Đại học Bách Khoa – Đại học Đà Nẵng;
Email: damtien440@gmail.com
GVHD: TS. Ninh Khánh Duy
Khoa Công nghệ Thông tin, Trường Đại học Bách Khoa – Đại học Đà Nẵng; Email: nkduy@dut.udn.vn
Tóm tắt - Các hiện tượng thời tiết cực đoan diễn ra với tần Abstract - Extreme weather occurs more frequently and has
suất ngày càng nhiều và tác động tiêu cực đến các đô thị, đặc a negative impact on urban areas, especially those in developing
biệt tại các quốc gia đang phát triển. Các hệ thống camera giám countries. Nearly every city has access to surveillance camera
sát được đầu tư sẵn có ở nhiều nơi nhưng chưa có các chức systems, but they lack a smart function that would send an alert
năng thông minh giúp cảnh báo tình huống nguy hiểm. Do đó in an emergency. As a result, we propose a highly scalable
nghiên cứu này đề xuất một hệ thống giúp cảnh báo ngập lụt intelligent system for alarming street flooding. This system is
đường phố có khả năng mở rộng cao hướng đến việc triển khai capable of simultaneously producing high-resolution data for
diện rộng hệ thống cảnh báo. Hệ thống này có thể đưa ra cảnh future use and sending out high-abstract warning signals. The
báo mức trừu tượng cao cũng như thu thập dữ liệu độ phân giải chosen deep convolutional neural network model, MobileNetV2,
cao phục vụ các mục đích về sau. Mô hình được lựa chọn là achieved classification accuracy of 89.58% and flood image
MobileNetV2 có đạt được độ chính xác 89.58% với tác vụ phân segmentation accuracy of 95.33%.
loại, 95.93% với tác vụ phân vùng ngập lụt trên ảnh. Key words - Multi-output model; Deep learning; Image
Từ khóa - Mô hình đa nhiệm vụ; Học sâu; Thu thập dữ liệu; segmentation; Image classification.
Ước tính mức độ ngập lụt.
1. Giới thiệu thu thập dữ liệu độ phân giải cao để phục vụ cho
Khác với ngập lụt ở vùng nông thôn, ngập lụt ở thành những phân tích khác.
phố thường xảy ra do vấn đề của hệ thống thoát nước là Bài nghiên cứu này được trình bày thành năm phần,
chủ yếu [1] trong đó 45% lượng nước mưa phải được hệ trong đó Phần 2 trình bày các nghiên cứu liên quan;
thống thoát nước đô thị xử lý. Thành phố càng phát triển phương pháp của nghiên cứu ở Phần 3; Phần 4 thảo luận
thì càng dễ chịu ảnh hưởng nghiêm trọng bởi lũ lụt [2]. về các thực nghiệm và kết quả tương ứng; và cuối cùng
Bên cạnh đó, Việt Nam là một trong sáu quốc gia chịu là phần kết luận của bài báo ở Phần 5.
tác động mạnh bởi biến đổi khí hậu, dễ hứng chịu các yếu 2. Nghiên cứu liên quan
tố liên quan đến ngập lụt đô thị và nông thôn [3]. Do đó
Các mục tiêu của các bài toán liên quan ngập lụt bao
sự sẵn có của dữ liệu sẽ giúp xây dựng một tầm nhìn, và
gồm (1) phát hiện có ngập; (2) xác định mức nước hoặc
đưa ra quyết định quy hoạch và phát triển đô thị một cách
độ sâu ngập; (3) vẽ bản đồ ảnh hưởng; và (4) phân tích
phù hợp và hiệu quả [4].
rủi ro để phát triển các quy trình bảo vệ [6]. Trong nghiên
Bởi vì lý do an ninh, nhiều thành phố trên thế giới và cứu này, tập trung vào các mục tiêu (1) và (2), tạo tiền đề
tại Việt Nam trang bị các hệ thống camera giám sát và cho việc thực hiện mục tiêu (3) và (4) về sau.
thường được quản lý tại các trung tâm điều hành của
Trong một số nghiên cứu sử dụng các phương pháp
thành phố. Dù vậy, các hệ thống này thường kết nối đến
xử lý ảnh thông thường để phát hiện biên của nước trong
các máy ghi video, và hầu hết không có các chức năng xử
hình ảnh. Như [7], [8] đã sử dụng Otsu Thresholding và
lý thông minh và được giám sát bởi con người, nên dễ
Canny Edge Detection để tinh chỉnh phát hiện sự thay đổi
dẫn đến mất mát thông tin do không tập trung [5]. Hệ
mức nước ở bờ sông, bờ hồ, họ thử nghiệm với thiết bị
thống camera này chỉ thường mang tính chất xem xét,
biên có cấu hình thấp và đạt được tốc độ thực thi theo
khảo cứu lại một sự kiện, chứ không giúp đỡ đưa ra cảnh
thời gian thực. Tuy vậy phương pháp này không thể đáp
báo. Bên cạnh đó, cung cấp dữ liệu đáng tin trong thời
ứng tốt trong điều kiện ánh sáng môi trường thay đổi
gian thực có thể ảnh hưởng tích cực đến kết quả của việc
nhiều.
ứng phó với các hiện tượng thời tiết cực đoan. Do đó, xây
dựng một bộ phận xử lý thông minh cho những hệ thống Cũng có một số nghiên cứu khác đã phân tích tình
này giúp giải quyết được vấn đề về cảnh báo mà không hình lũ lụt dựa trên phân tích thông tin trên mạng xã hội.
phải đầu tư quá lớn về cơ sở hạ tầng. Trong đó có phương pháp sử dụng mô hình Mask-RCNN
có performance rất tốt, có thể đoán định được đồng thời
Những đóng góp chính của nghiên cứu này là:
hai thông tin như mức nước và các thành phần bị ngập lụt
(1) Xây dựng một mô hình đa nhiệm vụ (multi-task với độ chính xác rất cao, nhưng Mask-RCNN là mô hình
model) có thể nhân rộng (scalable) mới để đồng có kích thước lớn và cần một bộ dataset rất chi tiết [9].
thời phân đoạn vùng bị ngập và đánh giá mức độ Phụ thuộc nhiều vào bên thứ ba là nền tảng mạng xã hội,
ngập. tính hợp pháp của nó chưa rõ ràng, dữ liệu có được mang
(2) Tạo nên một nguồn tin giúp người dân có kế tính thông báo và bị chậm trễ so với sự kiện thực, dễ
hoạch di chuyển phù hợp, tránh chịu các thiệt hại nhiễu loạn với những hành vi cố ý tung tin giả, sai sự thật.
liên quan đến việc đường phố ngập lụt. Đồng thời
61
SVTH: Đàm Quang Tiến; GVHD: TS. Ninh Khánh Duy
quyết bài toán cảnh báo lũ như là một bài toán phân loại
Bảng 1. So sánh các phương pháp phát hiện ngập lụt. hình ảnh. Triển khai hàng loạt các mô-đun này trên các
Phương Khả Mức Mức Hiệu Phụ luồng video trực tiếp của hệ thống camera giám sát có thể
pháp năng độ độ quả thuộc rất hữu ích, [16] đã thực hiện trên hơn 2000 điểm camera
mở đầu phức bên trên khắp đảo Đài Loan và cho ra một hệ thống phân định
rộng tư tạp thứ ba thời gian thực khá tốt. Do đó, phương pháp được đề xuất
Xử lý ◈◈◈ ◈ ◈ ◈ Không cũng sẽ sử dụng phần phân loại hình ảnh để đưa ra tín
ảnh hiệu cảnh báo.
thông Các tác giả [17], đã phát triển một phương pháp sử dụng
thường U-Net như là một mô hình đủ bé để thu thập dữ liệu diện
Phân ◈◈ ◈ ◈◈◈ ◈◈ Có rộng trên hệ thống camera giám sát, họ cũng đề xuất một
tích chỉ số Static Observer Flooding Index - SOFI, trong đó
mạng chỉ số này đã có tương quan rõ ràng với tình trạng ngập
xã hội, lụt và có thể đóng vai trò tín hiệu để kích hoạt các cảnh
dữ liệu báo. Trong bài báo này, chúng tôi sẽ kiểm nghiệm lại
crowd- phương pháp của này trong phần phân vùng ảnh.
based 3. Phương pháp
Sử dụng ◈ ◈◈◈ ◈◈ ◈ Có
Phần này lý giải các phương pháp phân vùng hình ảnh
hình
với các mạng neu-ron tích chập và chi tiết triển khai mô
ảnh vệ
hình Unet.
tinh
hoặc 3.1. Phân vùng hình ảnh với mạng neu-ron tích chập
UAV sâu
Sử dụng ◈ ◈◈◈ ◈ ◈◈◈ Không Phân vùng hình ảnh (Image Segmentation) là một
cảm nhánh nhỏ trong xử lý ảnh số và thị giác máy tính với
biến mục tiêu là gom nhóm các điểm ảnh hoặc các khu vực
mức trong bức ảnh về một trong những các phân lớp mục tiêu
nước nào đó, có thể hiểu như là một thuật toán phân loại các
Phương ◈◈◈ ◈ ◈ ◈◈◈ Không điểm ảnh thuộc các lớp khác nhau [18]. Có ba thuật toán
pháp nổi tiếng thường được áp dụng trong bài toán này là thuật
này toán U-Net, Mask-RCNN, SegNet. Trong nghiên cứu này
chọn triển khai mô hình U-Net bởi vì tốc độ nhanh, dễ
triển khai và dễ mở rộng [17].
Dựa trên hình ảnh vệ tinh hoặc UAV để giám sát trình
trạng ngập lụt [10]–[13]. Có thể bị chậm so với thực tế, U-Net được sử dụng được phát triển để phục vụ bài
hoặc quá đắt đỏ, yêu cầu sự đầu tư lớn. Một số nơi yêu toán có ít dữ liệu, và phải dựa trên augmentation để làm
cầu vận hành phải phù hợp với quy định an toàn quân sự giàu. Kiến trúc của mạng này là sự tinh chỉnh dựa trên
dẫn đến data thu được trễ, và thường được sử đụng ở mạng fully convolutional network, từ lớp pooling thành
bước phân tích chiến lược, và khó là nguồn thông tin tức phép upsampling, nhờ đó tăng độ phân giải của đặc trưng
thời, mang tính hỗ trợ ra quyết định nhanh chóng. ở lớp output, bằng việc mở rộng như vậy mô hình có thể
gom nhóm các điểm ảnh với phân lớp phù hợp [19].
Sử dụng các hệ thống cảm biến, thiết bị đo lường để
giám sát, thường là các cảm biến siêu âm để đo mức Mô hình U-Net gốc có thể được chia thành hai bộ
nước, hoặc sử dụng các thước đo mực nước hoặc vật đo phận là encoder và decoder, và có thể thay thế encoder
chuẩn sau đó sử dụng xử lý ảnh để tìm mức nước [14], thành các backbone với các pretrained weight nổi tiếng
[15]. Điểm tốt của phương án này là có độ chính xác cao, trên tập ImageNet để đạt được hiệu quả tốt hơn, bởi vì
độ phân giải data thu được là cao, dữ liệu có thể được ứng các backbone này có thể đóng vai trò như các trích xuất
dụng vào nhiều mục đích hơn. Nhưng không thể tận dụng đặc trưng bật cao một cách hiệu quả [20]. Bài báo này sẽ
hệ thống sẵn có, yêu cầu đầu tư đồng bộ và tốn nhiều tiền. kiểm tra xem những mô hình có backbone nào sẽ hiệu
quả cho tập dữ liệu camera đường phố tại Đà Nẵng.
Các mô hình học sâu có thể được sử dụng để giải
Hình 1.Pipeline đề xuất với mô hình U-Net multi-output đưa ra hai dạng dữ liệu gồm chỉ số cảnh báo và chỉ số
logging có độ phân giải cao.
62
3.2. Phân vùng hình ảnh ngập lụt đường phố với mạng tình trạng ngập của khu vực quan sát là một biện pháp tốt
U-Net để gắn chức năng cảnh báo của mô hình. Có thể sử dụng
3.2.1. Kiến trúc phần encoder của chính U-Net để thêm phần
classification head để tạo thành mô hình dạng multi-task,
a. U-Net gốc
để đảm bảo giữ được độ phân giải kết quả lớn thì sử dụng
U-Net được phát triển dựa trên ý tưởng của FCN kết quả của segmentation head, trong khi classification
nhưng được điều chỉnh sao cho thật nhẹ và đơn giản. Mô head được sử dụng như một tín hiệu kích hoạt cảnh báo,
hình được triển khai với các module downsample có bởi vì không phải đặt một ngưỡng theo dõi như output
nhiệm vụ trích xuất đặc trưng đồng thời làm giảm độ rộng của lớp segmentation như [17]. Việc sử dụng
không gian của dòng dữ liệu, sau khi đi qua module classification head cũng đóng vai trò như một end-to-end
bottleneck tại đáy chữ U, mô hình gốc sử dụng các phép model, không cần phải hiệu chỉnh tín hiệu cảnh báo quá
upsampling để lấy lại độ phân giải cũ và kết hợp với các phức tạp và phần nào đó hiệu quả trong quá trình triển
nhánh skip connection lấy từ encoder để tăng hiệu quả khai diện rộng [16]. Lớp phân loại này là một lớp fully
khôi phục các đặc trưng bậc cao vào các pixel [19]. connected layer có output là 4 neuron node, sau khi áp
dụng average pooling để giảm kích thước feature, sau đó
làm phẳng và thêm lớp drop out để tránh overfit. Trong
nghiên cứu này sử dụng phiên bản implementation của
[22] để nhanh chóng triển khai nguyên mẫu với nhiều
backbone khác nhau.
Hình 2. Kiến trúc cơ bản của U-Net [19].
Để cài đặt mạng U-Net này, chúng tôi sử dụng
Pytorch để làm nền tảng triển khai. Đầu vào của mô hình
là một hình ảnh màu RGB có độ phân giải 512x512. Hình 3. Kiến trúc của mạng U-Net multioutput với backbone
Mạng U-Net này có độ sâu là năm, tương ứng với năm có hai output đặt tại classification head và segmentation
lần down convolution để trích xuất đặc trưng, với mỗi lần head.
như vậy thì output của module này sẽ có các số chiều
[16, 32, 64, 128, 256] và có kích thước không gian giảm Như vậy, mô hình sau khi phát triển sẽ có khả năng
một nửa. Và mỗi kết quả của down convolution sẽ được đưa ra hai thông số hữu ích lần lượt là thông số cảnh báo
kết hợp với module up convolution của decoder. Các ngập lụt mức độ trừu tượng cao, và chỉ số quan sát ngập
phép convolution đều có nhân 3x3, độ trượt là 2. Các lụt (SOFI) với mức độ trừu tượng thấp có thể phục vụ cho
module down và up convolution sẽ có các đường nối tắt công việc sử dụng dữ liệu độ phân giải cao về sau.
để tăng khả năng học. Để tăng tốc độ training, sau mỗi 3.2.2. Training
phép convolution sẽ thêm một lớp batch normalisation. Trong nghiên cứu này, chúng tôi sử dụng phương
Sau đó như [19], áp dụng hàm kích hoạt ReLU sau mỗi pháp Transfer Learning từ các mô hình backbone đã được
batch norm. huấn luyện trên tập ImageNet bởi vì tập này có số lượng
b. Encoder-Decoder U-Net hình ảnh lớn hơn 1 triệu mẫu trên 1000 lớp, nên các
U-Net cũng được xem là mô hình dạng Convolutional backbone này đã đó khả năng hiểu được các đặc trưng
AutoEncoder với phần bên trái có thể được xem là bậc thấp và cao tương đối tốt. Ngoài ra, bởi vì hướng đến
encoder và phần bên phải thì là decoder. Khác với khả năng có thể mở rộng của mô hình chúng tôi tìm kiếm
AutoEncoder của ANN thông thường, U-Net cung cấp chủ yếu các backbone có kích thước nhỏ có số lượng
thêm nhiều thông tin cho quá trình khôi phục chi tiết hơn, tham số dưới 10 triệu, đặc biệt là họ MobileNet, vốn được
có thể áp dụng vào những bài toán hình ảnh có kích thước thiết kế cho các thiết bị biên có cấu hình thấp [23], [24].
lớn hơn bởi vì đặc trưng của các convolution block sẽ cần Hệ số Dice được sử dụng rộng rãi trong thị giác máy
ít biến phải học hơn. tính để so sánh sự giống nhau giữa hai bức ảnh. Và có thể
Trong nghiên cứu này, mỗi backbone sẽ được lấy ra sử dụng như một hàm mất mát [25]. Hàm mất mát này có
đặc trưng năm lần ở các layer cách đều nhau để tạo các thể tính toán sự giống nhau giữa kết quả của mô hình và
skip connection để kết nối với decoder. Decoder của các nhãn mục tiêu với hai góc nhìn vừa cục bộ và vừa tổng
mô hình này cũng tương tự như decoder của mô hình gốc quát. Ở phần tử số tính đến sự thống nhất giữa 𝑦 và 𝑦 ̂,
với các phép upsampling để tăng độ chi tiết hình ảnh [21]. phần mẫu số là tổng về góc nhìn tổng quát trên cả bức
hình.
c. Thêm output vào mô hình
2𝑦𝑦̂ + 1
Sử dụng mô hình backbone để trích xuất đặc trưng, 𝐷𝐿(𝑦, 𝑦̂) = 1 − (1)
sau đó đưa vào một lớp phân loại ở cuối để kiểm tra xem 𝑦 + 𝑦̂ + 1
63
SVTH: Đàm Quang Tiến; GVHD: TS. Ninh Khánh Duy
Đối với tác vụ phân loại, sử dụng cross entropy loss.
Thực hiện training đồng thời hai tác vụ này với hai output
với hai loss với hệ số mất mát chung như phương trình
(2). Chọn hệ số 𝛼 cho nhiệm vụ phân loại là 1.5, để ưu
tiên việc tối ưu phân loại, vì trong bài toán này, nhiệm vụ
chính là phải phát được cảnh báo chính xác trước, sau
mới đến tác vụ phân đoạn hình ảnh để thu thập dữ liệu.
ℒ = 𝛼 × ℒ𝑐𝑙𝑎𝑠𝑠𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛 + ℒ𝑠𝑒𝑔𝑚𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 (2)
3.3. Đánh giá hiệu năng Hình 4. Các hình ảnh đường phố ngập lụt trong tập dữ liệu
Bởi vì mô hình được đề xuất là một mô hình dạng đa huấn luyện, với nhãn phân vùng và nhãn phân loại.
nhiệm vụ, do đó phải có hai nhóm độ đo được sử dụng để
đánh giá hiệu năng của mô hình này, đó là nhóm hiệu 4.1.2. Đánh nhãn
năng phân vùng, nhóm hiệu năng phân loại. Các dữ liệu này sau đó được đánh nhãn với hai loại
3.3.1. Các độ đo đánh giá hiệu năng segmentation nhãn, bao gồm nhãn phân loại và nhãn phân vùng. Trong
đó đánh nhãn phân vùng là một tác vụ rất tốn thời gian.
Các độ đo segmentation phổ biến bao gồm độ chính Sử dụng công cụ được phát triển bởi [30], có thể giúp
xác điểm ảnh (pixel accuracy), điểm Dice hoặc F1 và tăng tốc độ đánh nhãn lên nhanh hơn nhiều lần so với
mean IOU. Trong đó, pixel accuracy là độ đo dễ tính phương pháp đánh nhãn thông thường. Mô hình này sẽ
toán, nhưng dễ bị ảnh hưởng bởi tình huống class sử dụng các điểm đề xuất của người dùng để đề xuất phân
imbalance. Hai độ đo còn lại thì khá tương quan nhau về vùng và học tăng tiến theo tương tác đó. Về tác vụ phân
hiệu quả đánh giá, có thể sử dụng thay thế nhau. Nhưng loại, tiến hành định nghĩa phân loại các cảnh bị ngập lụt
nếu xét về hiệu quả đo đạc trên nhiều mẫu tính toán, F1 như ở Bảng 2.
sẽ thiên về tính toán hiệu năng trung bình, trong khi đó
MeanIOU sẽ tính toán hiệu năng trong tình huống xấu Bảng 2. Định nghĩa phan loạ i cá c cả nh ngạ p lụ t trên
nhất. Bằng cách xem xét các độ đo này chúng ta có thể camera.
Level Định nghĩa
hiểu được và so sánh các mô hình với nhau. 0 Khong có nước.
3.3.2. Các độ đo đánh giá hiệu năng phân loại 1
Có nước trong khung hình, khong ả nh hưởng đế n
phương tiệ n di chuyể n.
Sử dụng các độ đo bao gồm accuracy, precision, Có ngạ p lụ t, khong khuyế n khích phương tiệ n đi ngang
recall và confusion matrix để đánh giá hiệu năng phân 2
tuyế n đường bị ngạ p.
loại của mô hình. Trong đó, precision giúp đánh giá được 3
Có ngạ p lụ t có nước chả y mạ nh, nguy hiể m nế u đi
trong số dự đoán positive thực sự đúng, và kể cả trong đường nà y.
trường hợp có imbalance class thì vẫn hiểu được hiệu Trong đó phân bố của các dữ liệu theo label được thể
năng của mô hình. Recall giúp hiểu được mức độ bỏ lỡ hiện trong Hình 5. Có hai lớp hình ảnh quan trọng là mức
những điểm dữ liệu thực sự positive. Và confusion matrix 0 và mức 2 đều có nhiều mẫu dữ liệu để mô hình học, hai
sẽ thể hiện được mô hình đang gặp khó khăn khi phân lớp còn lại có tương đối hiếm dữ liệu để thu thập, do các
định những lớp cụ thể nào. pha này rất hiếm được ghi lại trong các tập dữ liệu đã thu
3.4. Warning as a service thập.
Sau khi lựa chọn một mô hình hiệu quả, đủ nhỏ để mở
rộng, triển khai một dịch vụ truy vấn để người dân có thể
truy cập vào và kiểm tra xem tình trạng đường phố hiện
tại như thế nào. Trong đó thể hiện các điểm camera có
cảnh báo, cũng như dữ liệu về chỉ số SOFI.
4. Thực nghiệm và đánh giá kết quả
Trong phần này trình bày về các thông tin cụ thể về
tập dữ liệu, các thực nghiệm, bình luận kết quả định tính
và định lượng của phương pháp đã mô tả ở phía trên.
4.1. Dữ liệu
4.1.1. Thu thập
Thu thập 5089 mẫu hình ảnh liên quan đến ngập lụt
từ các tập dữ liệu Water Segmentation Dataset (636 mẫu), Hình 5. Phân phối của các mẫu hình ảnh trong dataset theo
European Flood 2013 Dataset (3710 mẫu), Image Dataset định nghĩa level ngập lụt.
for Roadway Flood (441 mẫu) và 302 mẫu tự thu thập từ
3 camera giám sát đường phố tại thành phố Đà Nẵng 4.1.3. Augmentation
trong tháng 10 năm 2022 [26]–[29]. Sau đó lựa chọn lại Thêm các bước làm giàu dữ liệu có thể tăng hiệu suất
các mẫu có độ tương đồng về góc nhìn của camera giám của mô hình, đặc biệt là trong tình huống có quá ít dữ
sát, và phân bổ vào các tập train, valid và test với tỉ lệ lần liệu, hoặc tập dữ liệu tương đối giống nhau, hiệu quả tốt
lượt là 72%, 10% và 18%. Trong đó tập test là dữ liệu từ với mạng U-Net [17], [19].
camera giám sát đường phố thu được tại Đà Nẵng, hai tập
còn lại là dữ liệu đã thu nhận được từ các tập dữ liệu phía Sử dụng thư viện Albumentation [31] trên nền tảng
trên. PyTorch để triển khai các bước augmentation được thể
64
hiện ở Bảng 3. Các bước augmentation này chủ yếu thay 4.2. So sánh các backbone
đổi về độ sáng, biểu hiện của hình ảnh RGB, ít tác động Thực hiện khảo sát các backbone trên tập dữ liệu đã
đến góc quay. chuẩn bị, thu được kết quả như ở Error! Reference
Bảng 3. Cá c bước augmêntation được á p dụ ng. source not found.. Nếu xét về mặt hiệu năng theo các độ
Bước Tham só đo thì mô hình U-Net với backbone Resnet18 đã hoạt
Random horizontal flip p=0.5 động rất tốt với độ chính xác phân loại là 92%. Về hiệu
Shift, scale and rotate p=0.5, năng segmentation, mô hình U-Net với backbone
scale_limit=0.5,
rotate_limit=5, VGG13_bn đã có hiệu năng vượt trội nhất so với các
shift_limit=0.2 backbone còn lại. Tuy vậy khi xét đến tính mở rộng bao
Pad if need width=512, gồm tốc độ thực thi và vùng nhớ, họ backbone MobileNet
height=512 là tốt nhất, trong đó có MobileNetV2 hoạt động với độ
Random crop width=512,
height=512
chính xác, độ nhạy, độ hiệu cho tác vụ phân loại ổn định
Gauss noise p=0.5 cùng với hiệu năng phân khúc hình ảnh tốt, có ít tham số
Perspective p=0.5 hơn so với Resnet18 nên có thể inference trên nhiều
One of random brightness, random gamma p=0.9 instance mà tiết kiệm tài nguyên nhất.
One of sharpen, blur, motion blur p=0.9
One of random contrast, HueSaturation p=0.9
Bảng 4. Kết quả thử nghiệm U-Net gốc và sử dụng các backbone, train sau 20 epochs với cùng một thiết lập.
Trong đó, U-Net với backbone VGG13 hoạt động hiệu quả với task segmentation, Restnet18 thì hoạt động hiệu quả
hơn với nhiệm vụ phân loại. Bên cạnh đó bằng việc thay đổi backbone thành những mô hình trích xuất đặc trưng khác
đã cải thiện đáng kể kết quả trên tập test. Kiểm tra hiệu năng được thực hiện trên thiết bị Nvidia GTX 1050.
Ngoài ra, có thể rút ra kết luận về việc thay thế mô backbone cho U-Net để cài đặt dịch vụ DanaFlood diện
hình phần encoder ở U-Net gốc đã có thể nâng cao hiệu rộng và cũng như xem xét các phân tích về sau.
suất đáng kể về mặt độ chính xác phân loại và phân vùng 4.3. Phân tích định tính
hình ảnh, tốc độ inference cũng tăng đáng kể. Nên việc
Xem Hình 7, thấy việc phân định segmentation của
sử dụng backbone thay cho U-Net gốc là phù hợp.
mô hình vẫn không hoàn toàn chính xác, đôi lúc nhận
Do đó, thực hiện lựa chọn MobilenetV2 làm nhầm khu vực mặt đường, vỉa hè với mặt nước. Xem
Hình 6. thấy chỉ số SOFI trong trường hợp không
ngập lụt với góc camera test thu được thường rơi vào
khoảng dưới 0.2, còn trong trường hợp xảy ra ngập lụt
con số thường rơi vào 0.4 trở lên. Nhìn chung giá trị này
tương đối ổn định và có thể sử dụng để ghi nhận trạng
thái ngập lụt của đường phố.
65
Hình 6. Biểu đồ chỉ số SOFI trong 3 video test tình huống camera ngập lụt đường phố, và 1 luồng livestream đường
phố, cho thấy chỉ số SOF phân biệt rõ ràng hai trạng thái của đường phố.
vẫn đảm bảo tính mở rộng với độ chính xác. Nhờ đó triển
khai một dịch vụ để người dân có thể truy vấn trạng thái
ngập lụt đường phố hiệu quả.
Tài liệu tham khảo

[1] C. Tucci, “Cap-Net International Network for Capacity Building
in Integrated Water Resources Management,” 2007.
[2] J. Rentschler et al., “Rapid Urban Growth in Flood Zones,” 2022,
doi: 10.1596/1813-9450-1014.
[3] “Climate Risk Country Profile: Viet Nam.” Nov. 18, 2020.
Accessed: Nov. 14, 2022. [Online]. Available:
https://www.adb.org/publications/climate-risk-country-profile-
viet-nam
[4] T. Wellmann et al., “Remote sensing in urban planning:
Contributions towards ecologically sound policies?,” Landsc
Hình 7. Kết quả phân khúc trên hình ảnh. Urban Plan, vol. 204, p. 103921, Dec. 2020, doi:
10.1016/J.LANDURBPLAN.2020.103921.
[5] G. P. Hancke, B. de C. de Silva, and G. P. Hancke, “The Role of
Phân loại diễn ra rất chính xác, đặc biệt ít nhầm lẫn Advanced Sensing in Smart Cities,” Sensors (Basel), vol. 13, no.
giữa lớp 0 với các lớp còn lại, tuy vậy bởi vì dữ liệu bị 1, p. 393, Jan. 2013, doi: 10.3390/S130100393.
mất cân bằng nên mô hình vẫn đôi khi nhầm lẫn giữa lớp [6] A. Khouakhi, J. Zawadzka, and I. Truckell, “The need for
1 và 2. Vì các trường hợp số 4 có dấu hiệu và khá dễ nên training and benchmark datasets for convolutional neural
networks in flood applications,” Hydrology Research, vol. 53,
mô hình cũng học được và không nhầm lẫn với các tình no. 6, pp. 795–806, May 2022, doi: 10.2166/NH.2022.093.
huống này. [7] Q. Zhang, N. Jindapetch, R. Duangsoithong, and D.
Buranapanichkit, “A performance analysis for real-time flood
monitoring using image-based processing,” Indonesian Journal
of Electrical Engineering and Computer Science, vol. 17, no. 2,
pp. 793–803, 2019, doi: 10.11591/IJEECS.V17.I2.PP793-803.
[8] B. D. Setiawan, A. N. Rusydi, and K. Pradityo, “Lake edge
detection using Canny algorithm and Otsu thresholding,”
undefined, vol. 2018-January, pp. 72–76, Feb. 2017, doi:
10.1109/ISYG.2017.8280676.
[9] P. Chaudhary, S. D’Aronco, J. P. Leitão, K. Schindler, and J. D.
Wegner, “Water level prediction from social media images with
a multi-task ranking approach,” ISPRS Journal of
Photogrammetry and Remote Sensing, vol. 167, pp. 252–262,
Jul. 2020, doi: 10.48550/arxiv.2007.06749.
[10] N. S. Ibrahim, M. K. Osman, S. B. Mohamed, S. H. Y. S.
Abdullah, and S. M. Sharun, “The application of UAV images in
flood detection using image segmentation techniques,”
Indonesian Journal of Electrical Engineering and Computer
Science, vol. 23, no. 2, pp. 1219–1226, Aug. 2021, doi:
Hình 8. Confusion matrix đối với nhiệm vụ phân loại. 10.11591/IJEECS.V23.I2.PP1219-1226.
[11] A. Sumalan, D. Popescu, and L. Ichim, “Flooded area detection
5. Kết luận using UAV images,” 24th Telecommunications Forum, TELFOR
Chúng tôi đã đề xuất một mô hình học sâu có khả 2016, Jan. 2017, doi: 10.1109/TELFOR.2016.7818798.
[12] E. Karamuz, R. J. Romanowicz, and J. Doroszkiewicz, “The use
năng mở rộng cao để triển khai diện rộng cho bài toán of unmanned aerial vehicles in flood hazard assessment,” J
phát hiện tình huống ngập lụt và thu thập dữ liệu độ phân Flood Risk Manag, vol. 13, no. 4, p. e12622, Dec. 2020, doi:
giải cao phục vụ cho các mục đích khác, mà chỉ sử dụng 10.1111/JFR3.12622.
dữ liệu hình ảnh từ camera giám sát, giúp tối thiểu chi phí [13] G. Mateo-Garcia et al., “Towards global flood mapping onboard
low cost satellites with machine learning,” Scientific Reports
triển khai và phù hợp cho các thành phố có ngân sách 2021 11:1, vol. 11, no. 1, pp. 1–12, Mar. 2021, doi:
thấp. Kết quả nghiên cứu thể hiện được rằng nên sử dụng 10.1038/s41598-021-86650-z.
các kiến trúc U-Net với encoder là các pretrained [14] H. N. Do, M. T. Vo, V. S. Tran, P. V. Tan, and C. V. Trinh, “An
early flood detection system using mobile networks,”
backbone thì có thể hoàn thành tốt đồng thời cả hai nhiệm
International Conference on Advanced Technologies for
vụ là phân vùng và phân loại hình ảnh. Mô hình U-Net Communications, vol. 2016-January, pp. 599–603, Jan. 2016,
với backbone MobileNetV2 thể hiện kết quả tốt nhất mà doi: 10.1109/ATC.2015.7388400.
63
[15] L. S. Karlo Tolentino et al., “Real Time Flood Detection, Alarm [23] J. Deng, W. Dong, R. Socher, L.-J. Li, Kai Li, and Li Fei-Fei,
and Monitoring System Using Image Processing and Multiple “ImageNet: A large-scale hierarchical image database,” pp. 248–
Linear Regression,” Journal of Computational Innovations and 255, Mar. 2010, doi: 10.1109/CVPR.2009.5206848.
Engineering, 2022. [24] A. G. Howard et al., “MobileNets: Efficient Convolutional
[16] S.-W. Lo, J.-H. Wu, J.-Y. Chang, C.-H. Tseng, M.-W. Lin, and Neural Networks for Mobile Vision Applications,” Apr. 2017,
F.-P. Lin, “Deep Sensing of Urban Waterlogging,” Mar. 2021, doi: 10.48550/arxiv.1704.04861.
doi: 10.48550/arxiv.2103.05927. [25] C. H. Sudre, W. Li, T. Vercauteren, S. Ourselin, and M. J.
[17] M. Moy De Vitry, S. Kramer, J. Dirk Wegner, and J. P. Leitao, Cardoso, “Generalised Dice overlap as a deep learning loss
“Scalable flood level trend monitoring with surveillance cameras function for highly unbalanced segmentations,” Lecture Notes in
using a deep convolutional neural network,” Hydrol Earth Syst Computer Science (including subseries Lecture Notes in
Sci, vol. 23, no. 11, pp. 4621–4634, Nov. 2019, doi: Artificial Intelligence and Lecture Notes in Bioinformatics), vol.
10.5194/HESS-23-4621-2019. 10553 LNCS, pp. 240–248, Jul. 2017, doi: 10.1007/978-3-319-
[18] S. Minaee, Y. Boykov, F. Porikli, A. Plaza, N. Kehtarnavaz, and 67558-9_28.
D. Terzopoulos, “Image Segmentation Using Deep Learning: A [26] M. Zaffaroni and C. Rossi, “Water Segmentation Dataset,” Dec.
Survey,” IEEE Trans Pattern Anal Mach Intell, vol. 44, no. 7, 2019, doi: 10.5281/ZENODO.3642406.
pp. 3523–3542, Jan. 2020, doi: 10.48550/arxiv.2001.05566. [27] B. Barz et al., “Enhancing Flood Impact Analysis using
[19] O. Ronneberger, P. Fischer, and T. Brox, “U-net: Convolutional Interactive Retrieval of Social Media Images”.
networks for biomedical image segmentation,” Lecture Notes in [28] C. Sazara, M. Cetin, and K. M. Iftekharuddin, “Detecting
Computer Science (including subseries Lecture Notes in floodwater on roadways from image data with handcrafted
Artificial Intelligence and Lecture Notes in Bioinformatics), vol. features and deep transfer learning,” 2019 IEEE Intelligent
9351, pp. 234–241, 2015, doi: 10.1007/978-3-319-24574-4_28. Transportation Systems Conference, ITSC 2019, pp. 804–809,
[20] Maciej Serda et al., “Water Segmentation with Deep Learning Oct. 2019, doi: 10.1109/ITSC.2019.8917368.
Models for Flood Detection and Monitoring,” [29] “Phát Triển Đà Nẵng - Xem Camera Trực Tuyến Đà Nẵng.”
INTERNATIONAL JOURNAL OF INFORMATION SYSTEMS https://camera.0511.vn/ (accessed Nov. 21, 2022).
FOR CRISIS RESPONSE AND MANAGEMENT, vol. 7, no. 1, [30] K. Sofiiuk, I. A. Petrov, and A. Konushin, “Reviving Iterative
pp. 24–27, 2022, doi: 10.2/JQUERY.MIN.JS. Training with Mask Guidance for Interactive Segmentation,”
[21] A. Odena, V. Dumoulin, and C. Olah, “Deconvolution and Feb. 2021, doi: 10.48550/arxiv.2102.06583.
Checkerboard Artifacts,” Distill, vol. 1, no. 10, p. e3, Oct. 2016, [31] A. Buslaev, V. I. Iglovikov, E. Khvedchenya, A. Parinov, M.
doi: 10.23915/DISTILL.00003. Druzhinin, and A. A. Kalinin, “Albumentations: Fast and
[22] Pavel Iakubovskii, “Segmentation Models Pytorch,” GitHub flexible image augmentations,” Information (Switzerland), vol.
repository, 2019, Accessed: Nov. 15, 2022. [Online]. Available: 11, no. 2, Feb. 2020, doi: 10.3390/INFO11020125.
https://github.com/qubvel/segmentation_models.pytorch
67
SVTH: Nguyễn Nghĩa Thịnh; GVHD: TS. Ninh Khánh Duy
PHÁT HIỆN VÀ TRUY VẾT ĐỐI TƯỢNG KHẢ NGHI

SỬ DỤNG KỸ THUẬT HỌC SÂU
DETECTING AND TRACKING SUSPICIOUS HUMAN BASED ON DEEP LEARNING
METHODS
SVTH: Nguyễn Nghĩa Thịnh

Lớp 18T1, Khoa Công nghệ Thông tin, Trường Đại học Bách Khoa – Đại học Đà Nẵng;
Email: nghiathinh2000@gmail.com
GVHD: TS. Ninh Khánh Duy
Khoa Công nghệ Thông tin, Trường Đại học Bách Khoa – Đại học Đà Nẵng; Email: nkduy@dut.udn.vn
Tóm tắt - Theo dõi đối tượng khả nghi là một trong những Abstract - Tracking suspicious human is one of life's most
bài toán cực kỳ quan trọng trong cuộc sống khi nhiều vụ trộm pressing issues, especially as the number of robberies and
cướp, các tội phạm truy nã ngày càng tăng gây nguy hiểm cho wanted criminals rises, harming society. Many technologies that
xã hội. Ngày nay, nhiều công nghệ tích hợp trí tuệ nhân tạo, thị combine artificial intelligence and computer vision now enable for
giác máy tính cho phép theo dõi các đối tượng theo thời gian real-time object monitoring and reliable results about information
thực và đưa ra những kết quả chính xác về thông tin được trích retrieved from public cameras. This paper proposes a method for
xuất từ các camera công cộng. Trong nghiên cứu này, đề xuất tracking suspicious humans. In particular, wanted humans are
phương pháp theo dõi đối tượng khả nghi hay cụ thể hơn là đối tracked by combining machine learning models, and we also
tượng đang bị truy nã bằng cách kết hợp các mô hình học máy, propose a strategy to improve tracking results in real time.
đồng thời đưa ra một giải pháp cải thiện kết quả truy vết đối Key words – Human Tracking; Deep learning; Machine
tượng theo thời gian thực. Learning; Object Detection; Face Recognition.
Từ khóa – Human Tracking; Deep learning; Machine
Learning; Object Detection; Face Recognition; Human Pose.
1. Giới thiệu thường áp dụng trong trường hợp chưa biết đối tượng là
Những năm gần đây, tỷ lệ tội phạm ngày càng tăng ai trước đó vì chỉ dựa vào hành động và đưa ra cảnh báo
cao, đặt biệt là tội phạm bị truy nã, các tội nhân trốn trại khi sự việc đã xảy ra. Trong nghiên cứu này, tác giải
vẫn đang sống ngoài xã hội gây ra nguy hiểm cho người muốn tiếp cận bài toán theo một cách khác đó là dựa vào
dân xung quanh. Nhiều trường hợp thực hiện truy nã trích xuất khuôn mặt của đối tượng thay vì dựa vào hành
trong thời gian dài nhưng vẫn không mang lại kết quả cao động để phát hiện và đưa ra cảnh báo, cụ thể ở đây là các
vì đối tượng thường lẫn trốn trong đám đông hoặc che đối tượng đang bị truy nã đã được cơ quan chức năng
dấu đi thân phận của mình. Hiện nay, các camera công cung cấp hình ảnh khuôn mặt từ trước. Ngoài ra bài toán
cộng với chất lượng cao được đặt khắp nơi như ở chợ, có thể giải quyết được ở những nơi có nhiều người qua
siêu thị, trường học và điều này có thể một phần nào đó lại như là các siêu thị, chợ, trường học, bệnh viện. Bằng
giúp truy tìm được các đối tượng một cách nhanh chóng. cách kết hợp nhiều mô hình Deep Learning lại với nhau
nhưng vẫn đảm bảo được tốc độ xử lý theo thời gian thực
Việc ứng dụng các thuật toán học máy và trí tuệ nhân
và độ chính xác tương đối cao.
tạo đã trở nên phổ biến trong rất nhiều lĩnh vực. Không
nằm ngoài xu thế đó, áp dụng trí tuệ nhân tạo mà cụ thể Những đóng góp chính trong nghiên cứu này là:
là học sâu (deep learning) và mạng nơron (neural (1) Xây dựng luồng xử lý kết hợp các mô hình
network) để giải quyết các vấn đề liên quan đến thị giác Deep Learning lại với nhau nhằm tăng độ
máy tính nói chung và theo dõi đối tượng khả nghi nói chính xác cũng như tốc độ xử lý đối với việc
riêng là một bước đi tất yếu. Dữ liệu đa dạng từ các nguồn truy vết đối tượng khả nghi.
video và camera khác nhau giúp cho con người khám phá (2) Một phương pháp cải thiện mô hình Human
ra các phương pháp về truy vết (Tracking) cũng như nhận Tracking so với lại các mô hình hiện tại bằng
diện đối tượng (Object Detection) một cách nhanh chóng cách ứng dụng đặc trưng (feature) của khung
nhằm đưa ra giải pháp kịp thời mà không cần con người xương người (Humn Pose).
trực tiếp giám sát. (3) Ứng dụng giải pháp “tham số hóa lại” (re-
Hiện nay đã có một số phương pháp nhận diện đối parameterization) cho các mô hình Deep
tượng khả nghi dùng Deep learning, và hầu hết trong số Learning với mục đích tăng tốc độ dự đoán
chúng đều là dựa vào hành động của các đối tượng như của các mô hình bằng cách giảm kích thước
cướp, giật, đánh nhau, .... Tuy nhiên, những trường hợp của các tham số nhưng độ chính xác vẫn
này chỉ đúng khi camrea được đặt ở nơi có ít người và rất không đổi quá nhiều.
khó để có thể phân biệt được có phải là hành động khả (4) Xây dựng mô hình nhận diện khuôn mặt của
nghi hay không bời vì cách tiếp cận của các đối tượng người Châu Á.
ngày càng tinh vi khi thường lẫn vào những nơi đông Phần còn lại của báo cáo này được sắp xếp như sau.
người và thực hiện trộm cắp. Và những bài toán như vậy Phần 2 là các nghiên cứu liên quan. Phương pháp được
68
đề xuất trong nghiên cứu được đề cập tại phần 3. Phần 4 2.3. Phát hiện và theo dõi nhiều đối tượng dùng Deep
thể hiện kết quả thực nghiệm của phương pháp. Phần 5 là Learning.
thảo luận những vấn đề khó khăn chưa giải quyết . Cuối Nhiều phương pháp đã được đưa ra để theo dõi con
cùng, phần 6 tổng hợp về toàn bộ nghiên cứu. người (Human Tracking) đặc biệt là các đám đông, nhiều
2. Các nghiên cứu liên quan người qua lại. Bài toán này tập trung giải quyết chủ yếu
2.1. Phát hiện đối tượng từ camera tĩnh dựa vào mảng hai phần chính, đó là nhận diện con người (human
màu. detection) và định danh con người (re-id).
(Akdemir, et al., 2008)đã trình bày một cách tiếp cận Đối với bài toán human detection, (K, et al., 2017),
có hệ thống để nhận ra các hoạt động của con người trong hoặc (Ren, et al., 2015) xây dựng cấu trúc mạng CNN
ngân hàng và sân bay dựa trên bản thể học. Tác giả đã sử dựa vào trích xuất đặc trưng của các vùng ROI (region of
dụng năm tiêu chí để thiết kế sự rõ ràng, tính liên kết bản interest) để nhận diện con người. Tuy nhiên kết quả rất
thể học, độ lệch mã hóa tối thiểu, khả năng mở rộng và chậm khi mô hình phải trích xuất thông tin từ rất nhiều
cam kết bản thể học tối thiểu. Hệ thống đã được đánh giá vùng ROI không chứa người. (Redmon, et al., 2015) mô
trên sáu video ngân hàng, trong đó bốn video bao gồm hình YOLO là một trong những mô hình phổ biến nhất
cướp ngân hang và hai video bao gồm hoạt động bình hiện tại về nhận diện vật thể nói chung và nhận diện con
thường của con người. Các đối tượng chuyển động đã người nói riêng. Đến nay có đến bảy phiên bản, trong đó
được theo dõi bằng cách sử dụng màu sắc dựa trên sự YOLOv7 (Wang, et al., 2022) mới nhất hiện tại đã đạt tốc
xuất hiện và chuyển động. Trong điều này, mô hình phân độ xử lý cực kỳ nhanh với độ chính xác rất cao. Các mô
loại chính xác ba tình huống cướp nhưng có một nhược hình này đều có điểm chung là sử dụng tọa độ mục tiêu
điểm của hệ thống này là nó không thành công trên một (anchor box) đã xác định từ trước sau đó sẽ thực hiện cập
video nếu có nhiều hơn hai tên cướp. nhập tọa độ trong quá trình huấn luyện để khớp với vị trí
người trong khung ảnh nhất có thể. Tuy nhiên điều này
(Ibrahim, et al., 2012) đã trình bày quy trình quyết
sẽ tăng tham số tính toán, cũng như thiếu tính tổng quát
định có phải là đối tượng khả nghi hay không thông qua
của kích thước con người khi có thể thay đổi dựa vào kích
hai giai đoạn bằng cách trích xuất thông tin từ luồng
thước thực tế của khung hình. Ngoài ra, mô hình chỉ lấy
quang học để phát hiện trộm cướp hoạt động bất thường
tọa độ của người có độ tự tin cao nhất và loại bỏ đi những
từ video giám sát tự động. Trong bước đầu tiên, kết quả
tọa độ có độ tự tin thấp hơn. Điều này sẽ gây ra hiện tượng
luồng quang học sàng lọc hiện trường để tìm hoạt động
trùng lặp (overlap), việc định danh người có thể bị nhầm
tội phạm tiềm ẩn. Sau khi phát hiện hiện trường có khả
lẫn trong mô hình theo dõi. YOLOX (Ge, et al., 2021) là
năng xảy ra tội phạm, giai đoạn thứ hai sử dụng thống kê
mô hình sử dụng mục tiêu tự do (free-anchor) thay cho
mô hình dòng chảy để phân tích để quyết định xem một
anchor-box của các mô hình tiền nhiệm, mô hình thực
sự kiện trộm cắp có xảy ra hay không. Tuy nhiên kết quả
hiện tính toán nhanh hơn vì ít tham số hơn, ngoài ra mô
dựa trên ánh sáng quang học không mang lại độ chính
hình dựa vào tâm của người (center point) để xác định tọa
xác cao, và rất dễ bị nhầm lẫn.
độ của người. Trong trường hợp nhiều người đứng gần
2.2. Phát hiện đối tượng từ camera tĩnh dựa vào trích nhau, mô hình vẫn sẽ lấy center point của người bị che
xuất đặc trưng từ mô hình Deep Learning khuất, ngược lại với các mô hình tiền nhiệm. Trong bài
(Phyo, et al., 2019) bài báo đề xuất một mô hình trích báo này, tác giả sử dụng YOLOX là một giải pháp cho
xuất khung xương của đối tượng sau đó dựa vào đó để tiến human detection.
hành phân loại hành động của đối tượng đó có phải là khả (P. R. Gunjal, 2018) là một mô hình dùng để định
nghi hay không. Tuy nhiên bài tác giả chỉ giải quyết bài danh người, mô hình dùng chuyển động để đưa ra dự
toán chỉ có một hoặc hai người trong khung hình. Và đoán cho vị trí tiếp theo của người trên khung hình, từ đó
camera được đặt trước mặt đối tượng để thực hiện quan dựa vào tọa độ người thực tế để cập nhập lại thông tin của
sát. Điều này thiếu tính thực tế khi áp dụng ở các camera người đó. (Zhang, et al., 2022) là mô hình áp dụng
công cộng thường đặt ở những nơi tương đối cao. phương pháp này và đạt được độ chính cao. Một cách tiếp
(Amrutha, et al., 2020) cũng đưa ra một giải pháp cận khác là sử dụng trích xuất đặc trưng của người trong
tương tự nhưng thay vì dựa vào khung xương thì tác giả khung hình để thực hiện định danh (Zhang, et al., 2020),
xây dựng một mô hình học theo chuỗi các khung hình và (Du, et al., 2022) đã đưa ra giải pháp tương tự, mỗi
liên tiếp, từ đó thực hiện nhận biết đối tượng đó có những người trên khung hình sẽ có đặc trưng riêng và dựa vào
hành động khả nghi hay không. Tuy nhiên giải pháp này đó để thực hiện phân loại, mô hình có tốc độ xử lý rất
tốn khá nhiều tài nguyên và không chính xác khi hình vi nhanh. (Aharon, et al., 2022) đã kết hợp cả hai phương
diễn ra ở những nơi đông người và camera nằm ở trên pháp trên để xây dựng được một mô hình có độ chính xác
cao, khi đó các đối tượng có thể bị che khuất hoặc các rất cao và thời gian thực thi tương đối nhanh. Tác giả dựa
hành động phạm tội đó chỉ chiếm một phần nhỏ đặc trưng trên nghiên cứu của bài báo này để đề xuất một giải pháp
trong khung hình vì phần lớn những đối tượng trong cho bài toán định danh con người
khung hình đó đều hành động bình thường.
69
Hình 9. Sơ đồ xử lý
3. Phương pháp Tọa độ đầu người (centroid_heads) đã được trích xuất sẽ
3.1. Xây dựng hệ thống truy vết Deep Learning. được liên kết với tọa độ đầu người của tracklets thông
qua bước lọc ảnh để xác định được những khuôn mặt nào
Tác giả đã kết hợp nhiều mô hình học máy khác nhau
là của tracklets nào. Phần khuôn mặt sau khi đã được lọc
để xây dựng ra một hệ thống chung (Hình 1) nhằm giải
sẽ đi qua mô hình Face Recognition để so sánh độ tương
quyết bài toán truy vết đối tượng khả nghi một cách có rõ
đồng với ảnh thực tế của đối tượng đã được cung cấp từ
ràng và tối ưu nhất có thể.
trước, từ đó xác định được đối tượng nào trong tracklets
Các mô hình tác giả sử dụng gồm: là khả nghi để tiến hành cảnh báo và truy vết. Trong
(1) Object Detection để nhận diện con trường hợp, đã nhận diện được đối tượng khả nghi nhưng
người và đầu người phần đầu của đối tượng không nhận diện được vì lý do
(2) Human pose để thực hiện trích cuất đặc quay đi chỗ khác hoặc bị ẩn sau một người khác thì hệ
trưng khung xương tối ưu cho bài toán thống vẫn truy vết được đối tượng cho đến khi biến mất
khỏi khung hình.
Human Tracking
(3) Human Tracking thực hiện truy vết đối 3.2. Trích xuất khung xương để định danh người.
tượng là con người bằng cách sử dụng Tác giả đã sử dụng đặc trưng khung xương để tiến
các mô hình nổi tiếng hiện tại như hành Re-id, việc chọn đặc trưng từ các bộ phận của con
ByteTrack, BoTSORT. người sẽ tốt hơn là đặc trưng của cả bức hình như cách
mà các mô hình truy vết trước đó đã dùng, vì phần hình
(4) Face Recognition nhận diện đối tượng
nền phía sau (background) thường sẽ thay đổi sau nhiều
có phải là khả nghi hay không nhờ vào khung hình liên tiếp và gây ra nhiễu thông tin đặc trưng
sự tương đồng của gương mặt của đối thứ thực chất chỉ dùng để định danh con người. Trong
tượng đã được cho trước. nhiều trường hợp, phần background của hai đối tượng
Dữ liệu đầu vào là các khung ảnh được lấy từ luồng gần giống nhau sẽ dẫn đến không phân biệt rõ ràng được
camera và ảnh khuôn mặt đối tượng đang bị truy nã hoặc 2 đối tượng
là đang bị theo dõi bởi cơ quan chức năng. Sau khi đi qua
mô hình Object Detection để nhận diện được tọa độ của
con người và đầu người. Tọa độ phần con người sẽ đi qua
mô hình Human Tracking để thực hiện truy vết. Tại đây,
những đối tượng có độ tự tin cao ( > thresh) là xuất hiện
trong khung hình sẽ đi qua mô hình Human Pose để thực
hiện trích xuất đặc trưng khung xương người và xác định
tọa độ điểm trung tâm của đầu người. Những đặc trưng Hình 10. màu nhiệt biểu thị sự tập trung của các backbone là
cùng với những đối tượng có độ tự tin thấp sẽ được mô ResNet và HumanPose cho re-id
hình truy vết thực hiện tính toán để đưa ra danh sách các Trên Hình 2 có thể thấy các mô hình re-id (Zhang, et
đối tượng đã được định danh trên khung hình (tracklets). al., 2020) (các hình 1’, 2’ 3’ ) sẽ tập trung vào một vài vị
70
bức hình, tuy nhiên khi đi qua mô hình Human Pose của
tác giả (hình 1’’, 2’’, 3’’) thì những đặc trưng chỉ thực sự
tập trung tại các vị trí của người như tay, chân, thân, ...
Những đặc trưng này sẽ được cập nhập lại ở trạng thái
sau thông qua hệ số α để giữ lại một phần thông tin của
đặc trưng của khung hình trước đó làm tránh mất mát
thông tin khi người đó chuyển động.
𝑓𝑒𝑎𝑡𝑢𝑟𝑒𝑡 = 𝑓𝑒𝑎𝑡𝑢𝑟𝑒𝑡 ∗ 𝛼 + 𝑓𝑒𝑎𝑡𝑢𝑟𝑒 ∗ (1 − 𝛼)
𝑓𝑒𝑎𝑡𝑢𝑟𝑒: là trích xuất đặc trưng khung xương
𝑡: là khung hình thứ 𝑡
Tuy nhiên mô hình Human Pose có một nhược điểm Hình 12. Liên kết đầu vời và xương người
đó là thời gian thực thi khá lâu vì mô hình cần đủ lớn để Trên Hình 4, chấm tròn ở giữa mặt người và viền đỏ
có thể học được vị trí các tọa độ khung xương trển cơ thể xung quanh là tọa độ xương mặt người được trích xuất từ
con người. Điều này yêu cầu kiến trúc của mô hình gốc ( được trích xuất từ mô hình Human Pose và viền màu xanh
backbone) phải được xây dựng có chiều sâu tốt và các thể hiện được vị trí của đầu người được trích xuất từ mô
thông tin đặc trưng cần phải bổ sung ngữ nghĩa cho nhau hình Object Detection. Hai bbox sẽ được liên kết với
sau mỗi một khối. Đánh đổi lại là tốc độ xử lý sẽ rất chậm. nhau để xác định đầu người thuộc đối tượng nào.
Để giải quyết vấn đề này, tác giả thay backbone của bài 3.3. Ứng dụng tham số hóa lại mô hình Deep learning
báo gốc (Sun, et al., 2019) bằng mô hình MobileOne Như đã đề cập ở trên thì tác giả đã sử dụng giải pháp
(Vasu, et al., 2022) có kích thước nhỏ chạy rất nhanh tham số hóa lại mô hình bằng cách dùng mô hình
tương tự như các thế hệ MobileNet và độ chính xác cao. MobileOne, ngoài ra đối với mô hình nhận diện khuôn
Mô hình sử dụng giải pháp tham số hóa lại sẽ được trình mặt, tác giả cũng sử dụng giả pháp này cho mô hình
bày phần sau nhằm đổi cấu trúc mô hình nhẹ hơn khi thực RepVGG (Ding, et al., 2021) như là một phương án cho
thi. mô hình nhận diện khuôn mặt. Điểm đặc biệt của giải
pháp này sẽ chia làm 2 giai đoạn đó là huấn luyện và thực
thi.
Phần huấn luyện sẽ gồm có 3 nhánh gồm 2 lớp
convolution là 3x3 (𝑊 (3) ), 1x1 (𝑊 (1) ) và một lớp định
danh (identity). Như công thức phía dưới thì µ, 𝛼, 𝛾, 𝛽 lần
lượt là mean, stanndard deviation, scalling factor và bias
của lần lượt 3 nhánh. Ba lớp này sẽ đi qua một lớp chuẩn
hóa bn (Batch Normalization) sau đó cộng (add) các công
thức trọng số của 3 lớp lại với cho ra kết quả là 𝑀(2) , vì
yêu cầu các lớp cùng kích thước nên phải thêm các trọng
Hình 11. Mô hình Human Pose số bằng 0 (padding = 0) vào vùng biên của 𝑊 ′(1) , 𝑊 ′(0)
có kích thước lần lượt là 1x1 và 1x1 tương ứng với lớp
Kết quả của mô hình sẽ là một bộ tọa độ vị trí
convolution 1x1 và Identity trước khi add để cùng kích
(𝑂𝑥 , 𝑂𝑌 ) của 17 điểm trên cơ thể con người. Các điểm
thước 3x3 của convolution 3x3.
này sẽ được cập nhập thông qua hàm MSE loss theo công
Với ∀1 ≤ 𝑖 ≤ 𝐶2 ,
thức.
𝑁 𝐶2 𝑙à 𝑠ố 𝑘ê𝑛ℎ đầ𝑢 𝑟𝑎, C1 là số kênh đầu vào
1 𝑖 2 𝑖 2 𝛾𝑖
𝑙𝑜𝑠𝑠 = ∗ ∑(𝑥𝑝𝑖 − 𝑥𝑔𝑡 ) + (𝑦𝑝𝑖 − 𝑦𝑔𝑡 ) 𝑏𝑛(𝑀, 𝜇, 𝜎, 𝛾, 𝛽):,𝑖,,,: = (𝑀:,𝑖,,,: − 𝜇𝑖 ) + 𝛽𝑖
2∗𝑁 𝜎𝑖
𝑖=0 𝛾𝑖 𝛾𝑖
Trong đó: = 𝑀:,𝑖,,,: + (−𝜇𝑖 + 𝛽𝑖 )
𝜎𝑖 𝜎𝑖
N: là số các bộ phận trên khung xương ′
𝛾𝑖 ′
𝜇𝑖 𝛾𝑖
Đặt 𝑊𝑖,,,,: = 𝑊𝑖,,,,,: 𝑏𝑖 = − + 𝛽𝑖
𝑥𝑝𝑖 : tọa độ dự đoán x tại bộ phận i 𝜎𝑖 𝜎𝑖
𝑀(2) = 𝑏𝑛(𝑀(1) ∗ 𝑊 (3) , 𝜇 (3) , 𝜎 (3) , 𝛾 (3) , 𝛽 (3) ) + 𝑏𝑛(𝑀 (1) ∗
𝑦𝑝𝑖 : tọa độ dự đoán y tại bộ phận i
𝑊 (1) , 𝜇 (1) , 𝜎 (1) , 𝛾 (1) , 𝛽 (1) ) + 𝑏𝑛(𝑀(1) , 𝜇 (0) , 𝜎 (0) , 𝛾 (0) , 𝛽 (0) )
𝑖
𝑥𝑔𝑡 : tọa độ thực tế x tại bộ phận i ′(3)
𝑀(2) = (𝑀(1) ∗ 𝑊 ′(3) ):,𝑖,,,: + 𝑏𝑖 + (𝑀(1) ∗ 𝑊 ′(1) ):,𝑖,,,:
𝑖
𝑦𝑔𝑡 : tọa độ thực tế y tại bộ phân i +
′(1)
𝑏𝑖 + (𝑀(1) ∗ 𝑊 ′(0) ):,𝑖,,,: + 𝑏𝑖
′(0)
Trong phần nhận diện khuôn mặt, nếu như hai khuôn 𝑀(2) = 𝑀(1) ∗ (𝑊 ′(1) + 𝑊 ′(3) + 𝑊 ′(0) ) + (𝑏 ′(0) + 𝑏 ′(3) +
mặt gần nhau vì hai người đứng quá gần nhau thì việc 𝑏 ′(1) ) = 𝑀(1) ∗ 𝑊 ′(1+3+0) + 𝑏 ′(1+3+0)
định danh hai khuôn mặt đó thuộc cơ thể nào cần phải
được giải quyết. Tác giả đã đưa ra giải pháp dựa vào vị Phần thực thi chỉ có 1 lớp convolution 3x3 và loại bỏ
trí xương đầu của người để liên kết với tọa độ đầu người 2 lớp còn lại và đồng thời được bao bọc bởi Bacth
đã được trích xuất từ Object Detection để xác định phần Normalization. Dù đã loại bỏ đi 2 lớp này nhưng kết quả
đầu người nào gần gần tọa độ xương đầu nhất sẽ thuộc về đầu ra của mô hình vẫn không có sự hay đổi so với kiến
người đó. trúc lúc huấn luyện 𝑀(2) .
71
𝑇𝑎 𝑐ó 𝑀(2) = 𝑏𝑛(𝑀 ∗ 𝑊, 𝜇, 𝜎, 𝛾, 𝛽):,𝑖,,,:
𝛾𝑖
= (𝑀:,𝑖,,,: 𝑊:,𝑖,,,: − 𝜇𝑖 ) + 𝛽𝑖
𝜎𝑖
= (𝑀(1) ∗ 𝑊 ′ ):,𝑖,,,: + 𝑏𝑖′
= 𝑀(1) ∗ 𝑊 ′ + 𝑏
Như vậy bài báo gốc đã thay đổi được kiến trúc của
mô hình trước và sau khi huấn luyện để mô hình tính toán
ít hơn khi có ít tham số tính toán hơn nhưng vẫn giữ được
độ chính xác cao. Tác giả đã áp dụng cách thức này để
xây dựng mô hình Human Pose và Face Recognition với
mục tiêu giúp cho mô hình nhẹ nhất có thể để thực thi
nhanh hơn nhưng vẫn giữ độ chính xác cao.
Hình 14. Số lượng các instance trong từng ảnh của 3 tập dữ liệu
4. Thực nghiệm và đánh giá kết quả.
4.2. Ma trận đánh giá.
4.1. Dữ liệu.
Để đánh giá bài toán Object Detection cac giả dựa vào
Để giải quyết bài toán hiện tại, tác giả sử dụng 3 bộ các chỉ số Precision, Recall, mAP (mean average
dữ liệu khác nhau ứng dụng vào các bài toán khác nhau
precision) để đưa ra góc nhìn rõ nhất
gồm: bộ dữ liệu COCO, bộ dữ liệu MPII, bộ dữ liệu
AFAD. 𝑇𝑃 𝑠𝑢𝑐𝑐𝑒𝑠𝑓𝑢𝑙 𝑑𝑒𝑡𝑒𝑐𝑡𝑖𝑜𝑛𝑠
𝑅= =
𝑇𝑃 + 𝐹𝑁 𝑎𝑙𝑙 𝑔𝑟𝑜𝑢𝑛𝑑 𝑡𝑟𝑢𝑡ℎ𝑠
COCO (Common Objects in Context) là một tập dữ
liệu rất lớn phục vụ cho các bài toán Object Detection,
Segmentation, Image Captioning. Tập dữ liệu tổng cộng 𝑇𝑃 𝑠𝑢𝑐𝑐𝑒𝑠𝑓𝑢𝑙 𝑑𝑒𝑡𝑒𝑐𝑡𝑖𝑜𝑛𝑠
có khoảng 1.5 triệu objects thuộc về 80 class khác nhau. 𝑃= =
𝑇𝑃 + 𝐹𝑃 𝑎𝑙𝑙 𝑑𝑒𝑡𝑒𝑐𝑡𝑖𝑜𝑛𝑠
Tuy nhiên trong bài toán hiện tại tác giả chỉ sử dụng để
phát hiện đối tượng là con người nên chỉ sử dụng 2 class: 1 𝑐 1
con người và đầu người. Vì đầu người không thuộc 80 𝑚𝐴𝑃 = ∑ ∑ 𝑝(𝑗)
𝑐 𝑖=1 11
class của tập dữ liệu gốc nên tác giả thực hiện sinh dữ 𝑗
liệu thông qua mô hình có sẵn và đã được tách ra từ Trong đó:
những ảnh có hình con người.
R (Recall): tỷ lệ nhận diện đúng vật thể trên tổng số
MPII Human Pose là dữ liệu về khung xương người
đã được chuẩn hóa dựa vào các khớp nối tại các điểm trên vật thể mà mô hình nhận diện
khung xương. Tập dữ liệu gồm 25 nghìn ảnh chứa hơn P (Precision): tỷ lệ nhận diện đúng vật thể trên tập đã
40 nghìn người. Các hình ảnh được thu thập dựa trên hoạt đánh nhãn
động thường ngày của con người nên có độ bao quát cao. mAP: giá trị trung bình của quyết định dự đoán của
Tác giả sử dụng bộ dữ liệu để thực hiện huấn luyện khung
các class.
xương người nhằm trích xuất đặc trưng để đưa vào giải
quyết bài toán truy vết đối tượng (human tracking). Bài toán Tracking yêu cầu ma trận đánh giá tương đói
Tập dữ liệu tuổi khuôn mặt châu Á (AFAD) là tập dữ phức tạp khi vừa phải xác định vị trí vật thể vừa phải định
liệu mới được đề xuất để đánh giá hiệu suất ước tính tuổi, danh. Do đó tác giải dựa vào ba chỉ số chính là HOTA,
chứa hơn 160 nghìn hình ảnh khuôn mặt và các nhãn độ MOTA, và IDF.
tuổi và giới tính tương ứng. Bộ dữ liệu này được định |𝐹𝑁| + |𝐹𝑃| + |𝐼𝐷𝑆𝑊|
hướng để ước tính độ tuổi trên khuôn mặt Châu Á, vì vậy 𝑀𝑂𝑇𝐴 = 1 −
𝑔𝑡𝐷𝑒𝑡
tất cả các hình ảnh trên khuôn mặt đều dành cho khuôn
|𝐼𝐷𝑇𝑃|
mặt Châu Á. Tác giả muốn dựa vào khuôn mặt để xác 𝐼𝐷𝐹1 =
|𝐼𝐷𝑇𝑃| + 0.5|𝐼𝐷𝐹𝑁| + 0.5|𝐼𝐷𝐹𝑃|
định danh tính của đối tượng khả nghi, đặc biệt đối tượng
nhắm đến là người Châu Á nên đã sử dụng tập AFAD để
giải quyết bài toán hiện tại. 𝐻𝑂𝑇𝐴
|𝑇𝑃| 1 |𝑇𝑃𝐴(𝑐)|
= √ ∗ ∑
|𝑇𝑃| + |𝐹𝑁| + |𝐹𝑃| |𝑇𝑃| |𝑇𝑃𝐴(𝑐)| + |𝐹𝑁𝐴(𝑐)| + |𝐹𝑃𝐴(𝑐)|
𝐶 € 𝑇𝑃
Trong đó:
MOTA: là độ chính xác nhận diện vật thể trong quá
trình tracking.
IDF1: là độ chính xác định danh cho vật thể trong quá
trình tracking.
HOTA: là đô chính xác của mô hình tracking dựa trên
nhận diện chính xác vật thể và định danh vật thể.
Hình 13. Số lượng ảnh của 3 tập dữ liệu
72
4.3. Kết quả Object Detection 4.5. Kết quả Human Tracking
Bảng 1: Bảng 3
Mô hình Yolox để nhận diện người và đầu người So sánh kết quả của các mô hình tracking được thực thi trên
NVIDIA GPU 1050 4G trên tập MOT17
Image Base- Re-id Imag MO ID HO F
mAP Precision Recall
Size model e size TA F1 TA P
S
Yolox-
416 32.498 0.325 0.381 Byte Yolox- No 416 26.2 37. 31.5 14
nano
Track nano 9 29 4
SHTra Yolox- HrNet 416 26.2 37. 31.5 5
Yolox-s 640 42.985 0.430 0.504 ck nano 1 45 2
Byte Yolox-s No 640 50.9 58. 46.6 12
Track 6 64 6
Tác giả thử nghiệm trên hai phiên bản YOLOX khác
nhau là Yolox-nano và Yolox-s và cho ra kết quả khá SHTra Yolox-s Mobil 640 51.0 59. 47.3 10
ck eOne 7 64 1
khác biệt. Các chỉ số về Precision và Recall của của mô
hình Yolox-nano là thấp hơn nhiều so với Yolox-s vì kích Mô hình được đánh giá trên tập MOT17, tác giả đã
thước mô hình nhỏ hơn. Tuy nhiên tốc độ của phiên bản thực hiện so sánh với mô hình ByteTrack trên hai phiên
nano lại nhanh hơn 1.5 lần so với phiên bản s. Trong quá bản YOLOx và đã cho ra kết quả khả quan. Đặt biệt là
trình thực nghiệm, tác giả nhận thấy rằng, sử dụng Yolox- mô hình SHTrack khi dùng phiên bản Yolox-s để nhận
s là cân bằng nhất về độ chính xác cũng như là tốc độ diện và MobileOne để định danh cho ra kết quả cao hơn
nhận diện vật thể. so với lại mô hình ByteTrack ở tất cả các chỉ số, đồng
4.4. Kết quả Human Pose thời thời gian thực thi trên GPU lại không giảm quá
nhiều. Kết quả cho thấy được mô hình khi thêm trích xuất
Bảng 2 đặt trưng của khung xương người để định danh cho kết
So sánh mô hình PELW và các mô hình hiện tại về trích xuất quả tốt hơn.
khung xương người.
4.6. Kết quả Face Recognition
Time
Image (s) Bảng 4
AP AR Params
Size
CPU Kết quả mô hình nhận diện gương mặt trên tập
ADFA
Pose_ResNet_50 256x192 0.886 0.763 34M 0.23
Image Acc Acc Thres
Size Train Test
Pose_ResNet_101 256x192 0.893 0.771 53M 0.33
RepVGG 128X128 0.99 0.94 0.2
Pose_ResNet_152 256x192 0.893 0.778 68.7M 0.5
Vì tập dữ liệu AFDA tương đối lớn nên độ chính xác
Pose_HrNet_w32 256x192 0.905 0.798 28.5M 0.35 của mô hình rất cao đạt 99% cho tập train và 94% cho tập
test. Ngoài ra qua đánh giá của tập test, tác giả rút ra được
Pose_HrNet_w48 256x192 0.906 0.804 63.6M 0.6
giá trị ngưỡng để phân biệt được đó có phải là gương mặt
của đối tượng đang vị theo dõi là 0.2, nếu lớn hơn 0.2 thì
PELW đó là đối tượng khả nghi và ngược lại.
256x192 0.835 0.711 18M 0.1
(our model) 5. Thảo luận
Trong bài toán hiện tại, tác giả đã giải quyết được một
phần nào đó bài toán truy vết đối tượng trong đám đông.
Kết quả cho thấy các chỉ số Accuracy Precision (độ Tuy nhiên vẫn có những khó khăn và thách thức chư giải
chính xác trên tất cả dự đoán) và Accuracy Recall (độ quyết được.
chính xác trên tập đã đánh nhãn) của mô hình PELW là
Bài toán chưa giải quyết được vào ban đêm khi ánh
thấp hơn so với các mô hình còn lại tuy nhiên điểm khác
sáng giảm và khả năng nhận diện được đối tượng là rất
biệt là không quá nhiều khi độ chính xác dự đoán của mô
khó khăn. Đối với những ảnh có chất lượng không tốt gây
hình là 83% trên tập test COCO. Ngoài ra tốc độ của mô
ảnh hưởng phần nào đến kết quả trích xuất đặt trưng cũng
hình PELW là vượt trợi hơn so với các mô hình còn lại
như phát hiện đối tượng khả nghi. Ngoài ra, mô hình chưa
vì số lượng tham số tính toán của mô hình sau khi được
hoạt động tốt nếu như ở đám đông quá nhiều người, và
chuyển sang dạng thực thi là 18 triệu. Tác giả sử dụng
camera đặt ở góc cao. Khi đó chất lượng ảnh sẽ rất thấp
PELW như là một giải pháp tối ưu về tốc độ xử lý nhưng
nếu như phóng to khu vực chứa đối tượng khả nghi gây
độ chính xác vẫn không giảm quá nhiều để đưa vào thực
nhiễu cho mô hình truy vết.
hiện trích xuất khung xương cũng như trích xuất đặc
trưng để hậu xử lý bài toán truy vết đối tượng khả nghi. Mô hình vẫn chưa hoạt động tốt khi số lượng người là
quá đông và có sự chồng chéo lên nhau quá nhiều. Vì mô
73
hình hiện tại được huấn luyện có kích thước nhỏ, nên việc of accurate models (top) and Size-accuracy curve of lite.
[7]. Ibrahim, N., Mustafa, M., Mustafa, M. & Lee, Y. S., 2012.
nhận diện đối tượng trong đám đông vẫn còn hạn chế.
Detection of snatch theft based on temporal differences in motion
6. Kết luận flow field orientation histograms. International Journal of
Advancements in Computing Technology.
Hiện nay, có rất nhiều phương pháp khác nhau để phát [8]. K, H., G, G., P, D. & R, G., 2017. Mask R-CNN.
hiện cũng như truy vết đối tượng khả nghi. Trong bài báo [9]. P. R. Gunjal, B. R. G. H. A. S. S. M. V. a. S. S. A., 2018. Moving
này, tác giả đã đưa ra một giải pháp tối ưu cho việc phát Object Tracking Using Kalman Filter," 2018 International
hiện và truy vết đối tượng khả nghi, đặc biệt là những đối Conference On Advances in Communication and Computing
Technology. ICACCT.
tượng truy nã bởi các cơ quan chức năng. Qua đó cũng [10]. Phyo, C. N., Zin, T. T. & Tin, P., 2019. Deep learning for
cho thấy rằng, việc trích xuất đặc trưng của đối tượng là recognizing human activities using motions of skeletal joints.
vô cùng quan trọng và ảnh hưởng đến tổng thể của bài IEEE Transactions on Consumer Electronics.
toán truy vết nói riêng và xử lý ảnh nói chung. [11]. Redmon, J., Divvala, S., Girshick, R. & Farhadi, A., 2015. You
Only Look Once: Unified, Real-Time Object Detection.
[12]. Ren, S., He, K., Girshick, R. & Sun, J., 2015. Faster R-CNN:
Towards Real-Time Object Detection with Region Proposal
Tài liệu tham khảo Networks.
[1]. Aharon, N., Orfaig, R. & Bobrovsky, B.-Z., 2022. BoT-SORT: [13]. Sun, K., Xiao, B., Liu, D. & Wang, J., 2019. Deep High-
Robust Associations Multi-Pedestrian Tracking. Resolution Representation Learning for Human Pose Estimation.
[2]. Akdemir, U., Turaga, P. & Chellappa, R., 2008. An Ontology [14]. Vasu, P. K. A. et al., 2022. An Improved One millisecond Mobile
based Approach for Activity Recognitionfrom Video. Backbone.
[3]. Amrutha, C, J. & J, A., 2020. Deep Learning Approach for [15]. Wang, C.-Y., Bochkovskiy, A. & Liao, H.-Y. M., 2022.
Suspicious Activity Detection from Surveillance Video. s.l., s.n. YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for
[4]. Ding, X. et al., 2021. RepVGG: Making VGG-style ConvNets real-time object detectors.
Great Again. [16]. Zhang, Y., He, B. & Sun, L., 2020. Progressive Multi-stage
[5]. Du, Y., Song, Y., Yang, B. & Zhao, Y., 2022. StrongSORT: Feature Mix for Person Re-Identification.
Make DeepSORT Great Again. [17]. Zhang, Y. et al., 2022. ByteTrack: Multi-Object Tracking by
[6]. Ge, Z. et al., 2021. YOLOX: Exceeding YOLO Series in 2021 Associating Every Detection Box.
V100 batch 1 Latency (ms) YOLOX-L YOLOv5-L YOLOX- [18]. Zhang, Y. et al., 2020. FairMOT: On the Fairness of Detection
DarkNet53 YOLOv5-Darknet53 EfficientDet5 COCO AP (%) and Re-Identification in Multiple Object Tracking.
Number of parameters (M) Figure 1: Speed-accuracy trade-off
74
PHÂN LOẠI MÃ ĐỘC TỐNG TIỀN SỬ DỤNG PE-TRANSFORMER

RANSOMWARE CLASSIFICATION APPROACH BASED ON PE-TRANSFORMER
MODEL
SVTH: Đàm Quang Tiến, Nguyễn Nghĩa Thịnh

Lớp 18T1, Khoa Công nghệ Thông tin, Trường Đại học Bách Khoa – Đại học Đà Nẵng;
Email: damtien440@gmail.com, nghiathinh2000@gmail.com
GVHD: TS. Lê Trần Đức
Khoa Công nghệ Thông tin, Trường Đại học Bách Khoa – Đại học Đà Nẵng; Email: letranduc@dut.udn.vn
Tóm tắt - Các mã độc tống tiền ngày càng phát triển nhanh Abstract - Ransomware is rapidly evolving, with numerous
và đi kèm với nhiều kĩ thuật để qua mặt các phương pháp phát techniques for evading traditional detection methods. This study
hiện cổ điển. Nghiên cứu này đề xuất một phương pháp kết hợp proposes a method for combining image information and
thông tin hình ảnh và thông tin mô tả của tệp tin thực thi trên hệ executable file description information on the Windows operating
điều hành Windows. Phương pháp này sử dụng một mô hình với system. This method employs a model with an attention
cơ chế chú ý để học các đặc trưng từ hình ảnh thể hiện phân bố mechanism that learns features from an image representing the
nhị phân của ransomware kết hợp với các đặc trưng được thể binary distribution of ransomware in conjunction with features
hiện ở một vector đặc trưng được xây dựng từ phương pháp represented in a feature vector built from the bag-of-features.
bag-of-features để mô tả các đặc trưng PE header. Mô hình đã The created model is small in size and achieves an accuracy of
xây dựng có kích thước nhỏ và đạt được độ chính xác 91.05% 91.05% on the separate test set and 98.65% on the training set.
trên tập test riêng và 98.65% trên tập huấn luyện. Key words – Ransomware; Deep learning; Machine
Từ khóa – Ransomware; Deep learning; Transformer; Learning; Ensemble learning; Image-based diagnose; PE
Ensemble learning; Image-based diagnose; PE header. header.
1. Giới thiệu cơ chế attention để kết hợp hai loại thể hiện của
Hiện nay malicious software (phần mềm độc hại, gọi ransomware để tăng khả năng khái quát hóa của mô hình
tắt là Malware) đã trở thành mối đe dọa lớn và là công cụ để nhận biết tốt hơn các chương trình độc hại này. Nhờ
đắc lực trong các cuộc tấn công mạng. Trong những loại đó đóng góp một phương pháp mới trong việc chống lại
mã độc phổ biến đang hoạt động, mã độc tống tiền mã độc tống tiền.
(ransomware) nổi lên như một dạng mã độc nguy hiểm Những đóng góp chính trong nghiên cứu này là:
và gây ra thiệt hại rất lớn cho các cá nhân, công ty, doanh (1) Xây dựng một mô hình PE-Transformer ứng
nghiệp nói riêng và cho nền kinh tế nói chung. Điều đáng
dụng giải pháp tham số hóa mô hình đồng
nói mã độc hiện đại ngày càng tinh vi, sử dụng nhiều kỹ
thuật lẩn trốn, duy trì sự tồn tại của chúng trên hệ thống
thời kết hợp hai loại đặc trưng gồm thể hiện
máy tính. Chính vì thế các phương pháp phân tích mã độc hình ảnh của ransomware và các đặc trưng
cũ gần như không thể nào theo kịp với những đợt tấn công PE header của nó.
mới và các biến thể mới. Quá trình phân tích mã độc (2) Chuyển đổi các đặc trưng PE header thành
thường dựa nhiều vào kinh nghiệm cũng như kiến thức một vector dạng bag-of-features để đưa vào
của người thực hiện do đó các kết quả phân tích bị hạn mô hình PE-Transformer.
chế đặc biệt là khi phân tích những mẫu mã độc mới. Từ Báo cáo được trình bày thành 5 phần tuần tự như sau.
đó có thể thấy cần phải có những giải pháp, kỹ thuật mới Phần 2 là các nghiên cứu liên quan. Phương pháp được
hỗ trợ quá trình phân tích mã độc này. đề xuất trong nghiên cứu được đề cập tại phần 3. Phần 4
Trong nghiên cứu này, nhóm tác giả muốn thực hiện thể hiện kết quả thực nghiệm của phương pháp. Cuối
phân loại ransomware dựa trên một phương pháp mới với cùng, phần 5 tổng hợp về toàn bộ nghiên cứu.
Hình 1. Các bước của phương pháp này
75
SVTH: Đàm Quang Tiến, Nguyễn Nghĩa Thịnh; GVHD: TS. Lê Trần Đức
2. Các nghiên cứu liên quan trong tác vụ phân biệt hình ảnh.
2.1. Các mô hình deep learning xử lý chuỗi Bag-of-features thường được cấu hình thành 3 bước
Các mô hình xử lý chuỗi nổi nên gần đây như một giải xây dựng chính:
pháp để giải quyết các bài toán phức tạp về thị giác máy (1) Xây dựng từ vựng: Trích xuất tất cả các đặc
tính cũng như là xử lý ngôn ngữ tự nhiên. [1] đề xuất một trưng từ mọi mẫu trong tập huấn luyện. Gom
giải pháp tập trung sự chú ý cho hình ảnh mã độc bằng nhóm các loại đặc trưng đó lại để mỗi nhóm
cách tạo một nhánh Spatial Attention với mục đích loại đặc trưng cùng thể hiện một ý nghĩa nào đó
bỏ những những trưng không cần thiết ở đoạn nút thắt
tách biệt.
(botleneck) – nơi chứa nhiều thông tin gây nhiễu ảnh
hưởng đến kết quả mô hình. Bài báo thực hiện (2) Gán từ vựng: Trích xuất đặc trưng từ mẫu
Downsampling sau đó cộng với trích xuất đặc trưng để cần xem xét. Sử dụng các thuật toán tìm
nổi bật lên những vùng ROI chứa nhiều thông tin hơn. hàng xóm để gán từ vựng vào các đặc trưng
Thông tin này sẽ được giải mã ở lớp cuối cùng để tiến đã trích xuất.
hành phân loại các loại mã độc với nhau. (3) Hình thành vector đặc trưng: Cộng dồn các
[2] đã xây dựng một hệ thống phát hiện và phân loại từ vựng chung lại thành một chuỗi gọi là
mã độc dựa trên các biến thể của mô hình Transformer. vector từ vựng.
Bài báo sẽ chia mô hình ra 2 phần chính: Trong nghiên cứu này, chúng tôi sẽ tùy chỉnh các
(1) Dựa vào phân tích tĩnh của lưu lượng dữ bước xây dựng bag-of-features này để thể hiện các đặc
liệu truyền trên internet để tạo ra ma trận sự trưng của pe header features.
chú ý. 3. Phương pháp
(2) Chuyển dữ liệu sang dạng hình ảnh để thực 3.1. Thể hiện hình ảnh của malware
hiện trích xuất đặc trưng thông qua mô hình [1] đã chuyển đổi từng byte nhị phân thành một pixel
CNN. ảnh, được mô tả ở Hình 15. Các mẫu có xuất phát chung
Hai phần sẽ được kết hợp lại với nhau bằng cách sử một nhánh biến thể thì có các đặc trưng phân bố tương tự
dụng Ensemble Learning để trích xuất đặc trưng phát nhau, tuy vậy do các kĩ thuật làm rối khiến thể hiện phân
hiện và phân loại mã độc để tiến hành cảnh báo. bố byte nhị phân không còn đại diện được cho biến thể
[3] bài báo đề xuất giải pháp cho bài toán opticial mã độc nữa nên kết quả của phương pháp naive này sẽ
character recogntion đối với dữ liệu là Latex. Vì dữ liệu nhanh chóng bị qua mặt do đó có nhiều phương pháp sử
Latex rất khó để nhận dạng vì tính đa dạng của nó nên dụng phương pháp này như một bước trung gian để tạo
ngoài việc sử dụng trích xuất đặc trưng từ ảnh chứa nên hình ảnh đại diện cho mẫu dữ liệu.
Latex, bài báo còn xây dựng lên tập từ vựng của tập Latex
đó để thực hiện giải mã lớp trích xuất đặc trưng từ hình
ảnh. Điều này tương tự như phát hiện mã độc tống tiền
dựa vào hình ảnh. Dữ liệu các họ mã độc khi chuyển sang
ảnh rất khó để có thể phân biệt được bằng mắt thường, do
đó tác giả xây dựng lên mô hình PETransformer bằng
cách dựa vào sự khác biệt của đặc trưng PE Header để
Hình 15. Trực quan hóa mẫu dữ liệu bằng hình ảnh xám
xây dựng lên tập từ điển đặc trưng cho riêng mình, từ đó
có thể bổ sung tính ngữ nghĩa cho đặc trưng hình ảnh. Nhiều mô hình deep learning sử dụng hình ảnh xám
này hoặc phương pháp tương tự để học các đặc trưng của
2.2. Features extraction malware. Tiếp nối bài báo hội nghị 2022/02, chúng tôi đã
[Word2vec, Ngrams, negative_sampling, glovec] kết hợp thông tin PE header vào chính hình ảnh này để
Sử dụng bag-of-words hay bag-of-features cách thức hỗ trợ mô hình trong quá trình tổng quát hóa. Ở nghiên
phổ biến để mã hóa các đặc trưng của ngôn ngữ hoặc hình cứu này, lấy cảm hứng từ các phương pháp kết hợp các
ảnh thành một phiên bản thể hiện để mô tả các đặc trưng đặc trưng ngữ nghĩa của các mô hình NLP, chúng tôi sử
ngôn ngữ hoặc hình ảnh một cách toán học. Các biến thể dụng một mô hình attention với hai đầu vào bao gồm hình
của phương pháp này cũng tương đối đa dạng, sử dụng ảnh thang xám và đặc trưng tương ứng của nó.
chủ yếu cho các mục đích phát hiện phân loại, hoặc để 3.2. A bag of features
giải thích. Bài báo này [4] mô tả bag-of-feature như l hình Để xử lý các câu có ý nghĩa, các mô hình xử lý ngôn
thành một cuốn sách với công thức nấu ăn với các mã ngữ tự nhiên sẽ chuyển các câu thành các vector có thể
code đại diện cho một ý nghĩa mô tả, và mỗi mẫu dữ liệu xử lý được bởi máy tính, quy trình này gọi là feature
đầu vào sẽ được chuyển đặc trưng dựa vào tập công thức extraction. Mô hình bag-of-words (BOW) hay bag-of-
đó, và kết quả sẽ có được một vector chứa các thông tin features là mô hình phổ biến và đơn giản để trích xuất đặc
đại diện. Vector này có đặc tính là dễ dàng indexing và
trưng. BOW sẽ xây dựng một từ điển gồm 𝑚 từ đơn nhất
cải thiện hiệu năng mô tả mẫu.
trong miền từ vựng mà nó quan tâm sau đó chuyển từng
[5], [6] xây dựng phương pháp bag-of-embbedings, từ đó thành một vector với kích thước 𝑚, trong đó tất cả
sử dụng skip-gram model để thể hiện đặc trưng của ngôn các giá trị được đặt thành 0 ngoại trừ vị trí của chữ đó
ngữ từ đó giúp mô hình phân loại đạt được hiệu năng cao trong bộ từ vựng (One-Hot encoding). Và một câu sẽ
trong tác vụ phân loại văn bản. [7] thể hiện một trong được thể hiện bằng cách cộng dồn các vector của các từ
những phương pháp xây dựng bag of feature sử dụng vựng trong câu.
76
Hình 16. Miền giá trị của các feature sau khi được mã hóa.
Lấy cảm hứng từ cách mã hóa này, ở đây các kí hiệu
trong chuỗi đặc trưng PE vốn đã được mã hóa sao cho
máy tính có thể hiểu được, nên sẽ không cần thiết phải
thực hiện one-hot encoding từng từ rồi cộng dồn lại để
thể hiện đặc trưng PE của một file nữa. Thay vì như vậy,
phương pháp này mã hóa các đặc trưng của một tệp nhị
phân như một câu có độ dài cố định (phương trình 1),
trong đó mỗi đặc trưng sẽ được thể hiện bằng một giá trị
nằm trên một trục số nguyên tuyến tính.
𝑝𝑒𝑠𝑒𝑛𝑡𝑒𝑛𝑐𝑒 = [𝑓0 , 𝑓1 , 𝑓2 … 𝑓𝑚 ] (1)
Các miền giá trị được phân phối cho các đặc trưng Hình 17. Kiến trúc mô hình PE-Transformer
khác nhau theo hai quy luật, với hai loại đặc trưng ở Bảng Ảnh của các họ mã độc Ramsom sẽ được trích xuất
5. Đối với đặc trưng dạng phân loại sẽ được phân phối đặc trưng thông qua mô hình deep learning ở lớp mã hóa.
vào các miền giá trị với kích thước bằng với miền giá trị Tác giả đã đưa ra giải pháp tham số hóa lại mô hình (re-
phân loại được quy định bởi (PE Format – Win32 Apps | parameterization) để cải thiện độ chính xác như giảm số
Microsoft Learn, n.d.). Đối với đặc trưng có giá trị mang lượng tham số của mô hình trong quá trình trích xuất đặc
tính tuyến tính sẽ được phân định trên một đoạn giá trị số trưng bằng cách sử dụng RepVGG [9] làm mô hình gốc.
nguyên có độ dài được tính trước bằng cách phân tích RepVGG sẽ chia làm hai giai đoạn là huấn luyện và thực
phân phối của đặc trưng. Các giá trị của đặc trưng sẽ được thi.
chuẩn hóa log sau đó sử dụng phương trình 2 để tính giá Phần huấn luyện phương trình 3 sẽ gồm có 3
trị nguyên tương ứng, trong đó, 𝑓𝑒𝑎𝑡𝑢𝑟𝑒i,min là giá trị nhỏ nhánh gồm 2 lớp convolution là 3x3 ( 𝑊 (3) ), 1x1 (𝑊 (1) )
nhất có thể có của đặc trưng đó, 𝑓𝑒𝑎𝑡𝑢𝑟𝑒i,unit space là giá và một lớp định danh (identity). Như công thức phía dưới
trị độ rộng miền đơn vị. thì µ, 𝛼, 𝛾, 𝛽 lần lượt là mean, stanndard deviation,
𝑓𝑖 = (𝑣𝑎𝑙𝑢𝑒 − 𝑓𝑒𝑎𝑡𝑢𝑟𝑒i,min )%(𝑓𝑒𝑎𝑡𝑢𝑟𝑒i,unit space ) (2) scalling factor và bias của lần lượt 3 nhánh. Ba lớp này
Các giá trị của các đặc trưng tuyến tính sẽ phải chuẩn hóa log, sẽ đi qua một lớp chuẩn hóa bn (Batch Normalization)
bởi vì miền giá trị có độ rộng rất lớn trên trục số. Trường sau đó cộng (add) các công thức trọng số của 3 lớp lại với
SizeOfInitializedData có khoảng giá trị từ [1𝑒 + 2; 1𝑒 + 8], sau cho ra kết quả là 𝑀(2) , vì yêu cầu các lớp cùng kích thước
khi chuẩn hóa 𝑙𝑜𝑔 sẽ chuyển về các giá trị bé hơn mà vẫn giữ nên phải thêm các trọng số bằng 0 (padding = 0) vào vùng
được phân phối gốc. Sau đó tiến hành phân phối những giá trị biên của 𝑊 ′(1) , 𝑊 ′(0) có kích thước lần lượt là 1x1 và 1x1
này vào 𝑛 vị trí trên trục feature. tương ứng với lớp convolution 1x1 và Identity trước khi
add để cùng kích thước 3x3 của convolution 3x3.
Bảng 5. Phân loại đặc trưng PE.
Với ∀1 ≤ 𝑖 ≤ 𝐶2 ,
Số lượng 𝐶1 𝑙à 𝑠ố 𝑘ê𝑛ℎ đầ𝑢 𝑟𝑎 𝐶2 là số kênh đầu vào
Loại đặc trưng Kích thước
đặc trưng
𝛾𝑖
𝑏𝑛(𝑀, 𝜇, 𝜎, 𝛾, 𝛽):,𝑖,,,: = (𝑀:,𝑖,,,: − 𝜇𝑖 ) + 𝛽𝑖
Categorical Phụ thuộc vào kích thước 4 𝜎𝑖
miền giá trị của đặc trưng. 𝛾𝑖 𝛾𝑖
= 𝑀:,𝑖,,,: + (−𝜇𝑖 + 𝛽𝑖 )
Continous 500 50 𝜎𝑖 𝜎𝑖
′
𝛾𝑖 ′
𝜇𝑖 𝛾𝑖
Vậy, khi có được vector các đặc trưng trích xuất từ Đặt 𝑊𝑖,,,,: = 𝑊𝑖,,,,,: 𝑏𝑖 = − + 𝛽𝑖
𝜎𝑖 𝜎𝑖
PE header sẽ chuyển các giá trị các đặc trưng đó về các
giá trị nguyên thuộc miền giá trị đã quy định ở trên, sau
đó chuyển nó sang cho mô hình transformer học trên 𝑀(2) = 𝑏𝑛(𝑀(1) ∗ 𝑊 (3) , 𝜇 (3) , 𝜎 (3) , 𝛾 (3) , 𝛽 (3) ) + 𝑏𝑛(𝑀 (1) ∗
(3)
miền giá trị này. 𝑊 (1) , 𝜇 (1) , 𝜎 (1) , 𝛾 (1) , 𝛽 (1) ) + 𝑏𝑛(𝑀(1) , 𝜇 (0) , 𝜎 (0) , 𝛾 (0) , 𝛽 (0) )
3.3. PE-Transformer
′(3)
Tác giả xây dựng mô hình PETransformer dựa vào 𝑀(2) = (𝑀(1) ∗ 𝑊 ′(3) ):,𝑖,,,: + 𝑏𝑖 + (𝑀(1) ∗ 𝑊 ′(1) ):,𝑖,,,:
phương pháp xử lý chuỗi truyền thống là chia làm hai + 𝑏𝑖
′(1)
+ (𝑀(1) ∗ 𝑊 ′(0) ):,𝑖,,,: + 𝑏𝑖
′(0)
phần là mã hóa (Encode) và giải mã (Decode).
77
𝑀(2) = 𝑀(1) ∗ (𝑊 ′(1) + 𝑊 ′(3) + 𝑊 ′(0) ) + (𝑏 ′(0) + 𝑏 ′(3) + Với 𝑙 là độ dài lớn nhất của chuỗi
𝑏 ′(1) ) = 𝑀(1) ∗ 𝑊 ′(1+3+0) + 𝑏 ′(1+3+0) 𝑑 là số chiều đặc trưng của từng PE Header
Mỗi đặc trưng sẽ được ánh xạ thành một chuỗi có độ
Phần thực thi phương trình 4 chỉ có 1 lớp dài 𝑙 gồm các giá trị 0, 1 tượng trưng cho vị trí của PE
convolution 3x3 và loại bỏ 2 lớp còn lại và đồng thời Header trong tập từ điển. Ngoài ra thông tin ma trận [𝑑, 𝑙]
được bao bọc bởi Bacth Normalization. Dù đã loại bỏ đi sẽ được cộng với ma trận vị trí như hệ phương trình 5
2 lớp này nhưng kết quả đầu ra của mô hình vẫn không để lưu lại vị trí đặc trưng trong quá trình huấn luyện. Vì
có sự hay đổi so với kiến trúc lúc huấn luyện 𝑀(2) . đây là mô hình xử lý chuỗi tuần tự nên ta phải tạo ma trận
Ta có: 𝑀(2) = 𝑏𝑛(𝑀 ∗ 𝑊, 𝜇, 𝜎, 𝛾, 𝛽):,𝑖,,,: chéo che khuất (mask) để che đi những đặc trưng ở phía
𝛾𝑖 sau như Điều này giúp loại bỏ những thông tin dự đoán
= (𝑀:,𝑖,,,: 𝑊:,𝑖,,,: − 𝜇𝑖 ) + 𝛽𝑖
𝜎𝑖 tương lai gây nhiễu cho mô hình và đã được áp dụng cho
= (𝑀(1) ∗ 𝑊 ′ ):,𝑖,,,: + 𝑏𝑖′ hầu hết mô hình sử dụng cơ chế Multi Head Attention.
= 𝑀(1) ∗ 𝑊 ′ + 𝑏 (4)
Vì mô hình Tramsformer rất nhay cảm với vị trí nên
để xác định được những thông tin cần được trích xuất ở
vị trí nào trên bức ảnh là vô cùng quan trọng. Tác giả sử
Hình 19. Sử dụng mask để che thông tin dự đoán tương lai
dụng giải pháp Positional Encoding 2d để tìm ra vector
vị trí cho từng đặc trưng của ảnh như ở hệ phương trình Tác giả xây dựng lớp Decoder dựa trên mô hình
5. Transformer truyền thống của xử lý ngôn ngữ tự nhiên
theo cơ chế Multihead Attention. Sức mạnh của các mô
𝑃𝐸(ℎ, : 𝑝𝑜𝑠/2, 2𝑖) = sin(ℎ ∗ 𝑝𝑜𝑠/100002𝑖/𝑑𝑚𝑜𝑑𝑒𝑙 )
hình Attention đã được kiểm chứng khi có thể xử lý song
𝑃𝐸(ℎ, : 𝑝𝑜𝑠/2, 2𝑖 + 1) = co𝑠(ℎ ∗ 𝑝𝑜𝑠/100002𝑖/𝑑𝑚𝑜𝑑𝑒𝑙 ) song và tập trung vào những đặc trưng theo chuỗi. Tương
𝑃𝐸(𝑤, 𝑝𝑜𝑠/2: , 2𝑖) = sin(𝑤 ∗ 𝑝𝑜𝑠/100002𝑖/𝑑𝑚𝑜𝑑𝑒𝑙 ) tự như vậy, tác giả tận dụng khả năng chú ý đặc trưng của
các PE Header dạng chuỗi kết hợp với trích xuất đặc
𝑝𝑜𝑠 trưng dạng hình ảnh để tiến hành phân loại các loại mã
𝑃𝐸 (𝑤, : , 2𝑖 + 1) = cos(𝑤 ∗ 𝑝𝑜𝑠/100002𝑖/𝑑𝑚𝑜𝑑𝑒𝑙 ) (5)
2 độc tống tiền với nhau. Mục tiêu của lớp giải mã là tìm
Trong đó ra được tính liên kết của các đặc trưng của PE Header mà
𝑃𝐸 là trích xuất đặc trưng khi đi qua mô hình mỗi file sẽ có một đặc trưng riêng. Điều này giúp cho mô
RepVGG có kích thước là (𝑑𝑖𝑚𝑒𝑛𝑠𝑖𝑜𝑛, ℎ𝑒𝑖𝑔ℎ𝑡, 𝑤𝑖𝑑𝑡ℎ) hình tìm ra những điểm khác biệt rõ ràng hơn giữa các
loại Ransom với nhau điều mà những đặc trưng trích xuất
𝑖 là vị trí của các đặc trưng của feature.
dạng hình ảnh rất khó để có thể phân biệt được.
4. Kết quả thực nghiệm
4.1. Dữ liệu
Dữ liệu tự thu thập từ các trang web hỗ trợ phân tích
tệp tin độc hai như Bazaar, Hybrid-analysis, Any-run.
Trong đó thu thập được 1228 mẫu thuộc chín chủng
ransomware có phân bố như trong Hình 20. Phân phối
các lớp ransomware trong tập dữ liệu. Trong dữ liệu này
xuất hiện tình trạng class imbalance đặc biệt đối với
Locky và Ryuk có rất ít mẫu, còn Stop thì tương đối nhiều
mẫu.
Hình 18. Positional Encoding 2D
Việc cập nhập thông tin vị trí của ảnh sẽ khác so với
dữ liệu dạng chữ hệ phương trình 6. Vì dữ liệu dạng chữ
sẽ đi theo tuần từ một chiều, tuy nhiên đối với dạng ảnh
sẽ xác định theo hai chiều chiều dọc và chiều ngang Hình
18. Do đó, giả pháp thực hiện gộp (concat) lại với nhau
bằng phương pháp sin cos.
𝑃𝐸(𝑝𝑜𝑠, 2𝑖) = sin(𝑝𝑜𝑠/100002𝑖/𝑑𝑚𝑜𝑑𝑒𝑙 )
𝑃𝐸(𝑝𝑜𝑠, 2𝑖 + 1) = co𝑠(𝑝𝑜𝑠/100002𝑖/𝑑𝑚𝑜𝑑𝑒𝑙 ) (6)
Ở phần giải mã, tác giả đã sử dụng đặc trưng của PE
Header để xây dựng được tập từ điển dạng chuỗi như ở
phần trên đã đề cập. Vì trật tự của các Pe Feature sau khi
được ánh xạ xang các con số tương ứng là các con số tăng
dần, nên mô hình Decode phải embedding lại các giá trị
nhỏ hơn nhưng vẫn giữ lại được các thông tin vị trí của Hình 20. Phân phối các lớp ransomware trong tập dữ liệu
đặc trưng này. Từ một chuỗi các từ vựng có kích thước: Vì mất cân bằng dữ liệu nên trong quá trình huấn
[1, 𝑙] → [𝑑, 𝑙] luyện, tác giả đã sử dụng Focal Loss như là một giải pháp
78
để giải quyết một phần nào đó sự mất cân bằng này. Ma tra trận đánh giá của mô hình thể hiện được mức độ
4.2. Kết quả chính xác của từng loại mã độc tống tiền khác nhau.
Trong đó những đặc trưng có ít mẩu hơn như Ryuk hay
Locky có độ chính xác thấp hơn khá nhiều, ngược lại thì
những mẩu dữ liệu như Stop, Crab hay Nitro có độ chính
xác rất cao. Như vậy có thể thấy rằng, việc phân bố dữ
liệu không đều đã ảnh hưởng đến kết quả cuối cùng của
mô hình. Ngoài ra tác giả còn thực hiện so sanh với các
mô hình nổi tiếng khác như Bảng 2.
Bảng 2. Kết quả phân loại các loại mã độc tống
tiền trên các mô hình khác nhau
Resnet
VGG16 VIT IMCEC PET*
50
Acc
97.29 90.12 85.32 98.85 98.65
Train
Hình 21. Giá trị accuracy của tập train và tập test Acc
87.5 86.33 79.69 88.67 91.05
Test
Params 24M 138M 87M 147M 19M
* PE-Transformer
Các mô hình đều bị hiện tượng overfit khi thực hiện
trainning trên bộ dữ liệu tự thu thập. Tuy nhiên, với mô
hình PETranformer kết quả ở tập test là tốt hơn so với
các mô hình còn lại. Điều này cho thấy rằng mô hình khi
thêm đặc trưng PE Header dạng chuỗi sẽ cho ra kết quả
tốt hơn, thể hiện sự khác biệt rõ ràng hơn giữa các loại
mã độc tống tiền với nhau. Hơn nữa, số lượng tham số
của mô hình là 19 triệu, thấp hơn rất nhiều với lại các mô
hình khác nên tốc độ thực thi của mô hình là rất nhanh.
5. Kết luận
Hình 22. Giá trị loss của tập train và tập test
Việc phân loại mã độc ransomware có thể có lợi trong
Kết quả tập train và tập test Hình 21 và Hình 22 cho giảm thiểu thiệt hại của chúng, ứng dụng các mô hình
thấy rằng, có sự giao động ở một vài epoch đầu tiên, deep learning sẽ giúp cải thiện hiệu quả phân biệt đó.
nguyên nhân là lớp Attention đang cập nhập các trọng số Nghiên cứu này đã đề xuất một mô hình deep learning
để tập trung sự chú ý vào những đặc trưng dạng chuỗi của theo cơ chế encoder-decoder, tên là PE-Transformer. Mô
PE Header, việc này tốn thời gian như trong các bài toán hình này có khả năng kết hợp các thông tin từ thể hiện
xử lý ngôn ngữ tự nhiên khác. Sự chênh lệch của tập test hình ảnh của mẫu tệp tin thực thi cùng với thông tin mô
và tập train là không nhiều, do đó có thể thấy rằng tập tả thu được từ PE header. Mô hình đạt được kết quả
train đã phần nào đó học được bao quát các trường hợp 91.05% trên tập test.
của tập test.
Tập dữ liệu hiện có còn có kích thước bé, nên xuất
hiện hiện tượng overfit, mô hình có thể chưa đạt được
mức độ tổng quát hóa phù hợp.
Tài liệu tham khảo
[1] M. J. Awan et al., “Image-Based Malware Classification Using
VGG19 Network and Spatial Convolutional Attention,”
Electronics 2021, Vol. 10, Page 2444, vol. 10, no. 19, p. 2444,
Oct. 2021, doi: 10.3390/ELECTRONICS10192444.
[2] F. Ullah, A. Alsirhani, M. M. Alshahrani, A. Alomari, H. Naeem,
and S. A. Shah, “Explainable Malware Detection System Using
Transformers-Based Transfer Learning and Multi-Model Visual
Representation,” Sensors 2022, Vol. 22, Page 6766, vol. 22, no.
18, p. 6766, Sep. 2022, doi: 10.3390/S22186766.
[3] W. Zhao, L. Gao, Z. Yan, S. Peng, L. Du, and Z. Zhang,
“Handwritten Mathematical Expression Recognition with
Bidirectionally Trained Transformer,” Lecture Notes in
Computer Science (including subseries Lecture Notes in
Artificial Intelligence and Lecture Notes in Bioinformatics), vol.
12822 LNCS, pp. 570–584, May 2021, doi:
10.48550/arxiv.2105.02412.
[4] S. O’Hara and B. A. Draper, “Introduction to the Bag of Features
Paradigm for Image Classification and Retrieval,” Jan. 2011, doi:
Hình 23. Accuracy Confusion Matrix 10.48550/arxiv.1101.3354.
[5] D. D. Lewis, “Evaluation of phrasal and clustered
79
representations on a text categorization task,” SIGIR Forum LNCS, pp. 490–503, 2006, doi: 10.1007/11744085_38/COVER.
(ACM Special Interest Group on Information Retrieval), pp. 37– [8] “PE Format - Win32 apps | Microsoft Learn.”
50, 1992, doi: 10.1145/133160.133172. https://learn.microsoft.com/en-us/windows/win32/debug/pe-
[6] T. Joachims, “Text categorization with Support Vector format (accessed Nov. 23, 2022).
Machines: Learning with many relevant features,” pp. 137–142, [9] X. Ding, X. Zhang, N. Ma, J. Han, G. Ding, and J. Sun,
1998, doi: 10.1007/BFB0026683. “RepVGG: Making VGG-style ConvNets Great Again,”
[7] E. Nowak, F. Jurie, and B. Triggs, “Sampling strategies for bag- Proceedings of the IEEE Computer Society Conference on
of-features image classification,” Lecture Notes in Computer Computer Vision and Pattern Recognition, pp. 13728–13737,
Science (including subseries Lecture Notes in Artificial Jan. 2021, doi: 10.48550/arxiv.2101.03697.
Intelligence and Lecture Notes in Bioinformatics), vol. 3954
80
KHOA CÔNG NGHỆ NHIỆT
- ĐIỆN LẠNH
NGHIÊN CỨU SẢN XUẤT THAN HOẠT TÍNH TỪ VỎ TRẤU

RESEARCH ON PRODUCTION OF ACTIVATED CARBON FROM RICE HUSKS
SVTH: Nguyễn Văn Trai, Phan Thanh Phú

Lớp 18N1, khoa công nghệ Nhiệt – Điện lạnh, trường đại học Bách khoa Đà Nẵng
Email: ngoctrai28092000@gmail.com, youcanbekingagain98@gmail.com
GVHD: TS. Phạm Duy Vũ, KS. Nguyễn Đức Minh
Khoa Công nghệ Nhiệt – Điện lạnh, Trường Đại học Bách khoa Đà Nẵng
Email: phamduyvubk@gmail.com, ndminhbk@gmail.com
Tóm tắt - Sản xuất than hoạt tính từ quá trình nhiệt phân Abstract - Production of activated carbon from slow
chậm đang được nhiều nhà khoa học trên thế giới và Việt Nam pyrolysis is being researched, developed and applied by many
nghiên cứu phát triển và ứng dụng. Tuy nhiên, ở Việt Nam hiện scientists around the world and Vietnam. However, in Vietnam at
nay việc nghiên cứu sản xuất than hoạt tính từ vỏ trấu với qui mô present, the research on production of activated carbon from rice
nhỏ phù hợp ở nông thôn chưa được nghiên cứu. Trong bài báo husks on a small scale suitable for rural areas has not been
này, dựa vào kết quả nghiên cứu thực nghiệm của các nhà studied. In this paper, based on experimental research results of
nghiên cứu trên thế giới tác giả lựa chọn được kiểu lò phù hợp researchers around the world, the author selects a suitable
với qui mô nhỏ. Đồng thời, thực hiện các kết quả nghiên cứu furnace type for a small scale. Simultaneously, carrying out
thực nghiệm trên thiết bị xác định thông số vận hành tối ưu cho experimental research results on the equipment to determine the
quá trình than hóa là từ 360 oC ÷ 370 oC với tổng thời gian nhiệt optimal operating parameters for the coalization process is from
phân là 55 ÷ 56 phút. Với quá trình hoạt hóa là 650 oC ÷ 660 oC 360 oC ÷ 370 oC with a total pyrolysis time of 55 ÷ 56 minutes.
với thời gian duy trình là 115 ÷ 120 phút. Than hoạt tính tạo ra từ With the activation process is 650 oC ÷ 660 oC with a retention
nghiên cứu này đảm bảo cơ bản theo các đặc tính yêu cầu của time of 115 ÷ 120 minutes. The activated carbon generated from
than hoạt tính. this research is basically guaranteed according to the required
Từ khóa - Sinh khối; nhiệt phân chậm; than hoạt tính, nhiệt properties of activated carbon.
độ nhiệt phân; thời gian nhiệt phân. Key words - Biomass; slow pyrolysis; activated carbon;
pyrolysis temperature; pyrolysis time.
1. Đặt vấn đề 2. Công nghệ nhiệt phân chậm sản xuất than hoạt tính
Ngày nay, than hoạt tính được biết đến rộng rãi trong 2.1. Giới thiệu công nghệ nhiệt phân chậm
nhiều lĩnh vực như công nghiệp, y tế, sinh hoạt hằng Về phương pháp sản xuất than hoạt tính, ở Việt Nam
ngày. Trong công nghiệp, than hoạt tính được ứng dụng hiện nay chủ yếu dùng phương pháp nhiệt phân chậm vì
để xử lý nước, lọc các chất độc hữu cơ, kim loại nặng…. những ưu điểm hiệu suất cao 40 - 50% [5], ngoài ra công
Trong y tế, than hoạt tính là loại thuốc giải độc tuyệt vời nghệ này dễ áp dụng và chi phí thấp hơn, thu được lượng
cho các bệnh nhân bị ngộ độc thuốc, thực phẩm hay hóa khí nhiệt phân để làm năng lượng đốt. Với công nghệ
chất và một số chất độc nấm, phóng xạ… Trong sinh hoạt nhiệt phân hiện nay, sản xuất than hoạt tính gồm 2 bước
hằng ngày, than hoạt tính lại được sử dụng để làm đẹp, quan trọng là than hóa và hoạt hóa [7].
tăng cường sức khỏe, lọc nước sinh hoạt… Từ đó ta có 2.1.1. Than hóa
thể thấy nhu cầu than hoạt tính hiện nay rất lớn. Có mục đích chuyển nguyên liệu đầu vào thành
Trên cơ sở nghiên cứu quá trình nhiệt phân vỏ trấu carbon, tạo ra hệ thống lỗ xốp đầu tiên cho quá trình hoạt
trên thiết bị nhiệt phân sản xuất than hoạt tính từ vỏ trấu. hóa tiếp theo. Sử dụng nhiệt độ để phân hủy và phá vỡ
Em đã tiến hành thực nghiệm sản xuất than hoạt tính từ những liên kết nhằm tạo ra những phân tử nhỏ. Trong quá
vỏ trấu để xác định các thông số tối ưu cho quá trình sản trình này, một số chất dễ phân hủy thường được giải
xuất. phóng dưới dạng khí hoặc chất lỏng để lại các lỗ xốp,
than thu được do đó luôn có tỷ trọng nhỏ hơn nguyên liệu
Hiện nay than hoạt tính được sản xuất từ rất nhiều
đầu vào. Ngoài ra, quá trình này phải đảm bảo trong môi
nguồn nguyên liệu như là than đá, sản phẩm dầu mỏ, hay
trường kị khí hoặc hạn chế sự có mặt và lưu thông Oxy
sản phẩm phế phẩm thực vật gồm trấu, tre, gáo dừa, bã
trong quá trình than hóa vì Oxy sẽ đốt cháy than tạo
mía, vỏ sắn, mùn cưa… Với sản lượng lúa gạo thế giới
thành. Những nguyên tử carbon còn lại sẽ dịch chuyển ở
đang có xu hướng tăng trong thời gian gần đây kéo theo
những khoảng cách rất nhỏ (< 1nm) trong khối vật liệu,
đó là một lượng lớn vỏ trấu đang được tạo ra. Đây được
tới những vị trí bền vững hơn [2].
xem là một nguồn nguyên liệu dồi dào và có tiềm năng
2.1.2. Hoạt hóa
trong tương lai. Việc sử dụng nguyên liệu vỏ trấu để sản
Là quá trình nâng cao hoạt tính cho than sau quá trình
xuất than hoạt tính là phù hợp khi vỏ trấu có mặt phổ biến
than hóa. Bản chất của hoạt hóa là quá trình lấy đi những
ở Việt Nam. Trong thực tế ở các vùng nông thôn vỏ trấu
nguyên tử carbon trong thể tích hạt than dưới tác dụng
chỉ được dùng để làm chất đốt, làm phân hữu cơ… thiếu
của nhiệt độ và những tác nhân hoạt hóa. Có hai cơ chế
tính kinh tế.
hoạt hóa đó là: hóa hóa vật lý và hoạt hóa hóa học [7].
Do đó, nhiệm vụ cần thiết là nghiên cứu thực nghiệm a. Hoạt hóa vật lý:
xác định thông số vận hành tối ưu sản xuất than hoạt tính Hoạt hóa vật lý là sử dụng hơi nước hoặc khí CO2 làm
từ vỏ trấu để giải quyết bài toán về công nghệ để tránh tác nhân hoạt hóa, ở nhiệt độ cao trên 950oC, những tác
lãng phí lượng vỏ trấu dồi dào, tăng tính kinh tế đối với
83
SVTH: Nguyễn Văn Trai, Phan Thanh Phú; GVHD: TS. Phạm Duy Vũ, KS. Nguyễn Đức Minh
nhân hoạt hóa này thực hiện các phản ứng với nguyên tử
cacbon trong than như sau:
C + CO2 → 2CO
C + H2O → CO + H2
Cứ mỗi nguyên tử C bị lấy đi lại tạo thành một lỗ xốp
trong cấu trúc của than hoặc phá vỡ những thành liên kết
tạo ra hệ thống mạch mao quản làm tăng diện tích bề mặt
của than. Ngoài cơ chế tạo thành lỗ xốp do lấy đi các
nguyên tử carbon còn có sự tham gia của các túi khí có
sẵn trong than. Ở nhiệt độ cao, các túi khí này bị phá vỡ
thoát ra ngoài để lại những lỗ xốp trong cấu trúc của than.
Ban đầu những lỗ xốp này còn nhỏ, nhưng theo thời gian
hoạt hóa, các túi khí xung quanh cũng thoát ra ngoài để
lại các lỗ xốp mới. Nhiều lỗ xốp kết hợp với nhau tạo
thành những lỗ xốp lớn hơn.
Hoạt hóa bằng phương pháp vật lý mặc dù có thể thu
được than hoạt tính có diện tích bề mặt riêng lớn nhưng
hiệu suất thu hồi lại không cao do lượng mất mát than lớn
trong quá trình hoạt hóa [2].
b. Hoạt hóa hóa học:
Hoạt hóa hóa học là nhân tố hoạt hóa thường dùng là
các hợp chất hóa học như ZnCl2, Na2CO3, K2CO3,
H3PO4, HCl, NaOH… Hoạt hóa hóa học thường được Hình 1: Cấu tạo lò nhiệt phân
dùng để nâng cao hoạt tính cho than có nguồn gốc thực Chú thích: 1 – Vùng thải xỉ; 2 – Ghi lò; 3 – Buồng
vật. Quá trình than hóa và hoạt hóa cũng có thể diễn ra lửa; 4 – Tole bảo vệ; 5 – Bông thủy tinh cách nhiệt; 6 –
đồng thời. Nguyên liệu đầu vào được trộn với những tác Buồng chứa nguyên liệu; 7 – Thùng chứa nguyên liệu; 8
nhân hoạt hóa và xử lý ở nhiệt độ từ 500 - 800 oC. Trong – Ống khói trong; 9 – Mặt bích bỏ nguyên liệu vào; 10 –
điều kiện này, các tác nhân hoạt hóa phản ứng với C và Mặt bích lấy sản phẩm ra; 11 – Ống cấp gió tươi; 12 –
tạo ra những lỗ xốp trong cấu trúc của than. Quạt cấp gió tươi; 13 – Biến tần; 14 – Bê tông chịu
Hoạt hóa bằng phương pháp hóa học có ưu điểm là nhiệt; 15 – Ống đo nhiệt độ khói dưới; 16 – Ống đo
hiệu suất thu hồi than cao hơn, việc cơ khí hóa và tự động nhiệt độ khói trên; 17 – Bulong - Đai ốc; 18 – Ống khói
hóa khó khăn hơn [2]. trên; 19 – Van xả khí nhiệt phân tay; 20 – Van xả khí tự
động; 21 – Áp kế; 22 – Ống đo nhiệt độ nhiệt phân.
2.2. Giới thiệu thiết bị thực nghiệm sản xuất than hoạt tính
2.2.1. Giới thiệu chung 2.2.2. Nguyên lí làm việc
Là thiết bị sản xuất than hoạt tính từ vỏ trấu sử dụng Quá trình cháy xảy ra trong buồng lửa, khói đi theo 2
công nghệ nhiệt phân chậm, cấp nhiệt gián tiếp với công đường là ống khói giữa và ống vành khăn bên ngoài thùng
suất 10 kg/mẻ. Được thiết kế, chế tạo bởi sinh viên khóa chứa nhiên liệu sẽ gia nhiệt gián tiếp cho nguyên liệu
14NL và hoàn thiện thiết bị bởi sinh viên khóa 15N khoa trong khoang chứa nguyên liệu, lúc này nhiệt độ trong
công nghệ Nhiệt - Điện lạnh, trường đại học Bách Khoa khoang chứa nguyên liệu tăng lên quá trình thoát ẩm bắt
Đà Nẵng. đầu. Khi nhiệt độ nguyên liệu đạt khoảng từ 240 - 280 oC
sẽ xuất hiện khí nhiệt phân có thể cháy được, khí này đi
Thông số kỹ thuật: theo ống thoát khí nhiệt phân và sẽ được tận dụng làm
- Đường kính trong ông khói giữa: 52 mm khí đốt cho sinh hoạt. Quá trình xảy ra trong điều kiện
- Đường kính ngoài ống khói giữa: 60 mm yếm khí cho đến khi kết thúc thời gian nhiệt phân. Không
- Đường kính trong thùng chứa nguyên liệu: 211 mm khí được cấp vào lò thông qua quạt gió phía dưới buồng
lửa nhằm đảm bảo quá trình cháy được xảy ra một cách
- Đường kính ngoài thùng chứa nguyên liệu: 219 mm liên tục. Xỉ tạo thành sẽ lọt qua lớp ghi lò dưới đáy buồng
- Đường kính trong vỏ lò: 270 mm lửa và được chứa trong buồng thải xỉ. Quá trình thải xỉ sẽ
- Đường kính ngoài vỏ lò: 278 mm được thực hiện khi kết thúc hoàn toàn quá trình sản xuất.
- Chiều cao thùng chứa nguyên liệu: 70 mm 3. Kết quả nghiên cứu thực nghiệm
- Chiều cao thùng chứa liệu: 700 mm 3.1. Thành phần nguyên liệu
- Chiều cao buồng lửa: 300 mm Nguyên liệu sử dụng nghiên cứu là vỏ trấu từ các cơ
sở xay xát lúa gạo trên địa bàn Đà Nẵng. Thành phần
- Đường kính ngoài ống hồi khí nhiệt phân: 27 mm
nguyên tố và các chất của vỏ trấu nêu trong bảng 1:
- Chiều cao ống khói: 770 mm
Bảng 1: Thành phần nguyên tố của vỏ trấu [3]
- Năng suất quạt: 7,2 m3/h
- Chiều cao buồng thải xỉ: 150 mm Thành
Clv Hlv Olv Nlv Slv Alv
phần
- Chiều cao buồng lửa: 300 mm
% 30,68 3,35 55,01 0,1 0,1 0,62
84
3.2. Kết quả nghiên cứu thực nghiệm  τ 3 là thời gian từ các mốc nhiệt độ là 330 oC ,
3.2.1. Mô tả quá trình vận hành thiết bị nhiệt phân 350oC, 370 oC, 390 oC cho đến khi hết hẳn khí nhiệt phân.
a. Chuẩn bị nguyện liệu vỏ trấu Tiến hành thực nghiệm với các mốc nhiệt độ ở trên để
tìm ra tổng thời gian nhiệt phân tối ưu. Dựa vào khí nhiệt
Vỏ trấu trước khi nhiệt phân được lọc để loại bỏ bột
phân, khối lượng than hoa thu được và tính kinh tế để
trấu và phần vỏ trấu được lựa chọn sao cho nó có hình
chọn thời gian duy trì nhiệt phân tối ưu.
dạng và kích thước đồng đều nhất có thể (sàng tay).
b. Quá trình hoạt hóa
b. Chuẩn bị nhiên liệu
Nhiên liệu là các loại củi, gỗ phế phẩm đi mua ở địa  Thông số nhiệt độ nhiệt phân
phương. a1. Than hoa sau khi ngâm với tác nhân hóa thì được
c. Chuẩn bị thiết bị nhiệt phân nhiệt phân ở nhiệt độ từ 500 – 800 oC [2].
Lò nhiệt phân được gắn thêm các thiết bị: quạt gió cấp a2. Nhiệt độ để nhiệt phân trong quá trình hoạt hóa
không khí tươi cho quá trình cháy có biến tần điều chỉnh đối với nguyên liệu sinh khối là 650 – 700 oC [1].
tốc độ gió và bộ cảm biến nhiệt RTD với đồng hồ điện Để phù hợp với những điều nêu trên và tiết kiệm thời
tử. Cùng với đó là kiểm tra các mặt bích và lót ren trước thời gian sản xuất cũng như chi phí nhiên liệu. Chọn nhiệt
khi vận hành lò. độ nhiệt phân trong khoảng 650 - 660 oC.
d. Quá trình vận hành thiết bị nhiệt phân  Thông số thời gian duy trì nhiệt phân
Thời gian duy trì nhiệt phân than hoa vỏ trấu ở giai
đoạn hoạt hóa tối ưu là 115 - 120 phút [9].
Vì vậy ở quá tình than hóa ta sẽ tiến hành thực nghiệm
ở nhiệt độ nhiệt phân là 650 - 660 oC và thời gian duy trì
nhiệt phân là 115 - 120 phút.
3.2.3 Kết quả quá trình thực nghiệm trên thiết bị
nhiệt phân
a. Quá trình hoạt hóa
Bảng 2: Tỉ lệ than hoa thu được ở các lần thực nghiệm
Hình 2: Quy trình sản xuất than hoạt tính

3.2.2. Nghiên cứu xác định cặp thông số vận hành thiết
bị nhiệt phân tối ưu
a. Quá trình than hóa
Xác định nhiệt độ tối ưu của quá trình than hóa
 Cơ sở lập luận
 Nhiệt độ để nhiệt phân sinh khối từ 300 – 500 oC
theo TL[2].
 Từ đồ thị TGA thì nhiệt độ tối ưu cho quá trình
nhiệt phân là 300 – 400 oC theo TL [1].
Để xác định được nhiệt độ nhiệt phân tối ưu thì ta sẽ
tiến hành nhiệt phân ở các mốc nhiệt độ là 330 oC,
350oC, 370 oC, 390 oC.
 Kết luận
32,5
Nhiệt độ nhiệt phân để sản xuất than hoa được khảo sát 53; 31,95
32
trên các mốc nhiệt độ là 330 oC , 350oC, 370 oC, 390 oC.
Xác định tổng thời gian tối ưu từ lúc bắt đầu nhiệt phân 31,5
cho đến khi hết khí nhiệt phân trong quá trình than hóa 31
 Cơ sở lập luận 30,5
Tổng thời gian nhiệt phân τ sẽ được tính từ lúc 30
54; 29,55
bắt đầu nhiệt phân cho đến khi hết khí nhiệt phân, 29,5
được tính theo:
29
τ= τ1+ τ2+ τ3 , (phút) 57; 28,5
28,5
Trong đó: 56; 28,55
28
 τ1 là thời gian mà nhiệt độ nhiên liệu bằng nhiệt
độ môi trường cho đến khi bắt đầu sinh khí nhiệt phân. 52 54 56 58
Tổng thời gian nhiệt phân ( Phút)
 τ 2 là thời gian bắt đầu sinh khí cho đến khi đạt
đến lần lượt các mốc nhiệt độ là 330 oC , 350oC, 370 oC, Hình 3: Đồ thị ảnh hưởng của tổng thời gian nhiệt
390 oC. phân đến tỉ lệ than hoa thu được
85
SVTH: Nguyễn Văn Trai, Phan Thanh Phú; GVHD: TS. Phạm Duy Vũ, KS. Nguyễn Đức Minh
 Khả năng lọc bẩn, làm sạch nước
32,5
32 330 Cho nước bẩn vào phin lọc có chứa than hoạt tính để
31.95 kiểm tra khả năng lọc nước của than hoạt tính.
31,5
31
30,5 350
30 29.55
370
29,5
28.55 390
29
28.5
28,5
28
320 340 360 380 400
Nhiệt độ nhiệt phân ( độ C)
Hình 4: Đồ thị ảnh hưởng của nhiệt độ nhiệt phân đến

tỉ lệ than hoa thu được
Nhận xét: Từ kết quả nghiên cứu thực nghiệm như
trên Hình 4 cho thấy rằng khi nhiệt độ lò phản ứng tăng
dần thì hàm lượng than thu hồi có xu hướng giảm nhanh.
Khi giá trị nhiệt độ nhiệt phân lớn hơn 370 ᴼC thì hàm
lượng than thu hồi giảm dần và ổn định. Từ đó có thể thấy
rằng khoảng nhiệt độ tối ưu tương ứng với khối lượng Hình 6: Khả năng lọc nước bẩn của than hoạt tính tạo
than thu hồi ổn định nhất trong điều kiện nhiệt phân chậm từ nghiên cứu này
là từ 360 ᴼC đến 370 ᴼC. Tương tự, ở Hình 3 thì khoảng Than hoạt tính tạo ra từ nghiên cứu này có khả năng
thời gian tương ứng với khối lượng than thu hồi ổn định lọc sạch nước bẩn tương đối ổn định. Tuy nhiên khi so
nhất trong điều kiện nhiệt phân chậm là từ 55 đến 56 phút. sánh với than thương mại thì độ lọc sẽ kém hơn một chút.
b. Quá trình hoạt hóa  Kiểm tra khối lượng riêng sản phẩm
Đối với quá trình hoạt hóa thì ta sẽ tiến hành thực Mục đính của việc kiểm tra là xem SP có khối lượng riêng
nghiệm cụm nhiệt độ và thời gian tối ưu theo TL[9] với nằm trong khoảng giới hạn cho phép không. Than hoạt
nhiệt độ nhiệt phân là từ 650 - 660 oC và thời gian duy trì tính dạng bột ở trong không khí thường dao động từ 80 –
nhiệt phân là từ 115 - 120 phút. 320 kg/𝑚3 𝑘𝑘 theo TL[7].
4. Đánh giá than hoạt tính tạo
Để đánh giá chất lượng than hoạt tính tạo ra từ nghiên
cứu em đã tiến hành kiểm tra than hoạt tính với các bài
kiểm tra sau:
 Đo điện trở của than
Than hoạt tính chất lượng rất tốt có điện trở thường
dưới 10 Ω và than hoạt tính có chất lượng kém hoặc rất
kém có điện trở từ 150 – 3.106 Ω [6] . Dùng thiết bị đồng
hồ vạn năng tiến hành đo điện trở than hoạt tính tạo ra
từ nghiên cứu này.
Hình 7: Đo khối lượng than bằng cân tiểu ly

Kết quả khối lượng đo 3 lần từ cân điện tử ứng với
lượng than đã cho vào bình chứa có thể tích 100 ml lần
lượt là 31,420 g; 31,603 g và 31,888 g. Như vậy khối
lượng trung bình ta có thể tính được là 31,637 g. Vậy SP
than hoạt tính từ trấu sẽ có khối lượng riêng là 0,31637
g/𝑚𝑙𝑘𝑘 hay 316,37 kg/𝑚3 𝑘𝑘 .
Hình 5: Dùng đồng hồ vạn năng đo điện trở sản phẩm  Kiểm tra độ pH của sản phẩm
tạo ra Với việc áp dụng dụng phương pháp hoạt hóa hóa học để
Như vậy than hoạt tính tạo ra từ nghiên cứu này đã nâng cao hoạt tính của than thì SP cần phải có độ pH nằm
đáp ứng đặc tính cơ bản của than hoạt tính có điện trở trong khoảng 8 – 11 theo TL[11] . Đó là mục đích em tiến
38,8 Ω. Chất lượng ở mức trung bình hành bài kiểm tra này.
86
Với quá trình than hóa: Nhiệt độ nhiệt phân là từ 360 ᴼC
÷ 370 oC và tổng thời gian nhiệt phân là từ 55 ÷ 56 phút.
Với quá trình hoạt hóa: Nhiệt độ nhiệt phân là từ 650 ÷
660 oC và thời gian duy trì nhiệt phân là 115 ÷ 120 phút.

[1]. Lê Thành Anh Công, Nghiên cứu xác định thông số
vận hành thiết bị nhiệt phân nhằm nâng cao chất
lượng than hoạt tính, NCKH khóa 15
[2]. Nguyễn Hữu Tân, Nghiên cứu nhiệt phân vỏ trấu
Hình 8: Kiểm tra độ pH than nhằm năng cao chất lượng sản phẩm than hoa,
nguồn: https://text.xemtailieu.com/tai-lieu/nghien-
Kết quả cho thấy màu giấy quỳ tím khi thử với mẫu 1 cuu-nhiet-phan-go-nham-nang-cao-chat-luong-
có màu xanh tím nhạt và sau khi tiếp tục thử lại với mẫu san-pham-than-hoa-1274970.html
2 thì màu xanh tím đã đậm hơn một chút và nó thuộc
[3]. TS. Phạm Duy Vũ, Luận án Tiến sỹ “Nghiên cứu
nhóm màu số 10, như vậy sau khi thử quỳ tím với hai
quá trình nhiệt phân sản xuất nhiên liệu sinh học”,
mẫu có thể kết luận rằng SP tạo ra có tính kiềm.
năm 2017
[4]. Phân biệt than hoạt tính và than củi, nguồn:
https://thanhoattinhtrucvang.com/phan-biet-than-
hoat-tinh-va-than-cui.html
[5]. Phân tích thị trường than vỏ trấu, nguồn: Hiệp hội
Dừa Châu
[6]. Than hoạt tính có dẫn điện, nguồn:
https://activatedcarbon.vn/than-hoat-tinh-gao-dua-
co-tinh-dan-dien-
8.htm?fbclid=IwAR344FANXoCXDMrq0T2_6D
Hình 9: Sản phẩm than hoạt tính YuPuCGb4s-t9g6Vj_BSeJySh4okvLgnEZfm4
5. Kết luận [7]. Nguồn: https://thanhoattinhkhumui.net/hieu-ve-
Kết quả của việc nghiên cứu quá trình nhiệt phân vỏ than-hoat-tinh/tinh-chat-cua-than-hoat-tinh.html
trấu sản xuất than hoạt tính sẽ làm cơ sở để tận dụng [8]. Tổng quan về than hoạt tính, nguồn:
lượng vỏ trấu ở khu vực nông thôn để sản xuất than hoạt http://thantrau.vn/than-hoat-tinh-la-gi-tong-quan-
tính, giúp nâng tầm giá trị và tăng tính kinh tế của loại ve-than-hoat-tinh/
phế phẩm này. [9]. Nguồn: https://www.researchgate.net/figure/The-
result-of-EDX-testing-coConut-shell-powder_ tbl1_
Nội dung đề tài nghiên cứu thực nghiệm sản xuất than 260640780
hoạt tính từ vỏ trấu sử dụng thiết bị nhiệt phân kiểu ống [10]. Nguồn:
lồng ống được chế tạo và hoàn thiện bởi các sinh viên https://www.researchgate.net/publication/309028234_Pr
khoa Nhiệt khoa trước. Sau khi tiến hành thực nghiệm tôi oduction_of_activated_carbon_from_rice_husk_Vietnam
đã rút ra kết quả về các cặp thông số vận hành tối ưu để [11]. Nguồn: https://beecost.vn/bang-mau-quy-tim.htm.
sản xuất than hoạt từ vỏ trấu. Cụ thể như sau:
87
SVTH: Đặng Hữu Quốc, Nguyễn Thọ Quốc; GVHD: PGS.TS. Trần Thanh Sơn
NGHIÊN CỨU QUÁ TRÌNH HÓA KHÍ TRẤU TRONG TẦNG SÔI
RESEARCH ON RICE HULLS GASIFICATION IN FLUIDIZED BED
SVTH: Đặng Hữu Quốc(1), Nguyễn Thọ Quốc(2)

(1) Lớp 18N1, Khoa Công Nghệ Nhiệt - Điện Lạnh, Dangquoc12a1@gmail.com
(2) Lớp 18N2, Khoa Công Nghệ Nhiệt - Điện Lạnh, Nguyenthoquoc32@gmail.com
GVHD: PGS.TS. Trần Thanh Sơn
Khoa Công Nghệ Nhiệt - Điện Lạnh, ttson@dut.udn.vn
Trường Đại học Bách khoa, Đại học Đà Nẵng
Tóm tắt – Việt Nam là một nước nông nghiệp, do đó nguồn Abstract – Vietnam is an agricultural country, so the
phụ phẩm nông, lâm nghiệp là rất lớn. Việc nghiên cứu các công biomass sources from agriculture and forestry are potential.
nghệ và thiết bị để khai thác nguồn năng lượng sinh khối Researching on technologies and equipment to utilize such
(biomass) là rất cần thiết, nhất là trong bối cảnh thiếu hụt năng sources is needed, especially in the context of serious lack of
lượng ngày càng trở nên trầm trọng như hiện nay. Một trong energy source currently. One of the promising technologies that
những công nghệ hứa hẹn là quá trình hóa khí trong tầng sôi use biomass is gasificastion process in this fuidized bed to
nhằm thay thế các dạng nhiên liệu hóa thạch như dầu và khí tự replace fossil fuels such as oil and natural gas used in industry
nhiên. Bài báo này phân tích ảnh hưởng lưu lượng không khí, applications. This paper analyzes the influence of air flow,
lượng trấu cung cấp vào đến quá trình hóa khí trấu trong tầng volume level of rice hulls on gasification process in this fuidized
sôi. Thiết bị hóa khí được thiết kế với công suất tối đa là 200kg/h. bed. Gastification equiment is designed with a maximum
Trong thí nghiệm này, lưu lượng trấu cấp vào thay đổi từ 64 – capacity of 200 kg of rice hulls/ h. In these experiments, the flow
170 (kg) và lượng không khí cấp vào thay đổi theo tần số 10Hz inlet rice hulls varies from 64 to 170 kilogram and the entering
-25Hz. Kết quả chỉ ra ứng với mỗi lượng trấu cấp vào sẽ có lưu floe of air varies from 10Hz to 25Hz The results show that for
lượng không khí thích hợp đảm bảo cho quá trình hóa khí. each amount of rice husk input, there will be an appropriate air
Từ khóa – trấu; biomass; hóa khí; tầng sôi; hóa khí tầng sôi. flow to ensure the gasification process.
Key words – rice hulls; biomass; gasification; fuidized bed;
fluidized bed gasification.
1. Đặt vấn đề Vỏ trấu chiếm 20% trọng lượng hạt lúa. Là: phần vỏ
Nhiên liệu hóa thạch ngày càng cạn kiệt, giá cả tăng cứng bao bên ngoài hạt gạo trong mùa sinh trưởng và
cao theo tình hình thế giới hiện nay cùng với vấn đề ô được tách ra trong quá trình xay xát. Độ ẩm trấu sau say
nhiễm môi trường – hiệu ứng nhà kính và sự nóng lên xát 14% -15%.
toàn cầu. Đồng thời giá dầu và khí lại quá cao theo tình Bảng 1. Thành phần làm việc % của trấu [4]
hình căng thẳng thế giới hiện nay. Vì vậy, nhu cầu tìm
kiếm và sử dụng nhiên liệu thay thế, đặc biệt là nguồn C H O N A S Qtlv
nhiên liệu tái tạo biomass. Ở nước ta gần 80% là đồi núi
nên rất phù hợp với việc đẩy mạnh sử dụng nhiên liệu
40.2 5 36.3 0.3 18.2 0.05 14580
biomass như trấu, mùn của, dăm gỗ, vỏ hạt,.. đã được sử
dụng hằng ngày cho việc đun nấu, làm nhiên liệu đốt trực
2.2. Lý thuyết hóa khí
tiếp cho các lò hơi công suất nhỏ và trung bình. Tuy
nhiên, việc đốt trực tiếp như vậy thì vấn đề kiểm soát phát Là quá trình đốt trong môi trường yếm khí thiếu Oxi
thải CO là một khó khăn lớn mà các doanh nghiệp đang tạo ra các sản phẩm cháy không hoàn toàn, dễ bay hơi
gặp phải. Một hướng hiệu quả để đẩy mạnh nhanh ứng (CO, H2 và CH4 một lượng nhỏ hydrocacbon C2H6,
dụng biomass là sử dụng các lò hóa khí và dễ dàng trong C3H8), các chất thải như tro, hắc ín,….. Khí tạo ra được
việc kiểm soát chất thải ô nhiễm. Cộng với tình hình sản sử dụng tiếp làm nhiên liệu đốt trong quá trình gia nhiệt
xuất lúa gạo nước ta vẫn nằm trong top thế giới, do đó tiếp theo.
lượng vỏ trấu rất nhiều – đáp ứng nguồn nhiên liệu cung + Các yếu tố ảnh hưởng:
cấp.
Vậy nên nếu không có biện pháp sử dụng hợp lý thì
YẾU TỐ
sẽ là sự lãng phí rất lớn lượng vỏ trấu, gây hại cho môi
trường và mất đi một phần thu nhập kinh tế cho bà con Nhiên Chất xúc Không khí
Nhiệt độ Áp suất Tốc độ
nông dân. liệu tác cấp vào
Xuất phát từ những vấn đề trên, tác giả đã chọn đề tài

“Nghiên cứu quá trình hóa khí trấu trong tầng sôi”. 3. Xác định các thông số - cấu tạo lò hóa khí tầng sôi
=> Bài báo này trình bày một số cơ sở lý thuyết vỏ 3.1. Tốc độ gió cấp vào
trấu và hóa khí, xác định các thông số lò hóa khí tầng sôi Tốc độ gây sôi tối thiểu ω0 được xác đinh theo công
phục vụ cho việc nung nóng thép. Thay đổi các thông số thức:
vận hành ảnh hưởng đến quá trình đốt, xác định lượng 0.5
không khí cần cấp và ngọn lửa quan sát. 𝜇 𝜌𝑘 .(𝜌𝑡 − 𝜌𝑘 ).𝑔.ℎ3
ω= [(𝐶12 + 𝐶2 ) − 𝐶1 ]
𝑑ℎ .𝜌𝑘 𝜇2
2. Các cơ sở lý thuyết nghiên cứu
Trong đó:
2.1. Giới thiệu chung về vỏ trấu
88
+ 𝑑ℎ1 = 0,017 m và 𝑑ℎ2 = 0,025 m đường kính nhỏ 3.4.1. Cấu tạo
nhất và lớn nhất của vỏ trấu.
+ μ = 0,000016 N.s/m2 hệ số nhớt động học.
+ 𝜌𝑘 = 1,2 kg/m3 khối lượng riêng của không khí.
+ 𝜌𝑘 = 135 kg/m3 khối lượng riêng của trấu.
+ 𝐶1 = 27,2 và 𝐶2 = 0,0408 hệ số động học.
+ g = 9,81 m/s2 gia tốc trọng trường.
Thay số vào công thức trên ta có:
ωo = 0,134 m/s và ω01 = 0,22 m/s
==>Vận tốc gió tối ưu thường lấy bằng (2-3).ω0 trong
các thí nghiệm này vận gió trong lò hóa khí được duy trì
trong khoảng (0,268 – 0,44) m/s.
3.2. Lưu lượng không khí cấp
Để tính toán lưu lượng cấp gió cần cấp, trước hết cần
xác dịnh lượng gió cấp vào để đốt cháy hoàn toàn trấu.
Dựa vào thành phần % của trấu trong bảng 1 và công thức
tính toán thể tích không khí lý thuyết theo tài liệu kĩ thuật
cháy, ta có thể xác định lượng không khí lý thuyết như Hình 1. Cấu tạo lò hóa khí trấu
sau: *Chú thích:
0
Vkk = 0,0889(C lv + 0,375S lv ) + 0,265H lv − KHẢO SÁT VÍT TẢI
0,033Olv ,[m3tc/kg]
KHỐI LƯỢNG (kg) TRẤU
200 170,08
0
147,95
==> Vkk = 3,7 m3tc/kg. 150 110,54
TRONG 1H
Ở thí nghiệm này, thì lượng không khí cấp vào lò hóa 100 63,57
khí tối ưu nằm trong khoảng (α = 0,2 – 0,4) lượng không 50
khí lý thuyết, tương ứng (0,74 – 1,48) m3tc/kg
0
3.3. Xác định kích thước lò 0 20 40 60 80 100
3.3.1. Kích thước đáy lò Động cơ vít tải (v/p)

Suất hóa khí riêng của trấu G (kg/m2.h) là khối lượng
nhiên liệu trấu hóa khí trên một 1m2 diện tích tiết diện 1. Phễu cấp liệu 5. Vít tải tro
ngang của lò hóa khí trong 1 giờ. Giá trị này được xác 2. Vít tải trấu 6. Quạt cấp gió
định bằng thực nghiệm theo tài liệu Rice Husk Gas 3. Gió cấp 2 7. Xyclon
Handbook [trang 69]. 4. Becphun 8. Ống dẫn khí
SGR = 110 – 210 kg/m2.h 9. Thải bụi
Tiết diện ngang của lò được xác định theo công thức: 3.4.2. Nguyên lý vận hành
𝐵 200 Lượng trấu được cấp vào liên tục vào lò hóa khí qua
𝐹= = = 0,7 m2 cơ cấu cấp liệu kiểu vít tải cấp điều chỉnh bằng biến tần
𝑆𝐺𝑅 210
Chọn kích thước đáy lò: 1 x 0,7 m. theo số vòng quay của động cơ. Lưu lượng không khí cấp
vào lò hóa khí qua quạt gió cũng được điều khiển biến
3.3.2. Chiều cao lò: tần và được xác định bởi tần số Hz. Trên đường khí thoát
Chiều cao lò hóa khí vỏ trấu H (m) là khoảng cách từ ra, bố trí một ống thép dài 1m để quan sát ngọn lửa khí
đỉnh đến đáy lò, được xác định để chứa đủ lượng nhiên sinh ra.
liệu đảm bảo thời gian vận hành khi đốt cháy hết một mẻ Để tiến hành nghiên cứu, đầu tiên ta phải khởi động
trấu được đổ đầy trong lò hóa khí. Ở đây, thời gian vận lò hóa khí. Trước tiên, ta cho một ít củi vào lò và đốt cháy
hành ta chọn là T = 1,5h. sấy lò trong vòng 30 phút, khi lửa đã bén vào củi ta tiến
hành cho vào từ từ trấu cùng với việc cung cấp lượng gió
Chiều cao lò khí hóa được xác định bằng công thức: cấp vào để tăng quá trình cháy hoàn hoàn, khi nhiệt độ
[4] khoảng > 400oC thì kết thúc quá trình khởi động lò. Ta
𝐻=
𝑆𝐺𝑅.𝑇
=
210.1,5
= 2,33 m tiến hành điều chỉnh trấu cho phù hợp từ 110 – 170 kg/h
𝜌𝑡𝑟 135 cùng điểu chỉnh lượng không khí cấp 1 cho đến khi đạt
Chọn chiều cao lò hóa khí trấu là 2,5 m. giá trị cần đo. Tại mỗi giá trị lưu lượng không khí cấp
vào để cho lò hoạt động ổn định tầm 15 -20 phút, ta tiến
3.4. Cấu tạo và nguyên lý vận hành lò hóa khí hành ghi giá trị nhiệt độ, phân tích nhiệt độ, chiều cao
ngọn lửa,..
89
Do sản phẩm của quá trình hóa khí có chứa CO là một Với động cơ vít tải trấu là 20v/p – 64kg/h
khí độc nên trong quá trình thí nghiệm, lò hóa khí đặt
trong môi trường thông thoáng tốt. Sau khi khởi động
xong lò hóa khí và đưa lò hoạt động ổn định ở một chế
độ vận hành nhất định thì tiến hành ghi nhận các thông
số thí nghiệm.
4. Kết quả nghiên cứu và bàn luận
4.1 Khảo sát thời gian tải của vít tải trấu:
Hình 5. Tần số 6Hz

Ở 20kg/h, Tần số quạt hạ liên tục 25Hz – 5 Hz tương
ứng hệ số không khí thừa α = 0,5– 0,1. Qua thí nghiệm
có thể nhận xét rằng, ngọn lửa bắt đầu cháy yếu tại tần số
6Hz ( α = 0,12 – lưu lượng gió là 28,41 m3/h) nhưng khi
Hình 2. Khảo sát vít tải trấu (30kg) tăng lưu lượng quạt lên cao thì không có ngọn lửa -chứng
tỏ lưu lượng này quá bé so với thiết kế nên không bắt
được ngọn lửa.
* Với động cơ vít tải trấu là 40v/p –110kg/h
Tần số quạt thay đổi từ 10Hz – 25Hz tương ứng hệ số
không khí thừa α = 0,2 – 0,5. Qua thí nghiệm có thể nhận
xét rằng, ở 10Hz (α = 0,2) vẫn chưa cháy và chỉ xuất hiện
ngọn lửa có màu cháy vàng và thể tích ngọn lửa lớn tại
tần số 15Hz ( α = 0,3 – lưu lượng gió là 122,1 m3/h). Khi
tăng lên 20Hz (α = 0,4 – lưu lượng gió là 162,8 m3/h)
ngọn lửa vàng hơn và thể tích không thay đổi lớn so với
trường hợp trên.
Hình 3. Thời gian tải của động cơ
KHẢO SÁT THỜI GIAN CHẠY VÍT TẢI

Hình 6.Tần số 15Hz Hinh 7. Tần số 20Hz
2000 1699
* Với động cơ vít tải trấu là 60v/p – 154 kg/h
THỜI GIAN (s)
1500 Tần số quạt thay đổi từ 10Hz – 25Hz tương ứng hệ số

977
1000 730 635 không khí thừa α = 0,2 – 0,5. Qua thí nghiệm có thể nhận
xét rằng, ở 10Hz (α = 0,2 – lưu lượng gió là 113,96 m3/h)
500 ngọn lửa vẫn chưa cháy khi tăng đến tần số 13Hz ( α =
0 0,26 – lưu lượng gió là 148,2 m3/h) ngọn lửa bắt đầu cháy
0 20 40 60 80 100 yếu, màu lửa sáng chói. Khi tăng lên 15Hz (α = 0,3 – lưu
lượng gió là 170,9 m3/h) ngọn lửa vàng hơn, bùng cháy
SỐ VÒNG QUAY ĐỘNG CƠ (v/p)
lớn, thể tích thu hẹp lại và có xu hướng hướng lên cao
Hình 4. Mối quan hệ giữa động cơ vít tải và khối lượng hơn. Ở 20Hz (α = 0,4 – lưu lượng gió là 227,3 m3/h) ngọn
trấu cấp trong 1h lửa cháy mạnh, khí ra nhiều
Theo hình 2 và kết thúc thí nghiệm tĩnh, ta lựa chọn
cấp độ 1, 2, 3, 5 của động cơ để thực hiện việc cấp trấu
khi tiến hành thí nghiệm đốt.
4.2. Ảnh hưởng của lượng không khí cấp vào, công
suất cấp liệu đến quá trình hóa khí
Tất cả các thí nghiệm được điều chỉnh số liệu dựa theo
số liệu của động cơ vít tải 20 – 40 -60 -80 v/p đã có ở thí
nghiệm tĩnh và biến tần quạt từ 10 Hz (α = 0,2) – 25Hz
(α = 0,5). Hình 8.Tần số 15Hz Hình 9. Tần số 20Hz
90
* Với động cơ vít tải trấu là 80v/p – 170 kg/h ==> Lưu lượng cần cấp:V (ứng mỗi ? kg/h) ------>
Tần số quạt thay đổi từ 10Hz – 25Hz tương ứng hệ số …….. 10Hz (α = 0,2) - 25Hz (α = 0,5).
không khí thừa α = 0,2 – 0,5. Qua thí nghiệm có thể nhận  Sự thay đổi lưu lượng quạt theo lượng trấu cấp
xét rằng, ở 10Hz (α = 0,2 – lưu lượng gió là 125,8 m3/h) vào nhờ động cơ vít tải (được lấy ở chung tần số 20Hz)
ngọn lửa vẫn chưa cháy khi tăng đến tần số 15Hz ( α = 200
170 188,7
0,3 – lưu lượng gió là 188,7 m3/h) ngọn lửa bắt đầu cháy 147 148,2
yếu, thể tích không lớn. Khi tăng lên 20Hz (α = 0,4 – lưu 150 110 122,1
lượng gió là 251,6 m3/h) ngọn lửa vàng hơn, chói hơn, 100
thể tích không lớn.
50
0
1 2 3
Khối lượng
110 147 170
trấu vào
Lưu lượng gió 122,1 148,2 188,7
Hình 14. Tỉ lệ giữa trấu (kg) và không khí (m3/h)
Theo hình 14, cho thấy trấu cấp vào tỉ lệ thuận với
lượng không khí cấp, trấu cấp càng nhiều thì yêu cầu
lượng không khí cấp vào càng nhiều để đảm bảo quá trình
Hình 10.Tần số 15Hz Hình 11. Tần số 20Hz cháy.
5. Bàn luận 6. Kết luận
 Mối quan hệ giữa nhiên liệu cấp theo động cơ Biomaass nói chung và trấu nói riêng là một nguồn
vít tải vào với hệ số không thừa năng lượng tái tạo rất có tiềm năng trên thế giới cũng như
0,35
ở Việt Nam và đặc biệt có khả năng sử dụng trong lò hóa
170; 0,3 khí tầng sôi.
HỆ SỐ KHÔNG KHÍ
0,3
110; 0,3
0,25 Sau khi tiến hành tham gia chế tạo và thí nghiệm thực
0,2 147; 0,26 nghiệm, tác giả rút ra một số các kết luận như sau:
THỪA
0,15
0,1  Các thí nghiệm ban đầu thể hiện lò hoạt động ổn
0,05 64; 0,12 định với lượng nhiên liệu cấp vào thay đổi từ 64–170 kg/h
0 và với lượng không khí cấp vào thay đổi từ 10Hz – 25Hz.
0 50 100 150 200  Kết quả chỉ ra mối quan hệ tuyến tính - tỉ lệ thuận
KHỐI LƯỢNG TRẤU VÀO (kg) giữa nhiên liệu trấu vào và lưu lượng không khí cần cấp
tương ứng với hệ số không khí thừa thích hợp vẫn nằm
Hình 12. Quan hệ giữa nhiên liệu và hệ số α trong khoảng ( 0,2 – 0,4) của quá trình hóa khí.
Theo hình 12, qua quá trình thí nghiệm cho ta biết  Hiệu suất sử dụng lò tính toán xấp xỉ 60% đồng
được ứng với mỗi loại công suất cấp trấu sẽ có hệ số thời giảm chi phí nhiên liệu, vận hành nhưng vẫn đảm
không khí thừa nhất định mà ở đó xuất hiện được ngọn bảo vấn đề môi trường.
lửa do khí sinh ra và quan sát.  Thiết bị lò hóa khí sắp tới sẽ được ứng dụng làm
 Mối quan hệ giữa nhiên liệu cấp theo động cơ vít tải nhiên liệu đốt cho việc nung nóng thép.
vào với lưu lượng không khí cần cấp tối thiểu bắt đầu 7. Kiến nghị
xuất hiện ngọn lửa Để nghiên cứu sâu hơn về quá trình hóa khí trong tầng
Lưu lượng gió bắt đầu xuất sôi ta phải xác định được lưu lượng cũng như phân tích
thành phần sản phẩm khí tạo thành đồng thời thử trên
200 hiện ngọn lửa nhiều mẫu biomass khác nhau với công suất lớn hơn. Các
170;
nghiên cứu sâu hơn này sẽ tiếp tục được nghiên cứu trong
Lưu lượng m3/h
188,7
150 thời gian đến.
100 147; Tài liệu tham khảo
110; 148,2 [1]. Trần Thanh Sơn, Nghiên cứu quá trình hóa khí mùn cưa trong
122,1 tầng sôi, số 9 – 2016
50 [2]. Phạm Hữu Tâm, Nghiên cứu quá trình đốt sinh khối từ trấu làm
64; 28,41 nhiên liệu đốt qui mô công nghiệp, số 60.52.80 – 2013.
0 [3]. Hoàng Ngọc Đồng và Đào Ngọc Chân, Lò hơi và thiết bị đốt,
0 50 100 150 200 2008.
Khối lượng trấu vào (Kg) [4]. Hoàng Ngọc Đồng, Một số nghiên cứu bếp hóa khí sinh khối qui
mô gia đình, 2017.
Hình 13. Quan hệ giữa liệu trấu và lưu lượng không khí [5]. Alexis T. Belonio, Rice Husk Gas Stove HandBook, 2005.
cấp [6]. Nguyễn Tô Hạc, 2015, Nghiên cứu phát triển lò đốt công nghiệp
sử dụng nhiên liệu trấu phục vụ nung gạch,
Theo hình 13, Xác định thể tích không khí cấp để cháy https://thuvienso.hcmute.edu.vn/doc/nghien-cuu-phat-trien-lo-
hoàn toàn B kg/h : V = B .Vkk [m3/h]. Từ đó ta có: dot-cong-nghiep-sudung-nhien-lieu-sinh-khoi-trau-phuc-vu-
V ( B kg/h) -----> 50Hz ( cháy hoàn toàn). nung-gach-635365.html
91
92
KHOA ĐIỆN
THIẾT KẾ, THI CÔNG HỆ THỐNG ĐIỀU KHIỂN VÀ GIÁM SÁT

ROBOT SONG SONG BA BẬC TỰ DO 3RRR TỪ MÁY TÍNH
DESIGN, ASSEMBLY A SUPERVISION CONTROL SYSTEM OF
THE 3RRR PARALLEL ROBOT FROM THE COMPUTER
SVTH: Nguyễn Đức Phúc1, Trương Hoàng Quân1

Lớp: 18TDH2, Khoa Điện, Trường Đại học Bách khoa – Đại học Đà Nẵng
1
Email: ducphuc1508@gmail.com; truonghoangquan2k@gmail.com

GVHD: PGS. TS. Lê Tiến Dũng2
2
Khoa Điện, Trường Đại học Bách khoa – Đại học Đà Nẵng.
Email: ltdung@dut.udn.vn
Tóm tắt: Nội dung bài báo trình bày kết quả nghiên cứu việc Abstract: The content of the paper presents the results of
thiết kế và thi công hệ thống điều khiển và giám sát robot song research design and control of the construction and monitoring
song ba bậc tự do 3RRR. Kết quả hệ thống có thể điều khiển system of the 3RRR parallel robot with three degrees of freedom.
robot thực hiện các quỹ đạo mong muốn và thu thập dữ liệu để The resulting system can control the robot to perform the desired
phân tích độ chính xác, chất lượng bám quỹ đạo của robot. Các trajectories and collect data to determine the exact quality of the
tính toán về động học, không gian làm việc, các cấu hình kỳ dị robot trajectory. Calculations about kinematics, workspace,
và mô hình động lực học được trình bày chi tiết để làm cơ sở singularities and dynamics models are detailed to serve as the
cho việc thiết kế thuật toán điều khiển và xây dựng các chương basis for control design and construction of program control. To
trình điều khiển. Để kiểm nghiệm các kết quả đạt được, mô hình check the results, the robot’s model has built on SolidWorks and
của robot được xây dựng trên Solidworks sau đó tích hợp vào then integrated into Matlab-Simulink. At the same time, an
Matlab-Simulink. Đồng thời một hệ thống thực nghiệm được thực experimental system is implemented with the manipulator
thi với tay máy robot thực kết nối với máy tính để điều khiển, connecting to the computer for control and monitoring.
giám sát. Key words: 3RRR parallel robot; The supervised system;
Từ khóa: Robot song song ba bậc tự do; Hệ thống giám sát; Robot control; Robot Simulation; The control center.
Điều khiển robot; Mô phỏng Robot; Trung tâm điều khiển.
1. Đặt vấn đề đều A1A2A3 cạnh R, ba khớp bị động p = [ p1, p2, p3]T
Hiện nay, với sự tiến bộ của Khoa học - Kỹ thuật - làm cầu nối giữa hai thanh có độ dài 𝑙1 , 𝑙2 và ba khớp nối
Công nghệ gần như thuộc mọi lĩnh vực Cơ học - Cơ khí giữa cơ cấu chấp hành và thanh 𝑙2 .
- Điện - Điện tử - Điều khiển tự động - Máy tính - Tin
học - Sinh vật học đều được thể hiện trên sự phát triển
của robot. Xuất phát từ nhu cầu, khả năng linh hoạt hóa
trong sản xuất và có nhiều ưu điểm vượt trội như độ cứng
vững cao, có thể thực hiện được các thao tác phức tạp và
họat động với độ chính xác lớn, cung cấp khả năng di
động cao trong quá trình làm việc, robot song song ngày
càng được nghiên cứu sử dụng rộng rãi. Song song với
sự phát triển đó thì việc giao tiếp điều khiển giữa con
người và robot ngày càng yêu cầu cao hơn. Các thuật toán
điều khiển tay máy robot song song ngày càng hoàn
thiện, nhưng việc xét các quỹ đạo phức tạp trong không
gian làm việc cũng như ra lệnh cho robot song song thực
hiện các quỹ đạo trên máy tính và thực hiện giám sát vẫn
còn hạn chế. Xét qua các vấn đề trên, bài báo này sẽ đề
cập đến một thuật toán điều khiển đồng bộ và dựa vào đó
phát triển một giao diện điều khiển giám sát robot song
song ba bậc tự do. Thông qua giao diện làm việc, người
dùng có thể tương tác bằng cách nhấn chọn các biểu Hình 1: Hình chiếu của tay máy robot song song
tượng, các nút bấm và đưa ra lệnh cho robot thực hiện các phẳng ba bậc tự do trên mặt phẳng Oxy
thao tác mong muốn. Đồng thời hệ thống được thực
nghiệm với tay máy robot thực để điều khiển và giám sát. Ba khớp chủ động là nơi đặt ba động cơ có thể điều
khiển, chúng đóng vai trò là khớp truyền động chính cho
2. Mô hình động học của robot song song phẳng ba mô hình robot. Trong bài báo này, hai thanh 𝑙1 và 𝑙2 có
bậc tự do độ dài bằng nhau. 𝑙1 là thanh liên kết giữa khớp chủ động
Một hệ trục tọa độ x,y được chọn làm hệ trục tọa độ và khớp bị động, 𝑙2 là thanh liên kết giữa góc bị động và
tham chiếu cho cơ cấu robot song song phẳng ba bậc tự cơ cấu chấp hành cuối. Cơ cấu chấp hành cuối là một tam
do 3RRR. Tay máy robot song song ba bậc tự do có cấu giác đều C1C2C3 có cạnh c được liên kết với thanh 𝑙2 qua
tạo gồm chín khớp xoay, trong đó có ba khớp chủ động một khớp xoay. Tâm P của tam giác chính là điểm thực
ai =[ a1, a2, a3]T được đặt tại ba đỉnh của một tam giác
95
SVTH: Nguyễn Đức Phúc, Trương Hoàng Quân; GVHD: PGS. TS. Lê Tiến Dũng
hiện yêu cầu chuyển động theo vị trí yêu cầu được kí hiệu từ các góc chủ động ai =[ a1, a2, a3]T tiến hành tính
Z =[xP, yP, P]T với P xP, yP là vị trí trên hệ tọa độ Oxy toán vị trí của cơ cấu chấp hành Z =[xP, yP, P]T và các
còn P là góc nghiêng của cơ cấu chấp hành so với trục góc bị động pi = [ p1, p2, p3]T.
Ox. ⃗⃗⃗⃗⃗⃗
Theo mô hình hình học, ta có được tổng vecto 𝐴 𝑖𝑃
2.1. Mô hình động học ngược theo quy tắc chen điểm .
Từ mô hình tay máy robot song song bẳng ba bậc tự ⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗
𝐴 𝑖 𝑃 = 𝐴𝑖 𝐵𝑖 + 𝐵𝑖 𝐶𝑖 + 𝐶𝑖 𝑃
do 3-RRR , thực hiện tính toán động học ngược nhằm
mục đích từ vị trí của cơ cấu chấp hành có giá trị Z =[xP, Khai triển phương trình ta được:
yP, P]T để tính ra các góc chủ động ai =[ a1, a2, a3]T ⃗⃗⃗⃗⃗⃗
𝐴𝑖 𝑃 = (𝑥𝑃 − 𝑥𝐴𝑖 , 𝑦𝑃 − 𝑦𝐴𝑖 ).
và các góc bị động pi = [ p1, p2, p3]T của các khớp. ⃗⃗⃗⃗⃗⃗⃗⃗
𝐴𝑖 𝐵𝑖 = (𝑥𝐵𝑖 − 𝑥𝐴𝑖 , 𝑦𝐵𝑖 − 𝑦𝐴𝑖 ) = ( 𝑙1, cos( 𝜃𝑎𝑖 ) ,
𝑙1, sin( 𝜃𝑎𝑖 ) ).
⃗⃗⃗⃗⃗⃗⃗
𝐵𝑖 𝐶𝑖 = (𝑥𝐶𝑖 − 𝑥𝐵𝑖 , 𝑦𝐶𝑖 − 𝑦𝐵𝑖 ) = (𝑙2, cos(𝜃𝑎𝑖 +
𝜃𝑝𝑖 ) , 𝑙2, sin(𝜃𝑎𝑖 + 𝜃𝑝𝑖 )).
⃗⃗⃗⃗⃗⃗
𝐶𝑖 𝑃 = (𝑥𝑃 − 𝑥𝐶𝑖 , 𝑦𝑃 − 𝑦𝐶𝑖 ) = ( 𝑙3, cos(𝜆1 ) ,
𝑙3, sin(𝜆1 ) ).
Từ đây ta có thể suy ra mối quan hệ giữa vecto góc
chủ động và vecto Z.
2
𝐹𝑖 = (𝑥𝑃 − 𝑥𝐴𝑖 − 𝑙1, cos( 𝜃𝑎𝑖 ) − 𝑙3, cos(𝜆1 )) +
2
(𝑦𝑃 − 𝑦𝐴𝑖 − 𝑙1, sin( 𝜃𝑎𝑖 ) − 𝑙3, sin(𝜆1 )) − 𝑙2 2 = 0
Với i = 1,2,3.
𝜋 5𝜋 3𝜋
𝜆1 = 𝛷𝑃 + 𝜆2 = 𝛷𝑃 + 𝜆3 = 𝛷𝑃 +
6 6 2
Thực hiện giải hệ phương trình phi tuyến trên bằng
phương pháp lặp Newton-Raphson để tìm nghiệm Z =
Hình 2: Mô hình tính toán động học ngược của tay máy
robot song song phẳng ba bậc tự do
[xP, yP, P]T.
2.1.1. Tính toán góc chủ động của tay máy: 3. Mô hình động lực học của robot song song phẳng
ba bậc tự do
𝜃𝑎𝑖 = 𝛼𝑖 + 𝜓𝑖
Hiện nay có thể sử dụng các phương trình cơ học
Với Newton để tìm ra các phương trình động lực học của
2 robot. Tuy nhiên robot là cơ cấu trong không gian ba
𝑙2 − 𝑙22 +(𝑐𝑖𝑥 − 𝑎𝑖𝑥 )2 + (𝑐𝑖𝑦 − 𝑎𝑖𝑦 )
𝜓𝑖 = 𝑐𝑜𝑠 −1 ( 1 ) chiều, có nhiều bậc tự do và sự phân bố khối lượng không
2
2.𝑙1 .√(𝑐𝑖𝑥 − 𝑎𝑖𝑥 )2 + (𝑐𝑖𝑦 − 𝑎𝑖𝑦 ) đồng đều vì vậy khó có thể sử dụng phương trình cơ học
Newton. Thay vào đó có thể sử dụng nguyên lý Lagrange.
𝑐𝑥𝑖 = 𝑥𝑃 + 𝑙3 . cos 𝜃𝑖 , 𝑐𝑦𝑖 = 𝑦𝑃 + 𝑙3 . sin 𝜃𝑖 Nguyên lý Lagrange dựa vào năng lượng nên dễ dàng sử
7𝜋 𝜋 𝜋
𝜃1 = 𝛷𝑃 + 𝜃2 = 𝛷𝑃 − 𝜃3 = 𝛷𝑃 + dụng và tiếp cận hơn.
6 6 2
x, y, 𝛷𝑃 là các giá trị biết trước của khâu chấp hành
cuối.
𝑙1, 𝑙2 là độ dài của thanh 1 và 2.
𝑙3 là khoảng cách giữa trọng tâm P và điểm C.
𝑎𝑥𝑖 , 𝑎𝑦𝑖 là tọa độ của các điểm đặt động cơ: 𝐴1 = (0,0),
1 √3
𝐴2 = (𝑅,0), 𝐴3 = ( 𝑅. 𝑅).
2 2
R là khoảng cách giữa các khớp chủ động.
2.1.2. Tính góc bị động của tay máy:
2
𝑙2 + 𝑙22 − (𝑐𝑖𝑥 − 𝑎𝑖𝑥 )2 − (𝑐𝑖𝑦 − 𝑎𝑖𝑦 )
𝜃𝑝𝑖 = 𝑐𝑜𝑠 −1 ( 1 ) –𝜋
2.𝑙1 .𝑙2
Trong đó:
𝑐𝑖𝑥 , 𝑐𝑖𝑦 : Toạ độ điểm C.
𝑎𝑖𝑥 , 𝑎𝑖𝑦 : Tọa độ của các điểm đặt động cơ
𝑙1, 𝑙2 : Độ dài của thanh 1 và thanh 2.
2.2. Mô hình động học thuận
Bài toán động học thuận là ngược lại so với bài toán Hình 3: Mô hình phân tách ảo tay máy robot song song
động học ngược. Yêu cầu của bài toán động học thuận là phẳng ba bậc tự do
96
Phương trình Lagrange Euler: Ma trận 𝑱𝒑𝒛 được tính theo công thức: 𝑱𝒑𝒛 = 𝑱𝒑−𝟏 . 𝑱𝒛𝟐 .
𝑑 𝜕𝐿𝑖 𝜕𝐿𝑖 𝑑𝑧21 0 0
𝜏= −
̇
𝑑𝑡 𝜕𝜃𝑖 𝜕𝜃𝑖 𝑱𝒑 = [ 0 𝑑𝑧22 0 ]
Để có thể điều khiển được robot, phải có mô hình toán 0 0 𝑑𝑧23
học với các quá trình động lực học của hệ thống. Dựa vào
định luật bảo toàn năng lượng và dùng phương pháp phân 𝑎𝑧21 𝑏𝑧21 𝑐𝑧21
tách ảo ta có phương trình sau: 𝑱𝒛𝟐 = [𝑎𝑧22 𝑏𝑧22 𝑐𝑧22 ]
1 2 1 𝑎𝑧23 𝑏𝑧23 𝑐𝑧23
𝐿𝑖 = (𝑚1 . 𝑙1 2 + 𝑚2 . 𝑙12 + 𝐼1 ). 𝜃𝑎𝑖̇ + (𝑚2 . 𝑙2 2 +
2 2
̇ + 𝜃𝑝𝑖̇ ) 2 + 𝑚2 . 𝑙1 . 𝑙2 . cos(𝜃𝑝𝑖 ) . (𝜃𝑎𝑖̇ 2 + 𝜃𝑎𝑖̇ 𝜃𝑝𝑖̇ ) Trong đó :
𝐼2 ). (𝜃𝑎𝑖
𝑎𝑧2𝑖 = 𝑙1 . cos 𝜃𝑎𝑖 + 𝑙𝑐2 . cos(𝜃𝑎𝑖 + 𝜃𝑝𝑖 )
Biến đổi phương trình trên ta được phương trình động 𝑏𝑧2𝑖 = 𝑙1 . sin 𝜃𝑎𝑖 + 𝑙𝑐2 . sin(𝜃𝑎𝑖 + 𝜃𝑝𝑖 )
lực học : 𝑐𝑧2𝑖 = 𝑙2 𝑙3 sin(𝜓𝑖 + 𝜙𝑝 − 𝜃𝑎𝑖 − 𝜃𝑝𝑖 ) + 𝑙2 𝑙3 sin(𝜓𝑖 + 𝜙𝑝 − 𝜃𝑝𝑖 )
𝝉𝟎 = 𝑴𝟎 (𝜽). 𝜽̈ + 𝑪𝟎 (𝜽, 𝜽̇). 𝜽̇ { 𝑑𝑧2𝑖 = −𝑙𝑐1 𝑙𝑐2 sin 𝜃𝑝𝑖
Với 𝑴𝟎 (𝜽) là ma trận quán tính . Bằng cách nhân cả 2 về của phương trình với 𝑾𝑻 , ta
𝑪𝟎 (𝜽, 𝜽̇) là ma trận Coriolis và lực hướng tâm . được:
𝝉𝟎 là vecto momen của khớp. 𝝉𝟎 = 𝑾𝑻 (𝑴𝒐 (𝜽). 𝜽̈ + 𝑪𝒐 (𝜽, 𝜽̇). 𝜽̇) = 𝝉𝒂
[𝝉𝒂𝒊 𝝉𝒑𝒊 𝝉𝒛 ]𝑻 Ngoài ra, chúng ta còn có các mối quan hệ như sau:
Ma trận 𝑴𝒐 (𝜽), 𝑪𝒐 (𝜽, 𝜽̇) được tính theo công thức: 𝝏𝜽𝒑 𝝏𝑿𝒑 𝑻
𝜽̇ = [𝑰 , , ] . 𝜽̇𝒂 = 𝑾. 𝜽̇𝒂
𝛿1 0 0 𝜀1 0 0 0 0 0 𝝏𝜽𝒂 𝝏𝜽𝒂
0 𝛿2 0 0 𝜀2 0 0 0 0 𝜽̈ = 𝑾̇. 𝜽̇𝒂 + 𝑾𝜽̈𝒂
0 0 𝛿3 0 0 𝜀3 0 0 0 Từ các phương trình trên ta suy ra được phương trình
𝜂1 0 0 𝛽1 0 0 0 0 0 động lực học cho robot song song phẳng 3RRR như sau :
𝑴𝑶 = 0 𝜂2 0 0 𝛽2 0 0 0 0 ̂ 𝒂 . 𝜽̈𝒂 + 𝑪
𝑴 ̂ 𝒂 . 𝜽̇𝒂 = 𝝉𝒂
0 0 𝜂3 0 0 𝛽3 0 0 0
0 0 0 0 0 0 𝑚𝑝 0 0
Trong đó:
0 0 0 0 0 0 0 𝑚𝑝 0
̂ 𝒂 = 𝑾𝑻 . 𝑴𝒐 . 𝑾 ∈ 𝑹𝟑𝒙𝟑 , là ma trận quán tính .
𝑴
[0 0 0 0 0 0 0 0 𝐼𝑝 ]
̂ 𝒂 = 𝑾𝑻 . 𝑴𝒐 . 𝑾̇ + 𝑾𝑻 . 𝑪𝒐 . 𝑾 ∈ 𝑹𝟑𝒙𝟑 , là ma trận
𝑪
𝜗1 0 0 𝜇1 0 0 0 0 0
0 𝜗2 0 0 𝜇2 0 0 0 0 lực hướng tâm và Coriolis.
0 0 𝜗3 0 0 𝜇3 0 0 0 4. Phương pháp điều khiển bám đồng bộ cho tay máy
𝜌1 0 0 0 0 0 0 0 0 robot song song ba bậc tự do
𝑪𝑶 = 0 𝜌2 0 0 0 0 0 0 0 4.1. Điều khiển tính momen cho tay máy robot song
0 0 𝜌3 0 0 0 0 0 0 song phẳng ba bậc tự do
0 0 0 0 0 0 0 0 0 Trong phần điều khiển robot, ta có mô hình điều khiển
0 0 0 0 0 0 0 0 0 robot như sau:
[ 0 0 0 0 0 0 0 0 0]
𝝉𝒂 = 𝑴(𝜽). 𝜽̈ + 𝑪(𝜽, 𝜽̇). 𝜽̇
Với 𝛿𝑖 = 𝛼𝑖 + 𝛽𝑖 + 2. cos(𝜃𝑝𝑖 ) . 𝛾𝑖 , 𝜀𝑖 = 𝛽𝑖 +
Trong thực tế sẽ có thêm thành phần ma sát giữa các
𝛾1 . cos(𝜃𝑝𝑖 ),𝜂𝑖 = 𝛽𝑖 + cos(𝜃𝑝𝑖 ), 𝜗𝑖 =
khớp với nhau, vì vậy, có thể suy ra mô hình tổng quát
−2. sin(𝜃𝑝𝑖 ) . 𝜃𝑝𝑖̇ . 𝛾𝑖 , 𝜌𝑖 = sin(𝜃𝑝𝑖 ) . 𝛾1 . 𝜃𝑎𝑖̇ , 𝜇𝑖 = như sau:
sin(𝜃𝑝𝑖 ) . 𝛾𝑖 . 𝜃𝑝𝑖̇ .
𝝉𝒂 = 𝑴(𝜽). 𝜽̈ + 𝑪(𝜽, 𝜽̇). 𝜽̇ + 𝑭(𝜽, 𝜽̇)
Bởi vì robot song song phẳng 3RRR được điều khiển
Chúng ta có thể thấy. mỗi thành phần của là một hàm
bằng cách điều khiển 3 khớp chủ động 𝐴1 , 𝐴2 , 𝐴3 nên
phụ thuộc vào 𝜃, vị trí các khớp của tay máy robot, với
chúng ta cần phát triển mô hình động học trong không
mỗi phần tử của là một hàm phức tạp của 𝜃 và 𝜃̇. Vì vậy
gian khớp chủ động với momen đầu vào : 𝝉𝒂 =
phương trình trên khá phức tạp và rất khó để điều khiển.
[𝝉𝒂𝟏 , 𝝉𝒂𝟐 , 𝝉𝒂𝟑 ]𝑻 ∈ 𝑅3𝑥1
Do đó ở đây, sử dụng một bộ điều khiển tính momen để
𝑾𝑻 . 𝝉𝟎 = 𝝉𝒂 xử lý vấn đề.
Trong đó : W là ma trận Jacobian 𝝉𝒂 = 𝜶. 𝝉𝒂 ′ + 𝜷
𝑰 Với : 𝜶 = 𝑴(𝜽)
𝝏𝜽𝒑 𝑰 𝑰
−𝟏 𝜷 = 𝑪(𝜽, 𝜽̇) + 𝑭(𝜽, 𝜽̇)
𝑾= 𝝏𝜽 𝒂 = [𝑱𝟏 ] = [ 𝒐𝒛 𝑱𝒑𝒛 ]
𝑱
𝝏𝑿𝒑 𝑱𝟐 𝑱−𝟏 Với quy luật : 𝝉𝒂 ′ = 𝜽𝒂̈ + 𝑲𝒅 . 𝒆̇ + 𝑲𝒑 .𝒆
𝒐𝒛
[ 𝝏𝜽𝒂 ] 𝒆̇ = 𝜽𝒅𝒂̇ − 𝜽𝒂̇
Trong đó : 𝒆 = 𝜽𝒅𝒂 − 𝜽𝒂
𝑰 ∈ 𝑅3𝑥3 là ma trận đơn vị .
97
SVTH: Nguyễn Đức Phúc, Trương Hoàng Quân; GVHD: PGS. TS. Lê Tiến Dũng
4.2. Điều khiển bám đồng bộ cho tay máy robot song 5.2. Thiết kế giao diện GUI cho robot song song phẳng
song phẳng ba bậc tự do ba bậc tự do
Trước hết, định nghĩa lại sai số quỹ đạo như sau: Để thuận tiện cho việc điều khiển cũng như giám sát
𝒆𝒂 = 𝜽𝒂 (𝒕) − 𝜽𝒅𝒂 (𝒕) hoạt động của robot, một giao diện điều khiển đã được
thiết kế dựa trên phần mềm GUI thuộc matlab- simulink.
Trong thuật toán điều khiển đồng bộ, không chỉ riêng
Dựa theo ý tưởng đặt ra, một số chức năng nhất định đã
sai số của mỗi trục thành phần phải tiến về không (𝑒𝑎𝑖  được lập trình sẵn gồm việc vẽ quỹ đạo hình tròn, hình
0, i = 1,2,3) mà các sai số này phải cùng đồng thời bằng vuông,… vẽ các chữ cái cho trước. Một chức năng cuối
nhau trong quá trình điều khiển bám quỹ đạo: cho phép người dùng tự vẽ quỹ đạo trong không gian làm
𝒆𝒂𝟏 (𝒕) = 𝒆𝒂𝟐 (𝒕) = 𝒆𝒂𝟑 (𝒕) việc của robot, giúp tạo ra sự đa dạng về dữ liệu đầu vào.
Sai số đồng bộ được định nghĩa như sau:
𝜺𝟏 = 𝒆 𝟏 − 𝒆 𝟐
𝜺𝟐 = 𝒆 𝟐 − 𝒆 𝟑
𝜺𝟑 = 𝒆 𝟑 − 𝒆 𝟏
Mục tiêu của thuật toán điều khiển là các sai số đồng
bộ cùng tiến về 0, điều này có nghĩa là thuật toán điều
khiển xem xét sai số của các trục có sự ảnh hưởng qua lại
lẫn nhau.
Để thực hiện điều này, ta có định nghĩa một hàm sai
số xen kênh ngang như sau:
𝒆∗ = 𝒆 + 𝚪. 𝜺
Trong đó:
𝒆∗ là vector sai số xen kênh ngang .
𝚪 là mà trận xác định dương có kích thước 3x3
giúp cân bằng trọng số giữa sai số vị trí và sai số đồng
bộ.
Hình 4: Giao diện điều khiển, giám sát tay máy robot
𝜺 là sai số đồng bộ. song song phẳng ba bậc tự do
Đạo hàm của vector sai số xen kênh ngang, được Giao diện điều khiển và giám sát gồm các chức năng
tính theo công thức: vẽ hình, các chữ cái, tự thiết kế quỹ đạo đầu vào. Ngoài
𝒆̇ ∗ = 𝒆̇ + 𝚪. 𝜺̇ ra còn có chức năng giám sát quỹ đạo nhằm đưa ra sai số
giữa quỹ đạo đặt và quỹ đạo thực giúp cho người dùng có
Trong đó : 𝜺̇ = [𝜺̇ 𝟏 , 𝜺̇ 𝟐 , 𝜺̇ 𝟑 ], với:
thể tùy chỉnh các thông số để giảm sai số đến mức tối
𝜺̇ 𝟏 = 𝒆̇ 𝟏 − 𝒆̇ 𝟐 thiểu. Việc đưa ra mối quan hệ, sai số giữa các khớp ,
𝜺̇ 𝟐 = 𝒆̇ 𝟐 − 𝒆̇ 𝟑 momen và tốc độ được đặt vào khớp chủ động giúp người
𝜺̇ 𝟑 = 𝒆̇ 𝟑 − 𝒆̇ 𝟏 dùng dễ dàng kiểm soát và điều khiển robot chính xác
hơn.
Thuật toán điều khiển đồng bộ tính mô-men cho tay
máy robot song song phẳng 3 bậc tự do được viết như 6. Mô phỏng kiểm nghiệm
sau: Để mô phỏng thuật toán điều khiển và phầm mềm
𝝉𝒂 = 𝑴 ∗ (𝜽𝒅̈ + 𝑲𝟏 . 𝒆̇ ∗ + 𝑲𝟐 . 𝒆∗ ) + 𝑪. 𝜽̇ giám sát, robot sẽ được vẽ trên phần mềm Solid Work và
được chuyển qua phần mềm Matlab Simulink. Giao diện
5. Thiết kế giao diện GUI điều khiển tay máy robot GUI sẽ được liên kết với Matlab Simulink giúp thuận tiện
song song phẳng ba bậc tự do cho việc mô phỏng.
5.1. Giao diện GUI Bảng 1: Thông số robot dùng để mô phỏng
GUI (Graphical User Interface) là giao diện đồ họa có
Thông số
điều khiển bởi nhiều thanh công cụ được người lập trình
tạo sẵn, cho tương tác giữa người dùng là giao diện Momen quán
Thanh Chiều dài Khối lượng
chương trình. Mỗi chương trình được người lập trình tạo tính
sẵn giao diện thực hiện một vài chức năngđược người lập (m) (kg)
(kg.m2)
tình tạo sẵn và giao tiếp với người sử dụng.
Ứng dụng của Matlab lập trình giao diện rất mạnh và 𝑙1 0.2 0.502832 0.00199706
dễ thực hiện, nó có thể tạo ra giao diện người dùng tương
tự VBB, C++… 𝑙2 0.2 0.551218 0.00248231
GUI bao gồm đầy đủ các chương trình hỗ trợ như thực
hiện phép toán LOGIC, mô phỏng không gian 2D,3D, 𝑙3 0.125 1.19851 0.00607418
đọc hiển thị dữ liệu, liên kết đa phương tiện.Giao tiếp với Kết quả mô phỏng với quỹ đạo là chữ B được thực
người dùng thông qua hình ảnh, các nút nhấn thực thi. hiện trên Matlab Simulink:
98
Hình 8: Đồ thị momen của các khớp chủ động

Hình 5: Kết quả chạy mô phỏng với quỹ đạo ngôi sao
Hình 6: Đồ thị các góc chủ động của robot

7. Kết quả thực nghiệm
Bảng 2: Thông số thực tế của robot Hình 9: Đồ thị sai số theo hai phương X và Y
Thông số 8. Kết luận
Đề tài đã tiến hành phân tích mô hình động, động lực
Thanh Chiều dài Khối lượng Momen quán tính
học của tay máy robot song song phẳng ba bậc tự do 3-
(m) (kg) (kg.m2) RRR. Mô hình Robot đã xây dựng trên Matlab –Simulink
𝑙1 0.2 0.502832 0.00199706 giúp dễ dàng trong việc liên kết và mô phỏng. Thiết kế
được giao diện điều khiển và giám sát hoạt động của tay
𝑙2 0.2 0.551218 0.00248231 máy robot đồng thời đưa ra kết quả so sánh chính xác.
𝑙3 0.125 1.19851 0.00607418
Kết quả thực tế khi vận hành robot và dữ liệu giám
[1] Le, Quang Dan, Hee-Jun Kang, and Tien Dung Le. "Adaptive
sát được thu thập từ giao diện. extended computed torque control of 3 DOF planar parallel
manipulators using neural network and error
compensator." International Conference on Intelligent Computing.
Springer, Cham, 2016.
[2] Lê Tiến Dũng, Lê Quang Dân. "ĐIỀU KHIỂN ĐỒNG BỘ TÍNH
MÔ-MEN CHO TAY MÁY ROBOT SONG SONG PHẲNG 3
BẬC TỰ DO." Lời nói đầu: 27.
[3] Doan, Quang Vinh, et al. "A neural network–based synchronized
computed torque controller for three degree-of-freedom planar
parallel manipulators with uncertainties
compensation." International Journal of Advanced Robotic
Systems 15.2 (2018): 1729881418767307.
[4] Kuo, Yong-Lin, and Shih-Chien Tang. "Dynamics and control of a
3-DOF planar parallel manipulator using visual servoing resolved
acceleration control." Journal of Low Frequency Noise, Vibration
and Active Control 40.1 (2021): 458-480
Hình 7: Kết quả thực nghiệm quỹ đạo hình ngôi sao
[5]
99
SVTH: Nguyễn Văn Hiếu, Trần Văn Duẫn, Phạm Đức Hậu; GVHD: TS. Nguyễn Văn Tấn
CHIẾN LƯỢC HỖ TRỢ TẦN SỐ CHO LƯỚI ĐIỆN SIÊU NHỎ

FREQUENCY SUPPORT STRATEGY FOR MICROGRIDS
SVTH: Nguyễn Văn Hiếu, Trần Văn Duẫn, Phạm Đức Hậu
Lớp 18D1, Khoa Điện, Trường ĐH Bách Khoa-ĐH Đà Nẵng; Email: 105180021@sv1.dut.udn.vn,
105180014@sv1.dut.udn.vn, 105180019@sv1.dut.udn.vn
GVHD: TS. Nguyễn Văn Tấn
Khoa Điện, Trường ĐH Bách Khoa-ĐH Đà Nẵng; Email: tan78dhbk@dut.udn.vn
Tóm tắt - Năng lượng tái tạo bao gồm năng lượng mặt trời Abstract - Renewable energy including solar and wind offers
và gió mang lại nhiều lợi ích trong việc giảm tác hại và hệ quả many benefits in reducing the harm and consequences of
của năng lượng truyền thống gây ra. Tuy nhiên, sự thâm nhập ở traditional energy. However, the high penetration of solar energy
mức cao của các nguồn năng lượng mặt trời đem lại thách thức sources presents a challenge to operate and stabilize the system
cho việc vận hành và ổn định tần số hệ thống bởi tính không ổn frequency because of the instability caused by weather factors.
định do phụ thuộc các yếu tố thời tiết cũng như việc vận hành The operation does not participate in the process of supporting
không tham gia vào quá trình hỗ trợ quán tính của chính bản thân the inertia of the energy sources themselves. Therefore, the
những nguồn năng lượng này. Do đó, bài báo đề xuất phương paper proposes a combination of battery storage system
pháp kết hợp giữa sử dụng hệ thống lưu trữ Pin và Vận hành availability and Offload Operation to support frequencies in
giảm tải để hỗ trợ tần số trong lưới điên siêu nhỏ. Bằng cách tạo microgrids. By creating more reserve capacity to mobilize in time
ra thêm lượng công suất dự trữ để huy động kịp thời trong trường in case of power imbalance, thereby helping to stabilize the
hợp mất cân bằng công suất tác dụng, từ đó giúp ổn định được frequency. The proposed method has achieved frequency
tần số. Phương pháp được để xuất đã đáp ứng được khả năng support based on evaluation and simulation via Matlab/Simulink
hỗ trợ tần số dựa trên đánh giá và mô phỏng thông qua phần software.
mềm Matlab/Simulink. Keywords - PV, microgrid, deloading_control, frequency
Từ khóa - PV, microgrid, deloading_control, frequency control, grid inertia.
control, grid inertia.
1. Giới thiệu chung trường hợp xảy ra mất cân bằng công suất hệ thống từ đó
Cùng với sự gia tăng tỷ trọng của các nguồn năng ổn định được tần số, nhưng cách thức hoạt động của hai
lượng tái tạo (Renewable Energy Resources - RESs), hệ phương pháp hoàn toàn khác nhau:
thống năng lượng mặt trời được sản xuất từ các nhà máy  Lưu trữ Pin – BATT bao gồm hệ thống pin và
điện mặt trời (Photovoltaic Power Plants - PVPPs) và bộ chuyển đổi công suất giúp cung cấp công suất
nguồn năng lượng gió từ những tubin gió (Wind Turbines kịp thời khi có sự thiếu hụt công suất từ nguồn
– WTs) gây ảnh hưởng đến ổn định và kiểm soát hệ thống hoặc lấy nguồn năng lượng dư thừa để nạp vào
điện, đặc biệt là ổn định tần số. Những nguyên tắc vận hệ thống pin giúp cân bằng công suất tác dụng.
hành và đặc tính vốn có của PVPPs và WTs là nguyên  Vận hành giảm tải – Deloading control có cách
nhân chính. Chủ yếu là sự khác biệt so với các nhà máy hoạt động khác hơn, thay vì vận hành PVPPs ở
phát điện truyền thống: điểm công suất cực đại (Maximum Power Point
Công suất đầu ra của hệ thống PVPPs và WTs thường - MPP), thuật toán sẽ vận hành ở điểm có công
không ổn định vì hoạt động vận hành phụ thuộc vào sự suất thấp hơn. Khi đó PVPPs có thể duy trì một
biến đổi của thời tiết. Và khi được vận hành ở điểm công công suất dự trữ ∆P cho hệ thống. Phần dự trữ
suất cực đại, chúng không có khả năng dự trữ công suất này sẽ phát ra khi có sự mất cân bằng công suất
để duy trì kiểm soát tần số [1]. Cuối cùng, PVPPs không giúp ổn định tần số hệ thống.
có thành phần quay như nguồn phát truyền thống nên Tuy nhiên, cả hai phương pháp còn tồn tại nhiều
không có phản hồi quán tính có thể được cung cấp trong nhược điểm: Vận hành giảm tải cho khả năng đáp ứng tần
quá trình mất cân bằng công suất [2]. số tốt hơn nhưng khả năng này lại bị phụ thuộc vào điều
Ngoài ra, với sự gia tăng RESs trong hệ thống điện sẽ kiện thời tiết. Hệ thống Pin có khả năng đáp ứng hỗ trợ
làm giảm số lượng các nguồn phát truyền thống từ đó công suất ổn định hơn nhưng chi phí lắp đặt và vận hành
giảm đi quán tính hệ thống [3]. Sự ảnh hưởng trở nên rõ sẽ tăng cao khi yêu cầu dự trữ công suất lớn ảnh hưởng
rệt hơn khi chúng được vận hành ở hệ thống độc lập (như lớn đến hiệu quả kinh tế.
hệ thống MicroGrid - MG). Quán tính hệ thống trở nên Để khắc phục các nhược điểm còn tồn tại trên các
thấp đi dẫn đến sự thay đổi nhanh công suất đầu ra của phương pháp. Bài báo đề xuất Chiến lược vận hành kết
hệ thống PV cũng làm cho tần số của hệ thống có thể bị hợp Lưu trữ Pin và Vận hành giảm tải để hỗ trợ lưới điện
xáo trộn, sai lệch so với các điều kiện ban đầu. Vì vậy, siêu nhỏ. Với thuật toán kết hợp được đề xuất, Vận hành
nó trở thành thách thức để điều khiển tần số hệ thống [4]. giảm tải sẽ giảm thiểu được lượng công suất dự trữ yêu
Nhiều giải pháp kỹ thuật điều khiển trong vận hành cầu của Pin đồng thời Hệ thống Pin giúp gia tăng độ ổn
Microgrid đã được nêu ra [3], [5], [6]. Trong đó, hai định của Vận hành giảm tải. Từ đó, Hệ thống MG sẽ vận
phương pháp được sử dụng phổ biến nhất là: Sử dụng hệ hành ở tần số ổn định, đảm bảo được độ tin cậy cung cấp
thống lưu trữ Pin (Battery – BATT) và Vận hành giảm tải điện. Hơn nữa, hiệu quả kinh tế cũng được nâng cao khi
- Deloading control. phối hợp vận hành các nguồn (Năng lượng gió, mặt trời,
Các giải pháp này đều được vận hành nhằm tạo ra hệ thống pin và diesel) trong một hệ thống MG độc lập
thêm công suất dự trữ giúp huy động kịp thời trong [7]. Về mặt kỹ thuật, Chiến lược sẽ được đánh giá và nhận
100
xét về khả năng hỗ trợ tần số thông qua kết quả mô phỏng điều khiển sơ cấp giúp hạn chế được vấn đề vừa đề cập ở
bằng phần mền Matlab/Simulink. trên.
Bài báo trình bày phương pháp đề xuất với cấu trúc ΔPWT
như sau: Phần 2 mô tả phản hồi tần số trong hệ thống điện ΔPpv
sau khi có sai lệch về cân bằng công suất. Phần 3 lần lượt
thể hiện chiến lược điều khiển Lưu trữ Pin và Vận hành ΔPdiesel +
+ 1  fMG
giảm tải. Thuật toán đề xuất kết hợp hai phương pháp vận
hành được đưa ra ở phần 4. Phần 5 thể hiện kết quả mô
+ _
_+ 2 Hs  Dtai
phỏng và nhận xét chung cho đề xuất. Cuối cùng, đánh
giá và kết luận được nêu trong phần 6.
ΔPBatt
ΔPtai
2. Tổng quát về phản hồi tần số trong hệ thống
2.1. Hỗ trợ tần số hệ thống Hình 2. Mô hình tín hiệu nhỏ của hai phương pháp đề xuất.
Theo [8], đáp ứng tần số của hệ thống điện được chia (Xanh: Vận hành lưu trữ - Đỏ: Vận hành giảm tải)
thành ba giai đoạn chính: phản hồi quán tính (IR), phản Trong đó: ∆PPV, ∆Pdiesel, ∆PWT, ∆PBatt, ∆Ptai lần lượt là
hồi tần số sơ cấp (PFR) và phản hồi tần số thứ cấp (SFR) sự chênh lệch công suất tác dụng của PVPPs, máy phát
được mô tả như hình 1. Ở gian đoạn phản hồi quán tính diesel, WTs, hệ thống lưu trữ và tải.
IR, bộ điều tốc của máy phát được điều chỉnh để gia tăng
3. Hỗ trợ tần số của hai chiếu lược đề xuất
công suất đầu ra của máy phát. Giai đoạn sơ cấp, các máy
phát tiếp tục tăng công suất phát cho đến khi cân bằng 3.1. Hệ thống lưu trữ
được công suất nguồn phát và tải. Để phục hồi tần số trở Hệ thống lưu trữ bao gồm: bộ phận lưu trữ để nạp/xả
lại giá trị danh định, việc điều khiển tần số được thông công suất; bộ chuyển đổi điện tử công suất; bộ điều khiển
qua giai đoạn cuối cùng - phản hồi tần số thứ cấp. lượng công suất nạp/xả. Ngày nay, BATT được sử dụng
rộng rãi trong các hệ thống điện độc lập do chi phí thấp
f(Hz)
và vận hành đơn giản do đó bài báo đề xuất sử dụng
BATT cho hệ thống lưu trữ.
50
t (s) Theo [10], phương trình điện áp đầu ra của BATT
được thể hiện theo phương trình sau:
V  Voc  IR
Voc  f  SoC  (1)
R  f  SoC , I , T 
IR PFR SFR
Hình 1. Đáp ứng tần số của hệ thống Trong đó: Voc là điện áp hở mạch; R là nội điện trở;
dòng điện I mang dấu dương trong quá trình phóng điện
Khả năng đáp ứng tần số phụ thuộc lớn vào đặc tính và mang dấu âm trong quá trình tích điện.
của nguồn phát. Thời gian đáp ứng thường bị trễ do thời
gian trễ của bộ điều tốc. Đặc biệt ở hệ thống lưới độc lập Bộ chuyển đổi công suất DC/DC hai chiều
với sự thâm nhập cao của PVPPs và WTs sẽ làm giảm được thể hiện trong [11]. Bộ chuyển đổi này cho phép
các nguồn năng lượng truyền thống – đóng vai trò quan BATT nhận công suất hoặc phát công suất lên hệ thống
trọng trong hỗ trợ quán tính, do đó hệ thống sẽ giảm đáng tùy vào tín hiệu điều khiển.
kể khả năng điều chỉnh tần số. 1 Máy phát Pdiesel
2.2. Mô hình tín hiệu nhỏ Rdiesel diesel +
Để giảm hệ quả do sự thâm nhập cao, thông qua chiến f Ptai
lược đề xuất để tham gia hỗ trợ tần số, quán tính hệ thống 1 Bộ điều +
sẽ được tăng lên đáng kể. Theo [9], mô hình tín hiệu nhỏ Rbatt khiển pin PBatt
của Microgrid được đưa ra ở hình 2.
Phân tích được ảnh hưởng của các nguồn tới sự thay Hình 3. Cấu trúc bộ điều khiển kết hợp Pin và Diesel
đổi của tần số hệ thống. Từ đó điều chỉnh và thay đổi Trong đó: Rdiesel và RBatt lần lượt là đặc tính độ dốc
lượng công suất cần hỗ trợ để cân bằng công suất. Với của máy phát Diesel và Batt.
cách vận hành khác nhau, phương pháp sử dụng hệ thống Do công suất của BATT có giới hạn, nên cần kết hợp
lưu trữ cho khả năng đáp ứng công suất hai chiều tương BATT với máy phát Diesel để cùng phối hợp hỗ trợ tần
ứng khả năng nạp - xả thay vì chỉ dự trữ và phát công suất số hệ thống. Cấu trúc điều khiển kết hợp giữa BATT và
như phương pháp Vận hành giảm tải của PV và WTs. máy phát Diesel được thể hiện như hình 3.
Tuy nhiên, hệ thống có nhiều nguồn khác nhau luôn Theo [12] bộ điều khiển hệ thống lưu trữ bao gồm bộ
biến động ngẫu nhiên về công suất nên việc ổn định tần điều khiển công suất và bộ điều khiển dòng điện. Bộ điều
số là một vấn đề khó khăn. Đối với bài báo này, khả năng khiển công suất xác định dòng tham chiếu d-q (Idref, Iqref)
huy động công suất của các phương pháp đều được vận dựa trên giá trị công suất tham chiếu Pref, Qref. Bằng cách
hành theo phương pháp điều khiển độ dốc sử dụng sai số giữa dòng tham chiếu (Idref, Iqref) và dòng
(Droop_control) nhằm để phân bố công suất chính xác, đo được (Id, Iq), bộ điều khiển dòng điện tạo ra điện áp
tức thời giữa các nguồn có khả năng điều độ trong cấp tham chiếu Vdref, Vqref.
101
Công suất tham chiếu được xác định thông qua điều khiển độ dốc có hệ số độ dốc thay đổi theo công suất
phương pháp điều khiển độ dốc. dự trữ cho PVPP như sau:
Theo [9], sự sai lệch tần số được tính theo công thức: ΔP
ΔP(f )  Δf  K  Δf  (4)
f  f net  f ref  K p P (2) R
Trong đó: Kp là hệ số đặc trưng cho đường đặc tính Với R là độ lệch tần số cho phép của hệ thống khi có
độ dốc (P-f), ∆P là độ sai lệch công suất tác dụng cần thay những dao động nhỏ và ∆P là công suất dự trữ được của
đổi của các nguồn (máy phát Diesel và Battery). PVPPs ứng với một giá trị bức xạ và nhiệt độ cụ thể.
Khi hệ thống đang vận hành ổn định (∆f = 0), BATT ΔP  PMPP (t )  PDeload (t ) (5)
không thực hiện quá trình nạp – xả công suất. Nếu có sự 3.3. Điều khiển công suất theo phương pháp giảm tải
dao động về tần số, phụ tải tăng hoặc bức xạ mặt trời giảm của WTs
thì lúc này (∆f < 0), BATT và máy phát Diesel phải bơm
công suất lên lưới theo đường đặc tính P-f đảm bảo cân 3.3.1. Điều khiển giảm tải cho WTs
bằng phụ tải và nguồn phát. Ngược lại, khi (∆f > 0) công Cùng với hệ thống nguồn năng mặt trời, các hệ thống
suất của máy phát Diesel và BATT được điều chỉnh giảm điện gió có khả năng hỗ trợ tần số bằng cách dự trự công
công suất P theo đặc tính P-f để cân bằng với phụ tải, lúc suất đầu ra bằng phương pháp giảm tải. Từ đó, giúp tăng
này BATT sẽ hoạt động ở trạng thái nạp. quán tính cho toàn hệ thống.
3.2. Điều khiển công suất theo phương pháp giảm tải Dựa vào phương pháp bắt điểm công suất cực đại
của PVPP Momen xoắn tối ưu (Optimal torque – OT) được giới
3.2.1. Điều khiển giảm tải cho PVPP thiệu trong [17]. Điều khiển tốc độ quay của roto theo
đường đặc tính MPPT được thể hiện trong hình 5. Công
Vận hành giảm tải tạo ra một lượng dự trữ công suất
∆P từ PVPPs để huy động cho hệ thống khi có sự sai lệch suất WTs đạt cực đại tại tốc độ tối ưu  0 , khi tăng hoặc
tần số [3]. Dựa vào đường cong đặc tính P-V được xây giảm tốc độ roto (tại 1 và  2 ) có thể giảm được công
dựng, thay vì vận hành tại điện áp VMPP ứng với điểm suất đầu ra của WTs tại điểm vận hành giảm tải [18]. Tuy
công suất cực đại (Maximum Power Point - MPP), ta sẽ nhiên, vận hành giảm tải bằng cách tăng tốc độ được đề
vận hành tại điểm có điện áp lớn hơn hoặc thấp hơn điện xuất do việc giảm tốc độ thường mang lại nhiều vấn đề
áp tại điểm MPP [13]. về ổn định.
Pdeload  (1  d ) PMPP (3) Pmax Điểm công suất cực đại
Để dự trữ được một lượng công suất ΔP, hệ thống PV A Điểm vận
P0
sẽ được vận hành ở công suất Pdeload với hệ số dự trữ công B hành giảm tải
P1
suất d% [3]. Công suất được phát ra có thể tính theo (3). Đặc tính C
P MPPT
Điểm công suất cực đại

PMPP Điểm vận hành giảm tải
Pdeload ΔP Đặc tính

Deload
1 0  2 
Hình 5. Vận hành giảm tải của hệ thống điện gió
V
Vd1 VMPP Vd2 3.3.2. Huy động công suất hỗ trợ tần số
Hình 4. Vận hành giảm tải của hệ thống điện mặt trời Đều bị ảnh hưởng bởi điều kiện thời tiết, khả năng dự
Phân tích vận hành giảm tải được mô tả theo hình 4. trữ công suất và phát công suất hỗ trợ tần số của WTs
Với hiệu quả trong việc bắt điểm công suất cực đại, thuật tương đối giống với PVPP. Do đó, phương pháp điều
toán Artificial Neural Network (ANN) trong [14] sẽ vận khiển độ dốc của WTs được thể hiện như biểu thức 4. Với
hành ở chế độ giảm tải ứng theo (3) với từng điều kiện R, là tham số độ dốc máy phát của WTs. Sơ đồ tổng quát
môi trường khác nhau mà không phụ thuộc vào đặc tính của phương pháp vận hành giảm tải hệ thống điện gió
của P-V. Ứng với điểm làm việc cực đại (P MPP, VMPP), được thể hiện ở hình 6.
dựa vào họ đặc tính đã được xây dựng, PV sẽ được vận f P
Điều khiển
hành giảm tải ở một trong hai điểm của công suất P deload Droop-Control
(Vđ1 ứng với sườn trái – Vđ2 ứng với sườn phải của đường
đặc tính). +
3.2.2. Cách huy động công suất tác dụng để hỗ trợ tần số v MPPT và + Pref
Deload PDeload
Khác với điều khiển độ dốc có hệ số độ dốc không
đổi ở Diesel và BATT. Theo [15], do khả năng dự trữ Hình 6. Sơ đồ khối hỗ trợ tần số của WTs
công suất luôn biến động theo sự thay đổi của bức xạ và Khi có sự thay đổi về tần số, qua khối điều khiển độ
nhiệt độ nên hệ số độ dốc thay đổi. Dựa theo phương pháp dốc sẽ cho biết lượng công suất P cần được huy động.
điều khiển độ dốc trong [16], bài báo đưa ra phương pháp Từ đó, kết hợp với công suất giảm tải P deload để tạo công
102
suất tín chiếu tham chiếu Pref để chuyển đến các bộ điều
khiển điều khiển tốc độ. Hình 7. Lưu đồ thuật toán của chiến lược đề xuất
4. Chiến lược hỗ trợ tần số cho lưới điện siêu nhỏ Trong đó: Batt: hệ thống lưu trữ pin, PVdeload: chế độ
Trong quá trình vận hành kết hợp các nguồn năng Deload của PV, WTdeload: chế độ deload của gió.
lượng tái tạo trong lưới điện siêu nhỏ, điều kiện thời tiết 5. Mô phỏng và nhận xét chung:
có ảnh hưởng lớn tới hiệu quả vận hành cũng như ổn định Bài báo mô phỏng và đánh giá hiệu quả của thuật toán
hệ thống khi vận hành giảm tải và điều kiện kinh tế khi đề xuất tới sự ổn định tần số của hệ thống. Giả sử, sự thay
vận hành hệ pin. Bảng 1, 2 lần lượt thể hiện giá trị công đổi công suất gây ra bởi hai lý do chính:
suất khai thác được và lượng công suất dự trữ của PVs và
WTs ứng với từng giá trị bức xạ và vận tốc gió khác nhau. Do sự thay đổi của tải
Do sự thay đổi của nguồn – đặc trưng bởi sự thay
Bảng 1: Ước tính lượng dự trữ đối với từng tốc độ gió
đổi công suất từ máy phát tuabin gió phụ thuộc
Vận Vận vào vận tốc gió.
tốc Pmppt DentaP tốc Pmppt DentaP
gió [Mw] [kw] gió [Mw] [kw] Thực hiện mô phỏng với cấu trúc tổng quan ở hình 8.
[m/s] [m/s] Ứng với mỗi kịch bản, bài báo sẽ so sánh kết quả mô
10 1,357 135,735 7 0,466 46,557 phỏng ở 2 trường hợp vận hành khác nhau: Vận hành
PVPPs - WTs với công suất cực đại - kết hợp BATT
9,5 1,164 116,376 6,5 0,373 37,276 (LƯU TRỮ) và Vận hành theo thuật toán đề xuất (ĐỀ
9 0,990 98,951 6 0,293 29,319 XUẤT).
8,5 0,834 83,358 5,5 0,226 22,583
PV
8 0,695 69,496 5 0,170 16,967
PPV=300kW Tải
7,5 0,573 57,263 4,5 0,124 12,369
Bảng 2: Ước tính lượng dự trữ đối với từng bức xạ WTs
Bức xạ Pmppt DentaP Bức xạ Pmppt DentaP PWind=2MW
[w/m2 ] (kw) [kw] [w/m2 ] (kw) [kw]
1000 300,965 60,193 500 149,097 29,819 Batt Chú thích:
Các giá trị thể hiện
900 270,746 54,149 400 118,633 23,727 PBATT=200kW công suất đặt của từng
800 240,428 48,086 300 88,251 17,650 nguồn cung cấp
Diesel
700 210,031 42,006 200 58,058 11,612
Pdiesel=4MW
600 179,577 35,915 100 28,283 5,657
Hình 8. Cấu trúc tổng quan Microgrid độc lập
Ứng với vận tốc gió 6m/s và bức xạ mặt trời 400 w/m2
lượng dự trữ công suất của PVs và WTs lúc này là khá 5.1. Kết quả mô phỏng
thấp nên khả năng hổ trợ không đáng kể. 5.1.1. Kịch bản 1: Nguồn không đổi, phụ tải thay đổi
Do đó, để đạt được hiệu suất vận hành và kinh tế cao, Ở kịch bản đầu tiên, công suất tải bắt đầu ở 3.14MW,
bài báo đề xuất Chiến lược vận hành kết hợp Lưu trữ Pin từ giây thứ 5 tải tăng thêm 170KW đến giây thứ 5.2 công
và Vận hành giảm tải ứng với từng điều kiện thời tiết suất tải đạt 3.31MW và giữ ở mức này. Hình 9 thể hiện
thông qua hai đại lượng đặc trưng của năng lượng mặt khả năng huy động công suất nguồn bám theo công suất
trời và năng lượng gió tương ứng là bức xạ mặt trời G và tải trong từng trường hợp.
vận tốc gió v như lưu đồ thuật toán ở hình 7:
 Khi G > 400W/m2 và v > 6m/s thì PVs và WTs sẽ
vận hành theo phương pháp giảm tải (deload).
 Khi G ≤ 400W/m2 hoặc v ≤ 6m/s thì PV và WT sẽ
vận hành ở MPPT đồng thời hệ thống Pin lưu trữ
tiến hành phát công suất lên lưới khi có sự sai lệch
tần số.
Start
Hình 9. Đáp ứng công suất khi phụ tải thay đổi
V>6 ?
N Trường hợp hệ thống vận hành ở MPPT, máy phát
Batt=1
Diesel và BATT là hai thành phần đảm nhận việc cân
N
Y G>400? PV deload=0 bằng công suất giữa nguồn và tải. Tuy nhiên, cả hai thành
Batt=1
N
WTdeload=0
phần này đều cần thời gian để tăng lượng công suất cần
PV deload=0 G>400? Y
WTdeload=1 huy động chính vì vậy dao động công suất nguồn lúc này
Batt=1 là rất lớn. Trường hợp vận hành theo thuật toán đề xuất
Y PV deload=1
WTdeload=0 cho phép hệ thống huy động công suất nhanh từ lượng
Batt=0 công suất dự trữ, phần thiếu hụt còn lại do máy phát
PV deload=1
WTdeload=1
Diesel hỗ trợ tuy nhiên lượng bù vào từ Diesel là không
nhiều vì vậy cho phép hệ thống huy động công suất nhanh
103
dẫn đến sự dao động công suất giảm đi đáng kể so với 5). Hình 12 thể hiện khả năng huy động công suất của hai
trường hợp vận hành ở MPPT. trường hợp vận hành. Khi vận tốc gió giảm gây mất cân
Hình 10 thể hiện lượng công suất huy động từ các bằng công suất (Pnguồn<Ptải), lúc này cần bổ sung một
nguồn khi hệ thống vận hành theo thuật toán đề xuất. Khi lượng công suất để hỗ trợ tần số hệ thống. Giống như kịch
công suất tải tăng, PVs và WTs phát phần công suất dự bản 1, vì hệ thống vận hành MPPT kết hợp BATT nên
trữ theo độ dự trữ d% của từng nguồn (PV=20%, lượng công suất cần bù vào do máy phát Diesel và BATT
WT=10%), máy phát Diesel điều chỉnh tăng công suất để đảm nhận chính vì thế sự dao động công suất trong hệ
bù vào lượng công suất còn thiếu giúp cân bằng công suất thống là rất lớn và thời gian đạt xác lập lâu. Dao động
nguồn với công suất tải. Tốc độ huy động công suất cũng công suất đã được cải thiện đáng kể khi hệ thống vận
được thể hiện rõ trong hình 10, PVs và WTs khi làm việc hành theo thuật toán đề xuất, thời gian đạt xác lập cũng
ở chế độ Deload có thể huy động nhanh lượng công suất nhanh hơn.
dự trữ trong khi máy phát Diesel cần nhiều thời gian hơn
để điều chỉnh tăng công suất phát. Khi PVs huy động gần
đến lượng công suất dự trữ tối đa (khoảng 60KW) và đạt
trạng thái xác lập thì tổng công suất huy động của cả ba
nguồn PVs, WTs, Diesel bắt đầu cao hơn lượng công suất
cần huy động để cân bằng công suất tải do đó PVs điều
chỉnh giảm lượng công suất huy động xuống do thời gian
điều chỉnh nhanh hơn so với Diesel.
Hình 12. Đáp ứng công suất khi tốc độ gió thay đổi
Hình 13 thể hiện lượng công suất huy động từ các
nguồn khi hệ thống vận hành theo thuật toán đề xuất. Khi
vận tốc gió nhỏ hơn hoặc bằng 6m/s, lượng công suất dự
dữ lúc này là không đáng kể nên hệ thống WTs chuyển
sang chế độ vận hành ở MPPT đồng thời BATT được kết
hợp sử dụng để hỗ trợ cân bằng công suất. Từ giây thứ 5
đến giây thứ 5.2 vận tốc gió bắt đầu giảm xuống, trong
Hình 10. Đáp ứng công suất của từng nguồn hỗ trợ với giai đoạn đó vận tốc gió vẫn còn lớn hơn 6m/s nên WTs
thuật toán đề xuất khi có sự thay đổi tải
vẫn còn làm việc ở chế độ deload nên ∆P-WT >0, từ giây
Điều này giải thích cho việc công suất huy động của thứ 5.2 trở đi vận tốc gió là 6m/s, WTs sẽ làm việc ở
PVs làm việc xác lập ở dưới mức tối đa. Thuật toán đề MPPT nên lượng dự trữ lúc này bằng 0. PVs vẫn đang
xuất chỉ cho phép BATT hỗ trợ khi một trong hai điều làm việc ở chế độ deload nên nó sẽ phát phần công suất
kiện là vận tốc gió hoặc bức xạ mặt trời hoặc cả hai nằm dự trữ theo độ dự trữ d=20% kết hợp cùng với BATT và
dưới mức giới hạn, trong kịch bản này vận tốc gió ở máy phát Diesel hỗ trợ tần số hệ thống. Tốc độ huy động
9.03m/s và bức xạ mặt trời ở 1000W/m2 không đổi nên công suất cũng được thể hiện trong hình 13, PVs khi làm
BATT không làm việc. việc ở chế độ deload có thể huy động nhanh lượng công
suất dự trữ trong khi máy phát Diesel và BATT cần nhiều
thời gian hơn để điều chỉnh tăng công suất phát. Khi PVs
huy động đến lượng công suất dự trữ tối đa (khoảng 48kw
tương ứng bức xạ 800W/m2) và đạt trạng thái xác lập thì
tổng công suất huy động của cả ba nguồn PVs, BATT,
Diesel bắt đầu cao hơn lượng công suất cần huy động để
cân bằng công suất tải do đó PVs và BATT điều chỉnh
giảm lượng công suất huy động xuống do thời gian điều
chỉnh của hai nguồn này nhanh hơn so với Diesel. Điều
Hình 11. Phản hồi tần số khi tải thay đổi
này giải thích cho việc công suất huy động của PVs làm
Với khả năng huy động công suất của hai trường hợp việc xác lập ở dưới mức tối đa và công suất huy động của
dẫn đến đáp ứng tần số tương ứng được thể hiện ở hình BATT bắt đầu giảm khi công suất huy động từ máy phát
11. Trường hợp vận hành MPPT kết hợp BATT tần số hệ Diesel đạt xác lập.
thống giao động nhiều và nằm ngoài giới hạn cho phép
Với khả năng huy động công suất của hai trường hợp
(khoảng 49.52 Hz), thời gian đạt trạng thái xác lập lâu
dẫn đến đáp ứng tần số tương ứng được thể hiện ở hình
(khoảng 3s) và tần số sau xác lập thấp (khoảng 49.82 Hz).
14. Trường hợp vận hành MPPT kết hợp BATT tần số hệ
Tần số hệ thống dao động trong phạm vi cho phép trong
thống dao động nhiều và nằm ngoài giới hạn cho phép
trường hợp vận hành theo thuật toán đề xuất (khoảng
(khoảng 49.57 Hz), thời gian đạt trạng thái xác lập lâu
49.81Hz), thời gian đạt xác lập nhanh hơn (khoảng 2s) và
(khoảng 3s) và tần số sau xác lập thấp (khoảng 49.82Hz).
tần số sau xác lập được nâng cao đáng kể (khoảng 49.90
Tần số hệ thống dao động trong phạm vi cho phép trong
Hz).
trường hợp vận hành theo thuật toán đề xuất (khoảng
5.1.2. Kịch bản 2: Phụ tải không đổi, vận tốc gió thay đổi 49.81Hz), thời gian đạt xác lập nhanh hơn (khoảng 1.5s)
Với kịch bản 2, công suất nguồn thay đổi giá trị do và tần số sau xác lập được nâng cao đáng kể (khoảng
giá trị vận tốc gió giảm (từ 7m/s xuống 6m/s ở giây thứ 49.89Hz).
104
điện siêu nhỏ đã được nâng cao đáng kể. Tuy nhiên, chiến
lược vận hành đề xuất chỉ hỗ trợ ở mức sơ cấp nên chưa
đưa được tần số về tần số danh định. Do đó, hướng nghiên
cứu điều khiền trong tương lai là hoàn thiện được cả quá
trình phản hồi tần số bao gồm điều khiển thứ cấp để đưa
tần số về danh định từ đó cải thiện giá trị sai lệch tần số
còn tồn tại.
Hình 13. Đáp ứng công suất của từng nguồn hỗ trợ với [1] V. A. K. Pappu, B. Chowdhury, and R. Bhatt, “Implementing
thuật toán đề xuất khi tốc độ gió thay đổi frequency regulation capability in a solar photovoltaic power
plant,” in North American Power Symposium 2010, 2010, pp.
1–6.
[2] European Photovoltaic Industry Association, “Connecting the
Sun. Solar Photovoltaics on the Road to Large-Scale Grid
Integration,” Bruss. Belg., 2012.
[3] M. Dreidy, H. Mokhlis, and S. Mekhilef, “Inertia response and
frequency control techniques for renewable energy sources: A
review,” Renew. Sustain. Energy Rev., vol. 69, pp. 144–155,
2017.
[4] M. Farrokhabadi, C. A. Cañizares, and K. Bhattacharya,
“Frequency control in isolated/islanded microgrids through
voltage regulation,” IEEE Trans. Smart Grid, vol. 8, no. 3, pp.
Hình 14. Phản hồi tần số khi tốc độ gió thay đổi 1185–1194, 2015.
[5] G. Delille, B. Francois, and G. Malarange, “Dynamic frequency
5.2. Nhận xét chung:
control support by energy storage to reduce the impact of wind
Chiến lược hỗ trợ tần số kết hợp Lưu trữ Pin và Vận and solar generation on isolated power system’s inertia,” IEEE
hành giảm tải được đề xuất cho thấy khả năng đáp ứng Trans. Sustain. Energy, vol. 3, no. 4, pp. 931–939, 2012.
[6] T. Grider, “Analysis of Flywheel Energy Storage Systems for
tốt trong một số trường hợp được nêu ra. Các trường hợp Frequency Support,” 2021.
được vận hành theo chiến lược nhận được các kết quả tốt [7] W. Su, Z. Yuan, and M.-Y. Chow, “Microgrid planning and
hơn khi hoạt động ở cách vận hành thông thường như operation: Solar energy and wind energy,” in IEEE PES General
hoạt động ở MPPT hoặc là chỉ được hỗ trợ bằng hệ thống Meeting, 2010, pp. 1–7.
[8] C. Rahmann and A. Castillo, “Fast frequency response
Pin. capability of photovoltaic power plants: The necessity of new
Chiến lược kết hợp giúp phát huy các ưu điểm của các grid requirements and definitions,” Energies, vol. 7, no. 10, pp.
phương pháp dùng Lưu trữ Pin và Vận hành giảm tải từ 6306–6322, 2014.
[9] N. H. Hiếu, N. V. Tấn, N. B. Nam, T. Đình M. Đức, Đào Hữu
đó bù trừ những thiếu xót còn tồn tại trong chính các Đan, and L. Q. Cường, “The roles of energy storage systems in
phương pháp này. Khả năng ổn định của các RES được stabilizing frequency of the islanded microgrid,” Tạp Chí Khoa
nâng cao. Từ đó, nâng cao sự ổn định, tin cậy trong hệ Học Và Công Nghệ-Đại Học Đà Nẵng, pp. 39–44, 2020.
thống MG. [10] N. Achaibou, M. Haddadi, and A. Malek, “Modeling of lead acid
batteries in PV systems,” Energy Procedia, vol. 18, pp. 538–544,
Đối với Vận hành giảm tải, việc dự trữ công suất đầu 2012.
ra có thể giúp các nguồn tái tạo phát triển hơn về quy mô [11] B. Y. Li, C. Xu, C. Lib, and Z. Guan, “Working principle
và sản lượng trong khi vẫn có thể hạn chế được sự thâm analysis and control algorithm for bidirectional DC/DC
converter.,” J. Power Technol., vol. 97, no. 4, 2017.
nhập các nguồn này vào hệ thống. [12] R. Sepehrzad, S. Nakhaeisharif, A. Al-Durra, M. Allahbakhshi,
Do được sản sẻ một phần công suất từ vận hành giảm and A. Moridi, “Islanded micro-grid frequency control based on
the optimal-intelligent lyapunov algorithm considering power
tải nên sẽ hạn chế được chí phí đầu tư ban đầu ở hệ thống dynamic and communication uncertainties,” Electr. Power Syst.
pin, tăng hiệu quả về mặt kinh tế. Res., vol. 208, p. 107917, 2022.
Bên cạnh đó, Chiến lược đề xuất chưa thể hiển hết [13] R. Rajan, F. M. Fernandez, and Y. Yang, “Primary frequency
control techniques for large-scale PV-integrated power systems:
quá trình của Đáp ứng tần số trong hệ thống (mục 2.1) A review,” Renew. Sustain. Energy Rev., vol. 144, p. 110998,
bao gồm giai đoạn phản hồi thứ cấp, …Nên không thể 2021.
đưa tần số về giá trị danh định. Do đó, các trường hợp mô [14] TS. Nguyễn Chính Kiên, “Ứng dụng mạng nơron nhân tạo vào
phỏng không cho phép các trường hợp phức tạp như các bài toán dự báo.” 2017. [Online]. Available:
https://imech.ac.vn/upload/NewsImage/2021/1/12/ung-dung-
giá trị nguồn và tải thay đổi trong 1 ngày. mang-noron-nhan-tao-vao-bai-toan-du-bao-thuy-van.pdf
6. Kết luận [15] Nguyễn Bình Nam, Nguyễn Văn Tấn, Trương Đình Minh Đức,
Nguyễn Văn Hiếu, Trương Lê Vi Thảo, Trần Quốc Trung,
Bài báo đã đề xuất chiến lược vận hành để hỗ trợ tần “Chiến lược nâng cao quán tính hệ thống mặt trời nối lưới thông
số trong lưới điện siêu nhỏ có sự thâm nhập cao của năng qua điều khiển giảm tải.”
lượng tái tạo bằng việc kết hợp phương pháp Vận hành [16] U. B. Tayab, M. A. B. Roslan, L. J. Hwai, and M. Kashif, “A
review of droop control techniques for microgrid,” Renew.
giảm tải (Deloading control) và hệ thống Lưu trữ pin. Từ
Sustain. Energy Rev., vol. 76, pp. 717–727, 2017.
kết quả mô phỏng, thông qua phương pháp điều khiển độ [17] J. Pande, P. Nasikkar, K. Kotecha, and V. Varadarajan, “A
dốc, tần số hệ thống được đáp ứng tốt khi vận hành giảm review of maximum power point tracking algorithms for wind
tải ứng với từng kịch bản cụ thể. Ngoài ra, hệ thống pin energy conversion systems,” J. Mar. Sci. Eng., vol. 9, no. 11, p.
1187, 2021.
lưu trữ cũng đã đóng góp hiệu quả vào việc cân bằng công
[18] X. Zhang et al., “Deloading power coordinated distribution
suất mỗi khi các nguồn năng lượng tái tạo làm việc ở điều method for frequency regulation by wind farms considering
kiện thời tiết xấu – không có lượng công suất dự trữ. Do wind speed differences,” IEEE Access, vol. 7, pp. 122573–
vậy, tính ổn định, hiệu quả cũng như độ tin cậy của lưới 122582, 2019
105
SVTH: Thân Thành Đạt; GVHD: Lê Hồng Lâm
PHÂN TÍCH CƠ CHẾ MỘT GIÁ VÀ HAI GIÁ TRONG THỊ TRƯỜNG
CÂN BẰNG
ANALYSIS OF THE ONE PRICE AND TWO PRICE MECHANISM IN BALANCING
MARKET
SVTH: Thân Thành Đạt

Lớp 18D3, Khoa Điện, Trường Đại học Bách Khoa; Email: thanthanhdat1234@gmail.com
GVHD: Lê Hồng Lâm
Khoa Điện, Trường Đại học Bách Khoa; Email: lhlam@dut.udn.vn
Tóm tắt- Việt Nam là một trong những quốc gia chịu tác động Abstract - Vietnam is one of the countries directly affected
trực tiếp của hiện tượng biến đổi khí hậu, vì vậy các chính sách by climate change, so Vietnamese policies always give priority to
Việt Nam luôn ưu tiên đẩy mạnh phát triển năng lượng tái tạo. promoting the development of renewable energy. In addition to
Bên cạnh các lợi ích về mặt kinh tế, môi trường khi sử dụng năng the economic and environmental benefits of using renewable
lượng tái tạo, việc tích hợp năng lượng tái tạo vào lưới đã dẫn energy, the integration of renewable energy into the grid has led
đến việc suy giảm an ninh và độ tin cậy hệ thống do tính không to a decrease in system security and reliability due to its
ổn định và khó dự đoán của nguồn năng lượng. Thị trường điện instability and difficulty energy source prediction. The
Việt Nam cần có một thị trường có khả năng giải quyết các sự Vietnamese electricity market needs a market that is able to
mất cân bằng công suất liên tục gây ra bởi năng lượng tái tạo. address the persistent capacity imbalances caused by
Xây dựng thị trường cân bằng sẽ góp phần vào việc giảm tác renewable energy. Building the balancing market will contribute
động của các ảnh hưởng từ năng lượng tái tạo lên hệ thống điện to reducing the impact of renewable energy on the power system
và giúp chi phí vận hành cân bằng công suất được tối ưu. Mục and help optimize operating costs to balance capacity. The
đích của bài báo này là tập trung xây dụng mô hình toán thị purpose of this paper is to focus on building a mathematical
trường cân bằng dựa trên bài toán tuyến tính (LP). Tiếp theo, bài model for the balancing market based on linear problem (LP).
báo tiến hành việc phân tích cơ chế một giá và hai giá trong thị Next, the paper analyzes the one price and two price mechanism
trường cân bằng. Từ kết quả thu được, bài báo đưa ra đề xuất in the balancing market. From the results obtained, the article
phương hướng xây dựng thị trường cân bằng ở Việt Nam tại thời proposes a direction to build a balancing market in Vietnam at
điểm hiện tại và tương lai. present and in the future.
Từ khóa: Một giá, hai giá, thị trường cân bằng, NLTT, Keywords: one-price, two-price, balancing market,
VHTTD. renewable energy, electricity marke operation .
1. Giới thiệu Được đề cập trong [8], nhóm các thị trường điện giao
Ngày 1/11/2021, tại hội nghị COP26[1] Việt Nam ngay cho phép giao dịch ngắn hạn và thường bao gồm hai
cam kết sẽ xây dựng và triển khai các biện pháp giảm thỏa thuận giao dịch là thị trường ngày tới và thị trường
phát thải khí nhà kính, đồng thời phối hợp với các nước cân bằng. Trong đó, thị trường ngày tới diễn ra vào trước
để đạt mức phát thải ròng bằng “0” vào năm 2050. Theo ngày cung cấp năng lượng , còn thị trường cân bằng diễn
thống kê [2] thị trường điện tháng 7/2022 tỷ lệ huy động ra vài phút trước khi cung cấp năng lượng thực tế và tạo
nguồn điện tái tạo trên tổng sản lượng điện sản xuất toàn thành cơ chế thị trường cuối cùng để cân bằng giữa công
hệ thống như sau: Năng lượng tái tạo đạt 22,06 tỷ kWh, suất phát và sử dụng. Trong thị trường cân bằng hình
chiếm 14% (trong đó điện mặt trời đạt 16,54 tỷ kWh, điện thành nhiều cơ chế định giá[9] phù hợp với từng đặc điểm
gió đạt 5,24 tỷ kWh). Điều đó cho thấy quyết tâm thực của từng hệ thống điện ở các quốc gia. Trong đó, cơ chế
hiện cam kết của Việt Nam là không hề nhỏ và đang đạt thanh toán chủ yếu thực hiện theo cơ chế một giá và hai
dần đến mục tiêu của nghị quyết 55 về phát triển năng giá. Tiến hành phân tích cơ chế một giá và hai giá trong
lượng quốc gia [3]. Bài báo [4] đề cập đến việc sử dụng thị trường cân bằng. Dựa vào kết quả nghiên cứu chọn ra
năng lượng tái tạo góp phần làm giảm chi phí sản xuất được cơ chế phù hợp nhất để xây dựng thị trường điện
năng lượng và ảnh hưởng đến môi trường. Nhưng đồng cân bằng tại Việt Nam.
thời, do tính chất gián đoạn của nguồn năng lượng tái tạo Phần còn lại của bài báo này được tổ chức như sau.
làm cho hệ thống điện mất cân bằng trong thời gian thực Đầu tiên, phần 2 trình bài mô hình thị trường giao ngay.
dẫn đến sự không ổn định của hệ thống điện. An ninh hệ Kế tiếp, phần 3 cung cấp quy trình thực hiện tính toán cơ
thống điện gắn liền với phản ứng của hệ thống đối với bất chế một giá và hai giá. Sau đó, phần 4 thực hiện mô
kỳ sự nhiễu loạn nào mà nó phải chịu đặc biệt là tính chất phỏng và phân tích kết quả. Cuối cùng, kết luận chính
không thể đoán trước của các nguồn năng lượng tái được trình bày trong phần 5.
tạo[5]. Điều đó đặt ra mục tiêu thị trường điện Việt Nam 2. Mô hình thị trường điện giao ngay:
phải hình thành một thị trường mới để thích ứng với sự Xem xét mô hình thị trường điện như Hình 1. Thị
phát triển của năng lượng tái tạo. Thị trường cân bằng, trường giao ngay bao gồm hai thị trường giao dịch là thị
một thị trường được phát triển ở các nước châu Âu, châu trường ngày tới và thị trường cân bằng.
Mĩ, Nga [6]. Thị trường đặc biệt phù hợp với các nguồn
điện ngẫu nhiên (ví dụ: nhà máy điện gió và mặt trời)
không thể dự đoán chính xác mức phát điện của nhà máy
trước khi giao dịch thị trường ngày tới đóng lại. Đồng
thời vận hành thị trường cân bằng góp phần vào việc giảm
chi phí vận hành hệ thống điện đối với các dịch vụ phụ
trợ để ổn định hệ thống điện [7]. Hình 1: Mô hình thị trường điện
106
2.1. Thị trường ngày tới trường này bản chào giá bán hiệu chỉnh bao gồm lượng
Đơn vị vận hành thị trường điện xử lý các số liệu từ công suất tăng hoặc giảm và giá chào xoay quanh mức
đơn vị phát điện, mua điện gởi đến trong thời gian trước giá thanh toán thị trường ngày tới ( S ). Thị trường tính
thời điểm cung cấp điện một ngày. Đơn vị phát điện nộp toán cho từng khu vực và được xử lý bởi đơn vị vận hành
cho thị trường này bản chào giá bán (lượng công suất khả thị trường điện thông qua một cuộc đấu thầu theo cơ chế
dụng và giá sàn), trong khi đơn vị mua điện nộp bản chào “đấu giá theo giá thống nhất” [10]. Từ đó, có được giá
giá mua (lượng công suất sử dụng và giá trần). Đổi lại, thanh toán cho thị trường cân bằng ( B ) và lịch trình
đơn vị vận hành thị trường điện thực hiện tính toán thị
điều động các nhà máy điện tại mỗi khu vực. Công thức
trường thông qua việc mở một cuộc đấu thầu theo cơ chế
“đấu thầu theo giá thống nhất” [10]. Cuộc đấu thầu này mô tả thị trường cân bằng [8] với nG  nhà máy hiệu
dẫn đến mức công suất phát và tiêu thụ theo lịch trình và chỉnh tăng, nG  nhà máy hiệu chỉnh giảm được trình bày
giá cả tối ưu cho thị trường ngày tới. Công thức mô tả thị như sau :
trường ngày tới đa khu vực [11], với 𝑛𝐺 tổ máy phát, 𝑛𝐷
nG nG
phụ tải và a khu vực được trình bày như sau :
nG , a nD , a
Min : Cost2  P i
G
*QiG  *xiG   P i
G
*QiG  *xiG 
P P
i 1 i 1
Min : Cost1  i
G,a
*QiG,a *xiG,a  D, a
j *Q Dj ,a *x Dj ,a
i 1 j 1
(6)
 Với các ràng buộc:
(1) nG nG a a
 Với các ràng buộc: i 1

QiG  *xiG   
i 1
QiG  *xiG   k 1
Netkreal  Net
k 1
k
nG , a nD , a a
: B
 i 1
QiG ,a *xiG ,a  j 1
Q Dj ,a *x Dj ,a  Net
k 1
k : S (2)
(7)
f min, k  Netk  f max, k , k  1,  a (3) 0 xiG  1 , i  1, nG (8)
0  xiG  1 , i  1, nG (4) 0  xiG  1 , i  1, nG (9)

0 x Dj  1 , j  1, nD (5) - Trong đó, Cost2 là tổng chi phí dùng để cân bằng
công suất được tính bằng tổng chi phí hiệu chỉnh công
- Trong đó, Cost1 là tổng chi phí vận hành trong ngày nG
tới được tính bằng tổng chi phí phát điện tại các khu vực
nG
suất tăng P i
G
*QiG  *xiG  và tổng chi phí điều chỉnh
P G ,a i 1
i *QiG , a *xiG , a . và tổng chi phí chi trả của phụ tải nG
i 1
nD , a
công suất giảm P i
G
*QiG  *xiG  , với PiG , QiG PiG , QiG
P
i 1
tại các khu vực D, a
*Q Dj ,a *x Dj ,a , với PiG,a , QiG,a lần
j lần lượt là công suất khả dụng tăng, giá thầu tăng, công
j 1
suất khả dụng giảm và giá thầu giảm của nhà máy thứ i;
lượt công suất khả dụng và giá sàn của nhà máy thứ i tại
xiG , xiG  là phần trăm công suất phát hiệu chỉnh (6), với
khu vực a, PjD , a , Q Dj , a là công suất sử dụng và giá trần a a
của phụ tải thứ j tại khu vực a; xiG , a , x Dj , a phần trăm công xiG  , xiG    0,1 (8), (9); ( 
k 1
Netkreal  Net )
k 1
k là độ
suất phát, tiêu thụ được lên lịch (1), với
lệch công suất thực tế tại khu vực a được tính bằng tổng
xiG,a , x Dj ,a  0,1 (4), (5); Netk là lượng công suất a
truyền (+), nhận (−) tại mỗi khu vực được cân bằng với công suất truyền, nhận thực tế ( Net
k 1
real
k ) trừ đi tổng
nG ,a
tổng lượng công suất phát tại mỗi khu vực Q
i 1
G ,a G ,a
i *xi
công suất truyền, nhận dự kiến (
a
Net ) tại khu vực a,

k
và tổng lượng công suất tiêu thụ tại mỗi khu vực k 1
nD , a độ lệch công suất thực tế tại khu vực a được cân bằng với

i 1
Q Dj , a *x Dj ,a (2); f max,k , f min,k là giới hạn công suất
tổng lượng công suất tăng tại mỗi khu vực
nG
Q G G
i *xi
i 1
truyền, nhận của đường dây truyền tải (3); S (nhân tử
và tổng lượng công suất giảm tại mỗi khu vực
Lagrange của c.t2) là mức giá thanh toán cho thị trường nG
ngày tới.
2.2. Thị trường cân bằng
Q i 1
G G
i *xi (7); B (nhân tử Lagrange của c.t7) là mức
Đơn vị vận hành thị trường điện xử lý các số liệu từ giá thanh toán cho thị trường cân bằng.
đơn vị phát điện gởi đến trong thời gian trước thời điểm 2.3. Cơ chế thanh toán trong thị trường cân bằng
cung cấp điện vài phút. Đơn vị phát điện nộp cho thị
107
Đối với thị trường cân bằng một giá, các sai lệch công + Các phụ tải tiêu thụ không đúng lịch trình được chi
suất so với các hợp đồng trong ngày được giao dịch ở một trả, thanh toán với giá như sau:
mức giá cân bằng duy nhất (giá thanh toán thị trường cân cost D _ two  j  (QDj *xDj  QDj *xD,
j
real
)*S
bằng) bất kể dấu hiệu của sự mất cân bằng giữa nhà máy
điện hay phụ tải. (16)
+ Các nhà máy điện hỗ trợ cân bằng thị trường điện - Trong đó, cost P _ two i  là chi phí thanh toán hai
được thanh toán, chi trả với giá như sau: giá cho đơn vị bán điện thứ i, mang dấu “+” khi nhận
c o s t P _ o QniGe xiGi  B Q*Gi * xGi được
B * thanh* toán và dấu “–“ khi thực hiện chi trả
(10) (13),(15); cost D _ two  j là chi phí thanh toán cho đơn
+ Các nhà máy điện phát không đúng lịch trình được vị mua điện thứ j (14),(16).
thanh toán, chi trả với giá như sau: 3. Quy trình tính toán hệ thống một giá, hai giá
cost P _ one  i   (QiG *xiG  QiG *xiG ,real )*B  Bước 1: Thực hiện tính toán thị trường ngày tới, giải
(11) bài toán tuyến tính tìm công suất phát của nhà máy điện,
+ Các phụ tải tiêu thụ không đúng lịch trình được chi tiêu thụ của phụ tải sao cho hàm chi phí (ct.1) đạt giá trị
trả, thanh toán với giá như sau: cực tiểu. Với các điều kiện ràng buộc (ct.2, ct.3, ct.4,
ct.5). Lấy giá trị biên của phương trình cân bằng công
c o s t D _ QoD j n xe j
D
QjG x( j B *
D, r e a l
* ) *
j
suất (ct.2), ta sẽ thu được giá trị S . Dữ liệu thu được sẽ
(12)
được lưu vào khối DAM .
- Trong đó, cost P _ one  i  là chi phí thanh toán một
 Bước 2: Thực hiện tính toán thị trường cân bằng,
giá cho đơn vị bán điện thứ i, mang dấu “+” khi nhận giải bài toán tuyến tính tìm công suất tăng, giảm của mỗi
được thanh toán và dấu “–“ khi thực hiện chi trả (10), nhà máy điện sao cho hàm chi phí (ct.6) đạt giá trị cực
(11); Cost cost D _ one  i  là chi phí thanh toán cho đơn tiểu. Với các điều kiện ràng buộc (ct.7, ct.8, ct.9) . Lấy
giá trị biên cho phương trình cân bằng công suất (ct.7) ,
vị mua điện thứ j (12); xiG,real , x Dj ,real lần lượt là phần
ta sẽ thu được giá trị B . Dữ liệu thu được sẽ được lưu
trăm lượng công suất phát thực tế của nhà máy i và tiêu
vào khối BM .
thụ thực tế của phụ tải j (11), (12).
 Bước 3: Thực hiện tính toán cơ chế một giá và hai
Đối với thị trường cân bằng hai giá, độ lệch công suất
giá trong thị trường cân bằng:
thời gian thực được định giá khác nhau tùy thuộc vào dấu
+ Cơ chế một giá : thực hiện thu thập số liệu lịch trình
hiệu mất cân bằng. Những sai lệch có chiều ngược lại với
phát từ thị trường ngày tới (DAM) và số liệu lịch trình
sự mất cân bằng tổng thể của hệ thống, giúp hệ thống
điều chỉnh các nhà máy, giá trị thanh toán từ thị trường
khôi phục lại sự cân bằng giữa sản xuất và tiêu thụ được
cân bằng (BM) để tính toán cơ chế một giá theo ct.10,
định giá theo giá thị trường ngày tới. Ngược lại, các sai
ct.11, ct.12.
lệch có cùng dấu hiệu của hệ thống được thanh toán theo
+ Cơ chế hai giá : thực hiện thu thập số liệu lịch trình
giá của thị trường cân bằng. Giống với cơ chế một giá chi
phát, giá cả thanh toán từ thị trường ngày tới (DAM) và
phí thanh toán các nhà máy điện hỗ trợ cân bằng hệ thống
số liệu lịch trình điều chỉnh các nhà máy, giá cả thanh
luôn được thanh toán với mức giá thị trường cân bằng (ct
toán từ thị trường cân bằng (BM) để tính toán cơ chế một
10). Với P  a  là tổng độ lệch công suất so với lịch
giá theo ct.10, ct.13, ct.14, ct.15, ct.16 . Thuật toán làm
trình tại khu vực a và P  i  là độ lệch công suất so với việc đề cập tại Hình 2.
lịch trình của nhà máy, phụ tải thứ i trong khu vực a. Các
nhà máy điện, phụ tải gây mất cân bằng công suất được
tính toán như sau:
 Khi ( P  a   0 và P  i   0 ) hoặc ( P  a   0
và P  i   0 ) :
+ Các nhà máy phát không đúng lịch trình được thanh
toán, chi trả với giá như sau:
cost P _ two  i   (QiG *xiG  QiG *xiG ,real )*B
(13)
+ Các phụ tải tiêu thụ không đúng lịch trình được chi
trả, thanh toán với giá như sau:
cost D _ two  j  (QDj *xDj  QDj *xD,
j
real
)*B
(14)
 Khi ( P  a   0 và P  i   0 ) hoặc ( P  a   0
và P  i   0 ) :
+ Các nhà máy phát không đúng lịch trình được thanh
toán, chi trả với giá như sau:
  i Q(iG x*iG  QiG x*iG, real )*S
cost P _ two
Hình 2: Thuật toán cơ chế hai giá
(15)
108
4. Mô phỏng và kết quả Để đơn giản, tại trường hợp này nghiên cứu xét đến
Xây dựng mô hình toán thị trường điện giao ngay trường hợp không tắc nghẽn đường truyền. Kết quả lịch
bằng phần mền Gams [12], dựa trên phương pháp giải bài trình vận hành và giá thanh toán trong thị trường ngày tới
toán tuyến tính (LP). được trình bày trong bảng 3:
4.1. Kịch bản mô phỏng : Bảng 3: Lịch trình vận hành và giá thanh toán trong thị
Bài báo tiến hành phân tích cơ chế thanh toán giá trên trường ngày tới.
thị trường cân bằng, mục tiêu nghiên cứu các tác động
của cơ chế thanh toán lên các nguồn năng lượng tái tạo Khu Nhà máy, phụ Công Giá biên
và phụ tải. Bài báo xem xét 3 trường hợp sau (số liệu vực tải suất(MW) ($)
được đề cập tại bảng 1): P1 100
 Trường hợp 1: Công suất tiêu thụ của phụ tải có sự
thay đổi. P2 80
 Trường hợp 2: Công suất phát của nhà máy năng P3 50
lượng tái tạo có sự thay đổi. a1 37
 Trường hợp 3: Công suất phụ tải và nguồn năng P4 20
lượng tái tạo có sự thay đổi. P5 65
Bảng 1: Bảng giá trị công suất thay đổi tại các nhà máy,
phụ tải. d1 260
Trường Nhà máy, phụ P thực tế P8 90
Khu vực (%)
hợp tải
P9 55
1 a1 d1 1,15 a2 37
P10 15
a2 d2 1,1
a1 P4 0,8 P11 25
2 a2 P10 2,8 d2 240
P11 0,8
a1 P4 0,8 ( Cột 1: khu vực tham gia thị trường điện; cột 2 : kí hiệu
d1 1,15 nhà máy điện, phụ tải được lên lịch vận hành; cột 3: công suất
phát, tiêu thụ được lên lịch vận hành; cột 5: giá thanh toán trong
P10 2,8
thị trường ngày tới. )
3 a2 P11 0,8
d2 1,05 Sau khi nhận được kết quả từ thị trường ngày tới, để
( Cột 1: trường hợp mô phỏng; cột 2: khu vực tham gia thị tham gia thị trường cân bằng các đơn phát điện nộp cho
trường điện; cột 3: Kí hiệu nhà máy điện, phụ tải hoạt động đơn vị vận hành thị trường điện bản chào giá bán hiệu
không đúng lịch thị trường ngày tới; cột 4: độ lệch công suất chỉnh, có số liệu cho tại bảng 4:
thực tế so với lịch trình thị trường ngày tới. ) Bảng 4: bản chào giá hiệu chỉnh.
Mô hình được xây dựng bao gồm 2 khu vực, 11 nhà
máy và 2 phụ tải. Trong đó, nhà máy điện P4 , P10 , P11 là Hiệu Nhà máy Công suất Giá tiền
Khu vực
chỉnh (MW) ($)
các nhà máy năng lượng tái tạo (giá sàn bằng 0). Số liệu
bản chào giá của các nhà máy và phụ tải được cho tại P2 20 40
bảng 2 : a1
Bảng 2: Số liệu bản chào giá của nhà máy điện, phụ tải P3 20 41
trong thị trường ngày tới. P5 25 39
Khu Tăng
Nhà máy, Công Giá tiền
vực phụ tải suất(MW) ($)
P6 20 40
P7 30 40
P1 100 36
a2
P2 80 37 P8 25 39
a1 P3 50 35
P9 30 38,5
P4 20 0
P5 65 34 P2 20 32
d1 260 100 a1 P3 20 33
P6 100 40
Giảm
P7 90 38 P5 10 33
P8 90 36
a2 a2 P8 10 34
P9 110 37
P10 15 0 P9 15 33
P11 25 0
(Cột 1: Dạng điều chỉnh công suất của các nhà máy điện;
d2 240 100 cột 2: khu vực tham gia thị điện; cột 3: kí hiệu nhà máy điện
( Cột 1: khu vực tham gia thị trường điện; cột 2: Kí hiệu nhà tham gia thị trường điện cân bằng; cột 4: công suất điều chỉnh
máy điện, phụ tải; cột 3: công suất khả dụng của nhà máy điện, khả dụng của các nhà máy điện; cột 5: giá sàn của nhà máy
sử dụng của phụ tải; cột 4: giá sàn của nhà máy điện, giá trần điện.)
của phụ tải . )
109
4.2. Kết quả mô phỏng: Trong cả 3 trường hợp cơ chế một giá các giao dịch
Kết quả thanh toán cho thị trường cân bằng ở hai cơ chi trả và thanh toán bù trừ lẫn nhau và được tính với
chế giá được trình bài trong bảng 5: cùng một mức giá B cho 1MWh. Đối với cơ chế hai
Bảng 5: Kết quả thanh toán cho thị trường cân giá :
bằng. + Trường hợp 1: Mức giá thanh toán cho 1MW với
các nhà máy điện và phụ tải giống với cơ chế một giá.
Giá thanh
Chi phí thanh + Trường hợp 2: Nhà máy điện P11 phải chi trả với
Nhà toán cho
Trường Khu toán ($)
máy, P 1MWh ($) mức giá S cho 1MW phát không đúng lịch trình thị
hợp vực (MW)
phụ tải Một Hai Một Hai trường ngày tới (trả nhiều hơn 20$ so với cơ chế một giá).
Chi phí thanh toán bù trừ cả hệ thống bằng 20$.
giá giá giá giá
+ Trường hợp 3: Nhà máy P11 , phụ tải d 2 phải chi
d1 -39 40 40 -1560 -1560
a1 trả với mức giá S cho 1MW phát không đúng lịch trình
P2 14 40 40 560 560 thị trường ngày tới ( P11 trả nhiều hơn 20$, d 2 trả nhiều
P5 25 40 40 1000 1000 hơn 48$ so với cơ chế một giá). Chi phí thanh toán bù trừ
cả hệ thống thu được 68$ .
d2 -24 39 39 -936 -936
 Trong thị trường một giá :
a2
P8 4 39 39 156 156 + Đối với các yếu tố ngẫu nhiên từ nhà máy điện, phụ
1 tải vô tình giúp cân bằng năng lượng điện sẽ thu được
P9 20 39 39 780 780 một phần lợi nhuận từ độ lệnh giá giữa hai thị trường
Tổng chi phí thanh toán bù trừ cho ngày tới và cân bằng (   S  B ). Tạo ra cơ hội
hệ thống:
0 0 kinh doanh lệch giá (  ).
+Tổng chi phí phải chi trả sẽ bằng với tổng chi phí
a1 P4 -4 39 39 -156 -156 được thanh toán dẫn đến khoản dư thanh toán cho thị
trường cân bằng luôn bằng không.
P5 4 39 39 156 156
 Trong thị trường hai giá:
P10 27 33 33 891 891 + Đối với các yếu tố ngẫu nhiên từ nhà máy điện, phụ
P11 -5 33 37 -165 -185 tải vô tình giúp ổn định năng lượng điện sẽ được tính với
a2
chi phí thanh toán ở thị trường ngày tới ( S ). Các tác
P8 -10 33 33 -330 -330 nhân tham gia vào việc làm mất cân bằng hệ thống không
2 còn được hưởng lợi từ cơ chế này, từ đó đảm bảo được
P9 -12 33 33 -396 -396
tính công bằng cho hệ thống.
Tổng chi phí thanh toán bù trừ cho + Trong một số trường hợp, tổng chi phí phải chi trả
0 20 sẽ nhiều hơn chi phí được thanh toán. Khoản kinh phí dư
hệ thống:
ra sẽ bổ sung vào quỹ hệ thống để đầu tư cho việc phát
P4 -4 40 40 -160 -160 triển lưới điện.
a1 5. Kết luận
d1 -39 40 40 -1560 -1560
Nghiên cứu chỉ ra rằng cơ chế một giá phù hợp với
P2 18 40 40 720 720 các nước có khả năng dự báo công suất phát, phụ tải chưa
phát triển (năng lượng tái tạo chưa phát triển, phụ tải
P5 25 40 40 1000 1000 thuộc quản lý của nhà nước). Cơ hội kinh doanh lệch giá
sẽ góp phần thúc đẩy các vốn đầu tư vào năng lượng tái
P10 27 33 33 891 891
tạo. Cơ chế này thích hợp với thị trường điện Việt Nam
P11 -5 33 37 -165 -185 ở thời điểm hiện tại. Đối với cơ chế hai giá, cơ chế yêu
a2
cầu những nhà máy điện, phụ tải tham gia cần có khả
3 d2 -12 33 37 -396 -444 năng dự báo phát triển cao ( thị trường bán lẻ điện cạnh
tranh phát triển và năng lượng tái tạo đã có khả năng phát
P8 -10 33 33 -330 -330 ổn định khi sử dụng pin dự trữ). Đó sẽ là cơ chế mà Việt
Nam hướng đến trong tương lai không xa.
Tổng chi phí thanh toán bù trừ cho
0 68 Hướng phát triển tiếp theo của bài báo là tối ưu hóa
hệ thống: các hàm chi phí ứng với sự phát triển của hệ thống bằng
( Cột 1: trường hợp mô phỏng; cột 2: khu vực tham gia thị cách mở rộng thêm các điều kiện ràng buộc. Đồng thời
trường điện; cột 3: Kí hiệu nhà máy điện, phụ tải; cột 4: lượng xem xét các thị trường mới như thị trường điều chỉnh hay
công suất sai lệch lịch phát, khi phát thừa(+) và phát thiếu(-) thị trường trong ngày để góp phần vào việc ổn định hệ
công suất; cột 5: giá thanh toán cho 1 MW trong thị trường cân thống điện một các nhanh nhất khi vận hành với thời gian
bằng; cột 6: chi phí được thanh toán (+),phải chi trả (-) trong thị thực, sao cho chi phí vận hành hệ thống được giữ ở mức
trường cân bằng. ) tối ưu nhất.
110
[1] Bài viết '' Quốc tế ấn tượng với cam kết đạt phát thải ròng bằng [7] Petr Havel et al: ''Power Balance Control with Utilization of
'0' của Việt Nam'' trang Báo Điện tử Chính phủ. Intraday Balancing Energy Market''.
[2] Báo cáo '' Thông tin thị trường điện tháng 7/2022" trang Tập [8] Juan M. Morales, Antonio J. Conejo, Henrik Madsen, Pierre
đoàn Điện lực Việt Nam (EVNEIC). Pinson, Marco Zugno: "Integrating Renewables in
[3] " NQ_55 phát triển năng lượng quốc gia '' của Bộ Chính trị. Electricity Markets Operational Problems Springer US."
[4] M.P Musau et al: ''Effects of Renewable Energy on Frequency [9] Reinier A.C. van der Veen et al :'' Agent-based analysis of the
Stability: A Proposed Case Study of the Kenyan Grid''. impact of the imbalance pricing mechanism on market behavior
[5] Andreas Ulbig et al: “Impact of Low Rotational Inertia on Power in electricity balancing markets''.
System Stability and Operation”. [10] Bo Jie, Takao Tsuji: "An Analysis of Market Mechanism and
[6] Olga Gore, Petr Spodniak and Satu Viljainen: ''Participation of Bidding Strategy for Power Balancing Market in Micro-grid".
interconnected capacity inbalancing markets: benefits and [11] Yanli Wei: ''Advanced Studies on Locational Marginal
practical steps''. Pricing''.
[12] Soroudi, Alireza: "Power system optimization modeling in
GAMS-Springer ".
111
SVTH: Bạch Thái Sang, Trần Văn Rôn; GVHD: TS. Giáp Quang Huy
ỨNG DỤNG IOT QUẢN LÝ, GIÁM SÁT VÀ ĐIỀU KHIỂN ROBOT TRONG
DÂY CHUYỀN LẮP RÁP
APPLICATION OF INTERNET OF THINGS TO MANAGE, MONITOR
AND CONTROL ROBOT IN ASSEMBLY LINE
SVTH: Bạch Thái Sang, Trần Văn Rôn

Lớp 18TDH2, Khoa Điện, Trường Đại học Bách Khoa – Đại Học Đà Nẵng;
Email: sangthpttqt@gmail.com,rontran.260500@gmail.com
GVHD: TS. Giáp Quang Huy
Khoa Điện, Trường Đại học Bách Khoa – Đại học Đà Nẵng;
Email: gqhuy@dut.udn.vn
Tóm tắt – Trong cuộc cách mạng 4.0, với sự phát triển mạnh Abstract – In the Industry 4.0, with the strong evolution of
mẽ của IOT (Internet of Things) thì nó dần được ứng dụng vào IoT (Internet of Things), it is gradually applied to industrial
sản xuất công nghiệp tại các nhà máy. Trong đề tài này, chúng production in manufactories. In this topic, we will apply IoT to
tôi sẽ ứng dụng IOT vào quản lý, giám sát và điều khiển robot manage, monitor, and control the robot in assembly line. The
trong dây chuyền lắp ráp. Mô hình kết cấu T-bot được thiết kế structural model of the T-bot is simply designed (transmission by
đơn giản (được truyền động bởi hai động cơ thông qua đai răng), two timing belts motors), based on the principle of position control
dựa theo nguyên lý hệ điều khiển vị trí trên mặt phẳng XOY và system on the XOY plane, and has high flexibility (can operate
có tính linh hoạt cao (có thể hoạt động độc lập trên mỗi trục) nên independently per shaft) so this model is suitable for quick
mô hình này phù hợp cho dây chuyển lắp ráp. Bên cạnh đó, hệ assembly work. Besides, the system uses the Simatic IOT2040
thống sử dụng gateway Simatic IOT2040 để thu thập dữ liệu từ gateway to collect data from the T-bot model controller. The
bộ điều khiển mô hình T-bot. Những dữ liệu thu thập sẽ được collected data will be uploaded to the system for remote
đưa lên hệ thống để quản lý và giám sát từ xa. Từ đó chúng ta management and monitoring. From there we can analyze and
có thể phân tích và đánh giá hệ thống. evaluate the system.
Từ khóa – dây chuyền lắp ráp, kết cấu T-bot, truyền động Key words – assembly line, t-bot gantry robots, timing belts,
đai, simatic iot2040, quản lý từ xa. simatic iot2040, real-time management.
Hiện nay, nước ta đang dần hòa nhập với xu hướng
công nghiệp 4.0 và ngày càng phổ biến ở các nhà máy có
quy mô lớn nhỏ. Công nghiệp 4.0 cho phép các nhà máy
thông minh, sản phẩm thông minh và chuỗi cung ứng
cũng thông minh làm cho các hệ thống sản xuất, dịch vụ
trở nên linh hoạt và đáp ứng khách hàng hơn. Trong
tương lai, công nghiệp 4.0 dự kiến sẽ còn phát triển mạnh
mẽ hơn nữa và do đó các doanh nghiệp cần sẵn sàng để
chuẩn bị cho một sự đổi mình liên tục thể cập nhật các xu
hướng hiện đại sắp tới.
Trong mỗi nhà máy lắp ráp, gồm rất nhiều phân đoạn
Hình 1-1: Sơ đồ tổng quan toàn bộ hệ thống
có liên quan mật thiết với nhau để tạo nên một sản phẩm
1.1. Mô hình T-bot
hoàn thiện, được thực hiện bởi rất nhiều máy móc và
robot. Dẫn đến việc giám sát, quản lý và bảo trì từng bộ 1.1.1. Tổng quan
phận máy móc tốn nhiều nhân công và không đảm bảo về Hệ điều khiển vị trí hai trục XY mang một vai trò
độ chính xác. Để giải quyết những vấn đề trên, chúng tôi quan trọng tron nhiều ứng dụng công nghiệp khác nhau.
đưa ra ứng dụng IOT vào quản lý, giám sát và điều khiển Ví dụ như sắp xếp – phân phối sản phẩm, ứng dụng cắt,
mô hình robot trong dây chuyền lắp ráp. in 3D hay các ứng dụng tự động hóa đều cần đến hệ thống
này. Hiện nay hầu hết các hệ điều khiển vị trí XY bao
Đề tài này chúng tôi sẽ nghiên cứu các vấn đề sau: gồm nhiều trục tuyến tính, cơ cấu vít me hay dây đai
 Tìm hiểu quy trình, thiết kế và lập trình điều khiển truyền động. Bằng cách xếp tuyến tính các trục chông lên
mô hình T-bot. nhau và vuông góc nhau, một hệ điều khiển vị trí được
 Thiết kế trạm quản lý và giám sát mô hình T-bot tạo ra. Hệ điều khiển với cấu hình này được sử dụng rộng
từ xa. rãi trong công nghiệp vì độ tin cậy và độ lặp lại có tính
chính xác cao.
 Xây dựng thêm các tính năng cho hệ thống như
Mô hình T-bot là robot hai bậc có quỹ đạo chuyển
cảnh báo email khi có sự kiện xảy ra, xuất file excel báo động trong một mặt phẳng XOY và nhận được nhiều sự
cáo. quan tâm phát triển hiệu suất từ các nhà máy sản xuất. Vì
Sơ đồ tổng quan toàn bộ hệ thống: cơ cấu truyền động đơn giản, kết cấu nhẹ, chi phí thấp,
tốc độ và độ chính xác cao.
112
1.1.2. Kết cấu mô hình Thành lập bảng tham số theo phương pháp Denavit-
Kết cấu T-bot bao gồm: Hartenberg:
+ Hai động cơ truyền động (1) có gắn pulley răng Table 2: Bảng tham số theo phương pháp Denavit-
(9) dùng để dẫn động. Hartenberg
+ Hai ray trượt tuyến tính (2) đặt song song nằm Số thứ tự
ngang và một ray trượt tuyến tính (6) đặt nằm dọc 𝑎𝑖−1 𝛼𝑖−1 𝑑𝑖 𝜃𝑖
thanh
tạo thành chữ T.
+ Bộ truyền dây đai răng. 1 0 -90° 𝑑1 0
+ Cơ cấu chấp hành (10) được gắn cố định trên (6).
2 0 90° 𝑑2 0
+ Dây đai được dẫn hướng bởi 7 pulley trong đó có
2 pulley dẫn động của động cơ và 5 pulley cố định. Từ bảng Denavit-Hartenberg, suy ra:
0 0 1 𝑑1
𝑊 0 −1 0 −𝑑2
2𝑇 = [ ]
1 0 0 0
0 0 0 1
Từ đó suy ra phương trình động học thuận:

𝑋𝑒 = 𝑋2 = 𝑑1
{𝑌𝑒 = 𝑌2 = −𝑑2
𝑍𝑒 = 𝑍2 = 0
Xét mặt phẳng XOY với bài toán động học của cơ cấu
T-Bot. Chọn chiều dương góc quay của động cơ và hệ tọa
độ XOY như hình 3.1
Hình 1-2: Kết cấu truyền động của T-bot

Table 1:Bảng thông số chi tiết
Chi tiết Tên chi tiết Chi tiết Tên chi tiết
1 Động cơ 6 Ray trượt dọc
2 Ray trượt ngang 7 Pulley dẫn hướng
3 Con trượt ngang 8 Dây đai răng
4 Pulley bị động 9 Pulley chủ động
5 Con trượt dọc 10 Cơ cấu chấp hành
1.1.3. Phân tích động học
Sau khi đã phân tích kết cấu của mô hình, ta cần thiết
phải phân tích động học thuận, ngược của cơ cấu tay máy
T-bot để tìm ra các mối liên hệ giữa tọa độ của bộ phận Hình 1-4: Sơ đồ nguyên lý T-bot
công tác và thông số điều khiển động cơ. Từ đó điều
Dựa vào sơ đồ nguyên lý trên, xét một số trường hợp cơ
khiển end-effector chuyển động theo quỹ đạo mong
bản của góc quay 𝜃1 và 𝜃2 của 2 động cơ (chọn chiều
muốn.
quay của động cơ ngược chiều kim đồng hồ là chiều
Thực hiện gắn các hệ tọa độ lên các khâu của tay máy dương).
Robot:
Hình 1-5: Hướng di chuyển của tay máy T-bot với các
trường hợp cơ bản
Xét sự phụ thuộc tọa độ lần lượt của trục Y của cơ cấu
chấp hành theo góc quay của 2 động cơ qua các trường
Hình 1-3: Hệ tọa độ trục trên tay máy robot
hợp cụ thể:
113
Trường hợp 1: 𝜃1 ≠ 0 và 𝜃2 = 0 Ta có: ∆𝐶𝐷 =
∆𝐶𝐵
(5)
cos(𝛼)
Từ phương trình (4) và (5), ta có:
∆𝐶𝐵
= 𝑟. ∆𝜃2
cos(𝛼)
→ ∆𝐶𝐵 = cos(𝛼) . 𝑟. ∆𝜃2
Chiếu CB lên trục Y, ta có: ∆𝑌 = ∆𝐶𝐵
Vì ∆𝑌 và ∆𝜃1 cùng dấu nên:
∆𝑌 = ∆𝐶𝐵 = cos(𝛼) . 𝑟. ∆𝜃2 (6)
Kết hợp phương trình (3) và (6), suy ra:
∆𝑌 = −cos(𝛼) . 𝑟. ∆𝜃1 + cos(𝛼) . 𝑟. ∆𝜃2
↔ ∆𝑌 = −cos(𝛼) . 𝑟. (∆𝜃1 − ∆𝜃2 ) (7)
Xét sự phụ thuộc tọa độ lần lượt của trục X của cơ cấu
chấp hành theo góc quay của 2 động cơ qua các trường
Hình 1-6: Xét các trường hợp cơ bản
hợp cụ thể:
Khi động cơ 1 quay góc 𝜃1 thì ∆𝐶𝐴 thay đổi một
Trường hợp 3: 𝜃1 ≠ 0 và 𝜃2 = 0
lượng (𝑟. ∆𝜃1 ) với 𝑟 là bán kính pulley
Chứng minh tương tự trường hợp 1.
→ ∆𝐶𝐴 = 𝑟. ∆𝜃1 1)
Vì ∆𝑋 và ∆𝜃1 cùng dấu nên:
Dựa vào tính chất hình học: Khi ∆𝐶𝐴 thay đổi thì
∆(𝐴𝐵 + 𝐶𝐵) thay đổi. ∆𝑋 = cos(𝛼) . 𝑟. ∆𝜃1 (8)
Chiếu trên trục y thì ∆𝐴𝐵= 0 Trường hợp 4: 𝜃1 = 0 và 𝜃2 ≠ 0
∆𝐶𝐵 Chứng minh tương tự trường hợp 2.
Ta có: ∆𝐶𝐴 = (2)
cos(𝛼)
Vì ∆𝑋 và ∆𝜃2 cùng dấu nên:
Từ phương trình (1) và (2), ta có: ∆𝑋 = cos(𝛼) . 𝑟. ∆𝜃2 (9)
∆𝐶𝐵
= 𝑟. ∆𝜃1 Kết hợp phương trình (8) và (9), suy ra:
cos(𝛼)
∆𝑋 = −cos(𝛼) . 𝑟. ∆𝜃1 + cos(𝛼) . 𝑟. ∆𝜃2
→ ∆𝐶𝐵 = cos(𝛼) . 𝑟. ∆𝜃1
↔ ∆𝑋 = cos(𝛼) . 𝑟. (∆𝜃1 + ∆𝜃2 ) (10)
Chiếu CB lên trục Y, ta có: ∆𝑌 = ∆𝐶𝐵
Từ phương trình (7) và (10), ta có:
Vì ∆𝑌 và ∆𝜃1 ngược dấu nên:
𝑋 = 𝑑1 = cos(𝛼) . 𝑟. (𝜃1 + 𝜃2 )
∆𝑌 = ∆𝐶𝐵 = cos(𝛼) . 𝑟. (−∆𝜃1 ) { 𝑒 (11)
𝑌𝑒 = −𝑑2 = −cos(𝛼) . 𝑟. (𝜃1 − 𝜃2 )
↔ ∆𝑌 = −cos(𝛼) . 𝑟. ∆𝜃1 (3) Thế giá trị 𝜃1 𝑣à 𝜃2 vào lại phương trình (11):
Trường hợp 2: 𝜃1 = 0 và 𝜃2 ≠ 0 + Với 𝜃1 = +, 𝜃2 = 0 thì 𝑋𝑒 = |𝑌𝑒 |
+ Với 𝜃1 = −, 𝜃2 = 0 thì |𝑋𝑒 | = 𝑌𝑒
+ Với 𝜃1 = 0, 𝜃2 = + thì 𝑋𝑒 = 𝑌𝑒
+ Với 𝜃1 = 0, 𝜃2 = − thì 𝑋𝑒 = 𝑌𝑒
Với những kết quả thu được, ta thấy giá trị 𝑋𝑒 = 𝑌𝑒
khi 1 động cơ quay, vậy nên quỹ đạo chuyển động tay
máy T-Bot là di chuyển trên đường chéo với 𝛼 = 45°.
Ta có:
√2
𝑋𝑒 = 𝑑1 = . 𝑟. (𝜃1 + 𝜃2 )
2
√2
𝑌𝑒 = −𝑑2 = − . 𝑟. (𝜃1 − 𝜃2 )
{ 2
Hình 1-7: Xét các trường hợp cơ bản Từ đó, ta tính được các phương trình động học
Khi động cơ 2 quay góc 𝜃2 thì ∆𝐶𝐷 thay đổi một ngược:
lượng (𝑟. ∆𝜃2 ) với 𝑟 là bán kính pulley √2
𝜃1 = × (𝑋𝑒 − 𝑌𝑒 )
→ ∆𝐶𝐷 = 𝑟. ∆𝜃2 (4) 2𝑟
Dựa vào tính chất hình học: Khi ∆𝐶𝐷 thay đổi thì √2
𝜃2 = × (𝑋𝑒 + 𝑌𝑒 )
∆(𝐶𝐵 + 𝐵𝐷) thay đổi. { 2𝑟
Chiếu trên trục y thì ∆𝐵𝐷= 0 1.2. Thiết kế phần cứng
Vì tính chất đối xứng của cơ cấu T-bot, nên T-bot sẽ Phần cứng của hệ thống gồm 3 phần chính:
di chuyển theo góc 𝛼 như trường hợp 1. + Phần điện
114
+ Phần khí 1.3. Công cụ lập trình và lưu đồ thuật toán
+ Phần tải 1.3.1. Phần mềm TIA Portal V17
a. Tổng quan
Siemens giới thiệu phần mềm tự động hóa đầu tiên
trong công nghiệp sử dụng chung một môi trường, một
phần mềm duy nhất cho tất cả các tác vụ trong tự động
hóa, được gọi là Totally Integrated Automation
Portal. Phần mềm lập trình mới này giúp người sử dụng
phát triển, tích hợp các hệ thống tự động hóa một cách
nhanh chóng, giảm thiểu thời gian trong việc thực thi một
dự án so với việc xây dựng ứng dụng người dùng từ
Hình 1-8: Phương án thiết kế phần cứng những phần mềm riêng rẽ.
Giới thiệu các bộ điều khiển: Được thiết kế với giao diện thân thiện cho người sử
1.2.1. Drive Servo dụng, TIA Portal thích hợp cho cả những người mới lẫn
Bộ drive servo là thiết bị không thể tách rời với động những người nhiều kinh nghiệm trong lập trình tự động
cơ AC servo. Không có bộ drive này thì động cơ servo hóa. Nó là phần mềm cơ sở cho các phần mềm dùng để
không thể hoạt động độc lập được. Nó là thiết bị trung lập trình, cấu hình, tích hợp các thiết bị trong dải sản
gian nhận lệnh điều khiển, cấp nguồn điện cho động cơ phẩm Tích hợp tự động hóa toàn diện (TIA) của Siemens.
và đồng thời nhận tín hiệu phản hồi vị trí từ động cơ Ví dụ như phần mềm mới Simatic Step 7 V17 để lập trình
servo. các bộ điều khiển Simatic, Simatic WinCC V17 để cấu
hình các màn hình HMI và chạy Scada trên máy tính.
Trên thị trường hiện nay cùng với động cơ servo thì
bộ drive servo được cung cấp rất rộng rãi và thường là b. Lập trình cấu trúc
sản phẩm kèm theo cùng với động cơ servo. Với động cơ Lập trình cấu trúc hay còn gọi là lập trình hướng thủ
CSMT_01BR1ABT3 sản phẩm sẽ là CSD5_01BX1 của tục, là một kỹ thuật lập trình truyền thống, trong đó với
hãng RS Automation. chương trình phức tạp ta có thể chia nhỏ thành các hàm
(chương trình con) để dễ dàng quản lý.
Chương trình chính có thể được chia thành nhiều
chương trình con khác để đơn giản hóa công việc của
chúng.
c. Điều khiển vị trí
Trong công nghiệp hiện đại, các hoạt động sản xuất
được hiện đại hóa và nâng cấp để đáp ứng nhu cầu của
khách hàng về chất lượng cũng như thời gian. Vì vậy,
việc tự động hóa các quy trình thủ công và điều khiển vị
trí một cách chính xác đóng vai trò rất quan trọng để
mang lại hiệu quả cao.
Hình 1-9: Drive Servo Với phần mềm TIA Portal, đã hỗ trợ tính năng điều
1.2.2. Bộ điều khiển trung tâm khiển vị trí, điều khiển các trục một cách chính xác đến
khoảng milimet. Từ đó, ta có thể kiểm soát được vị trí,
Hiện nay có rất nhiều hãng sản xuất ra PLC như
tốc độ, lực…của chuyển động chính xác nhất, tránh các
Siemens, Schneider, Mitsubishi, Omron, Delta…đi kèm
trường hợp sai lệch, gây ảnh hưởng đến sản phẩm, để
với đó là các phần mềm lập trình được phát triển dành
mang lại hiệu quả công việc cao hơn.
riêng cho từng loại PLC của hãng đó. Tuy đa dạng về
phần mềm biên dịch nhưng về cơ bản ngôn ngữ để lập d. Màn hình WinCC
trình cho PLC đa phần là giống nhau, tất cả đều chỉ cần Phần mềm SIMATIC WinCC của Siemens là một
có máy tính cá nhân là dễ dàng cài đặt và viết chương phần mềm chuyên dụng để xây dựng giao diện điều khiển
trình. Một trong các hãng uy tín, có độ tin cậy cao và rất
được ưa chuộng đó chính là PLC của hãng Siemens. HMI cũng như phục vụ việc xử lí và lưu trữ dữ liệu trong
Chính vì vậy nhóm đã quyết định lựa chọn PLC hệ thống SCADA thuộc chuyên ngành tự động hoá.
S7-1200 1214 DC/DC/DC cho bộ điều khiển trung tâm WinCC cung cấp các công cụ phần mềm để thiết lập một
của hệ thống. giao diện điều khiển chạy trên hệ điều hành của
Microsoft. Gói phần mềm được sử dụng trong máy là
WinCC RT Advanced với các tính năng chính:
- Giám sát, báo cáo, đăng nhập và quản lí người
dùng ở mức độ cơ bản.
- Có hỗ trợ khả năng mở rộng phần mềm.
- Cho phép tích hợp các mạng vào một mạng
Hình 1-10: PLC siemens S7-1200 1214C
chung nhờ vào TCP/IP network.
115
1.3.2. Lưu đồ thuật toán
Lưu đồ thuật toán chính
Hình 1-13: Giao diện của Node-Red

1.4.3. Phương án thiết kế truyền thông
Hình 1-14: Phương án thiết kế truyền thông

Bao gồm:
- Bộ điều khiển: Điều khiển các cơ cấu chấp hành
và các dữ liệu điều khiển đó sẽ được đưa lên
trạm điều khiển.
- Trạm điều khiển: Với giao thức Profinet,
Ethernet Switch là thiết bị trung gian, để đưa dữ
Hình 1-11: Lưu đồ thuật toán chính liệu lên Iot2040 có kết nối wifi cục bộ và màn
1.4. Thiết kế truyền thông hình WinCC giám sát ở cấp trường.
- Thiết bị truy cập: Thông qua địa chỉ ip của
1.4.1. Giới thiệu IOT2040
router wifi các thiết bị thông minh như điện
thoại, laptop có thể truy cập vào để quản lý và
giám sát.
2. Thi công và thực nghiệm
2.1. Thi công
Sau khi đưa ra các phương án và lựa chọn thiết bị thì
chúng em thiết kế phần cơ khí hệ thống dựa trên phần
mềm SolidWorks và Onshape để quản lý. Và dưới đây là
mô hình thiết kế.
Hình 1-12: Gateway Simatic IOT2040
Là cổng kết nối thông minh cho các giải pháp IoT
công nghiệp.
+ Tập trung và thu thập dữ liệu từ nhiều nguồn.
+ Thu thập dữ liệu từ bộ điều khiển S7-1200.
+ Truyền dẫn bảo mật đến các hệ thống kết
nối.
+ Lợi ích mã nguồn mở.
1.4.2. Giới thiệu Node-Red
Node-Red là một công cụ để đấu nối các thiết bị phần
cứng, APIs và dịch vụ trực tuyến với nhau theo những
cách thức mởi mẻ và thú vị, lập trình trực qua dung các
khối chức năng(node) được dựng sẵn.
Có thể hoạt động trên máy tính mini (IOT2000,
Raspberry PI) hoặc đám mây (IBM Bluemix, Amazon
Web Services, Microsoft Azure).
Hình 2-1: Mô hình bố trí thiết bị phần cứng
Sử dụng trình biên soạn thông qua trình duyệt Web
node.js Từ mô hình trên, chúng em tiến thành lắp ráp các thiết
bị thực tế, kết quả thu được là.
116
Bước 3: Thiết kế màn hình WinCC.
Bước 4: Điều khiển T-bot ở chế độ thủ công.
Bước 5: Điều khiển ở chế độ tự động.
Bước 6: Lập trình Node-Red.
Hình 2-2: Mô hình T-bot thực tế

Tiếp đến, chúng ta thiết kế sơ đồ bố trí bảng điện và
sơ đồ đấu nối dây điện dựa trên phần mềm Eplan Electric.
Hình 2-6: Chương trình Node-Red

Bước 7: Thiết kế DashBoard
3. Kết quả nghiên cứu và đánh giá
3.1. Kết quả nghiên cứu
Sau khi tiến hành các bước thực nghiệm trên ta thu
được các kết quả sau:
Giao diện chính của WinCC với các chức năng cơ bản
và dẫn đến giao diện con khác như điều khiển thủ công
và điều khiển tự động.
Hình 2-3: Sơ đồ bố trí bảng điện
Hình 3-1: Giao diện chính của WinCC

Hình 2-4: Sơ đồ nối dây của động cơ servo Giao diện điều khiển thủ công nhằm xác định vị trí
Bảng điện thực tế. của các chi tiết trên băng tải. Với các chức năng điều
khiển và xác định vị trí, đặt vận tốc các động cơ và báo
đèn khi tay máy không nằm trong không gian làm việc.
Hình 2-5: Bảng điện đấu nối thực tế

2.2. Thực nghiệm Hình 3-2: Giao diện điều khiển thủ công
Tiến hành thực nghiệm hệ thống thông qua các bước sau: Giao diện điều khiển tự động dùng để giám sát quá
trình chạy tự động của T-bot. Hiển thị vị trí tay gắp, số
Bước 1: Dựa vào chi tiết được thiết kế bằng in 3D. lượng sản phẩm, trạng thái băng tải và các cảnh báo hết
Bước 2: Đặt chi tiết vào băng chuyền của mô hình. linh kiện ở các băng tải.
117
3.2. Đánh giá kết quả
- Mô hình hoạt động ổn định.
- Tay máy di chuyển chính xác đến các tọa độ
cài đặt.
- Trạm điều khiển có thể quản lý, giám sát và
điều khiển mô hình T-bot.
- Có các tính năng như cảnh báo sự kiện qua
Email, Telegram và xuất dữ liệu file Excel.
Bên cạnh những kết quả đạt được thì mô hình còn
những hạn chế như:
Hình 3-3: Giao diện điều khiển tự động - Hoạt động rung lắc khi đưa về Homing và
Thành phẩm được hoàn thiện sau quá trình chạy tự ảnh hưởng của tốc độ băng tải.
động của T-bot. - Phụ thuộc độ phủ song wifi cục bộ.
- Quỹ đạo chuyển động chưa tối ưu.
- Thời gian khởi động lại Node-Red khi xảy
ra sự khiên Emergency.
4. Kết luận
- Đề tài đã được hoàn thiện với một mô hình robot
lắp ráp các linh kiện nhỏ.
- Trạm điều khiển kết nối và truyền dữ liệu trong
vùng router phủ song wifi.
- Có thể bổ sung chi tiết để ứng dụng vào lắp ráp
sản phẩm thực tế.
- Vẫn còn hạn chế về phần cứng.
Hướng phát triển đề tài:
Hình 3-4: Thành phẩm  Ứng dụng xử lý ảnh để phát triển phân loại sản
Giao diện DashBoard được thiết kế dựa trên ngôn ngữ phẩm và tang độ chính xác.
Node-Red thể hiện một cái nhìn tổng quát của toàn bộ hệ  Cảnh báo trước khi va chạm.
thống với các thông tin cơ bản và các chức năng như xuất  Truy cập vào DashBoard trên Internet.
báo cáo file Excel, gửi file dữ liệu đến Email và  Dạy quỹ đạo chuyển động cho tay máy.
Telegram.
[1]. Mechatronic model-based design applied to an h-bot robot -
Kevin Craig.
[2]. Nghiên cứu ứng dụng cơ cấu h-bot trong điều khiển máy in 3d
Reprap theo phương pháp FDM (Fused Deposition Modelling)
- Huỳnh Hữu Nghị, Nguyễn Anh Tuấn, Thái Thị Thu Hà.
[3]. Gantry Robot Kinematic Analysis User Interface Based on
Visual Basic and MATLAB - Mahir Abdelwahid Ibrahim
Ismail, Mohammed Khalafalla Mohammed.
[4]. S7-1200 Programmable controller – system manual.
[5]. Handbook Timing Belts - Raimund Perneder • Ian Osborne.
[6]. SIMATIC-IOT2040-SiemensOnlineWorkshop.
Hình 3-5: DashBoard trên thiết bị truy cập
118
KHOA ĐIỆN TỬ VIỄN THÔNG
GIẢI PHÁP QUẢN LÝ THU PHÍ ĐỖ XE BÁN TỰ ĐỘNG

SEMI-AUTOMATIC PARKING FEE MANAGEMENT SOLUTION
SVTH: Đào Trọng Nhân, Ngô Văn Tuấn Huy, Ngô Viết Huy Hoàng
Lớp 19DTCLC3, 19DTCLC2, 21KTMT Khoa Điện tử - Viễn thông; Email: 106190120@ sv1.dut.udn.vn,
106190064@ sv1.dut.udn.vn, 106210215@sv1.dut.udn.vn
GVHD: TS. Đào Duy Tuấn
Khoa Điện tử - Viễn thông, Trường Đại học Bách khoa – Đại học Đà Nẵng;
Email: ddtuan@dut.udn.vn
Tóm tắt - Hiện nay, lưu lượng và mật độ phương tiện tham Abstract - Currently, the traffic volume and density of
gia giao thông trên địa bàn thành phố đang gia tăng nhanh, nhất vehicles participating in traffic in the city is increasing rapidly,
là ô-tô con, trong khi kết cấu hạ tầng giao thông chưa theo kịp. especially cars, while the transport infrastructure is not yet keep
Bên cạnh đó, ý thức chấp hành của một bộ phận người dân còn up. Besides, the compliance consciousness of a part of the
hạn chế, dẫn tới nhiều hành vi vi phạm về an toàn giao thông. people is limited, lead to many violations of traffic safety.
Nhất là hành vi chiếm dụng lòng, lề đường, vườn hoa, công viên, Especially the act of appropriating hearts and margins roads,
vỉa hè và các địa điểm công cộng của không ít chủ xe, tài xế ô- gardens, parks, sidewalks and public places of many car owners
tô gây mất mỹ quan đô thị, tiềm ẩn ùn tắc và tai nạn giao thông. and drivers Car drivers cause loss of urban beauty, potential
Theo thống kê, trong quý 1-2022, Thanh tra Sở Giao thông vận congestion and traffic accidents. According to statistics, in Q1-
tải thành phố đã xử phạt hơn 720 vụ vi phạm xe dừng, đỗ sai 2022, the Inspectorate of the City Department of Transport
quy định với tổng số tiền phạt hơn 602 triệu đồng. Theo đó, tổng handled fines for more than 720 violations of vehicles stopped
số hành vi vi phạm trật tự an toàn giao thông trên địa bàn trong and parked in violation of regulations with a total fine of more
quý 1-2022 là 17.501 trường hợp. Nếu như thông thường, chúng than 602 million copper. Accordingly, the total number of
ta xử phạt từng loại phương tiện theo phương pháp truyền thống, violations of traffic order and safety in the area in the quarter 1-
nó sẽ gây lãng phí nguồn nhân lực nhiều nhưng số lượng xe bị 2022 is 17,501 cases. If, as usual, we penalize each type of
xử phạt lại không được cao, làm cho mọi người không có ý thức vehicle according to the method tradition, it will be a waste of
tìm kiếm bãi đỗ và đậu đỗ xe đúng quy định, khiến tình trạng đậu human resources but the number of sanctioned vehicles is again
đỗ sai quy định ngày càng phát triển, ảnh hưởng đến mỹ quan, not being high, making people not consciously looking for parking
gây ùn tắc và tai nạn giao thông tăng cao. Để giải quyết các vấn lotsand proper parking regulations, causing the situation of
đề trên nhóm chúng em chọn đề tài ứng dụng web và app quản unregulated parking to grow, affecting the US quan, causing
lý thu phí đỗ xe, nhận dạng biển số. congestion and traffic accidents. To solve the problems, we
Từ khóa – ý thức chấp hành, lãng phí nhân lực, web và app. choose the topic of using web and app to manage parking fee,
license plate identification.
Keywords - compliance consciousness, waste of human
resources, web and app
1. Đặt vấn đề Để giải quyết các vấn đề trên nhóm chúng em chọn
Với lưu lượng và mật độ phương tiện tham gia giao đề tài ứng dụng web và app quản lý thu phí đỗ xe, nhận
không chỉ ở thành phố Đà Nẵng mà còn ở các thành phố dạng biển số.
khác trên cả nước đang gia tăng nhanh, nhất là ô-tô con, 2. Kết quả nghiên cứu và khảo sát
trong khi kết cấu hạ tầng giao thông chưa theo kịp. Bên Sơ đồ khối và nhiệm vụ của đề tài nghiên cứu:
cạnh đó, ý thức chấp hành của một bộ phận người dân
còn hạn chế, dẫn tới nhiều hành vi vi phạm về an toàn
giao thông. Nhất là hành vi chiếm dụng lòng, lềđường,
vườn hoa, công viên, vỉa hè và các địa điểm công cộng
của không ít chủ xe, tài xế ô-tô gây mất mỹ quan đô thị,
tiềm ẩn ùn tắc và tai nạn giao thông.
Theo thống kê, trong quý 1-2022, Thanh tra Sở Giao
thông vận tải thành phố đã xử phạt hơn 720 vụ vi phạm
xe dừng, đỗ sai quy định với tổng số tiền phạt hơn 602
triệu
đồng. Theo đó, tổng số hành vi vi phạm trật tự an toàn
giao thông trên địa bàn trong quý 1-2022 là 17.501 Hình 2.1: Sơ đồ khối chi tiết và nhiệm vụ của đề tài
trường hợp.
-Nền tảng Web: Theo dõi trạng thái thu phí đỗ xe.
Nếu như thông thường, chúng ta xử phạt từng loại
phương tiện theo phương pháp truyền thống, nó sẽ gây -Dữ liệu đám mây MongoDB: Lưu trữ dữ liệu hệ
lãng phí nguồn nhân lực nhiều nhưng số lượng xe bị xử thống theo thời gian thực.
phạt lại không được cao, làm cho mọi người không có ý -Nền tảng App: gửi thôn tin thu phí lên Database.
thức tìm kiếm bãi đỗ và đậu đỗ xe đúng quy định, khiến -Server nhận dạng: Nhận ảnh từ App gửi lên để tiến
tình trạng đậu đỗ sai quy định ngày càng phát triển, ảnh hành nhận dạng sau đó gửi kết quả nhận dạng lại cho
hưởng đến mỹ quan, gây ùn tắc và tai nạn giao thông tăng App.
cao. -Nhận dạng: Nhận ảnh biển số từ Server để tiến hành
nhận dạng.
121
SVTH: Đào Trọng Nhân, Ngô Văn Tuấn Huy, Ngô Viết Huy Hoàng; GVHD: TS. Đào Duy Tuấn
Mô hình hệ thống của bài toán:
Hình 2.2: Sơ đồ khối chi tiết và nhiệm vụ của đề tài

Đối với bài toán của đề tài ta cần chia nhỏ thành 3 bài
toán con:
1/ Định vị vùng chứa biển số xe từ ảnh và tách ra được
biển số.
2/ Định vị ký tự trong biển số. Hình 2.5: Các thuật toán xử lý ảnh
3/ Nhận dạng ký tự.
2.1 Kiến trúc mạng WPOD:
Sử dụng kiến trúc WPOD để giải quyết vấn đề đầu
tiên là 1/. Kiến trúc của mạng bao gồm 21 lớp Hình 2.6: Xác định các ký tự trong biển số xe
convolutional trong đó có 14 lớp là nằm trong các khối 2.3 Kiến trúc mạng MobileNet V2:
residual. Tất cả các lớp đều dùng filter với kích thước 3x3 Chìa khóa của bài toán thứ ba nhận dạng ký tự mà
và dùng hàm kích hoạt là Relu ngoại trừ khối Detection. nhóm sử dụng là MobileNet V2.
Khối Detection là khối đáng chú ý nhất trong kiến trúc
mạng này.
Hình 2.3: Kiến trúc mạng WPOD

Output features map sẽ bao gồm 8 channels trong đó
2 channels đầu là xác suất có/không có đối tượng, 6
channels sau chứa các giá trị để tạo ra ma trận affine
transform. Và để tạo ra được output features map như vậy
thì khối Detection có 2 luồng riêng biệt, luồng thứ nhất
dành cho việc tính toán xác suất có/không có đối tượng
(2 channels đầu tiên của output features map) với luồng
này thì sử dụng activations là softmax, luồng thứ 2 phục Hình 2.7: Kiến trúc MobileNet v2 với bên trái stride =
vụ cho việc tính toán các thông số để tạo ra ma trận 1 và bên phải stride = 2
transform với luồng này ta không sử dụng hàm kích hoạt MobileNet là một kiến trúc mạng lightweight và có
hay nói cách khác hàm kích hoạt cho luồng này là hàm độ trễ thấp nhờ vào tích chập tách biệt độ sâu. Đây là một
f(x)=x. Kết quả của 2 luồng nay sau đó sẽ được gộp với dạng phân tách từ tích chập chuẩn thành một phép tích
nhau để đưa ra output. chập theo độ sâu và một phép chập 1 x 1 được gọi là phép
chập điểm.
Tích chập chiều sâu tách biệt (Depthwise
separable convolution)
Phép tích chập tách biệt độ sâu thì sẽ tách bước tính
toán đặc trưng thông qua các bộ lọc và liên kết các đặc
trưng đó thành một tập output mới thành hai lớp riêng
Hình 2.4: Kết quả sau khi ảnh đầu vào đi qua mạng biệt, một lớp filter và một lớp combine. Tác giả nhận định
WPOD rằng kích thước chiều sâu của các lớp sau là nguyên nhân
chính dẫn đến sự gia tăng số lượng tham số của mô hình.
2.2 Các thuật toán xử lý ảnh:
Tích chập tách biệt chiều sâu sẽ loại bỏ sự phụ thuộc vào
Để giải quyết bài toán thứ 2, sử dụng các kỹ thuật xử độ sâu khi thực hiện tích chập mà vẫn cho được kích
lý ảnh thuần túy đã được học ở môn “Xử lý ảnh” để khử thước đầu ra có kích thước tương tự với tích chập thông
nhiễu ảnh biển số xe đã được tách ra (Hình 2.5) nhằm nổi thường. Nhờ vào sự thay đổi này ta có thể giảm được số
bật được các ký tự có trong biển số. (Hình 2.6). lượng phép tính và kích cỡ mô hình một cách đáng kể.
122
Với input có kích thước là H × W × M và bộ lọc có lượng kênh lại như cũ. Trong đó mỗi phép chập sau đó
kích thước là K x K x N để tạo ra output có kích thước là đều được truyền qua hàm ReLU. Tuy nhiên, thay vì phép
H’ × W’ × N . Thì mạng tích chập thông thường sẽ phải tích chập chuẩn MobileNet sử dụng phép chập tách biệt
tốn K x K x M x N tham số và K x K x N x H x W x M chiều sâu, đã giúp giảm số lượng phép tích chập và tham
phép tính. Mạng tích chập chuẩn tính toán các đặc trưng số đi khá nhiều. Nên để tăng hiệu suất số lượng kênh ban
thông qua các convolutional kernels sau đó kết hợp các đầu sẽ được mở rộng bằng phép chập 1x1, sau đó là tích
feature này để tạo ra một output mới, hai bước này được chập chiều sâu 3x3 và cuối cùng là giảm số lượng kênh
thực hiện cùng lúc nên tổng số lượng phép tính của mỗi bằng phép chập 1x1. Tác giả gọi đây là Inverted Residual
lớp sẽ bằng tích số phép tính của hai bước với nhau. Vì Block, vì khối được thiết kế theo dạng hẹp -> rộng -> hẹp.
là phép nhân nên càng về sau khi số lượng channel tăng
dần sẽ kéo theo số lượng phép tính cũng sẽ tăng lên.
Thay vào đó mạng tích chập tách biệt chiều sâu lại
chia thành hai phần là tích chập chiều sâu (depthwise
convolution) và tích chập điểm (pointwise convolution).
Tác giả sử dụng tích chập chiều sâu để áp dụng cho mỗi
filter trên một input channel. Tích chập điểm, là một tích Hình 2.9: Residual block và Inverted residual block
chập 1x1 được sử dụng để tạo ra sự kết hợp tuyến tính 3. Kết luận:
cho output của lớp depthwise. 3.1 Những điều đã đạt được và những điều dự định sẽ
MobileNet V2 được cải tiến so với MobileNet V1 làm trong thời gian còn lại trước khi báo cáo hoàn
giúp cho nó có độ chính xác cao hơn, số lượng tham số thiện:
và phép toán ít hơn nhờ vào 2 khái niệm mới đó là Linear • Về Web :
bottleneck và Interted Residual block.
- Tạo ra được giao diện website kết hợp với
Linear bottleneck: MongoDB.
Tác giả cho rằng với một tập dữ liệu đầu vào, vùng - Sử dụng ASP.NET CORE 6 để lập trình.
dữ liệu mà ta thực sự quan tâm (Manifold of Interest)
- Trang chủ website giúp mọi người có thể tra cứu
trong mạng neural nằm trong những low-dimensional
thông tin biển số của mình trên hệ thống mà không cần
subspace. Nên theo ý tưởng ban đầu, ta có thể làm đơn
phải đăng nhập.
giản bài toán bằng cách giảm chiều của những lớp deep
neural. MobileNet V1 đưa ra ý tưởng đánh đổi giữa độ - Đăng xuất, đăng nhập tài khoản dưới dạng nhân viên
phức tạp và độ chính xác thông qua hệ số width. (User) và dưới dạng Admin.
Trên thực tế khi sử dụng hệ số width để giảm số lượng - Đăng nhập dưới dạng Admin, trong trang này có thể
kênh của mô hình, những đặc trưng thu được trên số thêm User mới vào hệ thống và hiển thị danh sách các
lượng ít kênh còn lại đều là những thông tin quan trọng. user đã được admin thêm vào hệ thống.
Tuy nhiên nếu số lượng kênh đầu vào thấp, những hàm - Đăng nhập dưới dạng User, trang này hiển thị thống
phi tuyến như ReLU có thể loại bỏ nhiều thông tin và nếu kê trên tổng số khách hàng mà user đang quản lý, thông
ReLU không loại bỏ thông tin nào thì hàm này sẽ tương tin chi tiết của từng khách hàng, thông tin tài khoản nhân
tự như một hàm tuyến tính. viên đã đăng nhập.
• Về App:
Kết hợp được các công nghệ phổ biến:
- Flutter: Tạo giao diện người dùng(Màn hình Đăng
nhập/ Đăng xuất, Màn hình Chính)
- Momo: Tạo được QR code để thực hiện thanh toán
- IOTLink: Lấy được địa chỉ chính xác
- Flask: Giúp tạo được server nhận dạng
- MongoDB: Lưu trữ dữ liệu đám mây.
• Về mô hình nhận dạng:
Hình 2.8: Các bước phát triển từ tích chập thông - Việc áp dụng mô hình Warped Planar Object
thường đến Linear bottleneck Detection (WPOD) giúp cho chúng em có kết quả nhận
Interted Residual block: diện được biển số xuất hiện trong bức ảnh chụp khá tốt,
ngoài ra mô hình còn căn chỉnh lại góc chụp các biển số
Khối residual chuẩn sẽ nối lớp đầu và cuối của một
theo hướng chính diện, giúp cho việc xác định các ký tự
khối convolutional bằng skip connection. Một khối
có trong biển số xe thuận lợi hơn rất nhiều.
Residual chuẩn sẽ được thiết kế theo dạng rộng -> hẹp -
> rộng. - Sử dụng các thuật toán xử lý ảnh để lọc bớt nhiễu
trong hình ảnh biển số xe.
Đầu vào có số lượng kênh lớn, nên sẽ cần đi qua một
lớp chập 1x1 để giảm số lượng kênh lại giúp giảm số - Áp dụng mạng MobileNet v2 cho kết quả nhận dạng
lượng tham số cho lớp tích chập 3x3, sau đó để cộng input các ký tự rất tốt
vào output ta sẽ cần một lớp tích chập 1x1 giúp tăng số
123
SVTH: Thân Thống, Trần Thị Thanh Nga; GVHD: ThS. Vũ Vân Thanh
ROBOT CẢM XÚC HỖ TRỢ HỌC TẬP CHO TRẺ EM

EMOTIONAL ROBOT SUPPORTS LEARNING FOR CHILDREN
SVTH: Thân Thống1, Trần Thị Thanh Nga2

1
Lớp 18DT2, Khoa Điện tử - Viễn thông, Trường Đại Học Bách Khoa – Đại Học Đà Nẵng;
Email: thanthong3341@gmail.com
2
Lớp 21DT1, Khoa Điện tử - Viễn thông, Trường Đại Học Bách Khoa – Đại Học Đà Nẵng;
Email: thanhngadtvt.dut.dn@gmail.com
GVHD: ThS. Vũ Vân Thanh
Khoa Điện tử - Viễn thông, Trường Đại Học Bách Khoa – Đại Học Đà Nẵng;
Email: vvthanh@dut.udn.vn
Tóm tắt – Sự phát triển mạnh mẽ khoa học công nghệ góp Abstract - The strong development of science and
phần nâng cao chất lượng đời sống con người , robot cũng dần technology contributes to improving the quality of human life,
được ứng dụng rộng rãi trong nhiều lĩnh vực của cuộc sống bởi robots are also gradually applied widely in many areas of life
vì đem lại nhiều tính năng để phù hợp nhu cầu của người dùng. because it brings many features to response the needs of users.
Trong đề tài này, chúng tôi sẽ trình bày về robot cảm xúc hỗ trợ In this topic, we will present an emotional robot that supports
học tập cho trẻ em được ứng dụng các nền tảng công nghệ phát children to apply today's development technology platforms such
triển hiện nay như trí tuệ nhân tạo (AI), internet vạn vật (IoT). as artificial intelligence technology (AI), Internet connection with
Robot của chúng tôi được thiết kế vừa nhỏ có thể đặt trên bàn all things (IoT). Our robot is designed to be medium and small
học, trạng bị camera được xem như là đôi mắt dễ dàng tiếp cận that can be placed on a desk, the camera condition is seen as
đối tượng là trẻ em, lắng nghe dựa trên những ngữ cảnh phù eyes that easily reach the audience of children, listen based on
hợp robot sẽ bộc lộ những cảm xúc dễ thương và sử dụng giọng the right contexts the robot will express cute emotions and use
nói để trả lời phù hợp cho từng ngữ cảnh khác nhau, ngoài ra voice to respond appropriately to each different context, In
robot có thể liên kết với các thiết bị thông minh khác. Trong quá addition, robots can link to other smart devices. In the process of
trình thực nghiệm đánh giá robot có khả năng phát hiện đối experimenting, the robot is capable of detecting objects quite
tượng khá chính xác, biểu cảm và cơ cấu cử của robot làm việc accurately, the expression and movement structure of the robot
ổn định, tính năng mở rộng được liên kết và điều khiển các thiết work stably, extended functionality to link and control other smart
bị thông minh khác. devices.
Từ khóa – robot cảm xúc, internet vạn vật, trí tuệ nhân tạo, Key words – robot emotions, IoT, AI, robot assistant,
robot trợ lý, học máy Machine learning
1. Đặt vấn đề đến chính xác vị trí của đối tượng. Tuy nhiên, các mô hình
Khi khoa học công nghệ phát triển thì nó sẽ có sự tác AI hiện tại được đánh giá là nặng và yêu cầu phần cứng
động mạnh mẽ đến nhiều lĩnh vực, công việc sẽ ngày cao khiến cho việc áp dụng vào trong một dự án thực tế trở
càng tăng nhu cầu của con người cũng có xu hướng tăng nên khó khăn, từ đó Google đã đưa ra một giải pháp để tối
theo, trong đó các sản phẩm ngành giải trí phát triển ưu chạy trên các nền tảng với tên gọi là MediaPipe và nó
mạnh mẽ thu hút được nhiều người dùng, khi mà các bậc dựa trên BlazeFace [1]. Mô hình này nhận diện nhanh
cha mẹ không có nhiều thời gian để chơi cùng con cái thì chóng nhờ vào 6 điểm được đánh dấu và hỗ trợ cho nhiều
khả năng trẻ dành quá nhiều thời gian cho các trò chơi khuôn mặt khác nhau, là một giải pháp Machine Learning
điện tử, đôi khi dẫn đến khả năng trẻ bị tự kỷ. Mục tiêu (ML) đa nền tảng một mã nguồn mở, có khả năng kết luận
đặt ra của chúng tôi là cần một người bạn có thể chơi và nhanh chóng và chạy ổn định trên hầu hết các phần cứng
học cùng trẻ, giảm thời lượng dành cho việc chơi game thông dụng, trong đó có raspberry, hoàn toàn phù hợp với
cũng như tránh khả năng trẻ mắc bệnh tự kỷ. bài toán xác định vị trí trong khung hình ứng dụng vào
Nhằm giải quyết vấn đề trên chúng tôi thực hiện trong robot của chúng tôi.
Robot cảm xúc hỗ trợ học tập cho trẻ em. Với chức năng Để tăng tính thân thiện với người dùng là trẻ em,
biểu lộ cảm xúc trên khuôn mặt có thể khiến trẻ hứng thú Trong việc lựa chọn khung robot, chúng tôi đã xem qua
và có thể giao tiếp với robot như một người bạn thực thụ. nhiều bản thiết kế khung robot nhằm lựa chọn một khung
Ngoài ra, Robot còn có thể giải đáp cho trẻ học Toán với thiết kế có kích thước nhỏ và linh hoạt, Trong mẫu thiết
những phép tính công thức hình học, giao tiếp bằng tiếng kế robot sharu [2] đã chia sẻ bản thiết kế bao gồm 28 chi
anh với những mẫu câu giao tiếp hằng ngày. Đặc biệt, tiết được kết hợp với nhau, Chúng tôi quyết định sử dụng
phụ huynh có thể thiết lập lịch trình sẵn cho trẻ để robot khung của robot được thiết kế sẵn tuy nhiên chúng tôi có
có thể nhắc nhở trong suốt thời gian bố mẹ không ở bên. một số thay đổi nhỏ của các chi tiết. Thiết kế gồm phần
Bên cạnh đó, robot còn có tính mở rộng kết nối điều khiển đầu và thân liên kết với nhau bằng một trục xoay, sử dụng
các thiết bị thông minh. Với những tính năng trên, Robot động cơ robot có thể xoay đến 180°, thiết kế phần tai để
cảm xúc và hỗ trợ học tập sẽ trở thành một người bạn có thể nhỏ gọn hơn, phía trước của robot được thiết kế
cũng như là công cụ hỗ trợ cho trẻ. gồm một giá đỡ màn hình và phẩn khung bảo vệ màn
Hệ thống robot của chúng tôi được chia làm 2 phần là hình, hướng đến đối tượng là trẻ em chúng tôi thu thập
robot và khối điều khiển thiết bị được liên kết với nhau. được một số biểu cảm được thể hiện trên khuôn mặt của
Trong phần chính của robot việc xử lý nhận dạng đối tượng robot như vui, buồn, bất ngờ và những biểu cảm dễ
là trẻ em rất quan trọng, robot sẽ căn cứ vào vị trí trong bức thương khác. Một phần giúp cho trẻ cảm thấy không bị
ảnh được đọc vào, xử lý điều khiển đến động cơ để hướng nhàm chán.
124
Tiếp theo là nhận dạng giọng nói, đang được phát Khối hiển thị: hiển thị ảnh khi nhận tín hiệu điều
triển phổ biến phải kể đến những ông lớn trong ngành khiển từ xử lý trung tâm thông qua chuẩn giao tiếp
Công nghệ như Siri của Apple, Cortana của Microsoft, UART, từ đó các hoạt ảnh biểu cảm của robot được lưu
Alexa của Amazone và không thể không kể đến google trong bộ nhớ sẽ được hiển thị chính xác từ tín hiệu điều
assistant của google và nó cũng là một trong những công khiển.
việc quan trọng trong robot của chúng tôi, speech Khối xử lý trung tâm: Trung tâm xử lý raspberry đọc
recognition có rất nhiều API hỗ trợ như Vosk API [3], tín hiệu từ Camera là lấy từng khung hình xử lý nhận
OpenAI Whisper [4], TensorFlow có rất nhiều model dạng khuôn mặt có trong khung hình, truyền tín hiệu điều
ngôn ngữ cho việc nhận dạng, Chúng tôi nhận thấy mô khiển đến động cơ trong trục xoay qua chuẩn giao tiếp
hình cho Tiếng Việt của các API ở trên vẫn chưa đầy đủ I2C, đọc tín hiệu âm thanh xử lý nhận dạng thành các
nên không đạt được độ chính xác cao. Trong khi đó cụm, từ đó xác định truyền tín hiệu ra loa và truyền tín
google speech recognition [5], được tích hợp nhiều ngôn hiệu điều khiển qua chuẩn giao tiếp UART đến màn hình
ngữ trong đó có Tiếng Việt, hoạt động nhận dạng tương hiển thị. Truyền dữ liệu điều khiển nhận được lên firebase
đối chính xác và ổn định, phù hợp trong đề tài của chúng và đọc dữ liệu từ firebase về liên tục giá trị của cảm biến
tôi. Ngoài nhận dạng giọng nói thì giọng nói cũng đóng từ đó đề xuất với người dùng những gợi ý.
vai trò quan trọng, tài liệu được hỗ trợ sử dụng trong việc Khối điều khiển động cơ: Nhận tín hiệu điều khiển từ
chuyển văn bản thành giọng nói là GTTS (Google Text- khối điều khiển trung tâm thông qua xử lý chuyển tín hiệu
to-Speech) [6], thư viện Python và công cụ CLI để giao I2C thành tín hiệu PWM đến các động cơ servo.
diện với API văn bản thành đoạn âm thanh của Google.
Viết dữ liệu MP3 lưu trữ vào tệp, để thao tác âm thanh
tiếp theo. Nó có tính năng xử lý linh hoạt.
Trong đề tài chúng tôi sử dụng robot hoạt động liên
kết với Internet of Thing (IoT) [7], Khái niệm IoT để chỉ
ra mạng lưới nhiều thiết bị thường được tích hợp những
cảm biến cơ cấu chấp hành, dữ liệu và các công nghệ khác
trao đổi trên môi trường internet, chúng tôi thiết kế một Hình 2: Sơ đồ của khối thiết bị
khối điều khiển thiết bị riêng bao gồm các thiết bị được Khối thiết bị: được chia thành khối nhỏ hơn gồm
điều khiển thông qua Firebase. Robot sử dụng phân tích khối xử lý, khối điều khiển công suất và cảm biến. Khối
giọng nói để điều khiển các thiết bị IoT thông qua xử lý sử dụng esp8266 kết nối với internet và lấy dữ liệu
Firebase và lấy dữ liệu cảm biến của thiết bị về để xử lý. từ Firebase liên tục phân tích có thể ở dạng json và string.
Mục tiêu của hệ thống robot chúng tôi là việc xây dựng Sau khi xử lý và lấy mẫu để đưa ra kết quả chính xác khối
robot tích hợp nhận dạng đối tượng, từ ảnh robot xác định xử lý sẽ truyền tín hiệu điều khiển sang khối công suất để
được vị trí từ đó robot điều khiển trục xoay đến đối tượng, điều khiển thiết bị hoạt động. Và truyền dữ liệu từ cảm
Khi được gọi, robot sẽ nhận dạng giọng nói để chuyển biến lên firebase khi có người dùng được phát hiện bởi
thành văn bản, robot sẽ xác định được ngữ cảnh trong robot, robot nhận được và đánh giá đưa ra các đề xuất đến
đoạn văn từ đó sẽ có các hành động và biểu cảm dễ người dùng.
thương trên khuôn mặt, đưa ra những câu trả lời phù hợp Phần cứng hệ thống robot và chương trình phần
trong ngữ cảnh đó. Mục tiêu quan trọng nhất của chúng mềm:
tôi là phát triển robot cảm xúc đóng vai trò hỗ trợ học tập Trong phần này chúng tôi sẽ trình bày về phần cứng
cho trẻ em giúp trao đổi giao tiếp, đóng góp một phần của robot và thuật toán hoạt động của robot
trong cuộc sống bận rộn ngày nay. Kích thước của robot 11*11*30 cm, khung robot gồm
Trong phần tiếp theo của bài viết chúng tôi sẽ trình 2 phần thân và đầu hoạt động với 6 động cơ servo gồm 1
bày: Đề xuất thiết kế; Sơ đồ khối của toàn bộ hệ thống servo liên kết giữa phần đầu và thân robot có thể xoay
phần cứng và chương trình điều khiển; Kết quả thi công đến 180°. Phần đầu robot gồm 1 khung màn hình, 4 động
và thảo luận hoạt động của hệ thống cơ ở đôi tai robot có thể xoay chuyển linh hoạt. Phần thân
2. Đề xuất thiết kế chứa mạch kết nối.
Trong hình số 1 chúng tôi đề xuất sơ đồ khối của hệ
thống bao gồm 2 khối làm việc chính trong hệ thống gồm
khối Robot và khối thiết bị
Hình 1: Sơ đồ khối tổng quát của hệ thống robot

Khối robot: được chia thành 3 khối nhỏ gồm khối
hiển thị, khối điều khiển động cơ và khối xử lý trung tâm. Hình 3: Phần cứng của robot
125
Sơ đồ mạch đấu nối của robot: được mô tả trong hình Sơ đồ phần cứng và lưu đồ thuật toán của khối điều
3, vi điều khiển trung tâm chúng tôi chọn raspberry pi 4B khiển thiết bị.
có khả năng xử lý ảnh và thu phát lưu trữ âm thanh, với Phần cứng của khối điều khiển thiết bị, xử lý trung
các ngõ ra vào giao tiếp thông dụng như UART, I2C có tâm là esp8266 cập nhật liên tục từ firebase, để đảm bảo
tốc độ xử lý nhanh và được xem là một máy tính nhúng. điều khiển thiết bị và cập nhật dữ liệu lên firebase theo
Màn hình Nextion có bộ nhớ riêng 4MB và phần mềm thời gian thực.
riêng. Camera V2.1 8MP. Module 16 chanel driver điều
khiển động cơ servo.
Hình 6: Sơ đồ khối của khối điều khiển thiết bị

Lưu đồ thuật toán của khối điều khiển thiết bị
Hình 4: Sơ đồ mạch đấu nối robot

Phần mềm của robot: ban đầu robot sẽ khởi tạo các
giao tiếp UART, I2C bộ định thời timer thực hiện kết nối
firebase, camera và google api, Robot theo dõi trong
khuôn hình phát hiện người tiếp cận, tùy thuộc vào ngữ
cảnh nhận được robot đưa ra các hướng xử lý biểu cảm
giọng nói, hoạt động hỗ trợ học tập hay điều khiển thiết
bị trong quá trình hoạt động khi có từ khóa kết thúc hoặc
trong một khoảng thời gian không có người trong khung
hình robot sẽ quay lại trạng thái ban đầu.
Hình 7: Sơ đồ khối của khối điều khiển thiết bị

Phần mềm khối điều khiển thiết bị: Ban đầu vi xử lý
sẽ khởi tạo biến điều khiển, cấu hình input/output, timer
kết nối wifi và firebase. Sau 0.5s vi xử lý đọc giá trị về
và so sánh để điều khiển thiết bị, khi có người thì sẽ đọc
giá trị cảm biến để điều khiển thiết bị.
3. Kết quả nghiên cứu và khảo sát
3.1. Kết quả thi công robot
3.1.1. Kết quả phần cứng của robot
Robot được thiết kế nhỏ gọn với các khớp nối linh hoạt bao
gồm 1 trục có thể xoay từ 0 – 170° có thể dễ dàng xoay hướng
đến trẻ em, các khớp ở tai cho phép robot có thể xoay đến
120°, trục nâng cho phép robot có thể gập người lên xuống
dễ dàng cùng với nhưng hoạt động trên robot còn có các biểu
Hình 5: Lưu đồ thuật toán robot cảm vô cùng dễ thường phù hợp với trẻ em.
126
3.1.3. Kết quả của cảm xúc robot
Robot được thiết kế để thân thiện với người dùng là
trẻ em, với gần 8 biểu cảm khác nhau phía dưới thể hiện
một số cảm xúc của robot.
a) Mặt trước b) Mặt trên c) Mặt bên cạnh

Hình 8: Robot cảm xúc hỗ trợ học tập sau khi hoàn
thiện
3.1.2. Kết quả của nhận dạng khuôn mặt và giọng nói
a) Vui vẻ e) Lắng nghe f) Bất ngờ
d)
Trong hình phía dưới là kết quả của việc phát hiện
khuôn mặt đóng khung Hình 12: Một số biểu cảm và hoạt động của robot
3.1.4. Kết quả hỗ trợ học tập cho robot
Trong việc hỗ trợ học tập robot có khả năng hỗ trợ về
quản lý thời khóa biểu nhắc nhở, hỗ trợ học toán, hỗ trợ
giao tiếp tiếng anh, tiếng việt trong cuộc sống thường
ngày. Một số kết quả sẽ được chia sẻ ở phía dưới.
Hình 9: Số liệu tọa độ trả về trên khung hình

Hình số 9 mô tả số liệu tọa độ được trả trong khuôn
hình, vì chúng tôi đã cài đặt có độ phân theo chiều ngang
là 640 và chiều dọc la 400 kết quả sẽ nằm trong khoảng
giá trị đã đặt ra. Giá trị lần lượt là xmin, ymin, weight,
height nằm trong khoảng giá trị [0 1].
Hình 13: Một số các phép toán robot có thể hỗ trợ cho
trẻ
Quản lý thời khóa biểu khi bố mẹ đã lên lịch và robot
sẽ nhắc nhở đồng thời trẻ cũng có thể hỏi với robot, robot
có thể trả lời bằng ngôn ngữ Tiếng Việt cũng như Tiếng
Anh.
Hình 10: Nhận dạng khuôn mặt trong khung hình

Xử lý giọng nói chuyển hóa giọng nói thành văn
bản. các từ khóa. Hình 14: Hỗ trợ quản lý thời khóa biểu của trẻ em bằng
tiếng Việt
a) nhận dạng Tiếng Việt b) nhận dạng Tiếng Anh Hình 15: Hỗ trợ quản lý thời khóa biểu của trẻ em bằng
tiếng Anh
Hình 11: Một số biểu cảm và hoạt động của robot
127
Một số câu giao tiếp lập trình thư viện trả lời phát hiện 3.2.2. Dữ liệu lưu trữ trên Firebase
từ khóa cho robot Dữ liệu được cập nhật theo thời gian thực dữ liệu cảm
biến từ khối thiết bị và điều khiển thiết bị từ robot
Hình 16: Giao tiếp với trẻ em bằng tiếng Anh
Hình 20: Dữ liệu được cập nhật trên Firebase

4. Bàn luận
4.1. Khối robot
4.1.1. Nhận dạng khuôn mặt trong khung hình
Việc sử dụng giải pháp nhận dạng khuôn mặt bằng
Mediapipe giúp nhận dạng nhanh chóng và chính xác vị
trí trong khung ảnh, nhưng có một vấn đề khi áp dụng
Hình 17: Giao tiếp với trẻ em bằng tiếng Việt giải pháp của Mediapipe nó sẽ cho ra nhiều kết quả trong
3.2. Kết quả thi công khối điều khiển thiết bị và dữ liệu khuôn hình khi có người phía sau thuật toán của
3.2.1. Kết quả thi công phần cứng khối điều khiển thiết mediapipe sẽ xác định vị trí của từng khuôn mặt và sẽ
bị thực hiện lần lượt vẽ thành hộp cho các khuôn mặt. Trong
bàn học đối tượng gần nhất sẽ là trẻ em.
Phần cứng của khối điều khiển thị sau khi đã hoàn
thành. Có thể điều khiển được các thiết bị có công suất
vừa và thiết kế kín để tránh gây nguy hiểm với con người
Hình 21: Nhận dạng khung hình có nhiều khuôn mặt

Trong trường hợp ở trong bức ảnh đọc được có nhiều
khuôn mặt điều này sẽ gây cản trở cho việc xác định đối
Hình 18: Mạch của khối điều khiển thiết bị
tượng hướng đến, để giải quyết cho vấn đề này chúng tôi
Sau khi đã hoàn thành thiết kế mạch, chúng tôi đã đã xóa bỏ những khuôn mặt ở xa và chỉ cho phép thực
đóng hộp bảo vệ cho phép người dùng có tùy ý di chuyển hiện đối với một đối tượng ở gần duy nhất.
và lắp đặt. Hình phía dưới là Khối điều khiển thiết bị sau
khi đã hoàn thiện.
Hình 19: Khối điều khiển thiết bị sau khi đã hoàn thiện Hình 22: Robot nhận dạng trong phạm vi 3m
128
trẻ có thể phân biệt được các con vật thông qua hình ảnh
hoặc âm thanh.
Trong trường hợp có nhiều tạp âm trong phòng robot
sẽ xử lý lâu hơn, vì bị lẫn một số tạp âm, kết quả trả về
sau khi giải mã có thể khác so với đầu vào.
4.2. Khối điều khiển thiết bị
Khối điều khiển thiết bị của chúng tôi được thiết kế
riêng biệt chúng tôi sử dụng các linh kiện và dây điện gọn
gàng, về phần dữ liệu để đưa đến thiết bị sau khi lấy được
Hình 23: Nhận dạng trong phạm vi quá 4m dữ liệu về để tránh các trường hợp dữ liệu đọc có thể bị
sai lệch chúng tôi sẽ lấy dữ liệu về so sánh để đưa ra kết
Trong quá trình thực hiện việc nhận dạng đối tượng
quả điều khiển chính xác.
trong khuôn hình được thực hiện tốt nhất trong khoảng
cách 2m, những đối tượng nằm ngoài bán kính 4m không 5. Kết luận
nhận dạng nằm do ngoài khoảng cách được tính trước. Trong đề tài lần này, chúng tôi đã đề xuất ra robot
4.1.2. Nhận dạng giọng nói và hỗ trợ cho học tập cảm xúc hỗ trợ học tập cho trẻ em và ứng dụng những
công nghệ phát triển AI, IoT. Hệ thống robot của chúng
Nhận dạng giọng được chia ra thành 2 ngôn ngữ đó
tôi bao gồm một robot và thiết bị điều khiển thông minh
chính là Tiếng Việt và Tiếng Anh. Ngôn ngữ mặc định
được liên kết với robot thông qua Firebase. Việc sử dụng
ban đầu sẽ là tiếng việt. Trường hợp đầu vào là Tiếng
các phần cứng và lập trình cho phần mềm hoạt động theo
Việt nếu nhận dạng là Tiếng Anh thì sẽ không nhận được
như đề xuất thiết kế ban đầu chúng tôi. Trong tương lai,
kết quả trả về. Trường hợp ngược lại sử dụng đầu vào
chúng tôi sẽ cố gắng phát triển phát triển về nguồn dữ
chính xác sẽ giúp việc nhận dạng dễ dàng và kết quả sẽ
liệu cho robot linh hoạt hơn trong việc tương tác với
trả về đúng.
người dùng.

[1] valik, kartynnik, vakunov, krav and grundman - BlazeFace: Sub-
millisecond Neural Face Detection on Mobile GPUs (14 Jul 2019)
[2] https://www.thingiverse.com/thing:4511545
[3] https://alphacephei.com/vosk/
[4] Alec Radford, Jong Wook Kim, Tao Xu, Greg Brockman,
Christine McLeavey and Ilya Sutskever - Robust Speech
Recognition via Large-Scale Weak Supervision
Hình 24: Nhận dạng giọng nói với đầu vào 2 ngôn ngữ [5] https://pypi.org/project/SpeechRecognition/
Nhận dạng giọng nói trong trường hợp lý tưởng trong [6] Pierre-Nick Durette. https://gtts.readthedocs.io/en/latest/
phòng ít ảnh hưởng bởi tiếng ồn Robot nhận diện xử lý [7] Nguyen Ngoc Huong and Phan Tran Dang Khoa Vu Van Thanh
“A Survey of Communication Protocols and Cloud Services for
giọng nói nhanh chóng và trả về kết quả để xử lý các công IoT Systems”. JOURNAL OF SCIENCE AND TECHNOLOGY:
việc tiếp theo. ISSUE ON INFORMATION AND COMMUNICATIONS
TECHNOLOGY Vol 17, No 12.2, (2019) page 8-12
Hỗ trợ trong học tập robot tính năng đang được phát
triển việc phát triển thiết bị có thể hỗ trợ đoán vui giúp
129
SVTH: Đào Duy Ngữ, Lê Văn Thiện; GVHD: Trần Thị Minh Hạnh
ỨNG DỤNG NHẬN DẠNG KHUÔN MẶT VÀ HÀNH ĐỘNG CHO PHÁT HIỆN
TÉ NGÃ Ở NGƯỜI CAO TUỔI
THE APPLICATION OF FACE RECOGNITION AND ACTION RECOGNITION FOR FALL
DETECION IN THE ELDERLY
SVTH: Đào Duy Ngữ, Lê Văn Thiện

Lớp 18DT1, Khoa Điện tử - Viễn thông, Trường Đại học Bách Khoa, Đại học Đà Nẵng; Email:
ddngu0110@gmail.com, ngocthien3920@gmail.com
GVHD: Trần Thị Minh Hạnh
Khoa Điện tử - Viễn thông, Trường Đại học Bách Khoa, Đại học Đà Nẵng; Email: hanhtran@dut.udn.vn
Tóm tắt – Té ngã là một tai nạn bất ngờ rất phổ biến ở người Abstract – Falls are a very common unexpected accident in
cao tuổi. Té ngã tiềm ẩn nhiều nguy cơ như gãy xương, vỡ đốt the elderly. Falls have many risks such as fractures, vertebral
sống, chấn thương não, … Việc phát hiện té ngã đưa đi cấp cứu ruptures, brain injuries, etc. Detecting falls and talking them to
kịp thời rất quan trọng. Trong bài báo này, chúng tôi đề xuất một the emergency room in time is very important. In this paper, we
phương pháp nhận dạng bảy hành động cơ bản ở người già dựa propose a method for identifying seven basic actions in the
vào dữ liệu khung xương phát hiện được ở mô hình YOLOv7- elderly based on skeletal data detected in the YOLOv7-Pose
Pose đồng thời kết hợp với nhận dạng danh tính qua khuôn mặt. model at the same time combined with facial identity recognition.
Mô hình nhận dạng hành động được xây dựng dựa trên mô hình The action recognition model is built on the deep learning model
học sâu Spatial Temporal Graph Convolutional Network (ST- Spatial Temporal Graph Convolutional Network (ST-GCN) and
GCN) và Long Short-Term Memory (LSTM). Kết quả thực Long Short-Term Memory (LSTM). The experimental results on
nghiệm trên tập dữ liệu do chúng tôi thu thập thực tế cho thấy the dataset collected by us show that ST-GCN model achieved
rằng mô hình ST-GCN đạt độ chính xác 90% cao hơn mô hình an accuracy of 90% higher than the LSTM model by 7%.
LSTM 7%. Key words – Face recognition; action recognition; skeleton
Từ khóa – Nhận dạng khuôn mặt; nhận dạng hành động; detection; recurrent neural network; spatial temporal graph
phát hiện khung xương; mạng nơ-ron hồi quy; mạng lưới tích neural network; elderly.
chập đồ thị thời gian-không gian; người cao tuổi.
1. Giới thiệu nhằm có thể giám sát các hành vi bất thường trên người
Té ngã là một tai nạn bất ngờ rất phổ biến ở người cao cao tuổi.
tuổi. Theo thống kê của National Council On Aging 2. Các nghiên cứu liên quan
(NCOA), cứ 4 người trên 65 tuổi thì có 1 người bị té ngã Hiện nay, có rất nhiều bài báo đã nghiên cứu về nhận
trong một năm. Một thống kê khác cho thấy tỉ lệ người dạng khuôn mặt, nhận dạng hành động, phát hiện té ngã.
cao tuổi bị té ngã mỗi năm là khoảng 28-35% đối với Đặc biệt, nhận dạng hành động, phát hiện té ngã đều dựa
những người 65 tuổi trở lên và 32-42% đối với những trên phân tích video, hình ảnh và dữ liệu của thiết bị đo
người trên 75 tuổi. Tại Việt Nam, ước tính có khoảng 1.5- gia tốc kế.
1.9 triệu người cao tuổi bị té ngã mỗi năm, 5% trong đó
Các nghiên cứu của Kuppusamy và các cộng sự đã
phải nhập viện vì các chấn thương.
thực hiện nhận dạng 10 hành động khác nhau dựa vào
Đối với người già, té ngã thường gây ra các tổn mạng nơ-ron tích chập (CNN) và mạng nơ-ron hồi quy
thương rất nghiêm trọng như tổn thương vùng đầu, gãy (LSTM-RNN) [2] trên bộ dữ liệu về hình ảnh và video.
xương,… Những số liệu gần đây của trung tâm thống kê Đặc điểm của nghiên cứu này là không có hành động té
sức khỏe cho thấy trong năm 2015, khoảng 55% các ca ngã.
tử vong do chấn thương của người cao tuổi tại Anh có
Nghiên cứu của Jiang Wu và các cộng sự [3] đã thực
nguyên nhân do té ngã. Đối với những người có độ tuổi
hiện tương tự nghiên cứu của Kuppsamy nhưng chỉ thực
từ 75% trở lên thì tỷ lệ này là 78%. Điều này này hưởng
hiện với 2 hành động là té ngã và không té ngã. Nghiên
rất lớn đến kinh tế của gia đình, cộng đồng và xã hội. [1]
cứu này thay vì sử dụng hình ảnh, video thì các tác giả đã
Việc phát hiện té ngã sớm có thể giúp người nhà, sử dụng dữ liệu gia tốc đo đạt được từ gia tốc kế.
người chăm sóc hay bác sĩ có thể đến một cách kịp thời
Một số nghiên cứu khác về nhận dạng hành động như
và giúp hạn chế hậu quả do té ngã gây ra, thậm chí có thể
nghiên cứu của Sungil Jeong và các cộng sự [4] sử dụng
hạn chế được tử vong. Do đó, nhu cầu về các hệ thống
dữ liệu về khung xương của con người và đưa vào mạng
phát hiện té ngã sớm và có khả năng thông báo cho người
LSTM để thực hiện nhận dạng với 3 hành động khác
chăm sóc hay các người có liên quan là rất cấp thiết.
nhau.
Trong bài báo này, chúng tôi đề xuất một phương
Cũng nghiên cứu về nhận dạng hành động, Sijie Yan
pháp nhận dạng khuôn mặt và hành động cho người cao
và các cộng sự [5] đã thực hiện nhận dạng 30 hành động
tuổi dựa vào sự phát triển của trí tuệ nhân tạo. Đây là
khác nhau dựa vào dữ liệu khung xương. Nhưng, các tác
phương pháp dựa vào các video, hình ảnh để huấn luyện
giả đã sử dụng mạng tích chập lưới thời gian và không
cho mô hình học máy có thể học và nhận biết được danh
gian (ST-GCN) thay vì sử dụng LSTM. Kết quả trên tập
tính qua khuôn mặt và các hành động của con người. Từ
dữ liệu Kinectics được trích khung xương bằng mô hình
đó, phát triển thành một hệ thống nhận dạng khuôn mặt
Openpose. Mô hình của các tác giả đạt độ chính xác
và hành động của con người được triển khai ở các khu
72.4% nhưng không có hành động té ngã.
vực như: bệnh viện, khu chung cư, viện dưỡng lão, …
130
Trong các nghiên cứu về nhận dạng hành động, phát 3.1.1. Phát hiện khuôn mặt với YOLO5Face
hiện té ngã, đa số các tác giả chỉ thực hiện nhận dạng Mô hình phát hiện khuôn mặt YOLO5Face do Delong
hành động mà chưa có sự kết hợp về nhận dạng danh tính, Qui và nhóm cộng sự xây dựng vào năm 2022 dựa trên
một số nghiên cứu thực hiện nhiều hành động nhưng YOLOv5 nhằm tối ưu hóa phát hiện các khuôn mặt lớn
không phù hợp với người cao tuổi, không có hành động nhỏ, độ phức tạp khác nhau đồng thời có thể chạy mô
té ngã, độ chính xác thấp. Độ chính xác của mô hình phụ hình phát hiện ở thời gian thực. Nhóm tác giả đã bổ sung
thuộc vào nhiều yếu tố khác nhau như dữ liệu, mô hình chức năng hồi quy 5 điểm mốc trên khuôn mặt, sử dụng
trích xuất dữ liệu, … Do đó, trong nghiên cứu này, chúng khối STEM ở ngõ vào thay cho lớp Focus gốc nhằm tổng
tôi sử dụng mô hình YOLOv7-Pose [6] để tăng độ chính quát hóa mạng và giảm độ phức tạp tính toán của mô
xác cho việc trích dữ liệu về khung xương, từ đó sử dụng hình. Tiếp theo, nhóm tác giả đã thêm một ngõ ra ở khối
các kỹ thuật học sâu LSTM và ST-GCN để nhận dạng 7 PAN (Pan Aggressing Network) nhằm tăng khả năng
hành động chủ yếu ở người già: đứng, đứng lên, ngồi, phát hiện các khuôn mặt lớn dễ dàng. Cuối cùng, thay đổi
ngồi xuống, đi, nằm và té ngã. kích thước kernel là 7x7, 5x5, 3x3 trong khối SPP
Ngoài ra, chúng tôi kết hợp với nhận dạng danh tính (Spatial Pyramid Network) thay vì 13x13, 9x9, 5x5 trong
qua khuôn mặt dựa vào mô hình phát hiện khuôn mặt YOLOv5 để mô hình phù hợp hơn khi phát hiện khuôn
YOLO5Face [7] do Delong Qui và các cộng sự thực hiện mặt. Kiến trúc chi tiết mạng YOLO5Face được nhóm tác
dựa trên YOLOv5 nhằm cải tiến khả năng phát hiện giả mô tả chi tiết ở bài báo [7].
khuôn mặt nhỏ và xa, tốc độ nhanh đồng thời kết hợp với 3.1.2. Mô hình trích xuất đặc trưng ResNet18 kết hợp với
nhận dạng khuôn mặt thông qua ArcFace [8]. hàm mất mát ArcFace.
3. Phương pháp thực hiện Để thực hiện quá trình nhận dạng khuôn mặt với
3.1. Nhận dạng khuôn mặt phương pháp học tương tự, chúng tôi sử dụng mô hình
Trong nghiên cứu này, chúng tôi đề xuất mô hình ResNet18 làm mô hình trích xuất đặc trưng và giảm chiều
nhận dạng danh tính qua khuôn mặt được mô tả trong dữ liệu của khuôn mặt thành một vector 512 chiều. Mô
Hình 1. hình này còn được gọi là mạng siamese và được mô tả ở
Hình 2.
Mô hình nhận dạng khuôn mặt dựa trên phương pháp
học tương tự, là phương pháp thực hiện so khớp 2 khuôn Đầu vào mạng Siamese là 2 bức ảnh bất kì được chọn
mặt thông qua độ tương tự cosin và quyết định danh tính ngẫu nhiên từ tập dữ liệu. Ngõ ra của mạng là 2 vectơ x1,
của khuôn mặt. Các dữ liệu về hình ảnh sẽ được đưa vào x2 tương ứng với biểu diễn thông tin của 2 bức ảnh. Cuối
mô hình YOLO5Face để xác định vị trí của khuôn mặt, cùng, 2 vectơ x1, x2 được đưa vào hàm mất mát để đo
khuôn mặt được đưa vào một mô hình CNN đã được huấn lường sự khác biệt giữa chúng. Việc lựa chọn hàm mất
luyện trước với hàm mất mát ArcFace để trích xuất đặc mát quyết định tới độ chính xác của mô hình. Do đó
trưng và giảm chiều dữ liệu thành vectơ 512 chiều. Vectơ chúng tôi chọn hàm mất mát ArcFace để huấn luyện cùng
này sẽ được tính toán với vectơ có trong cơ sở dữ liệu với mạng ResNet18.
thông qua độ tương tự cosin để xác định danh tính.
Hình 2: Kiến trúc mạng mạng Siamese

a. Kiến trúc mạng ResNet18
Kiến trúc mạng ResNet (Residual Network) ra đời
vào năm 2015 nhằm khắc phục hiện tượng đạo hàm bị
triệt tiêu ảnh hưởng tới quá trình huấn luyện không tốt
khi thiết kế thiết kế mạng CNN hàng trăm lớp. ResNet18
là một biến thể của ResNet được ghép từ 4 lớp, mỗi lớp
bao gồm 2 khối và có tổng cộng có 4 kết nối tắt được sử
dụng.
Chúng tôi đã thay đổi kích thước ngõ vào của mạng
ResNet18 là 112 thay vì 224 như kiến trúc gốc để phù
hợp với việc trích xuất đặc trưng của khuôn mặt, ngoài ra
chúng tôi loại bỏ lớp phân loại ở ngõ ra và sử dụng lớp
Hình 1: Sơ đồ nhận dạng khuôn mặt Linear thay cho lớp Average pool 7x7 và cũng là ngõ ra
131
của mô hình. Thông số chi tiết của kiến trúc mạng Vì các vector đặc trưng được phân bổ xung quanh mỗi
ResNet18 được mô tả ở Bảng 1. đặc điểm trung tâm theo một siêu cầu, nên tác giả đã thêm
Bảng 1: Bảng thông số kiến trúc ResNet18 vào đó là một góc m giữa đặc điểm 𝑥𝑖 và trọng số 𝑊𝑗 hay
còn nói cách khác là thêm một góc m vào giữa các đường
Ngõ vào Lớp Kích thước bộ lọc biên để đồng thời tăng cường tính nhỏ gọn trong nội bộ
lớp và sự khác biệt giữa các lớp. Cuối cùng ta có hàm mất
1122 × 3 Conv1 3 × 3, stride=1
mát ArcFace như sau:
3 × 3, 64 s.(cos(θy +m))
1122 × 64 Conv2_x [ ] × 2, stride=2 L 3 = − ∑N
1 e i
3 × 3, 64 i=1 log s.(cos(θy +m)) s.cosθj (3)
N e i +∑n
j=1,j≠yi e
3 × 3, 128 Sự khác nhau về khoảng cách biên giữa các lớp giữa
562 × 128 Conv3_x [ ] × 2, stride=2
3 × 3, 128 hàm mất mát ArcFace ở Hình 3b và hàm mất mát softmax
3 × 3, 256 ở Hình 3a.
282 × 256 Conv4_x [ ] × 2, stride=2
3 × 3, 256 3.1.3. Độ tương tự cosin
3 × 3, 512 Để so khớp khuôn mặt, chúng tôi sử dụng độ tương
142 × 512 Conv5_x [ ] × 2, stride=2 tự cosin để tính toán sự tương đồng giữa 2 khuôn mặt.
3 × 3, 512
Giá trị góc tính cos(α) sẽ nằm trong khoảng [-1, 1].
72 × 512 Linear 25.088 × 512
⁡⁡⁡⁡⁡cos(α)
b. Hàm mất mát ArcFace x1 . x1′ + x2 . x2′ + ⋯ + xn . xn′
= ⁡⁡⁡⁡⁡⁡⁡⁡(4)
Hàm mất mát Additive Angular Margin Loss √x12 + x22 + ⋯ + xn2 . √x1′2 + x2′2 + ⋯ + xn′2
(ArcFace) [8] do Jiankang Deng và các cộng sự cải tiến Nếu 2 khuôn mặt giống nhau thì giá trị góc sẽ lớn và
dựa trên hàm mất mát softmax có công thức như sau: ngược lại. Nhưng đối với phương pháp này khi xuất hiện
1
T
W x +b
e yi i yi người lạ cũng dễ bị nhận dạng sai. Do đó để khắc phục
L1 = − ∑N
i=1 log WT
(1) vấn đề này, chúng ta cần phải chọn một ngưỡng tin cậy 𝜆
N j xi +bj
∑n
j=1 e trong khoảng [0, 1] để có thể phân loại người lạ.
Hàm này là sự kết hợp giữa hàm mất mát entropy Nếu:
chéo và hàm kích hoạt softmax. Trong quá khứ hàm này
được sử dụng cho nhận dạng khuôn mặt. Tuy nhiên, hàm cos(α) ≥ ⁡𝜆 → người nhận dạng được (5)
này không có khả năng tối ưu hóa rõ ràng cho các vector Ngược lại:
nhúng chứa các đặc điểm của khuôn mặt để tăng thêm sự cos(α) < ⁡𝜆 → người lạ (6)
tương đồng giữa khuôn mặt trong một lớp và tăng thêm 3.2. Nhận dạng hành động
sự đa dạng giữa các khuôn mặt giữa các lớp, dẫn đến tạo
ra một khoảng cách cho những khuôn mặt với nhiều biến Trong nghiên cứu này, chúng tôi đề xuất mô hình
thể khác nhau. YOLOv7-Pose dùng để trích xuất các điểm chính trên cơ
thể của con người thông qua hình ảnh kết với với mô hình
Để đơn giản hóa, tác giả đã cố định hệ số bias bj = 0, nhận hành động ST-GCN hoặc LSTM để nhận dạng 7
sau đó biến đổi WjT xi = ‖Wj ‖‖xi ‖cos⁡(θj ), trong đó θj là hành động chủ yếu ở người cao tuổi bằng dữ liệu khung
góc giữa trọng số Wj và đặc điểm xi . Sau đó cố định trọng xương được mô tả trong Hình 4.
số ‖Wj ‖ = 1 bởi sự chuẩn hóa L2 . Đồng thời chẩn hóa
luôn vector đặc trưng ‖xi ‖ theo sự chuẩn hóa L2 và
rescale lại thành s (s là bán kính của siêu cầu với giá trị
là 64). Bước chuẩn hóa trọng số weights và vectơ đặc
trưng này tạo nên sự dự đoán thuần túy dựa trên góc giữa
vectơ đặc trưng và trọng số weight. Vectơ đặc trưng đã
được học sau đó được phân bổ trên một siêu cầu với bán
kính là s [8].
s.cosθy
1 e i
L 2 = − ∑N
i=1 log s.cosθy s.cosθj (2)
N e i +∑n
j=1,j≠yi e
Hình 3: Sự phân bố về khoảng cách biên giữa các lớp

của hàm mất mát softmax và ArcFace. [8] Hình 4: Sơ đồ nhận dạng hành động
132
Mô hình nhận dạng hành động bao gồm 7 hành động Trong nghiên cứu này, chúng tôi sử dụng kiến trúc học
chủ yếu ở người già bao gồm: đi, đứng, đứng lên, ngồi sâu LSTM với 3 lớp ẩn và ngõ ra được đưa vào các lớp
xuống, ngồi, nằm và té ngã dựa trên mạng Spatial tuyến tính để giảm kích thước dữ liệu từ 128 về 7, cũng
Temporal Graph Neural Network hoặc Long Short-Term chính là ngõ ra của mô hình được mô tả ở Hình 7.
Memory.
3.2.1. Phát hiện các điểm chính với YOLOv7-Pose
Phát hiện điểm chính bao gồm phát hiện vị trí của
người trong ảnh cũng như vị trí các điểm chính trên cơ
thể. Các điểm này chính là các vị trí không gian hoặc các
đặc điểm nổi bật trong hình ảnh. Khi hành động thay đổi
thì các khung xương được kết nối từ các điểm chính này
sẽ thay đổi theo. Việc phát hiện đúng vị trí của các điểm
chính này trên cơ thể có thể giúp cho việc nhận dạng hành
động đúng hơn. Do đó, chúng tôi đề xuất dùng mô hình
YOLOv7-Pose [6] để trích xuất các điểm chính và vị trí
của người trong ảnh. Đồ thị khung xương được mô tả ở
Hình 5.
Hình 7: Kiến trúc LSTM với 3 lớp ẩn

3.2.3. Xây dựng mô hình nhận dạng hành động với ST-
GCN
Hình 5: Đồ thị khung xương của một người Để nhận dạng hàng động của con người dựa trên
Mô hình YOLOv7-Pose được xây dựng dựa trên khung xương, mô hình ST-GCN được đề xuất. ST-GCN
YOLO-Pose [9] và YOLOv7 cho kết quả chính xác cao và là một mạng lưới tích chập đồ thị thời gian-không gian
tốc độ nhanh nhờ sử dụng kiến trúc E-LAN và E-ELAN để nhận dạng hành động dựa trên khung xương. Để xây
thay cho kiến trúc CSP-Darknet53 sử dụng ở YOLOv5 đã dựng một biểu diễn chung cho chuỗi khung xương để
được nhóm tác giả chứng minh ở bài báo [10]. nhận dạng hành động, mạng nơ-ron biểu đồ (graph neural
networks) được mở rộng thành mô hình đồ thị không
3.2.2. Xây dựng mô hình nhận dạng hành động với LSTM gian-thời gian gọi là ST-GCN.
Long Short-Term Memory (LSTM) là một kiểu đặc Tích chập của mạng nơ-ron thực chất là một quá trình
biệt của mạng nơ-ron hồi quy RNN (Recurrent Neural tính trọng số và tính tổng của một vùng không gian nhất
Network). LSTM sử dụng phổ biến cho các bài toán với định thông qua các bộ lọc để có được biểu diễn cho các
dữ liệu dạng chuỗi. Ý tưởng chính trong các mạng nơ-ron đặc trưng. CNN phù hợp với dữ liệu ma trận hai chiều
hồi quy là kết hợp các thông tin trong quá thứ để đưa ra dự thông thường như hình ảnh (mỗi pixel được kết nối với
đoán cho hiện tại. Một vấn đề nảy sinh khi kết hợp thông các pixel xung quanh). Tuy nhiên, mạng CNN không thể
tin trong quá khứ và hiện tại là vẫn chưa mang lại thông tin xử lý tốt với các dữ liệu có mối quan hệ biến đổi nút như
hiệu quả cho việc dự đoán. Đó chính là vấn đề phụ thuộc khung xương. Do đó, một biểu đồ được ra đời với các
xa trong mạng nơ-ron hồi quy. LSTM được đề xuất để đỉnh và cạnh được sử dụng để thiết lập các mối quan hệ
khắc phục được vấn đề này và LSTM có khả năng ghi nhớ liên quan.
thông tin trong suốt thời gian dài. LSTM sẽ không ghi nhớ
tất cả các thông tin mà sẽ chọn lọc những thông tin nào sẽ
cần được ghi nhớ, thông tin nào sẽ quên. Điều này đảm bảo
được thông tin ở thời điểm gần nhất so với thời điểm cần
dự đoán vẫn mang đầy đủ thông tin trong quá khứ. Kiến
trúc của LSTM được mô tả ở Hình 6.
Hình 8: Biểu đồ thời gian-không gian của trình tự

khung xương [5]
Ở hình 8, xét một chuỗi T khung hình với mỗi khung
hình có N khớp. Tập nút bao gồm tất các khớp trong một
chuỗi khung xương (các nút màu xanh dương). Tập cạnh
bao gồm tập hợp tất cả các khớp trên cơ thể người được
kết nối tự nhiên (các cạnh màu xanh dương) và tập hợp
các cạnh giữa các khung hình nối các khớp giống nhau
(các cạnh màu xanh lục).
Hình 6: Kiến trúc của LSTM cell Dữ liệu đầu vào của bộ xương có các đặc tính thời
gian và không gian rất quan trọng để phát hiện chuyển
133
động. Do đó, ST-GCN được xây dựng để có khả năng ứng với 1680 danh tính và AgeDB-30 [14] chứa 12.240
tổng hợp thông tin từ chiều không gian và thời gian cùng hình ảnh tương ứng 440 danh tính sử dụng làm tập kiểm
một lúc. Kiến trúc của một đơn vị ST-GCN được mô tả ở tra trong quá trình huấn luyện. Cuối cùng tập dữ liệu
Hình 9. FaceScrub [15] chứa 10.600 hình ảnh của 530 danh tính
khác nhau sử dụng để đánh giá mô hình.
4.1.2. Tiêu chí đánh giá và môi trường huấn luyện.
Chúng tôi sử dụng các tiêu chí như độ chính xác
(Accuracy) để đánh giá mô hình nhận dạng khuôn mặt
theo phương pháp LOOCV (Leave-One-Out Cross-
Validation). Huấn luyện mô hình trên máy tính có cấu
hình như sau: CPU – Intel Xeon Processor, RAM – 16Gb,
GPU -Tesla P100. Ngôn ngữ sử dụng là Python. Tốc độ
học được sử dụng là 0.1. Thời gian huấn luyện vào
khoảng 82 tiếng.
4.1.3. Kết quả đánh giá
Chúng tôi sử dụng một mô hình khác là
MobileFaceNet [16] để so sánh với mô hình mà chúng tôi
đang thực hiện. Tất cả các mô hình đều được so sánh trên
máy tính có cấu hình như sau: CPU – AMD Ryzen 7
4800H, RAM 16Gb, GPU – NVIDIA GeForce GTX
1650. Ngưỡng tin cậy phân loại người lạ là 0.3.
Kết quả thể hiện ở Bảng 2 cho thấy, Mặc dù mô hình
của chúng tôi sử dụng có tham số nhiều hơn, nhưng độ
Hình 8: Kiến trúc của một đơn vị ST-GCN chính xác mô hình chúng tôi sử dụng đạt khoảng 97% cao
Trong nghiên cứu này, chúng tôi sử dụng kiến trúc hơn 3% so với mô hình MobileFaceNet. Ngoài ra, tốc độ
ST-GCN gồm 9 lớp toán tử tích chập đồ thị thời gian – xử lý nhanh hơn, thời gian để nhận dạng một khuôn mặt
không gian (ST-GCN unit). Đơn vị ST-GCN được mô tả chỉ mất 7.48 mili giây.
ở Hình 8. Bảng 2: Kết quả đánh giá mô hình nhận dạng khuôn
Đầu vào của mô hình ST-GCN chỉ là tọa độ của các mặt trên tập dữ liệu kiểm tra
khớp nên không thể nắm bắt đặc tính chuyển động quỹ
đạo một cách hiệu quả. Để nâng cao hiệu suất nhận dạng Mô hình
MobileFaceNet ResNet18
của mô hình, mô hình Two Stream ST-GCN sử dụng với Tiêu chí
hai luồng ST-GCN được mô tả ở Hình 9. Luồng tư thế
với dữ liệu đầu vào là (x, y, s) với x, y là tọa độ của khớp Độ chính xác 0,94 0,97
và s là độ tin cậy của khớp đó. Luồng chuyển động với Số lượng tham
đầu vào là sự khác biệt giữa tọa độ x, y của nút ở hai 2.059.520 24.025.600
số
khung liên tiếp. Hai luồng đều được sử dụng với cùng
một cấu trúc mạng. Đặc trưng của hai luồng được kết hợp Số lớp 47 22
với nhau và được đưa vào bộ phân loại sigmoid để dự
đoán hành động. Thời gian xử lý 8,36 ms 7,48 ms
4.2. Đánh giá mô hình nhận dạng hành động
4.2.1. Cơ sở dữ liệu
Để huấn luyện mô hình nhận dạng hành động, chúng
tôi đã thu thập dữ liệu thực tế từ camera và một số dữ liệu
từ tập Fall Detection [17]. Toàn bộ dữ liệu sẽ được tách
ra với 7 hành động: đi, đứng, đứng lên, ngồi, ngồi xuống,
nằm và té ngã. Mỗi hành động lấy khoảng 30 khung hình.
Cơ sở dữ liệu thu thập bao gồm 2,859 video để huấn
luyện và 1,206 video để kiểm tra. Toàn bộ video sẽ được
đưa vào mô hình YOLOv7-Pose để tách khung xương
phục vụ cho huấn luyện và kiểm tra.
Hình 9: Mô hình Two Stream ST-GCN [11] 4.2.2. Tiêu chí đánh giá và môi trường huấn luyện
4. Kết quả thực nghiệm Các tiêu chí đánh giá như: độ chính xác, Macro
4.1. Đánh giá mô hình nhận dạng khuôn mặt average precision, Macro average recall, Mean f1-score
để đánh giá mô hình nhận dạng hành động khi dữ liệu
4.1.1. Cơ sở dữ liệu
mất cân bằng. Huấn luyện mô hình trên máy tính có cấu
Để huấn luyện mô hình nhận dạng khuôn mặt, chúng hình như sau: CPU – AMD Ryzen 7 4800H, RAM 16Gb,
tôi sử dụng bộ dữ liệu CASIA-WebFace [12] bao gồm GPU – NVIDIA GeForce GTX 1650. Tốc độ học tập
494.414 hình ảnh tương ứng với 10.575 danh tính khác được sử dụng là 0,0001. Thời gian huấn luyện khoảng 1
nhau. Tập dữ liệu LFW [13] chứa 12.233 hình ảnh tương tiếng.
134
4.2.3. Kết quả đánh giá 5. Kết luận
Tất cả các kết quả đánh giá ở Bảng 3 và Bảng 4 đều Trong bày báo này, chúng tôi đã trình bày về một
thực hiện trên máy tính có cấu hình sau: CPU – AMD phương pháp ứng dụng nhận dạng khuôn mặt và hành
Ryzen 7 4800H, RAM 16Gb, GPU – NVIDIA GeForce động cho phát hiện té ngã ở người cao tuổi dựa trên phân
GTX 1650. tích hình ảnh bằng kỹ thuật học sâu. Mô hình ResNet18
Kết quả ở Bảng 3 cho thấy, Mô hình ST-GCN cho kết được xây dựng để nhận dạng danh tính qua khuôn mặt
quả nhân dạng cao. Độ chính xác trung bình của tất cả với độ tương tự cosin. Tiếp theo, mô hình YOLOv7-Pose
các lớp là 90% cao hơn mô hình LSTM 7% nhưng đổi lại được đề xuất để trích xuất khung xương nhằm cải thiện
tốc độ xử lý của mô hình ST-GCN chậm hơn nhiều so với độ chính xác cho mô hình nhận dạng hành động ST-GCN
và LSTM. Kết quả thực nghiệm cho thấy, mô hình nhận
LSTM.
dạng khuôn mặt ResNet18 đạt độ chính xác cao với 97%
Bảng 3: Kết quả đánh giá mô hình nhận dạng khuôn trên tập dữ liệu FaceScrub và mô hình nhận dạng hành
mặt trên tập dữ liệu kiểm tra động ST-GCN khi kết hợp với YOLOv7-Pose đạt độ
chính xác 90% cao hơn 6% khi kết với hợp với YOLOv3
Mô hình và AlphaPose. Ngoài ra, chúng tôi đã xây dựng thành
LSTM ST-GCN
Tiêu chí công hệ thống nhận dạng khuôn mặt và hành động ứng
dụng cho phát hiện té ngã ở người cao tuổi đạt tốc độ
Độ chính xác 0,83 0,90
trung bình 15-20 khung hình trên 1 giây với CPU AMD
Macro average Ryzen 7 4800H và card đồ họa NVIDIA GTX 1650.
0,81 0,91
precision Hướng nghiên cứu tiếp theo sẽ phát triển thêm các hành
Macro average động như chạy, nhảy, đánh nhau, … và được thực hiện
0,80 0,89
recall trên trẻ em.
Mean f1-score 0,81 0,90
Số lượng tham số 352.775 7.922.301
Thời gian xử lý 1,2 ms 7,1 ms
[1] T. Châu, 2018, http://benhvientinh.quangtri.gov.vn/vi/
Để có thể đánh giá hiệu quả của mô hình ST-GCN là scientific-research/Nguy-co-te-nga-o-benh-nhan-cao-tuoi-
mô hình có độ chính xác cao nhất khi kết hợp với dang-dieu-tri-tai-benh-vien-da-khoa-tinh-Quang-Tri.html..
[2] Kuppusamy. P, Harika. C, "Human Action Recognition using CNN
YOLOv7-Pose. Chúng tôi đã dùng mô hình YOLOv3 kết and LSTM-RNN with Attention Model," IJITEE, 2019.
hợp AlphaPose [18] để trích dữ liệu khung xương thay vì [3] Jiang Wu , Jiale Wang, Ao Zhan and Chengyu Wu, "Fall Detection
sử dụng YOLOv7-Pose. Từ đó sử dụng mô hình ST-GCN with CNN-Casual LSTM Network," MDPI, 2021.
để huấn luyện và đánh giá. Kết quả so sánh ở Bảng 4 cho [4] Sungil Jeong, Sungjoo Kang, Ingeol Chun, "Human-skeleton based
Fall-Detection Method using LSTM for Manufacturing Industries,"
thấy, Mô hình ST-GCN khi kết hợp với YOLOv3 và ITC-CSCC, 2019.
AlphaPose có độ chính xác thấp hơn 6% so với sử dụng [5] Y. X. D. L. Sijie Yan, "Spatial Temporal Graph Convolutional
YOLOv7-Pose. Nhưng đổi lại tốc độ xử lý nhanh. Networks for Skeleton-Based Action Recognition,"
arXiv:1801.07455, 2018.
Bảng 4: Kết quả so sánh độ chính xác của mô hình ST- [6] nanmi, github, https://github.com/WongKinYiu/yolov7/tree/pose.
GCN khi kết hợp với các mô hình trích xuất khung [7] W. T. Q. Y. J. L. Delong Qi, "YOLO5Face: Why Reinventing a
xương, Face Detector," arXiv:2105.12931, 2022.
[8] Jiankang Deng, Jia Guo, Jing Yang, Niannan Xue, Irene Kotsia,
Stefanos Zafeiriou, "ArcFace: Additive Angular Margin Loss for
ST-GCN kết hợp
Mô hình ST-GCN kết hợp Deep Face Recognition," arXiv:1801.07698, 2018.
YOLOv3 và [9] Debapriya Maji, Soyeb Nagori, Manu Mathew, Deepak Poddar,
Tiêu chí YOLOv7-Pose
AlphaPose "YOLO-Pose: Enhancing YOLO for Multi Person Pose Estimation
Using Object Keypoint Similarity Loss," arXiv:2204.06806, 2022.
Độ chính xác 0,84 0,90 [10] Chien-Yao Wang, Alexey Bochkovskiy, Hong-Yuan Mark Liao,
"YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for
Macro average real-time object detectors," arXiv:2207.02696, 2022.
0,84 0,91
precision [11] "github," 4 5 2020. [Online]. Available:
Macro average https://github.com/littlepure2333/2s_st-gcn.
0,81 0,89 [12] Dong Yi, Zhen Lei, Shengcai Liao, Stan Z. Li, "Learning Face
recall Representation from Scratch," arXiv:1411.7923, 2014.
Mean f1-score 0,83 0,90 [13] Tianyue Zheng, Weihong Deng, Jiani Hu, "Cross-Age LFW: A
Số lượng tham Database for Studying Cross-Age Face Recognition in
55.391.944 88.160.753 Unconstrained Environments," arXiv:1708.08197, 2017.
số [14] S. a. P. A. a. S. C. a. D. J. a. K. I. a. Z. S. Moschoglou, "Agedb:
Thời gian xử lý 2,53 s 5,42 s the first manually collected, in-the-wild age database,"
Số khung hình Proceedings of the IEEE Conference on Computer Vision and
Pattern Recognition Workshop, vol. 2, p. 5, 2017.
không phát hiện 12.540 / 63.290 6.164 / 63.290 [15] Hong-Wei Ng and Stefan Winkler, "A DATA-DRIVEN
được APPROACH TO CLEANING LARGE FACE DATASETS,"
ICIP, 2014.
Từ các số liệu thực nghiệm ở Bảng 4, mô hình nhận [16] Sheng Chen, Yang Liu, Xiang Gao, Zhen Han, "MobileFaceNets:
dạng hành động sử dụng ST-GCN đạt độ chính xác cao Efficient CNNs for Accurate Real-Time Face Verification on
nhờ YOLOv7-Pose trích xuất khung xương tương đối tốt Mobile Devices," arXiv:1804.07573, 2018.
về mặt vị trí của các điểm mốc trên cơ thể và số lượng [17] "ImViA," 2020. [Online]. Available: https://imvia.u-
bourgogne.fr/en/database/fall-detection-dataset-2.html.
khung hình không phát hiện được thấp hơn nhiều so với [18] H.-S. a. X. S. a. T. Y.-W. a. L. C. Fang, "RMPE: Regional Multi-
YOLOv3 kết hợp AlphaPose. person Pose Estimation," ICCV, 2017
135
SVTH: Nguyễn Đình Khiêm, Lê Ngọc Lương; GVHD: Vũ Vân Thanh
HỆ THỐNG IOT PHÁT TRIỂN MÔ HÌNH THỦY CANH BAN CÔNG

IOT SYSTEM DEVELOPMENT OF BALCONY LANDSCAPE MODELS
SVTH: Nguyễn Đình Khiêm, Lê Ngọc Lương

Lớp 19DTCLC3, Khoa Điện tử - Viễn thông, Trường Đại Học Bách Khoa – Đại Học Đà Nẵng;
Email: khiemnguyen2611@gmail.com, lengocluong04012001@gmail.com .
GVHD: Vũ Vân Thanh
Khoa Điện tử - Viễn thông, Trường Đại Học Bách Khoa – Đại Học Đà Nẵng;
Email: vvthanh@dut.udn.vn
Tóm tắt - Công nghệ IoT đang ngày càng được ứng dụng Abstract - IoT technology is increasingly being applied in
trong nông nghiệp và mô hình trồng thủy canh cũng không phải agriculture and hydroponic farming is no exception. The use of
là một ngoại lệ. Việc sử dụng IoT vào thủy canh giúp cho mô IoT in hydroponics makes this model much more superior and
hình này trở nên ưu việt và hiệu quả hơn rất nhiều. IoT được efficient. IoT is simply understood as connecting physical devices
hiểu đơn giản là việc kết nối các thiết bị vật lý với Internet và chia to the Internet and sharing data. When anything is connected to
sẻ dữ liệu. Khi bất cứ vật gì đó được kết nối với internet, điều đó the internet, that means it can send information or receive
có nghĩa là nó có thể gửi thông tin hoặc nhận thông tin, hoặc cả information, or both. With IoT this ability to send or receive
hai. Với IoT khả năng gửi hoặc nhận thông tin này làm cho mọi information makes everything smart, and smart is always the way
thứ trở nên thông minh và thông minh luôn là điều hướng to go. Nowadays, IoT is applied in all areas of life, it is also
đến.Ngày nay, IoT được ứng dụng trong mọi lĩnh vực của cuộc increasing in popularity. agricultural sector to increase yield and
sống, nó cũng đang ngày một phổ biến hơn với lĩnh vực nông quality of crops.
nghiệp nhằm tăng năng suất và chất lượng cây trồng. Key words - Hydroponic, IoT, solution
Từ khóa - thủy canh, internet vạn vật, nông nghiệp, giải pháp
1. Đặt vấn đề Trong đề tài chúng tôi sử dụng mô hình hoạt động liên
Mô hình trồng cây trên sân thượng, ban công đã kết với Internet of Thing (IoT). Việc này có thể giúp
không còn là điều quá xa lạ với nhiều người. Đặc biệt là người trồng có thể theo dõi và giám sát mọi lúc, mọi nơi
người dân thành thị. Với diện tích ban công sân thượng tạo ra điều kiện lý tưởng nhất cho rau thủy canh. Việc
nhỏ nhưng vẫn muốn tìm đến cái nguyên thủy của con kiểm soát tốt các yếu tố đầu vào có thể giảm thiểu tối đa
người. rủi ro và mang đến các lợi ích như sau: Tăng năng suất
cây trồng do được cung cấp dinh dưỡng đầy đủ, giảm tình
Mô hình trồng trên sân thượng phù hợp cho nhà phố
trạng bệnh hại do các yêu tố môi trưởng, tiết kiệm chi phí
chật hẹp và không có sân vườn. Thay vì sân thượng chỉ
dung dịch cây trồng.
để phơi vài bộ đồ hay các thứ khác. Thì hãy “ hô biến ”
nó thành một vườn rau sạch xanh mát. Trồng rau sạch Trong phần tiếp theo chúng tôi đề xuất sơ đồ khối và
trên sân thượng còn góp phần giải quyết vấn nạn rau bẩn, lưu đồ thuật toán của hệ thống, kết quả nghiên cứu ở mục
rau nhiễm hóa chất cho gia đình.Mô hình trồng rau thủy 2 và bàn luận hệ thống ở mục 3.
canh hiện tại còn tồn tại nhiều bất cập như khó kiểm soát Sơ đồ khối:
được nồng độ dinh dưỡng, pH và điều kiện sinh trưởng
tốt nhất cho rau. Chính vì vậy việc áp dụng cô nghệ IoT
vào thủy canh hồi lưu để biến mô hình trồng rau thủy
canh trở thành mô hình nông nghiệp công nghệ cao sử
dụng những cảm biến, độ ẩm, ánh sáng, pH, EC để kiểm
soát tốt nồng độ dinh dưỡng.
Nhằm giải quyết vấn đề trên chúng tôi thực hiện mô
hình thủy canh được thiết kế dạng giàn trồng nhiều tầng
rất tiết kiệm diện tích. Ngoài ra, phương pháp này còn
giúp rau trồng phát triển nhanh và cho năng suất cao. Vì
trồng thủy canh cây luôn được sống trong môi trường
dinh dưỡng tối ưu nhất. Không phải khó khăn tìm kiếm
dinh dưỡng như trong đất. Vì vậy, trồng rau sạch trên sân
thượng bằng phương pháp thủy canh. Sẽ giúp gia đình
bạn luôn có rau sử dụng mỗi ngày mà không cần phải đi Hình 1: Sơ đồ khối tổng quát của hệ thống
xa hay lo lắng về rau bẩn.
Khối hiển thị: Hiển thị ảnh lên màn hình OLED được
Hệ thống trồng rau sạch trên sân thượng sử dụng điều khiển bằng chip driver SSD1306, nhận tín hiệu từ
phương pháp trồng rau thủy canh hồi lưu. Ngoài ra, khối xử lý trung tâm thông qua chuẩn giao tiếp I2C, từ đó
chúng tôi còn ứng dụng công nghệ giúp việc trồng rau dễ các thông tin sẽ hiển thị chính xác từ tín hiệu điều khiển.
dàng hơn bao giờ hết. Hệ thống trồng rau sạch bao gồm
Khối xử lý trung tâm: Trung tâm xử lý ESP8266 đọc
hệ thống giàn tự động và thông minh, tích hợp điều khiển
tín hiệu từ khối cảm biến, truyền tín hiệu điều khiển đến
tự động mọi việc chăm sóc rau thông qua internet.
136
khối chấp hành, sau đó khối chấp hành sẽ thực hiện hành chưa đọc đưa thì các cảm biến sẽ tiếp tục đọc. Sau khi
động của mình. đọc được giá trị thì các giá trị sẽ được gởi về bộ xử lí
Khối cảm biến: Nhận tín hiệu từ môi trường bên ngoài trung tâm để hiển thị các giá trị này ra màn hình OLED
và biến đổi thành các tín hiệu để khối xử lí có thể nhận và gửi dữ liệu để hiển thị trên webserver thông qua các
được và điều khiển. mảng được cài đặt trên thingspeak.
Server: Là nơi lưu trữ dữ liệu của hệ thống, trạng thái Sau đó là đến phần điều khiển, hệ thống sẽ được cài
hoạt động của hệ thống, trạng thái của các thiết bị và cảm theo chế độ tự động để có thể tự chỉnh được đầu ra của
biến. hệ thống. Nếu mức nhiệt bên ngoài môi trường trên
ngưỡng 32 độ C thì sẽ kích cho đầu ra của hệ thống hoạt
Khối chấp hành: Đọc tín hiệu điều khiển thông qua
động, tức là khối chấp hành sẽ nhận tín hiệu điều khiển
server, được xử lý bởi ESP8266 sau đó xuất tín hiệu để
và thực hiện hành vi một cách độc lập mà không cần bất
điều khiển đến các thiết bị.
kì sự tác động của một cá thể nào.
Khối nguồn: Cung cấp nguồn cho khối xử lí trung tâm
Các giá trị cảm biến sẽ được đọc liên tục cho đến khi
hoạt động, và cung cấp nguồn cho tải ở khối chấp hành
có tín hiệu reset lại hoặc tắt hẳn hệ thống.
khi nhận được tín hiệu điều khiển từ khối xử lí trung tâm
gửi xuống. 2. Kết quả nghiên cứu và khảo sát
Lưu đồ thuật toán của hệ thống: 2.1. Thi công mô hình.
2.1.1. Kết quả thi công phần cứng.
Hình 3: Mô hình thủy canh (phần mạch chính)

Hình 3: Mô tả cơ cấu phần mạch chính của mô hình khi hoàn
thiện, phần mạch chính đảm bảo đo được chính xác các thông
số nhiệt độ - độ ẩm và tổng độ chất rắn hòa tan nhằm phục
vụ cho định hướng nuôi trồng.
Hình 2: Lưu đồ thuật toán của hệ thống

Giải thích:
Ban đầu ta khởi động hệ thống bằng cách cung cấp
nguồn cho các khối, sau đó chúng ta bắt đầu khởi tạo và
thiết lập.
Đầu tiên ta thiết lập 1 channel trên thingspeak, sau đó
ta sẽ cài đặt các mảng và các thuộc tính để chúng ta có
thể đưa dữ liệu và hiển thị trên các mảng đó. Đồng thời
ta sẽ khởi tạo các biến để lưu các giá trị nhiệt độ, độ ẩm,
TDS.
Tiếp theo đó chúng ta sẽ kết nối với server bằng
ESP8266 bằng cách xác định được địa chỉ của module
với kênh thông qua giao thức https, khi nào trên kênh đã
active thì tức là đã kết nối sever.
-
Sau đó các giá trị cảm biến sẽ được đọc thông qua qua
Hình 4: Mô hình thủy canh sau khi hoàn thiện lắp ráp
các cảm biến và sẽ được ghi vào các biến khởi tạo. Nếu
137
Hình 4: Cơ cấu phần ứng của mô hình khi hoàn thiện. độ chất rắn hòa tan ). Các thiết bị được kết nối với nhau
Mô hình bao gồm một bộ ống và thùng nước nuôi trồng đồng thời để thu thập và phát đi tín hiệu điều khiển.
thủy canh giá đỡ được gắn cố định vào mô hình thủy canh
giá đỡ được gắn cố định vào mô hình nhằm tạo sự chắc
chắn giúp mô hình hoạt động ổn định.
2.1.2. Kết quả hoạt động của mô hình thực tế
Hình 5: Là kết quả chạy mô hình thực tế, mô hình
hoạt động khi có lệnh điều khiển, khi nhận lệnh điều
khiển máy bơm dưới thùng sẽ bắt đầu hút nước và chất
dinh dưỡng lên trên qua đường ống dẫn và tưới cho hệ
thống cây trồng nhằm cung cấp một lượng nước và chất
dinh dưỡng vừa đủ cho cây trồng phát triển và sinh
trưởng tốt.
Hình 7: PCB
Hình 7: Là thiết kế mạch PCB mô phỏng cấu tạo của
mạch điều khiển hoàn thiện bằng phần mềm mô phỏng
Altium. Sau khi chúng ta thiết kế được mạch PCB thì
chúng ta sẽ xuất ra mạch in để thi công mạch.
2.2.2. Dữ liệu lưu trữ trên thingspeak
Hình 5: Chạy mô hình thực tế

2.2. Kết quả thi công khối điều khiển thiết bị và dữ liệu
2.2.1. Kết quả thi công phần cứng khối điều khiển thiết
bị
Hình 6: khối điều khiển thiết bị sau khi hoàn thiện Hình 8: dữ liệu được hiển thị trên thingspeak qua
Hình 6: Thi công phần cứng khối điều khiển thiết bị. ứng dụng trên điện thoại di động
Khối điều khiển thiết bị này bao gồm một mạch nguồn Hình 8: Là hình ảnh được chụp khi hệ thống gửi thông
5V. Một mạch chính diều khiển gồm một module tin hiển thị qua ứng dụng thingspeak. Ở đây trong lần đo
ESP8266, màn hình OLED, Relay 5V, module cảm biến này ta thấy dược nhiệt độ hiển thị là 28.9 độ C, độ ẩm
nhiệt độ và độ ẩm DHT11 và module cảm biến TDS (tổng hiển thị là 76 % và tổng độ chất rắn hòa tan trong nước là
278,44 ppm.
138
Server thingspeak trên máy tính giúp chúng ta thuận tiện
theo dõi và thết lập điểu khiển cho hệ thống.
2.2.3. Đánh giá kết quả đo dữ liệu thực tế
Khi ở môi trường bình thường ta đo được nhiệt độ
môi trường là 28,9 độ C ( khi nhiệt độ lên tới 32 độ C khi
đó relay sẽ hoạt động và máy bơm sẽ bơm nước và chất
dinh dưỡng cho cây), độ ẩm không khí là 76% và tổng
chất rắn hòa tan là 278,4ppm. Đây là kết quả đo phù hợp
với sự phát triển của cây trồng và đa phần các loài cá. Từ
đó ta thấy được sự chính xác và ổn định của hệ thống
nhằm đưa ra nhưng phương án tốt nhất cho nuôi trồng.
Tuy nhiên trong vài trường hợp thì sẽ có sự sai lệch
và chậm trễ trong việc phản ứng của cảm biến nhưng
không đáng kể.
3. Bàn luận
3.1 Tầm quan trọng của chỉ số TDS
Hình 9: Dữ liệu được cập nhật trên server thingspeak Đối với TDS, Chỉ số này ảnh hưởng lớn đến sự phát
triển của cây.
Khi chỉ số TDS xuống thấp, có nghĩa là khi đó dung
dịch thủy canh sẽ không đảm bảo cung cấp đủ chất dinh
dưỡng cho cây trồng.
Ngược lại, nếu TDS lên quá cao, nồng độ dung dịch
vượt mức cho phép sẽ gây ra hiện tượng ngộ độc cho cây.
Tuy nhiên để đánh giá được nguồn nước có ổn định
hay không thì không thể dựa vào 1 chỉ số TDS mà còn
phải kết hợp rất nhiều các chỉ số khác thì mới cho ra được
kết quả chính xác nhất.
Ví dụ như nguồn nước là đạt chuẩn theo chỉ số TDS
nhưng lại thiếu hoặc thừa các khoáng chất khác cần thiết
cho cây trồng.
Vì vậy muốn trồng 1 cách bài bản và có đầu tư thì nên
tìm hiểu kĩ các kiến thức cho cây trồng bởi vì công nghệ
nó không thay thế được các việc đó mà thay vào đó là nó
sẽ hỗ trợ và làm giảm bớt 1 phần việc nào đấy trong cả 1
quy trình trồng trọt, đặc biệt là trong mô hình thủy canh
khá mới mẻ này.
Hình 10: Dữ liệu được cập nhật trên server thingspeak 3.2. Áp dụng công nghệ
Việc sử dụng IoT trong thủy canh ban công đã mang
lại hiệu quả khi chúng ta vừa tận dụng được khoảng
không gian của ban công chung cư để nuôi trồng, đồng
thời ứng dụng IoT giúp chúng ta theo dõi chất lượng nuôi
trồng tốt hơn và đồng thời giúp chúng ta điều khển hoạt
động nuôi trồng một cách chủ động hơn để đạt dược năng
suất cao nhất và thời gian tối ưu nhất. Chính từ những lợi
ích đáng kể trên đồng thời với đà đô thị hóa ngày càng
nhanh trên khắp cả nước và nắm bắt về nhu cầu muốn có
một không gian xanh trong đô thị. Chúng tôi đã lên ý
tưởng và triển khai một hệ thống tích hợp những ưu điểm
của công nghệ IoT vào trong ngành nông nghiệp và sáng
tạo để biến những ban công chung cư thành vườn rau
thông minh, cung cấp được nguồn rau sạch do người dân
tạo ra nhằm phục vụ cho chính gia đình của họ.
3.3. Khối điều khiển thiết bị
Khối điều khiển thiết bị của chúng tôi được tìm hiểu
và thiết kế tối ưu nhưng vẫn phải đáp ứng được đầy đủ
Hình 11: Dữ liệu được cập nhật trên server thingspeak những chức năng đã đề ra, kết hợp với sự nhỏ gọn riêng
biệt chúng tôi sử dụng các linh kiện và dây điện gọn gàng
Hình 11: Là hình ảnh được chụp khi hệ thống gửi
để dễ dàng kết nối các thiết bị cảm biến với thiết bị điều
thông tin hiển thị qua server thingspeak trên máy tính.
139
khiển nhằm tạo ra một hệ thống có thể hoạt động tốt ngay Trong tương lai, chúng tôi sẽ cố gắng phát triển về tự
cả ở môi trường làm việc ngoài trời của hệ thống. Về động xử lý chất lượng nước, độ ẩm và ánh sáng để mô
phần dữ liệu để đưa đến thiết bị sau khi lấy được dữ liệu hình được hoàn thiện và phát triển thực tế hơn nữa. Với
về chúng tôi sẽ lấy ít nhất 2 lần thay đổi để tránh các mục tiêu biến những khoảng không gian trung cư thành
trường hợp dữ liệu đọc có thể bị sai lệch. những khoảng không gian xanh. Chúng tôi sẽ tiếp tục
4. Kết luận nghiên cứu và phát triển sản phẩm để khi đến tay người
sử dụng sẽ là một sản phẩm hoàn thiện và ưu việt nhất.
Trong đề tài lần này, chúng tôi đã đề xuất ra mô hình
thủy canh ban công sử dụng những công nghệ phát triển Tài liệu tham khảo
IoT của chúng tôi: Bao gồm một mô hình thủy canh ban [1]. http://mlab.vn/2458624-cam-bien-tds-do-tong-
công và thiết bị điều khiển thông minh được liên kết với chat-ran-hoa-tan.html
hệ thống điều khiển thông qua phần mềm Thingspeak. [2]. https://vietjack.com/lap_trinh_c/
Việc sử dụng các phần cứng và lập trình cho phần mềm [3]. https://vattuthuycanh.com/trong-rau-thuy-canh-
hoạt động đã theo như kế hoạch đề ra của chúng tôi. hoi-luu-va-ung-dung-iot/
140
KHOA hóa
NGHIÊN CỨU CHIẾT XUẤT CÁC POLYSACCHARIDE CÓ HOẠT TÍNH

SINH HỌC CAO TỪ RONG MƠ VÀ ỨNG DỤNG TRONG SẢN XUẤT
ĐỒ UỐNG DINH DƯỠNG
RESEARCH ON THE EXTRACTION OF HIGHLY BIOACTIVE POLYSACCHARIDES
FROM SARGASSUM AND ITS APPLICATION IN NUTRITIOUS DRINK PRODUCTION
Bùi Hữu Nghĩa, Lý Thị Hằng Nga

Lớp: 18H2B, Khoa Hóa, Trường Đại học Bách khoa – Đại học Đà Nẵng: Email: nghiahuubui2100@gmail.com,
lythangnga@gmail.com
GVHD: TS. Tạ Thị Tố Quyên
Khoa Hóa, Trường Đại học Bách khoa – Đại học Đà Nẵng, Email: tttquyen@dut.udn.vn
Tóm tắt: Nghiên cứu chiết xuất các polysaccharide có hoạt Abstract: Research on the extraction of highly bioactive
tính sinh học từ rong mơ nhằm mục đích xác định các điều kiện polysaccharides from Sargassum aims to set the optimal
của quá trình chiết đạt được hiệu suất thu hồi các polysaccharide parameters for the extraction used to obtain polysaccharides with
cao nhất. Kết quả nghiên cứu cho thấy các mẫu rong mơ tại đảo high biological activity. The research results showed that
Lý Sơn (Quảng Ngãi) chứa hàm lượng tương đối cao các Sargassum collected from the sea around LySon island, Quang
polysaccharide (130 ± 5 mg/g nguyên liệu khô). Bằng cách sử Ngai contains a relatively high polysaccharides content (130 ± 5
dụng enzyme cellulase và protease hỗ trợ phá vỡ cấu trúc thành mg/g dried material). By using cellulase and protease enzymes,
tế bào trước khi chiết, hiệu suất của quá trình chiết có thể tăng the polysaccharide content obtained in the extraction could be
lên hơn 40%. Kết quả nghiên cứu còn cho thấy, để nâng cao increased by almost 40%. The results also demonstrated that to
hiệu quả thu hồi polysaccharie, quá trình chiết nên được tiến improve the extraction efficiency, the extraction should be
hành tại 90OC trong vòng 4 giờ và với tỉ lệ lỏng/rắn là 20/1. Tại conducted at 90OC for 4 hours and with a solvent/material ratio
các điều kiện này, từ mỗi gam nguyên liệu, có thể chiết xuất được of 20/1. At these conditions, the polysaccharides content
89 mg polysaccharide. Bên cạnh đó, kết quả phân tích DPPH obtained was 89 mg per gram of raw material. Besides, the
cho thấy khả năng kháng oxy hóa của dịch chiết rong mơ tương DPPH assay has shown that the extract performs a strong
đối cao, với chỉ số IC50=276 μg/ml, xấp xỉ bằng 1/3 so với của antioxidant activity (IC50 = 276 µg/ml), that was as a third of
Vitamin C IC50=84 μg/ml. vitamin C (IC50=84 µg/ml).
Từ khóa: Rong mơ, polysaccharide, tối ưu hóa, hoạt tính Keywords: Sargassum, polysaccharide, optimization,
kháng oxy hóa, nước uống dinh dưỡng. antioxidant activity, nutritious drink.
1. Introduction 2.2 Research methods

Sargassum is assumed to be a nutritious seaweed, 2.2.1 Experimental set-up
especially with a high content of polysaccharides.
Polysaccharides in Sargassum were demonstrated to
have many biological activities such as antioxidant
activity, antibacterial activity, or anticancer effect [1].
These activities are very valuable for natural food
development.
In Viet Nam, Sargassum grows strongly in the most
sea areas. However, it is harvested mainly for fertilizer or
animal food [2]. Whereas, there are not many products
produced from Sargassum in the market today.
Therefore, this research aims to develop a method to
maximize the nutrients content obtained from Sargassum
and to apply it in nutritious drink production.
2. Material and Methods
2.1 Material
Figure 2. The experimental set-up
Sargassum samples were collected at the sea around
LySon island, Quang Ngai. 2.2.2 Polysaccharide extraction method
Pretreatment: Dried Sargassum was ground to a size
of 3-5 mm.
Extraction: Sargassum was extracted with hot water
at 90OC for 4 hours, and the solvent/material ratio was
20/1. Then, conduct vacuum filtration to obtain
polysaccharide-rich extracts.
2.2.3 Study on the effect of sample size
The study aims to determine the optimal size of the
Figure 1. Sargassum sample for the extraction yield and also ensure the
143
SVTH: Phạm Thị Hồng Phượng; GVHD: TS. Tạ Ngọc Ly
filtration is conducted easily. A×V×B
X=
The 3 sizes surveyed included 10-12 mm, 3-5 mm, 5
and lower than 2 mm. X: polysaccharides content per gram material (mg/g
2.2.4 Study on the process of breaking down the cell material)
wall of Sargassum by enzymes A: polysaccharide content in diluted extract (mg/g
- Study on the effect of enzymes: The cell wall of material) (refer to the standard curve)
Sargassum is mainly made up of cellulose or V: total volume of the entire extract
hemicellulose linked to protein. Therefore, the study B: dilution level
aims to survey whether the polysaccharides extraction
5: the amount of material used for extraction (g).
productivity could be increased by using cellulase and
protease enzymes to break down the cell wall of 2.2.7 Assay for antioxidant activity [4]
Sargassum. The antioxidant activity of the extract was determined
- Study on the effect of the ratio of cellulase to by DPPH radical scavenging assay.
protease: the cellulose/protein proportion in the cell wall 2,2-diphenyl-1-picrylhydrazyl (DPPH) is
of Sargassum is unknown and it determines the effect of characterized as a stable free radical. DPPH produces a
the enzymes used. Thus, the study aims to reveal at which violet/purple color in ethanol solution and fades to shades
cellulase/protease ratio, the cell wall breakdown is most of yellow color in the presence of antioxidants. The
effective. The ratios surveyed were 1/1, 2/1, and 3/1. absorbance of the mixture was measured
- Study on the effect of enzyme ratio: to determine the spectrophotometrically at 517 nm to determine the
amounts of enzymes that should be used to maximize the percentage of DPPH that was deoxidized.
process efficiency. The ratios surveyed were 0.5%, 1%, A solution of 0.004% DPPH in ethanol was prepared,
2%, and 3%. and 4 mL of this solution was mixed with 1 mL of extract
- Study on the effect the enzyme treatment time: to at different concentrations (0.2-3 mg/mL). The reaction
determine how long the process of breaking down the cell mixture was vortexed thoroughly and left in the dark at
wall of Sargassum should take to maximize its room temperature for 30 minutes. Then, read absorbance
efficiency. The periods surveyed were 30 minutes, 60 at 517nm.
minutes, 90 minutes, and 120 minutes. The percentage of DPPH radical scavenging activity
2.2.5 Study on the effects of some conditions on the was calculated by the following equation:
extraction yield %DPPH radical scavenging activity
- Study on the effect of extraction temperature: to A1 − A 2
= (1 − ) × 100
determine the suitable temperature for extracting A0
polysaccharides from Sargassum. The temperature A0 is the absorbance of the control sample
surveyed included 80, 85, 90, and 95OC. A1 is the absorbance of the extract/standard
- Study on the effect of extraction time: to determine A2 is the absorbance of the blank sample
how long the extraction should be conducted to extract
the most polysaccharides content from Sargassum. The Then the percentage of inhibition was plotted against
time surveyed included 2, 3, 4, and 5 hours. concentration, and from the graph, the IC50 value was
calculated. Lower IC50 values indicate a higher radical
- Study on the effect of the ratio of solvent to material: scavenging potential.
to determine the suitable solvent/material ratio for
extracting polysaccharides from Sargassum. The ratio This IC50 value then was compared to that of vitamin
surveyed included 15/1, 20/1, 25/1, and 30/1. C to evaluate the antioxidant activity of the extract (the
DPPH assay for vitamin was conducted under the same
2.2.6 Assay for determinating polysaccharides conditions).
content
3. Results and discussion
The polysaccharides content was determined by
phenol-acid sulfuric assay [3]. Carbohydrates (mainly 3.1 Determination of polysaccharides content in
polysaccharides) react in the presence of strong acid and Sargassum
heat to generate furan derivatives that condense with The result showed that the Sargassum sample
phenol to form stable yellow-gold compounds that can be harvested in LySon island contains a relatively high
measured spectrophotometrically at 490 nm. polysaccharides content, with 130±5 mg polysaccharides
The extract was diluted to a concentration of 0.05 mg per 1g dried material (13±0.5% of dried material).
polysaccharides/ml. Mix 0.5ml diluted extract with 0.5ml Compares to some other polysaccharides-rich foods, the
5% phenol solution. Then, add 2.5ml concentrated polysaccharides content in Sargassum is equivalent to
Sulfuric acid. Boil the mixture for 5 minutes and read that in apple (13%), or in blueberry (14%) and higher
absorbance at 490nm. Use glucose to form the standard than that in beetroot (8%) [5].
curve. 3.2 Study on the effect of sample size
The polysaccharides content was determined by the The result of the study is shown in the following
following equation: figure (Figure 2).
144
Figure 5. The effects of cellulase/protease ratio

using on structural breaking process
Figure 3. The effect of sample size on the extraction The data in figure 4 showed that the polysaccharides
yield content is highest when the cellulase/protease ratio is 2/1.
The data showed that at a sample size of 3-5 mm, the This can be explained by referring to the ratio of cellulose
extraction yield was almost 15% higher than that at a size and protein in the cell wall of Sargassum.
of 10-12 mm. The result demonstrated that the lower the 3.3.3 Study on the effect of the enzyme ratio
sample size was, the higher the polysaccharides yield
The result of the study is presented in the following
was. However, when reducing the size to lower than 2
figure (Figure 5).
mm, the filtration almost could not be conducted.
Therefore, 3-5 mm was the compatible size.
3.3 Study on the process of breaking down the cell wall
of Sargassum by enzymes
3.3.1 Study on the effect of enzymes
The result of the study is showed in the following
figure (Figure 3).
Figure 6. The effect of enzyme ratio on the

extraction yield
The data in Figure 5 showed that at the ratio of
enzymes to the material of 1%, the extraction yield was
higher than that at 0.5% (89 compared to 76.7). However,
when increasing the ratio to 2% or 3%, the efficiency was
almost unchanged.
3.3.4 Study on the effect of enzyme treatment time
The following figure (Figure 6) denoted the study’s
result.
Figure 4. The effects of enzymes on the cell wall
breaking process
The data in figure 3 showed that by using cellulase
and protease, the polysaccharide content obtained in the
extraction could be increased by almost 40%. This result
can be explained by referring to the cell wall structure of
Sargassum, which is formed by cellulose/hemicellulose
linked to protein [6]. Cellulase and protease enzymes will
break down the cell wall structure and help
polysaccharides to be extracted more easily. Therefore,
the extraction yield increased significantly.
3.3.2 Study on the effect of cellulase to protease ratio
The result of the study is shown in the following Figure 7. The effect of enzyme treatment time on the
figure (Figure 4). extraction yield
145
When the enzyme treatment was conducted for 60 (89 compared to 72 mg polysaccharides per g material).
munites, the polysaccharides content of the extract was Then, when continuing the extraction for another hour,
much higher than that when the process was conducted the polysaccharides content would increase
for 30 minutes. However, when prolonging the enzymes inconsiderably. Therefore, the suitable time for the
treatment time, the extraction yield tended to decrease. It extraction would be 4 hours.
could be explained by the hydrolysis of some unstable 3.4.3 Study on the effect of solvent/material ratio
polysaccharides in the presence of enzymes and heat [7].
The effect of the solvent/material ratio on the
3.4 Study on the effects of some conditions on the extraction yield is shown in the following figure (Figure
extraction yield 9).
3.4.1 Study on the effect of extraction temperature
The effect of extraction temperature is represented in
the following figure (Figure 7).
Figure 10. The effect of solvent/material ratio

Figure 8. The effect of extraction temperature When raising the solvent/material ratio from 15/1 to
20/1, the polysaccharides content would increase by
When the extraction was conducted at 80OC and
almost 15% (from 77.1 to 88.6 mg per g dried material).
85OC, it could extract 68.6 and 73 mg polysaccharides
Whereas, when changing the ratio from 20/1 to 25/1 and
from 1 gram of material, respectively. Then, by
30/1, the extraction yield was nearly unchanged.
increasing the temperature by 5OC from 85OC to 90OC,
Therefore, the suitable ratio of solvent to material for the
the extraction yield could be increased by 17.2% to 88.7
extraction would be 20/1.
mg polysaccharides/g material. However, when raising
the extraction temperature to 95OC, the polysaccharides 3.5 Extract analysis
content was almost unchanged (90 compared to 88.7). Analytical results of some important chemical
Therefore, 90OC would be the suitable temperature for compositions of the extract are shown in the following
the extraction. table (Table 5).
3.4.2 Study on the effect of extraction time Table 1. Some chemical compositions content of the
The result of the study is shown in the following extract
figure (Figure 8). Chemical composition Content (mg/ml)
Polysaccharides 4.13
Polyphenols 0.19
The results demonstrated that the extract from
Sargassum is nutritious, with a high content of
polysaccharides and polyphenols (4.13 and 0.19 mg/ml,
respectively).
3.6 Assay for antioxidant activity
Table 2. The IC50 value of the extract/Vitamin C
Sample IC50 (µg/ml)
The extract 276
Figure 9. The effect of extraction time Vitamin C 84

When the extraction was conducted for 2 and 3 hours, Compared to Vitamin C (known as a strong
the polysaccharides content obtained from 1 gram of antioxidant substance), the ability to scavenge DPPH of
material was 64.8 and 72 mg, respectively. By the extract was as a third of Vitamin C. Therefore, it can
prolonging the extraction time by 1 hour from 3 to 4 be said that the extract from Sargassum has a high
hours, the extraction yield could be raised by over 20% potential for antioxidant activity.
146
4. Conclusion Abdelkafi, and Philippe Michaud, “Bioactive Polysaccharides
from Seaweeds”, National Library of Medicine, 2020.
The research results demonstrated that the extraction [2]. “Rong mo va mo hinh khai thac hop ly rong mo”, Global
yield could be increased by almost 40% when using the Environment Facility.
enzymes to assist in breaking down the cell wall of [3]. “Phenol Sulphuric Acid Carbohydrate Assay”,
http://cmdr.ubc.ca/bobh/method/phenol-sulphuric-acid-
Sargassum. The research also set suitable conditions for carbohydrate-assay/, (Accessed Sep. 05, 2022).
extracting polysaccharides from Sargassum. According [4]. Eugenio Jose Garcia, Tatiane Luiza, “Antioxidant activity by
to the result, the polysaccharides content was highest (89 DPPH assay of potential solutions to be applied on bleached
mg/g dried material) when the extraction was conducted teeth”, Brazilian Dental Jounal.
[5]. “12 thuc pham giau carbohydrate dac biet tot cho suc khoe”,
at 90OC for 4 hours and the solvent/material was 20/1. https://hellobacsi.com/an-uong-lanh-manh/thong-tin-dinh-
The antioxidant activity of the extract was as a third of duong/12-thuc-pham-giau-carbohydrate-dac-biet-tot-cho-suc-
Vitamin C (the IC50 value of the extract was 276 µg/ml, khoe/, (Acessed Sep. 24, 2022).
compared to 84 µg/ml of Vitamin C). With those [6]. Suvimol, Charoensiddhi, Michael A. Conlon, Christopher M. M.
Franco, WeiZhang, “The development of seaweed-derived
optimistic results, the extract from Sargassum has a bioactive compounds for use as prebiotics and nutraceuticals
bright potential for application in nutritious drink using enzyme technologies”, Trends in Food Science &
production. Technology, 2017.
[7]. Nguyen Thi Viet Thanh, “Developing a procedure of extracting
References total polysaccharide from Dendrobium Nobile Lindl. In Viet
[1]. Faiez Hentati, Latifa Tounsi, Djomdi Djomdi, Guillaume Pierre, Nam”, Ha Noi University of Science and Technology
Cédric Delattre, Alina Violeta Ursu, Imen Fendri, Slim
147
SVTH: Tạ Thị Minh Nguyệt , Nguyễn Thị Minh Thi , Nguyễn Thị Hiền; GVHD: TS. Dương Thế Hy, TS. Lê Lý Thùy Trâm, Lê Việt Trung
NGHIÊN CỨU CHẾ TẠO VÀ NÂNG CAO HIỆU QUẢ KHÁNG KHUẨN,
KHÁNG NẤM CỦA CHẾ PHẨM NANO CHITOSAN
STUDY ON PRODUCING AND IMPROVING THE ANTIBACTERIAL AND
ANTIFUNGAL EFFECTS OF NANO CHITOSAN
SVTH: Tạ Thị Minh Nguyệt 1, Nguyễn Thị Minh Thi 2, Nguyễn Thị Hiền 3
1
18KTHH2, Khoa Hóa – Đại học Bách khoa, Đại học Đà Nẵng; minhnguyet66work@gmail.com
2
18KTHH2, Khoa Hóa – Đại học Bách khoa, Đại học Đà Nẵng; nguyenminhthi652@gmail.com
3
18SH, Khoa Hóa – Đại học Bách khoa, Đại học Đà Nẵng; hiennguyen18sh@gmail.com
GVHD: TS. Dương Thế Hy 1, TS. Lê Lý Thùy Trâm 2, Lê Việt Trung 3.
1
Khoa Hóa – Đại học Bách khoa, Đại học Đà Nẵng; dthy@dut.udn.vn
2
Khoa Hóa – Đại học Bách khoa, Đại học Đà Nẵng; lttram@dut.udn.vn
3
Công ty Cổ phần TED Technology Đà Nẵng; agoin.ted@gmail.com
Tóm tắt - Trong nghiên cứu này, hạt nano chitosan được Abstract - In this study, chitosan nanoparticles were
nghiên cứu chế tạo với mục đích tạo hệ phân tán nano chitosan, researched and manufactured to create a chitosan
nâng cao hiệu quả kháng khuẩn, kháng nấm của nano chitosan nanodispersion system, improving the antibacterial and
trong chế phẩm sinh học dành cho cây trồng. Hạt nano chitosan antifungal efficacy of nano chitosan in biological products for
được tổng hợp bằng phương pháp gel hóa ion và các yếu tố ảnh plants. Chitosan nanoparticles were synthesized by the ion
hưởng đến việc tổng hợp như độ pH, tỷ lệ khối lượng CS/TPP, gelation method and the factors affecting the synthesis such as
các tác nhân tạo liên kết ngang đã được khảo sát. Kích thước pH, mass ratio CS/TPP, and cross-linking agents were
hạt nano và độ ổn định của hệ phân tán được đánh giá thông investigated. The nanoparticle size and stability of the dispersion
qua kỹ thuật đo SEM và cảm quan. Ngoài ra, khảo sát đặc tính system were evaluated through SEM and sensory techniques. In
kháng khuẩn, kháng nấm của nano chitosan được kiểm tra dựa addition, the investigation of the antibacterial and antifungal
trên phương pháp đếm khuẩn lạc xác định mật độ vi sinh vật properties of nano chitosan was tested based on the method of
trong phòng thí nghiệm và tiến hành gây bệnh nhân tạo khảo sát counting colonies in the laboratory and conducting surveys on
trên cây dưa leo, cải ngọt. cucumber and kohlrabi plants.
Từ khóa – chitosan, nano chitosan, kháng khuẩn, kháng Key words – chitosan, nanochitosan, antimicrobial activity,
nấm, chế phẩm sinh học. antifungal activity, bioproducts.
1. Đặt vấn đề mụn an toàn... Trong lĩnh vực nuôi trồng thuỷ sản:
Việc lạm dụng thuốc bảo vệ thực vật hóa học, đã và chitosan được sử dụng như một hoạt chất làm sạch nước
đang gây ra các ảnh hưởng đến sức khỏe con người, dư hữu hiệu, giúp tiêu diệt những mầm bệnh chứa trong
lượng thuốc bảo vệ thực vật cũng đem đến những biến nước, hấp thụ những kim loại nặng trong nước, chitosan
đổi không mấy tích cực đến hệ sinh thái môi trường. khi đưa về dạng hạt nano chitosan thì trở thành thuốc trị
Ngày nay, chitosan được biết đến như một loại vật liệu tự bệnh cho tôm cá như: bệnh phân trắng, bệnh gan tuỵ, đốm
nhiên với các đặc tính kháng khuẩn, kháng nấm đã và trắng đốm đen, đứt ruột trên tôm, đặc trị các bệnh do vi
đang được sử dụng rộng rãi trong đời sống. Công nghệ khuẩn, nấm bệnh trên cá.... Trong lĩnh vực nông nghiệp
nano chitosan là một phát minh tuyệt vời khi áp dụng cơ cây trồng: chitosan kích thích sự nảy mầm của hạt giống:
chế nguyên tử làm xuyên qua tế bào của các vi khuẩn mà như trên cây lúa, giúp cây lúa non sinh trưởng khoẻ,
không làm hại đến các loài cây trồng. Hạt nano chitosan kháng được nhiều bệnh. Chitosan còn là một loại dinh
có khả năng xuyên vào bên trong tế bào gây tổn thương dưỡng hữu cơ giúp lá xanh dày, cây phát triển tốt bền
tế bào vi khuẩn, vi nấm. Làm mất khả năng vận chuyển vững, giúp kích thích trái lớn nhanh tự nhiên, đồng thời
oxy của chúng và dẫn đến nấm bệnh bị tiêu diệt hoàn phòng ngừa được một số loại sâu bệnh, côn trùng tấn
toàn. Giúp cây trồng chống lại những bệnh từ nấm. Công công vào trái non hoặc trái chuẩn bị thu hoạch. Ngoài ra
nghệ nano được hiểu cơ bản là sử dụng các hạt có kích chitosan còn ứng dụng là hoạt chất sinh học an toàn trong
thước siêu nhỏ, đo bằng đơn vị nano mét (1nm bằng một việc bảo quản nông sản sau thu hoạch như: trái cây, rau
phần triệu mm). Nhờ đó, các hạt nano có thể thẩm thấu củ, các loại hạt... Nano chitosan đặc trị các bệnh trên cây
sâu và giải quyết các vấn đề trên cây trồng do vi khuẩn trồng do nấm bệnh, vi khuẩn, tuyến trùng và virus gây ra,
hoặc vi nấm gây ra. Nano chitosan là một dạng hợp chất đặc trị nấm bệnh và vi khuẩn gây hại: Phytophthora,
hữu cơ, thu được bằng quá trình xử lý vỏ các loài giáp Fusarium, Rhizoctonia, … nguyên nhân chính gây bệnh
xác (tôm, cua,.) với dung dịch kiềm NaOH. Chitosan thể chết nhanh chết chậm, chống vàng lá, tháo đốt, thối rễ,
hiện tính chất kháng khuẩn và kích hoạt khả năng hấp thụ héo rũ, tiêu điên. Đặc trị thán thư, nấm hồng, rỉ sắt… trên
dinh dưỡng [1]. cây công nghiệp, cây ăn trái, hoa rau. Tiêu diệt nấm bệnh
héo xanh vi khuẩn trên cà chua, trị bệnh phấn trắng cà
Hiện nay chitosan được ứng dụng trên nhiều lĩnh vực
chua, thối nhũn, héo xanh, héo vàng trên hoa rau, thán
khác nhau như: trong lĩnh vực y khoa: chitosan được ứng
thư, virus gây bệnh trên ớt, trên hoa rau [2].
dụng làm thuốc hạ cholesterol, thuốc trị phỏng, thuốc
chữa bệnh dạ dày, thuốc trị hôi miệng, thuốc giảm béo Nhờ hoạt tính kháng khuẩn và kháng nấm của
sinh học, thuốc điều trị ung thư.... Trong lĩnh vực làm đẹp chitosan đã thúc đẩy các nghiên cứu tạo nano chitosan
chitosan ứng dụng làm kem dưỡng da tạo độ ẩm, kem trị thay thế chitosan được quan tâm nhằm tăng cường và mở
148
rộng hơn nữa tiềm năng ứng dụng của hợp chất này cho độ vi sinh vật. Vi khuẩn Bacillus Subtilic được nuôi lắc
các mục đích tăng cường hoạt tính sinh học. Ở Việt Nam trong môi trường LB lỏng sau 12 tiếng trong tủ lắc, nhiệt
hiện nay, những ứng dụng tiên tiến của nano chitosan đến độ ổn định 37°C. Sau đó đem dịch huyền phù vi sinh vật
mọi người còn rất hạn chế. Yêu cầu tìm kiếm các quy trộn đều bằng máy votex và tiến hành thiết lập các
trình để kéo dài thời hạn sử dụng và đảm bảo an toàn và nghiệm thức kiểm tra. Thí nghiệm bao gồm 5 nghiệm
chất lượng thực phẩm. Các chế độ hoạt động kháng khuẩn thức, mỗi nghiệm thức thực hiện 3 lần lặp lại. Tất cả các
của chitosan và các dẫn xuất của nó đã được nhiều nhà nghiệm thức được thực hiện hoàn toàn trong điều kiện vô
nghiên cứu nhấn mạnh về điểm này. trùng tủ cấy.
2. Thực nghiệm tổng hợp nano chitosan bằng phương Nghiệm thức 1: Hút 1ml dịch huyền phù vi khuẩn đã
pháp gel hóa ion và đánh giá hoạt tính kháng khuẩn trộn đều cho vào ống nghiệm đã hấp khử trùng sẵn. Lấy
của nano chitosan thêm 1ml mẫu nano chitosan số 4 cho vào ống nghiệm,
2.1. Cơ chế phương pháp gel hóa ion hòa đều hỗn hợp dịch. Các nghiệm thức còn lại tương tự
nghiệm thức 1 nhưng thay 1ml mẫu nano nhitosan số 4
Phương pháp này sử dụng tương tác tĩnh điện giữa
bằng 1ml mẫu nano chitosan số 5, 10, 11 và nước cất.
nhóm amin chitosan và một nhóm polyanion tích điện âm
như tripolyphosphate. Chitosan có thể được hòa tan trong Các ống nghiệm tiếp tục được nuôi lắc. Sau 12 giờ
axit axetic trong trường hợp không có hoặc sự hiện diện nuôi cấy, mỗi mẫu được đem đi pha loãng với nước cất
của sự ổn định các tác nhân, chẳng hạn như poloxamer. với các dãy nồng độ (10-1, 10-2, 10-3, 10-4). Dùng máy
Polyanion sau đó được thêm vào, và các hạt nano được votex trộn đều hỗn hợp, với mỗi độ pha loãng hút 0,1ml
hình thành tự phát dưới sự khuấy động cơ học ở nhiệt độ dịch đem cấy trải trên đĩa petri chứa môi trường LB agar
phòng. Kích thước và điện tích bề mặt của các hạt có thể đã đổ sẵn từ trước. Thực hiện tương tự với 4 nghiêm thức
được sửa đổi bằng cách thay đổi tỷ lệ chitosan với chất còn lại. Để đĩa petri trong tủ ấm nhiệt độ 37°C sau 12
ổn định. Sự gia tăng chung về độ nén và kích thước hạt tiếng đem ra thống kê số lượng khuẩn lạc. Mật độ vi
đã được quan sát thấy khi tăng nồng độ chitosan và tăng khuẩn trong dung dịch gốc được tính theo công thức:
tỷ lệ polymer so với polyanion (Jonassen et al. 2012) [3]. Mi (CFU/ml) = Ai * Di/V
2.2. Thực nghiệm tổng hợp nano chitosan bằng phương Trong đó
pháp gel hóa ion Ai: là số khuẩn lạc trung bình/đĩa
2.2.1. Chuẩn bị hóa chất và dụng cụ Di: là độ pha loãng
Chitosan được cung cấp từ công ty TED V là dung tích huyền phù tế bào cho vào mỗi đĩa (ml)
TECHNOLOGY, có độ deacetyl 75-90%, khối lượng
Mật độ tế bào trung bình Mi trong mẫu ban đầu là
phân tử trung bình từ 140-190 kDa. Acid acetic 96,1%
trung bình cộng của Mi ở các nồng độ pha loãng khác
được pha với nước cất để tạo dung dịch acid acetic 1%
nhau [4].
(Hóa chất Khánh Thịnh, Đà Nẵng). TPP (natri
tripolyphotphat) được pha trong nước cất có nồng độ 3. Kết quả thực nghiệm phản ứng tổng hợp và đánh
0.25% (w/v) (Công ty Envitech Solution, Hà Nội). giá tính chất kháng khuẩn, kháng nấm đặc trưng của
nano chitosan
Sử dụng máy khuấy từ gia nhiệt – C-MAG HS 4 –
35810A0 – IKA có tốc độ 100 – 1500 rpm, máy cánh 3.1. Độ ổn định của hệ phân tán nano chitosan
khuấy có tốc độ khoảng 100 – 7500 rpm, máy đo pH, cân
điện tử và các dụng cụ thủy tinh
Vi khuẩn Bacillus Subtilic do phòng thí nghiệm bộ
môn Công nghệ Sinh học - khoa Hóa, trường Đại học
Bách khoa Đà Nẵng cung cấp. Chủng nấm Rhizoctonia
Solani được mua từ Trung tâm Công nghệ Sinh học
Thành phố Hồ Chí Minh. Môi trường LB nuôi vi khuẩn
và môi trường PGA dùng để nuôi nấm.
2.2.2. Quy trình tổng hợp nano chitosan Hình 1. Hệ phân tán nano chitosan ổn định
Dung dịch chitosan nồng độ 0,5 % (w/v) được pha Bảng 1. Độ ổn định của hệ phân tán nano chitosan
trong acid acetic 1 % (v/v). Sau khi hòa tan, điều chỉnh theo tỉ lệ khối lượng CS/TPP
pH của dung dịch chitosan bằng dung dịch NaOH 10N.
TPP (natri tripolyphotphat) nồng độ 0,25 % (w/v) được CS/TPP Độ ổn định theo thời gian
pha trong nước cất. Nhỏ từ từ TPP vào dung dịch chitosan 4:1 4-7 ngày
trong điều kiện máy cánh khuấy với tốc độ 1500 rpm ở
nhiệt độ phòng trong 1 giờ. 5:1 Ổn định hơn 12 tuần (12/2022)
2.3. Thực nghiệm đánh giá hoạt tính kháng khuẩn, 5:2 7-10 ngày
kháng nấm của nano chitosan
6:1 Ổn định hơn 12 tuần (12/2022)
2.3.1. Khảo sát hoạt tính kháng khuẩn của nano
chitosan trong điều kiện invitro bằng phương pháp đếm 6:2 2-3 ngày
khuẩn lạc
Trong thời gian thực hiện tạo hệ phân tán nano
Thí nghiệm xác định hoạt tính kháng khuẩn được tiến chitosan, các tỉ lệ khối lượng CS/TPP được lựa chọn khảo
hành theo phương pháp đếm khuẩn lạc để xác định mật sát là 4:1; 5:1; 5:2; 6:1; 6:2. Sau thời gian thực hiện, các
149
SVTH: Tạ Thị Minh Nguyệt , Nguyễn Thị Minh Thi , Nguyễn Thị Hiền; GVHD: TS. Dương Thế Hy, TS. Lê Lý Thùy Trâm, Lê Việt Trung
mẫu ở tỉ lệ khối lượng CS/TPP 4:1 và 6:2 cho thời gian Kích thước hạt nano chitosan được phân tích bằng
ổn định mẫu từ 2-7 ngày, xuất hiện tình trạng sa lắng ở thiết bị đo kính hiển vi điện tử quét (SEM), cho ra kích
đáy mẫu thí nghiệm và có hiện tượng phân lớp. Tỉ lệ khối thước hạt trong khoảng 70-150nm được chụp bởi Trung
lượng 5:2 cho thời gian ổn định dài hơn 2 tỉ lệ trên, từ 7- tâm Công nghệ Sinh học – thành phố Hồ Chí Minh đã
10 ngày, sau thời gian 10 ngày xuất hiện lớp sa lắng ở khẳng định hệ phân tán đã tạo được hạt nano chitosan.
đáy bình dày 1-2mm. Cho đến thời gian hiện tại, các mẫu 3.3. Kết quả hoạt tính kháng khuẩn của nano chitosan
tạo nano chitosan thực hiện ở tỉ lệ khối lượng 5:1 và 6:1
3.3.1. Hiệu lực kháng khuẩn của nano chitosan thông
cho thời gian ổn định dài và tỉ lệ mẫu đồng đều cao, thời
qua phương pháp đếm khuẩn lạc
gian ổn định mẫu lên đến 12 tuần (cho tới hiện tại). Từ
đó, lựa chọn 2 tỉ lệ 5:1 và 6:1 để tiếp tục điều chỉnh pH.
Tại đây lựa chọn các mức pH để điều chỉnh là 4.6-4.8 và
5.0-5.2, điều chỉnh bằng NaOH 10N.
Bảng 2. Độ ổn định của hệ phân tán nano chitosan theo
điều chỉnh độ pH
Kí CS/TPP Điều Thời Độ ổn định theo
hiệu chỉnh gian thời gian
mẫu pH ngâm CS
4 5:1 3.85-3.9 24h Ổn định hơn 8 tuần
(12/2022)
11 5:1 4.6-4.8 24h Ổn định hơn 8 tuần
(12/2022)
12 5:1 5.0-5.2 24h Ổn định 3-4 tuần
5 6:1 3.85-3.9 24h Ổn định hơn 8 tuần
(12/2022)
10 6:1 4.6-4.8 24h Ổn định hơn 8 tuần
(12/2022) Hình 3. Hiệu quả kháng khuẩn của nano chitosan bằng
phương pháp đếm khuẩn lạc tại phòng thí nghiệm
13 6:1 5.0-5.2 24h Ổn định 3-4 tuần Dựa vào kết quả số lượng khuẩn lạc từ hình 2 cho thấy
Tiến hành tạo nano chitosan dựa trên 2 tỉ lệ khối các nghiệm thức được xử lý với hệ phân tán nano
lượng CS/TPP lần lượt là 5:1 và 6:1, điều chỉnh pH ở 3 chitosan ở các tỉ lệ khác nhau đều cho hiệu quả kháng
mức độ lần lượt 3.85-3.9 (chưa điều chỉnh pH), 4.6-4.8 khuẩn gấp nhiều lần so với mẫu đối chứng (chỉ bổ sung
và 5.0-5.2 được điều chỉnh bằng NaOH 10N. Sau thời nước cất). Mật độ vi khuẩn sống tính được trong các
gian tiến hành thực nghiệm, kết quả thu được ở tỉ lệ khối nghiệm thức được thể hiện theo bảng số 3.
lượng CS/TPP 5:1 và 6:1, pH= 3.85-3.9 và 4.6-4.8 cho Bảng 3. Mật độ vi sinh vật thu được ở các nghiệm
thời gian ổn định mẫu 8 tuần (cho đến thời gian hiện tại). thức sau khi nuôi mẫu với hệ phân tán nano chitosan
3.2. Kích thước hạt nano chitosan Nghiệm Nghiệm Nghiệm Nghiệm
thức 4 thức 5 thức 10 thức 11
Mật độ VSV
4,8 x 104 4,5x104 6,8 x 104 6,9 x 104
(CFU/ml)
2.a 2.b
2.c Hình 4. Hiệu quả kháng khuẩn của hệ phân tán Nano
chitosan nồng độ 4,2 mg/ml
Hình 2. Hình ảnh chụp bằng thiết bị kính hiển vi điện tử
quét (SEM) của hạt nano chitosan. Kết quả thí nghiệm cho thấy hiệu lực kháng khuẩn
của các nghiệm thức (NT) giảm dần theo thứ tự sau: NT
2.a mẫu 5 nano chitosan; 2.b mẫu 10 nano chitosan; 2.c
5> NT 4 > NT 10 > NT 11. Điều đó cho thấy hệ phân tán
mẫu 11 nano chitosan.
150
nano chitan có hiệu quả kháng khuẩn rõ rệt so với việc 4. Kết luận
không bổ sung chế phẩm. Ở cùng độ pH tỉ lệ CS/TPP Nano chitosan có hệ phân tán ổn định có kích thước
bằng 6:1 cho hiệu quả kháng khuẩn tốt hơn, tuy nhiên độ 70-150 nm được tổng hợp bằng phương pháp gel hóa ion
chênh lệch không nhiều. Mẫu 5 có khả năng kháng khuẩn và các đặc tính hóa lý đã được mô tả. Nano chitosan cũng
cao gấp 1,05 lần mẫu 4. Mẫu 10 có khả năng kháng khuẩn được khảo sát các hoạt tính kháng khuẩn, kháng nấm ở quy
gấp 1,02 lần so với mẫu 1. mô invivo và invitro bằng phương pháp đếm khuẩn lạc.
Các mẫu không có sự điều chỉnh pH trước khi thêm Kết quả cho thấy độ pH và tỉ lệ khối lượng CS/TPP ảnh
TPP cho hiệu quả kháng khuẩn tốt hơn các mẫu có điều hưởng trực tiếp tới hoạt tính kháng khuẩn, kháng nấm.
chỉnh pH. Mẫu 4 có khả năng kháng khuẩn gấp 1,42 lần Tài liệu tham khảo
mẫu 11; 1,45 lần mẫu 10. Mẫu 5 có khả năng kháng [1]. Biosun, "Biosun," Biosun, 19 10 2017. [Online]. Available:
khuẩn gấp 1,54 lần mẫu 11; 1,51 lần mẫu 10. http://biosun.vn/nano-chitosan-la-gi/.
Lý giải cho kết quả thứ tự kháng khuẩn này nhóm lưu [2]. Tuấn, "Nano chitosan," Công nghệ tối ưu cho nền nông nghiệp
sạch, 2018. [Online]
tâm tới sự khác biệt về pH và tỉ lệ CS/TPP. Các mẫu [3]. Divya Koilparambil, Jisha Shanavas - Chitosan nanoparticles
10,11 có pH cao hơn so với mẫu 4, 5. Sự thay đổi pH ảnh preparation and applications, 2017.
hưởng trực tiếp tới kích thước hạt nano chitosan tạo [4]. Lê Xuân Phương - Thí nghiệm vi sinh - Đại học Đà Nẵng - 2018.
thành, cụ thể pH tăng sẽ dẫn tới tăng kích thước của hạt [5]. Nga, L. T. K., Hậu T. P., Thông, P. T., & Vandebroek, L (2021)
- “Hoạt tính kháng nấm và kháng khuẩn của các hợp chất Wells-
nano. Khi hạt nano thu được có kích thước lớn thì hiệu Dawson polyoxometalate” - Tạp chí Khoa học Trường Đại học
quả kháng khuẩn sẽ giảm. Bên cạnh đó ở nghiệm thức số Cần Thơ, 57(2), 49-57.
5 và số 10 có cùng tỉ lệ CS/TPP là 6:1 sẽ cho hạt nano có [6]. Le Quang Luan, Tran Le Truc Ha, Nguyen Xuan Tuan - “Nghiên
kích thước hạt nhỏ hơn. Lý giải này thừa hưởng kết quả cứu hiệu lực kháng nấm Rhizoctonia solani gây bệnh lở cổ rễ
trên cây cải ngọt của vi hạt LDH cố định SALICYLATE”,
thu được ở nghiên cứu chế tạo vật liệu nano chitosan làm Chuyên mục tạp chí thường kỳ - Tạp chí Khoa học và Công nghệ
chất hấp phụ protein ứng dụng trong dẫn truyền thuốc của Việt Nam, (số 11,trang 104 -109) – 2020.
tác giả Dương Thị Ánh Tuyết. [7]. Đỗ Tấn Dũng - “Nghiên cứu bệnh héo xanh vi khuẩn
(Pseudomonas Solanaerum Smith) hại một số cây trồng ở vùng
ngoại thành Hà Nội”, Đại học Nông nghiệp I, Hà Nội, (trang 6-
7) - 1999.
151
SVTH: Lê Mạnh Khôi, Trần Nhật Hào, Lê Ngọc Thành; GVHD: PGS. TS. Trương Hữu Trì, ThS. Lê Đức Ngưu
NGHIÊN CỨU ẢNH HƯỞNG CỦA NỒNG ĐỘ PHA HOẠT TÍNH (NI)
XÚC TÁC ĐẾN ĐẶC TÍNH CỦA SẢN PHẨM NANO COMPOSITE C-CNF
VÀ KHẢ NĂNG XỬ LÝ NƯỚC NHIỄM DẦU
RESEARCH ABOUT EFFECTS OF ACTIVE PHASE CONCENTRATION (NI)
CATALYZES ON THE CHARACTERISTICS OF NANO COMPOSITE C-CNF AND
APPLICATION IN THE OIL–WATER TREATMENT
SVTH: Lê Mạnh Khôi, Trần Nhật Hào, Lê Ngọc Thành

Lớp 18H5CLC, Khoa Hoá, Trường Đại học Bách khoa Đà Nẵng; Email: lmkhoi1910@gmail.com.
GVHD: PGS. TS. Trương Hữu Trì, ThS. Lê Đức Ngưu
Khoa Hoá, Trường Đại học Bách khoa Đà Nẵng; Email: thtri@dut.udn.vn
Tóm tắt - Ở nghiên cứu này, carbon nano sợi (CNFs) đã Abstract - In this study, carbon nanofibers (CNFs) were
được tổng hợp trên bề mặt vật liệu carbon xốp bằng phương synthesized on the surface of carbon felt materials by Chemical
pháp kết tụ hóa học trong pha hơi (CVD) với các nồng độ pha vapor decomposition (CVD) with different concentrations of
hoạt tính khác nhau. Sau khi tổng hợp các mẫu, nhóm tác giả sẽ active phase. After synthesizing material, the authors evaluated
tiến hành đánh giá ảnh hưởng của nồng độ pha hoạt tính đến the influence of the active phase concentration on the product
các đặt tính sản phẩm bằng các phương pháp phân tích hóa lý properties by modern physicochemical analysis methods such as
hiện đại như xác định diện tích bề mặt riêng (BET), kính hiển vi specific surface area (BET) determination, scanning electron
điện tử quét (SEM), phân tích nhiệt trọng trường (TGA). Kết quả microscopy (SEM), or thermogravimetric analysis (TGA). The
phân tích cho thấy, lượng CNFs tạo ra đã phủ đều trên bề mặt analysis results showed that the amount of CNFs generated
carbon xốp ban đầu. Bề mặt riêng của sản phẩm thu được tăng decorated on the original carbon felt surface. The specific surface
lên đáng kể so với bề mặt riêng của carbon xốp ban đầu. Các of the obtained product is significantly increased compared to
sợi carbon nano được tổng hợp có kích thước tương đối đồng that of the original carbon felt. The synthesized carbon
đều. Kết quả đánh giá khả năng hấp phụ dầu cho thấy vật liệu nanofibers are relatively uniform in size. The results of the
có khả năng hấp phụ dầu cao và khả năng tách dầu ra khỏi hệ evaluation of the oil adsorption capacity showed that the material
nước-dầu tốt. had high oil adsorption capacity and good oil separation from the
Từ khóa - C-CNFs, TGA, BET, SEM, CVD. water-oil system.
Key words - C-CNFs, TGA, BET, SEM, CVD.
1. Giới thiệu chung. nhiều khó khăn trong quá trình sử dụng cũng như thu hồi
Carbon nano đã được biết đến từ những năm 1889. sau khi sử dụng. Vì vậy, việc tìm ra giải pháp để vừa có
Nhận thấy được tiềm năng của chúng trong đời sống con thể tận dụng được những ưu điểm của vật liệu carbon
người, chính vì vậy các nhà khoa học đã không ngừng nano, đồng thời hạn chế những nhược điểm của chúng
nghiên cứu chúng trong suốt các thập kỉ qua. Đến nay trong việc áp dụng vào xử lý nước nhiễm dầu đã nhận
ngoài 3 dạng thù hình phổ biến như carbon vô định hình, được sự quan tâm bởi nhiều nhóm tác giả. Để giải quyết
graphite và kim cương, carbon còn được biết đến ở các những vấn đề này, các nhà khoa học đã tiến hành tổng
dạng tổng hợp khác như fullerene. Carbon nano sợi, hợp và tạo hình đồng thời CNFs lên trên bề mặt vật liệu
carbon nano ống là những hình thức của dạng graphite. đã được chế tạo với hình dạng và kích thước mong
Các kết quả nghiên cứu được công bố cho thấy, loại vật muốn[10] hoặc có thể sử dụng chất kết dính để tạo hình
liệu này có rất nhiều đặc tính vượt trội [1, 2] và có thể ứng giống như đã sử dụng với trường hợp carbon nano ống
dụng vào nhiều lĩnh vực khác nhau như: Làm chất mang mà tác giả Ping và các cộng sự đã công bố[11] .Tuy nhiên
xúc tác, vật liệu composite, lưu trữ năng lượng, cảm biến phương pháp sử dụng chất kết dính làm thay đổi tính chất
hóa học, đầu dò hay hấp phụ [3-8]. Với những triển vọng cũng như làm giảm chất lượng của CNFs sản phẩm. Vì
trong tương lai và ứng dụng như vừa nêu, loại vật liệu vậy, phương pháp tổng hợp - đưa đồng thời CNFs trên
này đã được tổng hợp bằng nhiều phương pháp khác chất mang có cấu trúc được sử dụng rộng rãi trên thế giới.
nhau[9] như sử dụng hồ quang điện, cắt bằng tia laser hay Ở nghiên cứu này, nhóm tác giả sẽ trình bày kết quả
phương pháp CVD sử dụng các nguồn có chứa carbon về quá trình sử dụng phương pháp kết tụ hóa học trong
với sự có mặt của xúc tác kim loại. Trong đó, CVD là pha hơi CVD (Chemical Vapor Deposition) để tổng hợp
phương pháp thường được sử dụng vì có nhiều ưu điểm CNFs lên bề mặt carbon xốp ở các nồng độ pha hoạt tính
như nhiệt độ tiến hành của quá trình thấp hơn so với các khác nhau. Đặc tính của sản phẩm sẽ được đánh giá bằng
phương pháp pháp khác, hiệu suất thu sản phẩm lớn và các phương pháp phân tích hóa lý hiện đại như xác định diện
chi phí thấp. tích bề mặt riêng BET (Brunauer- Emmett - Teller), kính
Khi sử dụng vật liệu carbon nano vào việc xử lý nước hiển vi điện tử quét (SEM: Scanning Electron Microscopy),
nhiễm dầu thì các đặc tính như diện tích bề mặt riêng lớn, phân tích nhiệt trong trường TGA (Thermogravimetric
tính ái dầu cũng như tính kỵ nước cao là những đặc tính Analysis),. Ngoài ra, nhóm tác giả sẽ tiến đánh giá khả năng
thuận lợi cho khả năng hấp phụ lượng dầu lớn và hiệu xử lý dầu của vật liệu.
quả làm sạch nước cao. Độ bền cơ học cao nên có thể 2. Thực nghiệm.
tách dầu hấp phụ được bằng phương pháp cơ học. Tuy 2.1. Nguyên vật liệu.
nhiên, trong quá trình tổng hợp, vật liệu carbon nano thu
Ở nghiên cứu này, nhóm tác giả sử dụng ethanol
được ở dạng bột rắn với kích thước rất nhỏ, do đó gây ra
99.7% từ công ty cổ phần hóa chất - tổng kho hóa chất tại
152
làm nguyên liệu, bên cạnh đó nó cũng được dùng để phân độ 736 oC) trong 60 phút. Kết thúc quá trình tổng hợp,
tán pha hoạt tính lên bề mặt chất mang. Chất nền để tổng tiến hành hạ công suất ở thiết bị gia nhiệt về 0, để nhiệt
hợp CNFs là carbon xốp (felt carbon) được cung cấp bởi độ giảm đến nhiệt độ môi trường, rồi tiến hành lấy mẫu
công ty CeraMaterials. Đây là vật liệu có độ bền cơ, bền ra và cân để tính toán hiệu suất.
nhiệt tốt, đặc biệt là chúng khá trơ về mặt hóa học vì vậy
Trong nghiên cứu này, lượng CNFs tổng hợp được sẽ
chúng có thể sử dụng tốt trong các môi trường acid hoặc
đánh giá thông qua tỷ lệ CNFs tạo thành và gắn lên trên bề
kiềm, ngoài ra loại vật liệu này có thể được tổng hợp và tạo
mặt vật liệu nền, tỷ lệ này sẽ được tính theo công thức sau:
hình theo bất kỳ hình dạng mong muốn nào. Tuy nhiên nó
𝐰𝟐−𝐰𝟏
lại có bề mặt riêng rất nhỏ khoảng 1.05 m2/g, do đó rất khó %CNFs= 𝑥 100%
𝐰𝟏
trong việc phân tán pha hoạt tính khi làm chất mang cho xúc
tác. Vì vậy, việc nâng cao bề mặt carbon xốp sẽ làm tăng Trong đó:
khả năng sử dụng chúng làm chất mang cho xúc tác trong - %CNFs: là % lượng CNFs tạo thành trên bề mặt chất
các phản ứng hóa học. Tiền chất của pha hoạt tính được sử mang (% khối lượng);
dụng là muối Nitrate Nickel (Ni(NO3)2.6H2O) có độ tinh - w2: là khối lượng của mẫu sau phản ứng (gam);
khiết trên 98.5%. Dung dịch acid HNO3 được dùng với
nồng độ 68% để chức hóa chất mang. Khí N2 sử dụng cho - w1: là khối lượng của mẫu trước phản ứng (gam).
quá trình đuổi không khí khỏi hệ thống phản ứng. Hiệu suất thu sản phẩm sẽ bước đầu đánh giá khả
2.2. Quá trình tổng hợp. năng tổng hợp vật liệu carbon lên bề mặt chất mang sau
quá trình tổng hợp.
2.2.1. Tổng hợp xúc tác.
2.3. Đánh giá đặc tính của vật liệu.
Xúc tác được tổng hợp theo phương pháp tẩm ướt và
quá trình tiến hành sẽ trải qua bốn giai đoạn như sau: Để đánh giá các đặc tính của sản phẩm, trước hết
nhóm tác giả tiến hành chụp bề mặt mẫu vật liệu trước
- Đưa pha hoạt tính lên bề mặt chất mang: Trước hết
khi tổng hợp và sau khi tổng hợp nhằm đánh giá sự thay
muối Nitrat Nickel được hòa tan trong ethanol, sau đó
đổi của hình thái bề mặt vật liệu. Tiếp theo nhóm tác giả
dùng pipet để đưa dung dịch muối thấm lên bề mặt chất
đã xác định diện tích bề mặt riêng bằng phương pháp hấp
mang với một lượng xác định. Tiếp theo chất mang đã
phụ - giải hấp phụ đẳng nhiệt nitơ ở nhiệt độ -196°C theo lý
được tẩm dung dịch muối sẽ được sấy khô. Quá trình tẩm
thuyết BET. Nhằm đánh giá khả năng bền nhiệt, bền oxy
này được lặp lại hai lần để bảo đảm bề mặt chất mang
hóa của vật liệu, phương pháp phân tích nhiệt trọng trường
được thấm đều dung dịch chứa tiền chất xúc tác. Lượng
TGA được sử dụng.
muối Nitrat Nickel và chất mang được tính toán sao cho
có thể thu được xúc tác 1%, 3%, 5% Ni/chất mang. Do 3. Kết quả và thảo luận.
bề mặt của các chất mang không lớn, nên tỷ lệ pha hoạt 3.1. Đánh giá hiệu suất thu và các đặc tính của mẫu C-
tính được nhóm tác giả sử dụng ở nghiên cứu này là rất CNFs 3%Ni
nhỏ nhằm hạn chế sự hình thành tâm xúc tác với kích 3.1.1 Đánh giá hiệu suất thu sản phẩm của mẫu C-CNFs
thước lớn. 3%Ni
- Sấy khô: Chất mang đã được tẩm muối sẽ đưa vào Để tính hiệu suất thu sản phẩm, tác giả đã tiến hành
tủ sấy để được sấy khô ở 100°C trong 14h. so sánh sự thay đổi về khối lượng của vật liệu trước và
- Nung: Quá trình này được thực hiện ở 350°C với sau khi tổng hợp. Loại cân được sử dụng là cân phân tích
thời gian là 2h trong không khí với tốc độ gia nhiệt là với độ chính xác đến 4 số thập phân.
5°C/phút, nhằm chuyển muối Nitrat Nickel sang dạng Với
oxide tương ứng.
- w2: là khối lượng của mẫu sau phản ứng (gram)
- Khử: Quá trình này được thực hiện ngay trong thiết - w1: là khối lượng của mẫu trước phản ứng
bị phản ứng. (gram)
2.2.2 Tổng hợp CNFs trên carbon xốp. Hiệu suất thu sản phẩm (H) tính theo %wt được xác
Quá trình tổng hợp được thực hiện trong thiết bị định bằng công thức:
CVD, bao gồm 3 bước : w2-w1
H= ×100%
Bước 1: Đuổi không khí ra khỏi hệ thống để tránh w1
hiện tượng cháy hoặc oxy hóa mẫu trong điều kiện nhiệt Thông qua kết quả tính toán, hiệu suất của vật liệu sau
độ cao và có mặt oxy. Đầu tiên, tiến hành hút không khí tổng hợp với nồng độ pha hoạt tính 3%Ni lên đến hơn
bằng bơm hút chân không. Sau đó, để giảm nồng độ khí 50% cụ thể là 54.1%.
oxy đến mức thấp nhất, dòng khí trơ (N2) được đưa vào 3.1.2 Đánh giá hình thái bề mặt của mẫu C-CNFs 3%Ni
để pha loãng rồi thực hiện hút. Quá trình được thực hiện
Để đánh giá sơ bộ ban đầu sự thay đổi của hình thái
2 lần cho đến khi áp suất về -0,1 MPa.
bên ngoài của vật liệu, nhóm tác giả tiến hành so sánh
Bước 2: Khử oxide Nickel thành kim loại. Đầu tiên, màu sắc của vật liệu trước và sau khi tổng hợp mẫu. Kết
ta nâng công suất gia nhiệt đến 12 A (nhiệt độ khoảng quả ban đầu có thể thấy trong hình 1. Nhận định ban đầu
450 oC) trong 40 phút. cho thấy màu sắc và hình thái bên ngoài của vật liệu sau
Bước 3: Tổng hợp CNFs. Quá trình được thực hiện ở khi phản ứng (hình 1B) đã có sự thay đổi so với trước khi
mức cường độ dòng điện là 21.21A (tương ứng với nhiệt tổng hợp (hình 1A).
153
Đường đẳng nhiệt hấp phụ và giải hấp phụ nitơ của
vật liệu được trình bày trên hình 3. Kết quả đo đường hấp
phụ và giải hấp phụ của mẫu sau khi tổng hợp được cũng
cho thấy rằng có sự xuất hiện một vòng vòng trễ kiểu IV,
theo phân loại BDDT của Brunauer. Với dạng vòng trễ
như trên thì có thể khẳng định sản phẩm tổng hợp được
Hình 1: Hình thái bên ngoài của vật liệu trước (A) có cấu trúc mao quản với đường kính trung bình, hay còn
và sau (B) khi tổng hợp. gọi là mesoporous.
Sau quá trình tổng hợp, quan sát ta thấy mẫu trở nên 3.1.4 Xác định độ bền nhiệt (TGA) của mẫu C-CNFs
đen và xù xì hơn so với lúc ban đầu, điều đó cho thấy đã 3%Ni.
có loại vật liệu khác đã hình thành trên bề mặt vật liệu
ban đầu. Để nhận thấy sự khác nhau về hình thái bề mặt Nhằm mục đích đánh giá khả năng bền nhiệt, bền oxy
giữa bề mặt carbon xốp trước (Hình 1C) và sau khi tổng hóa của vật liệu ở các nhiệt độ khác nhau, nhóm tác giả
hợp (Hình 1D) ta sử đến phương pháp SEM. Kết quả hình đã sử dụng phương pháp phân tích nhiệt trọng trường
1D cho thấy có một lớp vật liệu như sợi carbon nano phủ trong môi trường oxy nhằm đánh giá cho carbon xốp và
lên bề mặt của sợi caron xốp ban đầu. các sản phẩm tổng hợp. Kết quả phân tích được trình bày
trên hình 4:
Hình 2: Kết quả SEM (A) và (B) và TEM (C) được trích Hình 4: Giản đồ phân tích nhiệt trọng trường của
xuất từ bài báo có quy trình tổng hợp CNFs tương carbon xốp và các mẫu C-CNFs 3%Ni
tự[12] Từ hình 4 khi so sánh đường giảm khối lượng theo
Với quy trình tổng hợp tương tự, nhóm tác giả so sánh nhiệt độ của vật liêu ban đầu so với đường giảm khối
kết quả SEM của các nhóm nghiên cứu trước, nhóm tác lượng của vật liệu C-CNFs 3%Ni dễ dàng nhận thấy nhiệt
giả nhận thấy rằng kết quả SEM là tương tự từ đó nhóm độ bắt đầu giảm khối lượng của carbon xốp cao hơn so
trích xuất kết quả TEM (Hình 2C) và khẳng định được với C-CNFs 3%Ni và do đó độ bền nhiệt trong môi
vật liệu hình thành bên ngoài carbon xốp ban đầu chính trường oxy của carbon xốp cao hơn. Vật liệu ban đầu chỉ
là CNFs. có 1 peak tại 688.05˚C thể hiện rằng chỉ có loại vật liệu
là carbon xốp, trong khi đó sản phẩm lại có 2 peak tại
3.1.3 Xác định diện tích bề mặt riêng (BET) của mẫu C-
CNFs 3%Ni 538.78˚C và 688.05˚C lần lượt đặc trưng cho CNFs và
carbon xốp.
Giá trị bề mặt riêng và đường kính mao quản của sản
phẩm được xác định bằng cách đo sự hấp phụ và giải hấp 3.2. Đánh giá ảnh hưởng của nồng độ pha hoạt tính
phụ N2 lỏng. đến đặc tính sản phẩm
Bảng 1: Kết quả đo BET và hiệu suất thu sản phẩm 3.2.1 Đánh giá hiệu suất thu sản phẩm và diện tích bề
của C-CNFs 3%Ni mặt riêng (BET) của 3 mẫu với nồng độ pha hoạt tính
khác nhau.
Bảng 2: Kết quả đo BET và hiệu suất thu sản phẩm
của vật liệu tại các nồng độ pha hoạt tính khác nhau.
Kết quả hiệu suất và giá trị BET ở bảng 1 cho thấy
rằng, khi ta tổng hợp CNFs ở nồng độ pha hoạt tính là
3%Ni thì hiệu suất lên đến 54.07% và giá trị BET là
89.76m2/g.
Khi tiến hành khảo sát và biểu diễn giá trị BET và
hiệu suất sản phẩm theo nồng độ của vật liệu tại các nồng
độ pha hoạt tính khác nhau, nhóm tác giả thu được đồ thị
như hình 7:
Hình 3: Đường hấp phụ và giải hấp phụ của vật liệu. Hình 5: Giản đồ biễu diễn hiệu suất thu sản phẩm và bề
mặt riêng theo nồng độ pha hoạt tính.
154
Từ kết quả thu được ở bảng 2 và hình 5, dựa vào giản Nhiệt độ phân hủy cực đại của carbon xốp và CNFs
đồ ta thấy giá trị bề mặt riêng và hiệu suất thu sản tăng của các mẫu tổng hợp như được trình bày trong bảng 3:
khi ta tăng nồng độ pha hoạt tính. Giá trị hiệu suất và diện Bảng 3: Nhiệt độ phân hủy cực đại carbon xốp và
tích bề mặt riêng tăng nhanh khi nồng độ pha hoạt tính CNFs của từng mẫu.
tăng từ 1%Ni lên 3%Ni, sau đó diện tích bề mặt riêng
BET có xu hướng tăng chậm dần khi nồng độ pha hoạt
tính tăng từ 3%Ni lên 5%Ni còn hiệu suất vẫn tăng
nhanh.
3.2.2 Đánh giá hình thái vật liệu của 3 mẫu với nồng độ
pha hoạt tính khác nhau.
Hình 6 thể hiện ảnh SEM các mẫu vật liệu được tổng
hợp ở 3 nồng độ pha hoạt tính khác nhau.
Từ hình 7 và bảng 3 cho thấy rằng với 3 mẫu tổng

hợp tại 3 nồng độ pha hoạt tính khác nhau, ta thấy rằng
khi tăng nồng độ pha hoạt tính thì vật liệu C-CNFs có độ
bền oxi hóa giảm dần.
Kết quả này cũng phù hợp với kết quả công bố của
cùng nhóm tác giả trước đây[12]. Việc phủ CNFs lên
carbon xốp làm giảm độ bền oxy hoá của carbon xốp.
Điều này trước hết có thể là do ảnh hưởng bởi sự có mặt
của xúc tác nickel hoặc do ảnh hưởng của sự chồng lặp
một phần nhiệt độ phân huỷ của CNFs và carbon xốp.
Từ các kết quả đánh giá trên, nhóm tác giả đã đưa ra
những nhận định ban đầu về sản phẩm CNFs thu được và
để khẳng định được những điều đó, cần có thêm những
Hình 6: Kết quả phép đo SEM của C-CNFs 1%Ni phân tích sâu hơn và rõ ràng hơn.
(Hình A), 3%Ni(Hình B), 5%Ni(Hình C) ở các độ phóng 3.3. Ứng dụng vật liệu C-CNFs trong xử lí nước
đại khác nhau. nhiễm dầu.
Quan sát ảnh chụp SEM, cho thấy tại nồng độ pha Nước nhiễm dầu ảnh hưởng rất lớn đến môi trường
hoạt tính là 1%Ni (Hình 6A), vật liệu thu được có kích đất, nước, không khí. Trong nghiên cứu này nhóm tác giả
thước sợi không đồng đều. Khi ta tăng nồng độ pha hoạt đã ứng dụng vật liệu carbon nano trong việc hấp phụ dầu.
tính lên 3%Ni (Hình 6B) thì các sợi trở nên đồng đều hơn. Nhóm đã đánh giá quá trình hấp thu qua phương pháp
Tuy nhiên, tại nồng độ pha hoạt tính là 5%Ni (Hình 6C) định tính và định lượng khả năng của vật liệu.
thì các sợi có đường kính nhỏ hơn nhiều so với các mẫu
3.3.1. Định tính.
tổng hợp ở nồng độ pha hoạt tính thấp hơn.
Quá trình định tính là quá trình đánh giá khả năng và
Ở độ phóng đại lớn hơn ta có thể nhận thấy quan sát
tốc độ hấp thu dầu của vật liệu tổng hợp. Trong nghiên
bên ngoài có sự xuất hiện của một vật liệu dạng tương tự
cứu này, tác giả sử dụng dầu diesel (DO) đã được tạo màu
sợi. Kết quả chụp SEM cũng giải thích cho việc mẫu trở
để thực nghiệm. Mẫu vật liệu được đưa lên bề mặt lớp
nên đen hơn sau quá trình tổng hợp.
dầu trong một cốc thủy tinh chứa hỗn hợp dầu DO và
3.2.2 Đánh giá độ bền nhiệt (TGA) của 3 mẫu với nồng nước, quan sát và xác định thời gian mẫu hút hết lượng
độ pha hoạt tính khác nhau. dầu nổi trên mặt nước. Sau đó đánh giá khả năng hút dầu,
Khi tiến hành chồng 3 đường vi phân khối lượng theo hút nước và tốc độ xử lý dầu của mẫu vật liệu.
nhiệt độ của vật liệu tại các nồng độ pha hoạt tính khác
nhau, nhóm tác giả thu được đồ thị như hình 7:
Hình 8: Khả năng kỵ nước, góc thấm ướt (Hình A)

và tính ái dầu (Hình B) của vật liệu.
Từ hình 8 cho thấy, vật liệu tổng hợp có góc thấm ướt
với nước và dầu lần lượt là 167.5o và 0o, từ đó có thể nói
đây là vật liệu siêu kỵ nước và ưa dầu cao.
. Quá trình định tính được thực hiện theo quy trình mà
Hình 7: Giản đồ phân tích đường vi phân khối tác giả Han Hu cùng cộng sự đã đưa ra [13] với các bước
lượng theo nhiệt độ của các mẫu C-CNFs 1-3-5%Ni như sau:
155
• Sử dụng kẹp để giữ mẫu rồi đưa mẫu lên lớp dầu
cần hấp thu.
• Giữ mẫu trong khoảng 1 giây.
• Sau khi đã hấp thu xong, lấy mẫu ra và tiến hành
xử lý thu hồi mẫu.
Hình 11: Xử lý mẫu hút dầu bằng phương pháp đốt

cháy.
Với phương pháp ép của Fan Z cùng cộng sự[15], ta có
thể thu hồi được dầu mà vẫn giữ nguyên được vật liệu ta
tổng hợp.
Hình 9: Tốc độ hấp thu dầu của vật liệu.

Kết quả hình 9 cho thấy trong khoảng 1 giây, vật liệu
tổng hợp đã hấp thu hoàn toàn lượng dầu, đồng thời
không hút nước. Từ đó có thể thấy vật liệu tổng hợp có
tốc độ hấp thu dầu cao và có khả năng tách dầu ra khỏi
hỗn hợp nước-dầu rất tốt. Nước thu được có độ tinh khiết
cao.
3.3.2. Định lượng Hình 12: Xử lý mẫu hút dầu bằng phương pháp ép.
Tác giả đã thực hiện định lượng bằng phương pháp Như đã đề cập ban đầu, phương pháp ép có thể thu
ngâm theo quy trình của tác giả Xiang Ge cùng cộng sự hồi được lượng dầu đã hấp phụ trong mẫu. Tuy nhiên, do
[14]
Các bước tiến hành cụ thể như sau: vẫn còn sót lại một lượng dầu nhất định trong mẫu, nên
• Lấy mẫu có độ dày 1 cm rồi cân, khối lượng m1. khối lượng dầu thu hồi sẽ thấp hơn khối lượng dầu hấp
• Ngâm mẫu trong dầu 5 phút. phụ.
• Sau khi ngâm xong, tiến hành loại bỏ dầu thừa trên
bề mặt C-CNFs và đặt ngay lên giấy cân, khối lượng m2.
• Tính toán khả năng hấp thu của vật liệu: Quá trình
tính khả năng hấp thu (q) được thực hiện theo công thức:
Hình 13: Khả năng thu hồi dầu của mẫu C-CNFs
3%Ni qua 5 lần thực hiện.
Kết quả hình 12 cho thấy rằng, qua 5 lần tái sử dụng
vật liệu thì lượng dầu giảm dần và thấp hơn lượng dầu
ban đầu hấp phụ được. Những sai khác ở những lần 4-5
là do sai số thực nghiệm.
Phương pháp cuối cùng để xử lý vật liệu C-CNFs sau
khi đã hấp phụ dầu đó là phương pháp ngâm trong dung
môi.
Hình 10: Khả năng lưu trữ dầu của 3 mẫu với nồng độ
pha hoạt tính khác nhau
So sánh khả năng lưu trữ dầu của 3 mẫu C-CNFs ta
tổng hợp theo hình 10, ta thấy rằng mẫu C-CNFs 1%Ni
có khả năng lưu trữ dầu tốt nhất và mẫu C-CNFs 5%Ni
có khả năng lưu trữ dầu kém nhất trong 3 mẫu.
3.3.3. Quá trình thu hồi dầu và tái sử dụng vật liệu
Các đặc tính của vật liệu ít có sự thay đổi sau khi xử
lý lượng dầu được hút vào bằng phương pháp đốt cháy. Hình 14: Xử lý mẫu hút dầu bằng phương pháp
Tuy nhiên không thu hồi được lượng dầu trong mẫu. ngâm.
156
Vật liệu sau khi đã hấp phụ dầu được ngâm trong nghe-nano-trong-y-hoc-2018011006493397.htm
[4]. Vicente Jiménez, Ana Ramírez-Lucas, Paula Sánchez, José Luís
dung môi, trong nghiên cứu này, nhóm tác giả sử dụng
Valverde, Amaya Romero, “Hydrogen storage in different
dung môi là xăng thơm. Lượng dầu trong vật liệu sẽ hòa carbon materials: Influence of the porosity development by
tan bên trong dung môi, vật liệu sau khi đã tách dầu có chemical activation”, Applied Surface Science, Vol. 258,
thể tái sử dụng cho những lần sau. Tuy nhiên nhược điểm p.2498 – 2509, (2012).
[5]. E. Hammel, X. Tang, M. Trampert, T. Schmitt, K. Mauthner, A.
lớn nhất của phương pháp này là lượng dầu hấp phụ đã
Edẻ, P. Potschke, "Carbon nanofibers for composite
bị hòa tan trong dung môi. Để có thể thu hồi được lượng applications", Carbon, Vol.42, 2004, p. 1153-1158.
dầu mà mẫu hấp phụ, ta cần thực hiện các phương pháp [6]. Cuicui Zhang, Chunxiao Wang, Liang Zhan, Can Wang, Yanli
phức tạp tiếp theo để trích ly dầu ra khỏi dung môi. Vậy Wang, Licheng Ling, "Synthesis of carbon foam covered with
carbon nanofibers as catalyst support for gas phase catalytic
nên đây là phương pháp tốn kém nhất trong 3 phương
reactions", Materials Letters, Vol.65, 2011, p. 1889-1891.
pháp xử lý và tái sử dụng vật liệu. [7]. J.K. Chinthaginjala, A. Villa, D.S. Su, B.L. Mojeta, L. Lefferts,
4. Kết luận. "Nitrite reduction over Pd supported CNFs : Metal particle size
effect on selectivity", Catalysis Today, Vol.183, 2012, p. 119-
Ở nghiên cứu này nhóm tác giả đã thành công trong 123
việc chế tạo vật liệu nano composite sử dụng nguồn [8]. Parris, Alton (May 2010) Carbon Nanotubes and Carbon
nguyên liệu ethanol rẽ tiền và dễ kiếm. Nghiên cứu đã Nanofibers For Oil Spill Remediation Developed by Sud-
Chemie
khảo sát một số đặc tính của CNFs trên nền carbon xốp [9]. Jan Prasek, Jana Drbohlavova, Jana Chomoucka, Jaromir
đã tổng hợp được. Nhóm tác giả đã khảo sát ảnh hưởng Hubalek, Ondrej Jasek, Vojtech Adam and Rene Kizek,
của nồng độ pha hoạt tính đến các tính chất đặc trưng của “Methods for carbon nanotubes synthesis—review”, J. Mater.
vật liệu tổng hợp được, qua đó nhận thấy, khi tổng hợp Chem., 2011, 21, 15872
[10]. Jitendra Kumar Chinthaginjala, Johannes Hendrik Bitter, Leon
vật liệu CNFs thì không phải việc tổng hợp ở nồng độ pha Lefferts, "Thin layer of carbon-nano-fibers (CNFs) as catalyst
hoạt tính càng cao sẽ cho hiệu quả tốt nhất mà ở một nồng support for fast mass tranfer in hydrogenation of nitrite", Applied
độ nào đó thích hợp sẽ cho hiệu quả tốt nhất. Đường kính Catalysis A : General 383, 2010, p. 24-32.
của CNFs tạo thành có kích thướt khá tương đồng và phủ [11]. Ping Li, Tie-Jun Zhao, Jing-Hong Zhou, Zhi-Jun Sui, Ying-Chun
Dai, Wei-Kang Yuan, "Characterization of carbon nanofiber
khá đều lên bề mặt của carbon xốp. Các đặc tính khác composites synthesized by shaping process", Carbon 43, 2005,
như giá trị BET, độ bền oxy hóa cũng có sự thay đổi theo p. 2701-2710.
sự thay đổi theo nồng độ pha hoạt tính. Vật liệu C-CNFs [12]. Trương Hữu Trì, “Nghiên cứu ảnh hưởng của nhiệt độ đến hiệu
là vật liệu kỵ nước, ái dầu và có khả năng tái sử dụng vì suất và đặc tính của nano compozit C-CNFs”. Tạp chí KHCN
ĐHĐN; 2020, Vol. 18, No.6, p. 57-61.
vậy có thể phát triển thương mại. [13]. Han Hu, Zongbin Zhao, Yury Gogotsi, Jieshan Qiu;
Tài liệu tham khảo “Compressible Carbon Nanotube−Graphene Hybrid Aerogels
with Superhydrophobicity and Superoleophilicity for Oil
[1]. Krijn p. De jong & john w. Geus, "Carbon Nanofibers: Catalytic
Sorption”; Environ. Sci. Technol. Lett. 2014, 1, 214−220
Synthesis and Applications", Catalysis Reviews Science and
[14]. Xiang Ge, Wei Yang, Jitong Wang, Donghui Long, Licheng
Engineering, vol.42, 2000, p.481-510
Ling, Wenming Qiao; “Flexible carbon nanofiber sponges for
[2]. Li chao Feng, NingXie and Jing Zhong, "Carbon Nanofibers and
highly efficient and recyclable oil absorption” RSC advances
Their Composites : A Review of Synthesizing Properties and
[15]. Fan Z, Yan J, Ning G, et al, “Oil sorption and recovery by using
Applications", Materials, Vol.7, 2014, p.3919-3945
vertically aligned carbon nanotubes”, Elsevier Ltd. Carbon,
[3]. https://dantri.com.vn/khoa-hoc-cong-nghe/nanomedicine-cong-
48(14): 4197-4200, doi:10.1016/j.carbon.2010.07.002, 2010
157
CHẾ TẠO MÀNG NANO SINH HỌC KERATIN/PVA VÀ ỨNG DỤNG XỬ LÝ

CHẤT MÀU
FABRICATE KERATIN/PVA NANO BIOFILM AND APPLY FOR TREATING DYE
SVTH: Phạm Thị Hồng Phượng

Lớp 18SH, Khoa Hóa, Trường Đại học Bách Khoa – Đại học Đà Nẵng; Email: phuongpham2k@gmail.com
GVHD: TS. Tạ Ngọc Ly
Khoa Hóa, Trường Đại học Bách Khoa – Đại học Đà Nẵng; Email: Tnly@dut.udn.vn
Tóm tắt - Đối tượng nghiên cứu là tạo màng nano sinh học Abstract – The aim of this study is nano film fabricated by
chế tạo bằng electrospin với thành phần từ keratin thu được từ electrospin with component is keratin extracted from feather
lông vũ kết hợp với PVA. Màng được dùng làm chất hấp phụ blended with PVA. The film is an adsorbent used for dye
chất màu. Tiến hành thí nghiệm kiểm tra tính chất màng và các adsorption. Test the properties of the film and adsorption
yếu tố ảnh hưởng đến khả năng hấp phụ của màng. Kết quả cho capacity. The result shows that solution which made up by 7%
thấy dung dịch với 7% PVA-12% keratin với pH=8 có khả năng PVA -12% keratin at pH = 8 is a good solution to be fabricated
tạo màng tốt và có tính chất khả năng hấp phụ tốt. Trong điều nano film by electrospin and to be good for adsorption. The good
kiện nhiệt 30℃, dung dịch màu pH=8, tỉ lệ 3 g/L, thời gian hấp parameters for adsoption process are adsorbent amount 3 g/L,
phụ là 1 giờ. Mô hình đẳng nhiệt Langmuir được xây dựng (R2 = contact time 1 hour, pH of dye solution pH=8. Langmuir isotherm
0,926), qm = 59, 17 (mg/g), KL = 0,002. (R2 = 0,926) show qm = 59,17 (mg/g), KL = 0,002.
Từ khóa – keratin; electrospin; hấp phụ; methylene blue; mô Key words – keratin; electrospin; adsorption; methylenr
hình Langmuir. blue; Langmuir isotherm.
1. Đặt vấn đề sợi nano được nghiên cứu cho vi lọc và siêu lọc. Bằng
Nước thải từ các ngành công nghiệp sử dụng thuốc cách quay điện các polyme có các nhóm chức hóa học có
nhuộm như thực phẩm, dệt may, giấy, mỹ phẩm và các thể liên kết với các chất hấp phụ độc hại cụ thể, có thể
ngành công nghiệp khác, là nguồn chính gây ô nhiễm chuẩn bị màng cho quá trình khử nước có thể cung cấp
thuốc nhuộm. Vì nhiều thuốc nhuộm và các sản phẩm cả khả năng hấp phụ và lọc. Ưu điểm lớn của việc sử dụng
phân hủy của chúng là độc hại đối với con người và các màng cấu trúc nano với diện tích bề mặt cao là khả năng
sinh vật sống, việc loại bỏ thuốc nhuộm khỏi nước thải hấp phụ tốt của chúng ngay cả ở liều lượng chất hấp phụ
đã nhận được sự quan tâm đáng kể trong những thập kỷ thấp. Mối quan tâm nghiên cứu về khả năng hấp phụ kim
qua. Thuốc nhuộm tổng hợp ổn định với quá trình phân loại của màng mới làm từ sợi nano protein đã được tăng
hủy sinh học, do đó hệ thống xử lý nước thải hiếu khí sinh cường trong những năm gần đây. Trong số các protein tự
học không thành công trong việc loại bỏ màu khỏi nước nhiên, keratin, là thành phần chính của len, lông, sừng,
thải. Hơn nữa, các sản phẩm thoái hóa của một số thuốc móng và lông vũ, là một loại protein phi thực phẩm
nhuộm là độc hại. Vì những lý do này, một số phương phong phú được đặc trưng bởi một số lượng lớn các axit
pháp hóa lý như lọc, keo tụ, oxy hóa hóa học và điện hóa, amin ưa nước có ái lực cao với các loại ion (ví dụ: kim
xử lý ozone và hấp phụ đã được phát triển. Trong số các loại nặng hoặc thuốc nhuộm). Trong đó, lông gà, sản
phương pháp đã nói ở trên, quá trình hấp phụ là một trong phẩm phụ của ngành công nghiệp chế biến gia cầm,
những kỹ thuật hiệu quả và chi phí thấp được nghiên cứu được coi là nguồn bổ sung protein chất lượng cao tiềm
rộng rãi trong những năm gần đây để loại bỏ thuốc nhuộm năng nhờ hàm lượng protein thô hơn 85%. Tuy nhiên,
khỏi nước thải.. Hơn nữa, phương pháp hấp phụ không lông gà đã được phân loại là chất thải vì thiếu các
tạo ra các chất độc hại thứ cấp và bề mặt của chất hấp phụ phương pháp tái chế hiệu quả. Vì những lý do đã nói ở
có thể được chức năng hóa và được thiết kế để tăng hiệu trên, keratin là một sinh khối thú vị với chi phí thấp được
suất hấp phụ đối với chất độc chất cần loại bỏ. Bột than khai thác. Màng sợi nano quay điện dựa trên keratin đã
hoạt tính và các vật liệu sinh học giá rẻ khác nhau đã được được nghiên cứu rộng rãi để loại bỏ các ion kim loại nặng
chứng minh là chất hấp phụ tốt cho nhiều hợp chất hữu khỏi nước cả trong mẻ và trong điều kiện động. Tuy
cơ bao gồm thuốc nhuộm. Tuy nhiên, nhược điểm lớn của nhiên, theo hiểu biết tốt nhất của chúng tôi, không có tài
việc sử dụng chất hấp phụ dạng bột mịn để xử lý nước liệu nào tập trung vào khả năng hấp phụ của thuốc nhuộm
thải là tạo ra một lượng lớn bùn có thể gây ô nhiễm thứ cation lên màng sợi nano dựa trên keratin. Trong nghiên
cấp và các vấn đề trong quá trình tái sinh. Trong bối cảnh cứu này, các màng sợi nano làm từ keratin chiết xuất từ
này, màng sợi nano quay điện, do các đặc điểm thú vị của lông vũ đã được điều chế bằng quy trình electrospin và
chúng như độ xốp cao, diện tích bề mặt riêng cao, tính được đặc trưng bởi hình thái, sự phân bố đường kính, độ
thấm nước cao, kích thước lỗ xốp xen kẽ nhỏ và cấu trúc dày, độ xốp và diện tích bề mặt cụ thể của chúng. Sau đó,
lỗ rỗng liên kết với nhau, là những hệ thống tiên tiến tiềm các màng đã chuẩn bị được thử nghiệm làm chất hấp phụ
năng có thể loại bỏ các chất ô nhiễm khỏi nước với năng Methylene Blue từ dung dịch. Trong đó, khả năng hấp
lượng và chi phí thấp hơn. Ở cùng một áp suất thả, các phụ và hiệu quả loại bỏ keratin của màng sợi nano keratin
bộ lọc làm bằng sợi có đường kính trung bình mịn hơn được đánh giá qua hàm số nồng độ thuốc nhuộm ban đầu,
nửa micrômét (dưới dạng sợi nano) cho thấy khả năng pH, liều lượng chất hấp phụ, thời gian và nhiệt độ. Ngoài
thu thập các hạt mịn hơn so với sợi lọc thông thường vì ra, các mô hình cân bằng (Langmuir, Freundlich,
dòng chảy trượt xung quanh sợi nano làm tăng hiệu quả Dubinin– Radushkevich và Temkin) và động học (giả bậc
khuếch tán, chặn và tác động quán tính. Cụ thể hơn, màng nhất, giả bậc hai) đã được sử dụng để phù hợp với dữ liệu
158
thực nghiệm và đường đẳng áp.[1] C1 là nồng độ MB sau khi hấp phụ (mg/L)
2. Vật liệu và phương pháp VMB là thể tích thuốc nhuộm màng hấp phụ (ml)
2.1. Vật liệu mmàng là khối lượng màng (mg)
2.1.1. Keratin 𝐶0 −𝐶1
+ %R = × 100 ; [2] (CT.2)
𝐶0
Keratin chiết xuất từ lông vũ thu thập được tại Chợ
Hòa Khánh (Hòa Khánh Bắc, Liên Chiều, Đà Nẵng) Trong đó:
2.1.2. Polyvinyl alcohol C0 là nồng độ ban đầu của thuốc nhuộm MB (mg/L)
Sản phẩm của công ty Guangdong Guanghua Sci- C1 là nồng độ MB sau khi hấp phụ (mg/L)
Tech. Xây dựng đừng chuẩn thuốc nhuộm MB.
2.1.3. Methylene blue Từ kết quả thu được ở thí nghiệm tạo màng. Tiến hành
Sản phẩm của Hãng sản xuất: Xilong, Trung Quốc khảo sát khả năng hấp phụ thuốc nhuộm đối với từng loại
màng.
2.2. Phương pháp
Điều kiện tiến hành thí nghiệm:
2.2.1. Tách chiết keratin
+ Nồng độ thuốc nhuộm MB: 250 mg/L
Lông vũ sau khi thu thập từ chợ về được rửa với nước
sạch và dịch chiết bồ hòn để loại bỏ chất béo và phần + Thời gian hấp phụ: 24 giờ
huyết, da, thịt thừa trong lông vũ rồi đem sấy khô. + Nhiệt độ: nhiệt độ phòng
Dùng phương pháp khử để hòa tan keratin từ lông vũ + Liều lượng hấp phụ: 2g/L
với tác nhân khử Urea 5M và Na2S 0,3M. Ủ ở nhiệt độ 2.2.3. Khảo sát điều kiện ảnh hưởng quá trình hấp phụ
80℃ trong 5 giờ. Tỉ lệ khối lượng lông vũ/ thể tích dịch Các điều kiện ảnh hưởng đến quá trình hấp phụ như,
hòa tan là 1/10 (g/ml). Lọc bã thu dịch hòa tan keratin, pH dung dịch thuốc nhuộm, thời gian hấp phụ, nhiệt độ,
dùng dung dịch HCl 5% để chỉnh pH dịch đến pH=3,5 nồng độ ban đầu của thuốc nhuộm, tỉ lệ khối lượng màng
thu được kết tủa keratin. Để lắng, loại bỏ dịch thu được với thể tích thuốc nhuộm được khả sát và lặp lại thí
keratin thô sau đó hòa tan lại trong NaOH 0,2N và lọc bỏ nghiệm 3 lần. Báo cáo số liệu theo giá trị trung bình.
bã thu được dịch keratin hòa tan lần 2. Dùng HCl 5% để
kết tủa keratin lần 2. Tiếp tục để lắng, bỏ dịch thu tủa. Đánh giá hiệu quả hấp phụ dựa vào công thức (CT.1)
Rửa tủa bằng nước cất 3 lần để loại bỏ phần acid, muối và (CT.2) như trên.
dư bám xung quanh phần tủa. 3. Kết quả và thảo luận
Để lắng, bỏ dịch, thu tủa, cân khối lượng tủa thu được. 3.1. Kết quả tách chiết keratin
2.2.2. Electrospin Kết quả thu được khối lượng keratin bằng 50% khối
a. Khảo sát điều kiện tạo màng lượng lông vũ ban đầu.
Pha stock PVA 10% (w/v) và dịch keratin hòa tan 3.2. Kết quả tạo màng
trong NaOH (0,2N) với nồng độ 24% (w/v). Kiểm tra khả a. Khả năng tạo màng và cấu trúc màng
năng tạo màng với các dung dịch có tỉ lệ PVA từ 4÷7%; Khả năng tạo màng với electrospin bị ảnh hưởng
nồng độ keratin từ 5÷15%. nhiều bởi tính chất của dịch tạo màng như độ nhớt, độ
b. Điều kiện tiến hành với electrospin dẫn điện, kích thước phân tử polyme, hằng số dẫn điện
Tiến hành ở nhiệt độ phòng, khoảng cách tấm từ đầu của dung môi,...
kim đến lưới thu là 8 cm, hiệu điện thế là 135 kV, thời Đối với từng loại dịch với các tỉ lệ thành phần PVA –
gian phun 30 phút. keratin khác nhau dẫn đến độ nhớt dung dịch khác nhau
ảnh hưởng đến khả năng tạo màng của từng loại dịch. Kết
c. Kiểm tra tính chất màng
quả khảo sát được trình bày trong Bảng 1. cho thấy ở điều
Màng thu được từ tấm lưới đem kiểm tra tính chất và kiện pH=8, PVA 7% kết hợp với hàm lượng keratin ở các
cấu trúc bằng kỹ thuật chụp kính hiển vi SEM và kiểm tỉ lệ 0%; 5%; 10%; 12% keratin đều cho thấy khả năng
tra khả năng hấp phụ để chọn màng có khả năng hấp phụ tạo màng tốt.
tốt nhất.
Kết quả chụp SEM ở Hình 2. cho thấy cấu trúc bề mặt
Kiểm tra khả năng hấp phụ của màng đối với thuốc của màng được tạo bởi dịch có thành phần 7% PVA –
nhuộm Methylene Blue (MB) ở nồng độ 250 mg/L, 12% keratin có khả năng kéo sợi tốt. Ít sự hình thành các
pH=6, thời gian 24 giờ, nhiệt độ 30℃, tỉ lệ giữa chất hấp hạt. Sự ảnh hưởng bởi độ nhớt của dịch và mật độ ion dẫn
phụ và chất được hấp phụ là 2 g/L. Thí nghiệm được lặp điện dẫn đến sự khác biệt hình thái của màng.
lại 3 lần và báo cáo theo giá trị trung bình.
Khả năng hấp phụ của màng được đánh giá theo q
(mg/g) là khả năng hấp phụ thuốc nhuộm của màng và
%R là khả năng loại bỏ thuốc nhuộm của màng. Công
thức áp dụng tính q (mg/g) và %R như sau:
(𝐶0 −𝐶1 )×𝑉𝑀𝐵
+q= ; [2] (CT.1)
𝑚𝑚à𝑛𝑔
Trong đó: Hình 1. Kết quả tạo màng của dịch lần lượt ở điều kiện 6
C0 là nồng độ ban đầu của thuốc nhuộm MB (mg/L) (A); 7 (B); 8 (C); 9 (D).
159
SVTH: Nguyễn Thị Nguyệt; GVHD: TS. Nguyễn Thị Minh Xuân
3.3. Khảo sát điều kiện ảnh hưởng đến khả năng hấp
phụ của màng
3.3.1. Ảnh hưởng của pH đến khả năng hấp phụ của
màng
pH của dung dịch ảnh hưởng đến điện tích tĩnh điện
trên bề mặt của chất hấp phụ và bề mặt phân tử chất được
hấp phụ, điều này ảnh hưởng đến lực tương tác tĩnh điện
giữa bề mặt chất hấp phụ và chất được hấp phụ.
Hình 2. Kết quả chụp SEM của các loại màng tạo được
Bảng 1. Khảo sát khả năng tạo màng với từng loại dịch.
STT %PVA %keratin Nhận xét
1 4% 0% Không tạo màng Hình 4. Ảnh hưởng của nồng độ keratin đến khả năng hấp
phụ và hiệu suất loại bỏ MB.
2 4% 15% Không tạo màng
Khi pH kiềm, bề mặt chất được hấp phụ tích điện âm,
3 5% 0% Tạo màng kém tạo tương tác tĩnh điện hút các ion dương. Khi pH tăng
4 5% 10% Tạo màng kém cao, bề mặt phân tử thuốc nhuộm cation được bao quanh
bởi các ion âm, dẫn đến giảm tương tác tĩnh điện giữa bề
5 5% 15% Tạo màng kém mặt màng và phân tử thuốc nhuộm.[3]
6 7% 0 Tạo màng tốt Kết quả khảo sát được trình bày ở Hình 5. cho thấy
khả năng hấp phụ và hiệu suất loại bỏ thuốc nhuộm tăng
7 7% 5% Tạo màng tốt dần khi pH tăng từ pH = 3 ÷ 8. Khả năng hấp phụ giảm
8 7% 10% Tạo màng tốt đi khi pH= 10.
9 7% 12% Tạo màng tốt

b. Khả năng hấp phụ của các loại màng
Pha thuốc nhuộm MB ở nồng độ ban đầu là 1000
mg/L. Tiến hành pha loãng ở các nồng độ để dựng đường
tương quan giữa giá trị OD665 và nồng độ MB. Kết quả
thu được như đồ thị như Hình 3. với phương trình:
y = 0,2346x – 0,0125
Với y là giá trị OD665 tương ứng với nồng độ thuốc
nhuộm x (mg/L)
Hình 3. Đồ thị tương quan giữa OD665 với nồng độ thuốc

nhuộm MB. B
Kết quả kiểm tra được trình bày trong Hình 4. cho Hình 5. Ảnh hưởng của pH đến khả năng hấp phụ (A) và
thấy màng có xu hướng tăng khả năng hấp phụ và hiệu hiệu suất loại bỏ (B)
suất loại bỏ tăng khi tăng tỉ lệ keratin trong dịch tạo màng, 3.3.2. Ảnh hưởng của thời gian đến khả năng hấp phụ
do sự gia tăng số lượng nhóm chức có trong màng. Chọn
màng có tỉ lệ keratin 12% làm loại màng tiếp tục kiểm tra Ở điểm cân bằng tốc độ chất hấp phụ và nhả hấp phụ
các yếu tố ảnh hưởng đến quá trình hấp phụ thuốc nhuộm là bằng nhau, việc xác định điểm cân bằng để kết thúc
của màng. quá trình hấp phụ ở thời điểm phù hợp.
160
Kết quả khảo sát ở Hình 6. cho thấy ở thời điểm 1 giờ,
khả năng hấp phụ bắt đầu ổn định.
Hình 6. Khả năng hấp phụ của màng thay đổi theo thời
gian
3.3.3. Ảnh hưởng của nhiệt độ đến khả năng hấp phụ
Kết quả khảo sát ở Hình 7. Cho thấy khả năng hấp
phụ và hiệu suất loại bỏ giảm khi tăng nhiệt độ từ 30 ÷
50℃.
B
Hình 8. Ảnh hưởng của tỉ lệ chất hấp phụ đến khả năng
hấp phụ (A) và hiệu suất loại bỏ MB (B).
B
Hình 9. Ảnh hưởng của nồng độ ban đầu thuốc nhuộm
B đến khả năng hấp phụ (A) và hiệu suất loại bỏ MB (B).
Hình 7. Ảnh hưởng của nhiệt độ khả năng hấp phụ (A) và
3.3.6. Mô hình đẳng nhiệt Langmuir
hiệu suất loại bỏ (B).
Mô hình Langmuir có dạng:
3.3.4. Ảnh hưởng của tỉ lệ khối lượng màng trên thể tích
𝐾𝐿 𝐶𝑒
thuốc nhuộm qe = qm [3]
1+ 𝐾𝐿𝐶𝑒
Kết quả khảo sát Hình 8. Cho thấy khi tăng tỉ lệ chất Trong đó:
hấp phụ trên chất được hấp phụ thì khả năng hấp phụ
tăng. Ce là nồng độ thuốc nhuộm ở thời điểm cân bằng
(mg/L)
3.3.5. Ảnh hưởng của nồng độ ban đầu của thuốc nhuộm
qe là khả năng hấp phụ tương ứng thời điểm Ce (mg/g)
Kết quả khảo sát ở Hình 9. Cho thấy khả năng hấp
phụ và hiệu suất loại bỏ giảm khi tăng nồng độ ban đầu qm là khối lượng đươn lớp thuốc nhuộm bao phủ
của thuốc nhuộm từ 50 ÷ 500 mg/L. quanh phân tử chất hấp phụ khi hấp phụ (mg/g)
161
SVTH: Nguyễn Thị Nguyệt; GVHD: TS. Nguyễn Thị Minh Xuân
KL là hằng số Langmuir Bảng 3., từ đó xây dựng phương trình động học hấp
Dạng tuyến tính của mô hình Langmuir được viết lại phụ như Hình 11.
như sau: 𝐾
Suy ra: ln ( 𝐿 ) = 0,226
𝐾∗
1 1 1 1
=( ) + [4]  ∆H < 0
𝑞𝑒 𝑞𝑚 𝐾𝐿 𝐶𝑒 𝑞𝑚
Kết quả thí nghiệm thu được số liệu như Bảng 2. Từ Vậy quá trình màng keratin hấp phụ thuốc nhuộm MB
đó xây dựng được phương trình đường chuẩn mô hình là quá trình tỏa nhiệt
Langmuir như Hình 10. Bảng 3. Số liệu khảo sát nhiệt động học
Từ đó suy ra: qm = 59,17 (mg/g); KL = 0,002 Nhiệt C0 Ce log
Bảng 2. Số liệu khảo sát xây dựng mô hình Langmuir. độ (℃) (mg/L) (mg/L) Ce/C0 Ce/C0
C0 qtb Ce 30 244,03 198,56 0,093 -1,031
1/Q 1/C
(mg/L) (mg/g) (mg/L)
40 250,43 221,58 0,058 -1,240
57,2 5,5 40,6 0,180 0,025
50 257,25 227,97 0,057 -1,245
112,6 8,6 86,7 0,116 0,012
254,3 15,8 206,9 0,063 0,005
528,7 66,8 328,4 0,015 0,003
C0 qtb Ce
1/Q 1/C
(mg/L) (mg/g) (mg/L)
57,2 5,5 40,6 0,180 0,025
112,6 8,6 86,7 0,116 0,012
254,3 15,8 206,9 0,063 0,005 Hình 11. Phương trình nhiệt động học quá trình hấp phụ
528,7 66,8 328,4 0,015 0,003 MB.
4. Kết luận
Màng được tạo ra ở điều kiện 7% PVA – 12% keratin
cho thấy có khả năng hấp phụ tốt.
Hấp phụ tốt ở điều kiện pH=8, tỉ lệ khối lượng màng
trên thể tích chất hấp phụ 3 g/L, nhiệt độ 30℃, nồng độ
ban đầu của thuốc nhuộm 500 mg/L.
Quá trình hấp phụ là quá trình tỏa nhiệt.
Mô hình đẳng nhiệt Langmuir được xây dựng (R2 =
0,926), qm = 59, 17 (mg/g), KL = 0,002.
Hình 10. Mô hình Langmuir.

3.3.7. Nhiệt động học quá trình hấp phụ
[1] A. Aluigi, F. Rombaldoni, C. Tonetti, and L. Jannoke, “Study of
Phương trình nhiệt động học quá trình hấp phụ: Methylene Blue adsorption on keratin nanofibrous membranes,”
𝐶𝑒 ∆𝑆 ∆𝐻 J. Hazard. Mater., vol. 268, pp. 156–165, Mar. 2014, doi:
log ( ) = - [3] (CT.3) 10.1016/j.jhazmat.2014.01.012.
𝐶0 2,303𝑅𝑇 2,303𝑅𝑇
[2] M. K. R. K. Hosne Ara Begum, “Study on the Various Types of
Giá trị ∆H được tính dựa theo công thức: Needle Based and Needleless Electrospinning System for
∆𝐻 Nanofiber Production,” Sci. Acad. Publ., 2017, Accessed: Oct.
KL = K*𝑒 −𝑅𝑇 [3] 30, 2022. [Online]. Available:
http://article.sapub.org/10.5923.j.textile.20170604.03.html#:~:t
Với K* là một hằng số mà ∆H phụ thuộc vào K*. ext=Currently there are two types,various literatures by many
𝐾
 ∆H = -ln ( 𝐿 )RT (Điều kiện: K*>0 ) researchers.
𝐾∗ [3] Mehrorang Ghaedi, Adsorption: Fundamental process and
Từ đó, (CT.3) được viết lại như sau: application. 2021.
𝐾
[4] X. Chen, “Modeling of Experimental Adsorption Isotherm
𝐶𝑒 ∆𝑆 ln( 𝐾∗𝐿) Data,” Information, vol. 6, no. 1, pp. 14–22, Jan. 2015, doi:
log ( ) = + 10.3390/info6010014.
𝐶0 2,303𝑅𝑇 2,303
Số liệu thu được trong thực nghiệm thể hiện ở
162
KHẢO SÁT CÁC ĐIỀU KIỆN THU NHẬN TINH BỘT

KHÁNG TIÊU HÓA LOẠI 3 VÀ 4 TỪ TINH BỘT HẠT MÍT THÁI LÁ BÀNG
(ARTOCARPUS HETEROPHYLLUS)
RESEARCH ON THE PRODUCTION CONDITIONS OF RESISTANCE STARCH
TYPES 3 AND 4 FROM SUPER THAI JACKFRUIT SEED STARCH
(ARTOCARPUS HETEROPHYLLUS)
SVTH: Nguyễn Thị Thu Phương

Lớp 18H2B, Khoa Hóa, Trường Đại học Bách Khoa Đà Nẵng; Email: tp081200@gmail.com
GVHD: PGS.TS Đặng Minh Nhật
Khoa Hóa, Trường Đại học Bách Khoa Đà Nẵng; Email: Nhatdangminh@gmail.com
GVHD: Th.S Hồ Thị Hảo
Khoa Nông lâm nghiệp, Trường Đại học Tây Nguyên; Email: hothihaotnu@gmail.com
Tóm tắt – Tinh bột kháng tiêu hóa (RS) là tinh bột không thể Abstract - Resistant starch (RS) is the sum of starch that
tiêu hóa bởi hệ enzyme tiêu hóa và có thể được lên men bởi các cannot be digested by gastrointestinal digestion and can be the
vi sinh vật ở ruột kết, tạo ra chất chuyển hóa có lợi như các acid substrate for colonic microbial fermentation which producing
béo chuỗi ngắn (sCFA). Hạt mít là nguồn tinh bột kháng dồi dào beneficial metabolites such as short-chain fatty acids (sCFAs).
song vẫn chưa được khai thác và được xem như phế phẩm của Jackfruit seeds are a rich source of resistant starch but are still
ngành công nghiệp thực phẩm. Mục tiêu chính của nghiên cứu untapped and are considered a food industry waste. The main
này sẽ khảo sát các điều kiện thu nhận tinh bột kháng tiêu hóa focus of this study will be to research the conditions for producing
loại 3 và 4 (RS3 và RS4) từ tinh bột hạt mít giống Thái lá bàng resistant starch types 3 and 4 (RS3 and RS4) from the starch of
tại thành phố Buôn Ma Thuột, tỉnh Đắk Lắk. Tinh bột được sản jackfruit seeds of Super Thai variety in Buon Ma Thuot city, Dak
xuất bằng phương pháp tái kết tinh theo chu kỳ (RS3) và phương Lak province. Resistant starch is produced by cyclic
pháp biến tính hóa học bởi các acid hữu cơ an toàn (acid acetic, retrogradation (RS3) and chemical modified by safety organic
acid citric và acid lactic) kết hợp nhiệt độ cao (RS4). Kết quả ghi acids combined high-temperature (RS4). The results recorded a
nhận sự tăng hàm lượng RS đáng kể ở cả 2 phương pháp: từ significant increase of RS content in both methods: the original
mẫu tinh bột hạt mít ban đầu có hàm lượng RS là 63,47%, jackfruit seed starch with RS content of 63.47%, the RS3 method
phương pháp tạo RS3 thu được 73,52% RS; trong ba loại acid obtained 73.52% RS; in the three acids used in RS4 production,
sử dụng để thu nhận RS4, acid acetic có tiềm năng tạo RS4 cao acetic acid has the highest potential (84.83% RS), followed by
nhất (84,83% RS), sau đó đến acid citric (71,36% RS); đối với citric acid (71.36% RS); for lactic acid, the RS content decreased
acid lactic thì hàm lượng RS giảm đáng kể so với ban đầu significantly (27.03% RS).
(27,03% RS). Key words – Resistant starch (RS); jackfruit seed; jackfruit
Từ khóa – Tinh bột kháng tiêu hóa (RS); hạt mít; tinh bột hạt seed starch; ressistant starch type 3 (RS3); resistant starch type
mít; tinh bột kháng loại 3 (RS3); tinh bột kháng loại 4 (RS4). 4 (RS4).
1. Đặt vấn đề men prebiotic và sản xuất các acid béo chuỗi ngắn
Mít (Artocarpus heterophyllus) là một loại trái cây (SCFAs), chủ yếu là acid acetic, acid propionic và acid
nhiệt đới, được trồng phổ biến ở các nước Đông Nam Á butyric. Quá trình này kìm hãm sự phát triển của một số
và Brazil. Tại Việt Nam, mít mang lại giá trị kinh tế lớn, chủng vi khuẩn gây bệnh và hỗ trợ sản xuất mucin trong
chủ yếu được ăn tươi hoặc chế biến thành các sản phẩm ruột kết, giúp ngăn ngừa các bệnh đường tiêu hóa kể cả
sấy. Tuy nhiên, hạt mít (chiếm khoảng 10 đến 15% tổng ung thư ruột kết [2].
trọng lượng quả) không có công dụng và bị coi là phế Vì những lợi ích trên, nhu cầu tiêu thụ RS tăng cao,
phẩm, mặc dù chúng rất giàu tinh bột tiêu hóa chậm, dẫn đến rất nhiều nghiên cứu đã được thực hiện nhằm
protein, chất xơ thô, các dưỡng chất thực vật như lignans tăng nồng độ RS trong thực phẩm nói chung và hạt mít
và isoflavone có tác dụng chống ung thư, chống lão hóa, nói riêng. Một số phương pháp đã được nghiên cứu bao
điều trị tiểu đường và béo phì [1]. gồm những tác động về vật lí (xử lí nhiệt độ, thủy nhiệt,
áp suất), hóa học (acid hóa), sinh học (xử lí enzyme, di
truyền), ... [3] [4]. Hiện tại có 5 dạng RS khác nhau đã
được phân loại (RS1 - RS5) dựa trên cách chúng chống
lại sự tiêu hóa. Trong đó, RS1 là tinh bột kháng được tìm
thấy trong hạt hoặc mô của các loại đậu và ngũ cốc chưa
qua chế biến; RS2 là tinh bột kháng không thể tiếp xúc
được với các enzyme thủy phân do nó có một cấu trúc
tinh thể dày đặc (như khoai tây tươi, chuối xanh, hạt mít);
RS3 được tạo thành nhờ quá trình hồ hóa và phân hủy
Đặc biệt, tinh bột kháng (RS - resistant starch) trong ngược (kết tinh lại); RS4 là tinh bột được biến đổi về mặt
hạt mít có chức năng tương tự như chất xơ hòa tan, chúng hóa học được tạo ra bằng một số phương pháp khác nhau,
đi qua ruột non vào ruột già mà không bị tiêu hóa bởi các bao gồm sự phân hủy liên kết ngang của este giữa các
enzyme của con người. Do đó, phần tinh bột này hoạt phân tử tinh bột, bổ sung các nhóm thành phần hóa học
động như một chất nền carbon cho vi khuẩn có lợi lên hoặc bằng cách thủy phân và xử lý nhiệt bằng acid [5] và
RS5 là một loại RS phát sinh từ sự hình thành các phức
163
SVTH: Nguyễn Thị Thu Phương; GVHD: PGS.TS Đặng Minh Nhật, Th.S Hồ Thị Hảo
hợp amylose-lipid - hình thành trong quá trình chế biến Hạt mít sau khi loại bỏ lớp vỏ cứng bên ngoài được
thực phẩm đóng gói hoặc trong các điều kiện được kiểm xay nhuyển và pha loãng trong nước cất (1:2), khuấy từ
soát [6]. liên tục (500 vòng / phút) trong 3 giờ ở nhiệt độ phòng.
Mục tiêu của nghiên cứu này sẽ tập trung vào khảo Sau đó lọc loại bã bằng rây hoặc vãi lọc.
sát các điều kiện thu nhận tinh bột kháng tiêu hóa loại 3 Huyền phù sữa thu được đem ly tâm ở tốc độ 8000g
và 4 (RS3 và RS4) từ tinh bột hạt mít Thái lá bàng – một trong 5 phút, và phần nổi phía trên được gạn bỏ. Lớp bùn
trong những giống mít phổ biến nhất hiện nay, từ đó góp bên dưới thêm natri hydroxit 0,1M để hòa tan các protein
phần mở ra hướng đi mới trong việc tận dụng phụ phẩm còn lại. Huyền phù được giữ ở nhiệt độ phòng trong 18
hạt mít của ngành công nghiệp thực phẩm, đa dạng các giờ với khuấy liên tục.
mặt hàng RS trên thị trường, bảo vệ môi trường và tạo Sau đó, huyền phù được ly tâm ở 8000g trong 10 phút
thêm nguồn thu nhập cho bà con nông dân. (25°C) và tráng bằng natri hydroxit 0,1M hai lần. Phần
nổi phía trên được gạn, và lớp màu nâu còn lại cũng được
cạo bỏ. Mẫu sau đó được rửa sạch bằng nước và trung
hòa bằng acid clohydric 0,1M cho đến khi đạt được độ
pH khoảng 6,5 đến 7,0. Mẫu bột được rửa thêm ba lần
bằng nước cất để loại bỏ muối thừa và ly tâm lại ở 8000g
trong 10 phút (25°C).
2.2.2. Bố trí thí nghiệm
a. Phương pháp thu nhận RS3
Phương pháp thu nhận RS3 được xây dựng dựa trên
phương pháp nấu hơi nước của Abioye và cộng sự
(2017), được đề cập trong nghiên cứu “Ảnh hưởng của
thời gian nấu và bảo quản bằng hơi nước đến sự hình
thành tinh bột kháng và các đặc tính chức năng của tinh
bột sắn” [8].
Cách tiến hành: Chuẩn bị 6 mẫu gồm 5 gam tinh bột
hạt mít phân tán trong 20 ml nước, đem hấp cách thủy
trong 20 phút. Mẫu 1 để nguội ở nhiệt độ phòng. Mẫu 2
để ở nhiệt độ phòng trong 10 giờ. Mẫu 3 làm nguội ở
nhiệt độ phòng và làm lạnh ở 40C trong 24 giờ. Mẫu 4, 5
và 6 là hồ tinh bột đã chuẩn bị được lặp lại với chu trình
nấu-làm mát lần hai và sấy khô ở 50°C trong 24 giờ. Sau
đó nghiền mịn và sàng qua rây 0,3 mm.
Xác định hàm lượng RS của 3 mẫu trên bằng phương
pháp AOAC 2002.02 , mỗi thí nghiệm được lặp lại 3 lần
[9] [10].
Hình 2.1 Phương pháp thu nhận tinh bột hạt mít
2. Nguyên liệu và phương pháp nghiên cứu
2.1. Nguyên liệu
Tinh bột từ hạt mít Thái lá bàng, hạt mít thu mua từ
các chợ trên địa bàn thành phố Buôn Ma Thuột, tỉnh Đắk
Lắk.
2.2. Phương pháp nghiên cứu
2.2.1. Phương pháp thu nhận tinh bột
Quá trình thu nhận tinh bột hạt mít được thực hiện
theo phương pháp của Wong và cộng sự (2021) [7]. Hình 2.1 Phương pháp thu nhận tinh bột kháng loại 3
164
b. Phương pháp thu nhận RS4 2.2.3. Phương pháp xác định các đặc tính hóa lý của tinh
bột hạt mít
- Xác định hàm lượng tinh bột kháng tiêu hóa trong
hạt mít bằng phương pháp AOAC 2002.02 [10].
Nguyên lý của phương pháp: Phần tinh bột không
phải là kháng tinh bột (tinh bột hoà tan) được hoà tan và
thuỷ phân thành glucose dưới tác dụng của hỗn hợp α-
amylase tụy và amyloglucosidase (AMG) trong 16 giờ ở
370C. Dừng phản ứng bằng cách thêm etanol hoặc cồn
công nghiệp đã metyl hóa, phần kháng tinh bột được thu
hồi bằng cách ly tâm. Kháng tinh bột trong phần chất rắn
sau ly tâm được hoà tan trong dung dịch kali hydroxit 2M
bằng cách khuấy mạnh trong bể cách thủy nước đá. Dung
dịch này được trung hoà bằng dung dịch đệm acetat và
tinh bột được thuỷ phân hoàn toàn thành glucose bằng
AMG. Glucose được xác định bằng thuốc thử glucose
oxidase-peroxidase (GOPOD), qua đó xác định hàm
lượng kháng tinh bột. Phần tinh bột hoà tan được xác định
từ hàm lượng glucose có trong dịch trong ban đầu và dịch
rửa, sử dụng thuốc thử GOPOD.
- Phân tích kính hiển vi điện tử quét (SEM): SEM thí
nghiệm để phân tích bề mặt hạt, hình dạng và kích thước
bằng cách sử dụng thiết bị JEOL JSM-5410LV (JEOL,
Hoa Kỳ) được trang bị máy dò trường lớn. Các điện áp
gia tốc là 15 kV ở chế độ chân không thấp (0,7- 0,8 torr).
Mẫu được đặt trên một cuống đồng với băng dính và phủ
vàng dưới chân không. Các hình ảnh được chụp ở độ
phóng đại 2000xvòng [11].
Hình 2.2 Phương pháp thu nhận tinh bột kháng loại 4
2.2.4. Phương pháp xử lý số liệu
* Chuẩn bị acid phối trộn: Cân 20 gam acid citric/acid Kết quả thí nghiệm được tiến hành với 3 lần lặp lại và
acetic/acid lactic, hòa tan trong 20 mL nước, sau đó dùng xử lý thống kê trên phần mềm Excel và Statgraphics. Các
NaOH 10 M để điều chỉnh độ pH của dung dịch đến 3,5; số liệu biểu diễn giá trị trung bình của 3 lần lặp lại ± độ
và cuối cùng thêm nước đến thể tích cuối cùng là 50 mL. lệch chuẩn với mức ý nghĩa p≤ 5%.
 Quy trình thí nghiệm: 3. Kết quả nghiên cứu và khảo sát
* Thí nghiệm 1: Khảo sát tỉ lệ phối trộn acid : tinh 3.1. Khảo sát thời gian làm nguội ảnh hưởng đến hàm
bột lượng RS3
+ Thông số cố định: thời gian ủ 16 giờ, gia nhiệt ở Chuẩn bị 3 mẫu tinh bột, hồ hóa bằng hấp cách thủy
120oC trong 6 giờ, sấy ở 450C trong 24 giờ, nghiền thành và làm nguội theo 3 cách: làm nguội ở nhiệt độ phòng,
bột mịn. làm nguội ở nhiệt độ phòng trong 10 giờ và làm nguội ở
+ Thông số khảo sát: acid citric, acid acetic, acid 40C trong 24h. Chuẩn bị 3 mẫu khác xử lý tương tự
lactic với tỷ lệ phối trộn acid : tinh bột lần lượt là 1:1; 1:2 nhưng lặp lại bước hấp và làm nguội. Tất cả mẫu được
và 2:1. sấy ở 500C trong 24h, sau đó nghiền và rây mịn. Mỗi mẫu
+ Chỉ tiêu theo dõi: hàm lượng RS4 tạo thành. đo RS lặp lại 3 lần. Kết quả thể hiện ở Bảng 3.1 và Hình
3.1.
* Thí nghiệm 2: Khảo sát thời gian ủ
Bảng 3.1 Ảnh hưởng của thời gian làm nguội đến hàm
+ Thông số cố định: : tỉ lệ phối trộn acid : tinh bột của
lượng RS3
thí nghiệm 1, gia nhiệt ở 1200C trong 6 giờ, sấy ở 450C
trong 24 giờ, nghiền thành bột mịn. Mẫu
+ Thông số khảo sát: thời gian ủ 12 giờ, 16 giờ, 20 Thời gian làm nguội đối
giờ.
Lần
hấp chứng
+ Chỉ tiêu theo dõi: hàm lượng RS4 tạo thành.
* Thí nghiệm 3: Khảo sát thời gian gia nhiệt 0 giờ 10 giờ 24 giờ
+ Thông số cố định: tỉ lệ phối trộn acid : tinh bột của Hấp
thí nghiệm 1, thời gian ủ của thí nghiệm 2, gia nhiệt ở 65,792A 67,572B 71,624C
lần 63,47±
1200C, sấy ở 450C trong 24 giờ, nghiền thành bột mịn. ± 1,074 ± 0,596 ± 0,608
1 1,025
+ Thông số khảo sát: thời gian gia nhiệt là 3 giờ, 6
giờ, 9 giờ. Hấp 66,224a 69,088b 73,517c
+ Chỉ tiêu theo dõi: hàm lượng RS4, SEM của RS4 lần ± 0,913 ±1,313 ± 1,112
đối với 3 acid sử dụng
165
2 bột sắn” Trong nghiên cứu này, tinh bột sắn bản địa được
tách hạt bằng enzyme isoamylase, nấu chín bằng hơi
Ghi chú: Hàm lượng tinh bột kháng được thể hiện nước ở áp suất cao và khí quyển và làm nguội ở 5–7°C
dưới dạng TB ± SD. Trong cùng một hàng, giá trị TB và -18°C trong 48 giờ. Hàm lượng RS của tinh bột sắn
theo sau bởi cùng một chữ cái thì không có sự khác biệt được nấu chín ở áp suất khí quyển và được bảo quản
có ý nghĩa thống kê ở mức ý nghĩa p=0,05. trong điều kiện làm lạnh cao hơn so với tinh bột hấp ở áp
suất cao và cấp đông trong 48 giờ . Các giá trị thấp hơn
KHẢO SÁT THỜI GIAN LÀM NGUỘI thu được trong các mẫu được bảo quản trong điều kiện
80 C c
A a B b đông lạnh có thể là do lượng nước sẵn có thấp hơn so với
các mẫu được làm lạnh [8].
Hàm lượng RS, %
60
Hấp Tuy nhiên, theo nghiên cứu của Serpil Ozturk và cộng
lần 1 sự năm 2011 báo cáo rằng quá trình thủy phân bằng acid,
40
Hấp 3 lần xử lý trong nồi hấp cũng như làm lạnh đều không
20 lần 2 có bất kỳ tác động tích cực có ý nghĩa thống kê nào đối
với hàm lượng RS. Cụ thể, tiến hành thí nghiệm trên mẫu
0 tinh bột ngô có hàm lượng amylose cao H5 (43%) và H7
0h 10h 24h (53%) được thủy phân bằng acid bằng HCl ở 40 0C, hấp
Thời gian làm nguội, giờ tiệt trùng ở 1350C trong 30 phút bảo quản ở 40C và 950C
quy trình được lặp lại 3 lần. Sau 3 lần hấp các mẫu được
Hình 3.1 Ảnh hưởng của thời gian làm nguội đến hàm
làm khô bằng tủ sấy ở 500C hoặc làm khô bằng đông lạnh,
lượng RS3
kết quả thu được hàm lượng RS của cả 2 mẫu tinh bột
Dựa vào kết quả trên Bảng 3.1 và Hình 3.1, có thể đều giảm còn 26,7% và 37,4% đối với tinh bột H5 và H7.
thấy hàm lượng RS3 của tinh bột hạt mít tăng khi thời Trong tinh bột có hàm lượng amylose thấp, quá trình hấp
gian làm nguội tăng ở cả điều kiện thường và 40C. Cụ thể, tiệt trùng-làm nguội được biết đến để tăng hàm lượng RS.
khi hấp lần 1, làm nguội ở 0 giờ,10 giờ nhiệt độ phòng và Trong nghiên cứu này, quá trình thủy phân bằng acid
24 giờ ở 40C hàm lượng RS tăng từ 2,33% đến 8,2% so không làm thay đổi hàm lượng RS trong tinh bột, điều
với mẫu đối chứng. Các mẫu sau khi làm nguội ở các này có thể là do acid được ủ ở nhiệt độ thấp và thời gian
khoảng thời gian 0 giờ, 10 giờ ở nhiệt độ phòng và 24 giờ ngắn không đủ để làm suy giảm RS2 và để tạo thành RS3.
ở 40C có kết quả thu được lần lượt là 65,792%; 67,572%; Quá trình hấp tiệt trùng phá hủy cấu trúc tinh thể và khối
71,624%; ở lần hấp 2 RS tăng từ 2,75% đến 10,05% với lượng vô định hình của tinh bột, thời gian làm lạnh các
các mẫu sau khi làm nguội ở 0 giờ, 10 giờ và 24 giờ ở phân tử tinh bột có thể liên kết lại và hình thành các cấu
40C có kế quả lần lượt là 66,224%, 69,08%, 73,517%. trúc được đóng gói chặt chẽ làm hạn chế khả năng tiếp
Có thể giải thích là do quá trình phân hủy ngược trong cận bằng các men tiêu hóa. Tuy nhiên, khi sự phân hủy
tinh bột hạt mít, sự tái kết tinh amylose trong quá trình quá mức xảy ra các chuỗi tinh bột không có tính linh động
thoái hóa tinh bột là nguyên nhân hình thành RS3. Trong và không thể tự do tương tác với nhau, khiến chúng dễ
phương pháp này, tinh bột được hồ hóa ở nhiệt độ 100°C dàng bị tiêu hóa bởi các enzyme, dẫn đến hàm lượng RS
khiến các phân tử amylose chuỗi dài bị phá vỡ và tạo thấp hơn [14].
thành các chuỗi amylose ngắn , phân tử tinh bột và nhóm Từ kết quả trên, chúng tôi nhận thấy mẫu tinh bột
–OH tự do nhiều hơn và khi làm mát, các chuỗi amylose được hấp 3 lần, làm nguội ở 40C trong 24 giờ có hàm
có thể liên kết với nhau để hình thành liên kết hydro. lượng RS3 tối ưu và hiệu quả kinh tế nhất.
Chúng tạo thành các tinh thể RS3, không thể tiếp cận
3.2. Khảo sát các điều kiện thu nhận RS4 tạo thành
được với các enzyme thủy phân tinh bột do chúng được
đóng gói chặt chẽ, càng nhiều chu trình hấp/làm nguội sự 3.2.1. Khảo sát tỉ lệ phối trộn acid : tinh bột
phân cắt và tái kết tinh càng nhiều thì hàm lượng RS3 Ở thí nghiệm này, tiến hành khảo sát các mẫu tinh bột
càng cao [3]. hạt mít được xử lí với các acid citric, acid lactic và acid
Kết quả này cũng phù hợp với nghiên cứu của Sonia acetic. Tỷ lệ phối trộn acid:tinh bột lần lượt là 1:1, 1:2 và
và cộng sự năm 2015 đã thực hiện trên cơm nguội trắng 2:1. Các thông số cố định: thời gian ủ 16 giờ, gia nhiệt ở
nấu chín (nấu chín-làm nguội) cụ thể gạo trắng được nấu 1200C trong 6 giờ. Thí nghiệm lặp lại 3 lần, kết quả trình
chín bằng nồi cơm điện và làm nguội ở nhiệt độ phòng bày ở Bảng 3.2 và Hình 3.2.
trong 10 giờ và ở 4oC trong 24 giờ lăp lại 3 lần, amylose Bảng 3.2 Ảnh hưởng của tỉ lệ phối trộn acid : tinh bột
thu được lần lượt là 24% và 25,6%. Hàm lượng amylose đến hàm lượng RS4
cao hơn có thể làm tăng tỷ lệ amylose-amylopectin và
tăng tốc độ thoái hóa tinh bột, làm lạnh và bảo quản tinh Tỉ lệ phối trộn acid : tinh bột
Loại (v/w) Mẫu đối
bột cho phép tinh bột tái kết tinh và hình thành tinh bột acid chứng
kháng tiêu hóa RS3 [12]. Chung và cộng sự năm 2006 1:2 1:1 2:1
cũng báo cáo về tinh bột gạo sáp rằng ở nhiệt độ làm lạnh
4°C làm tăng hàm lượng RS3, sự phân hủy ngược là tối Acid 64,4A ± 67,04B ± 70,75C ±
ưu ở 1-25°C và thời gian lưu trữ lâu hơn cho phép xảy ra citric 0,087 0,759 0,312
nhiều sự phân hủy ngược hơn [13]. 63,47±
Acid 27,34x 23,83y ± 18,66z ± 1,025
Theo Abioye và cộng sự năm 2017 “Ảnh hưởng của lactic ± 0,496 0,834 0,826
thời gian nấu và bảo quản bằng hơi nước đến sự hình
thành tinh bột kháng và các đặc tính chức năng của tinh Acid 67,41a ± 70,71b ± 83,72c ±
166
acetic 0,745 0,675 0,294 hóa và làm lạnh) được ester hóa với acid acetic và acid
adipic, cho rằng chúng có thể được coi như một chế phẩm
Ghi chú: Hàm lượng RS được thể hiện dưới dạng TB của tinh bột kháng loại 3 và 4, đồng thời mức độ RS tạo
± SD. Trong cùng một hàng, giá trị TB theo sau bởi cùng thành tỉ lệ thuận với mức độ ester hóa (tương ứng với
một chữ cái thì không có sự khác biệt có ý nghĩa thống lượng acid phản ứng [17].
kê ở mức ý nghĩa p=0,05.
Mẫu RS4 xử lí bằng acid citric cũng cho kết quả hàm
lượng RS tăng khi tăng tỉ lệ acid:tinh bột. Điều này tương
tự với nghiên cứu Kim và cộng sự về “Tính chất cấu trúc
và khả năng tiêu hóa của tinh bột gạo kháng tiêu hóa sử
dụng acid citric”, nghiên cứu chỉ ra khi xử lí tinh bột gạo
bằng acid citric tỉ lệ 0%, 1%, 10% và 30% (w/w) thu được
hàm lượng RS lần lượt là 11.3%, 17.4%, 35.4% và
63,8%, mẫu lớn nhất có giá trị RS4 cao gấp 5,6 lần mẫu
tinh bột gạo đối chứng [7].
Tuy nhiên, kết quả này không tương đồng với nghiên
cứu Phạm Văn Hưng và cộng sự vào năm 2014 thực hiện
trên nguyên liệu là tinh bột khoai lang và tinh bột khoai
mỡ. Cụ thể, nghiên cứu của Phạm Văn Hưng kết luận
rằng acid citric có tác động lớn nhất đến sự hình thành
Hình 3.2 Đồ thị biểu diễn ảnh hưởng của tỉ lệ phối trộn
RS, tiếp theo là acid lactic và cuối cùng là acid acetic,
acid : tinh bột đến hàm lượng RS4
trong khi nghiên cứu của chúng tôi cho thấy acid lactic
Từ kết quả thống kê cho thấy giá trị RS của các mẫu không có tác động làm tăng RS, ngược lại còn có xu
theo 3 tỉ lệ phối trộn có sự khác biệt có ý nghĩa thống kê hướng giảm mạnh khi tăng lượng acid. Sự mâu thuẫn này
(p<0,05). Nhận thấy RS tăng khi tăng tỉ lệ acid:tinh bột có thể là do sự khác biệt về nguồn gốc và đặc tính của các
và đạt giá trị cao nhất với tỉ lệ là 2:1, cao hơn từ 7,3% nguồn tinh bột và điều kiện sử dụng để biến đổi tinh bột
(acid citric) đến 20,3% (acid acetic) so với mẫu tinh bột [15].
đối chứng. Riêng các mẫu xử lí với acid lactic ghi nhận
Từ kết quả trên, chúng tôi nhận thấy mẫu tinh bột có
sự giảm đáng kể hàm lượng RS, thấp hơn từ khoảng
kết quả hàm lượng RS4 cao nhất khi xử lý bằng acid
36,1% đến 44,7%.
citric, acid acetic và acid lactic tương ứng với tỉ lệ phối
Trong quá trình ủ, acid sẽ thủy phân các phần vô định trộn acid:tinh bột lần lượt là 2:1; 2:1 và 1:2. Do đó, chúng
hình của hạt tinh bột và sau đó thủy phân vùng kết tinh. tôi lựa chọn các tỉ lệ phối trộn như trên để tiến hành thí
Điều này sẽ dẫn đến việc tạo ra các chuỗi ngắn hơn, các nghiệm tiếp theo.
chuỗi này sau đó sẽ được tổ chức lại qua quá trình hấp
3.2.2. Khảo sát thời gian ủ
tiệt trùng và và sắp xếp lại tạo thành cấu trúc chuỗi xoắn
kép có trật tự hơn (hình thành các liên kết chéo) có thể Từ kết quả có được ở thí nghiệm 1, chúng tôi tiến
ngăn cản sự thủy phân của enzyme tiêu hóa như α- hành xác định thời gian ủ acid ở các khoảng: 12h,16h và
amylase và amyloglucosidase (AMG) [6]. 20h. Các thông số cố định bao gồm: tỉ lệ phối trộn acid :
tinh bột 2:1, gia nhiệt ở 1200C trong 6 giờ. Thí nghiệm
Trong quá trình gia nhiệt, chúng tôi cho rằng các acid
được lặp lại 3 lần, kết quả trình bày ở Bảng 3.3 và Hình
bị khử nước để tạo các anhydride acid, nước này sẽ phản
3.3.
ứng hồ hóa một phần tinh bột để tạo RS3 từ đó làm tăng
hàm lượng RS tổng. Lượng tinh bột còn lại dưới tác dụng Bảng 3.3 Ảnh hưởng của thời gian ủ acid đến hàm
nhiệt và ẩm bị dãn cấu trúc, trương lên, tăng sự thay thế lượng RS4 tạo thành
các gốc hydroxyl của chuỗi tinh bột bởi các anhydride
Thời gian ủ acid Mẫu
acid tạo ra trước đó, cấu hình tinh bột tạo thành bền hơn,
do vậy enzyme khó thủy phân hơn. đối
Loại chứng
Một cách giải thích khác cho sự tăng RS của tinh bột acid
có thể là sự giảm hệ số trương nở của tinh bột. Khả năng 12h 16h 20h (tinh
trương nở của tinh bột khi được xử lý bằng acid-nhiệt ẩm bột)
giảm đi là do sự hiện diện của các phân tử có chuỗi ngắn
được tạo ra bởi quá trình thủy phân bằng acid, từ đó gây 67,55A
khó khăn cho việc tiếp cận của các enzyme tiêu hóa với Acid 70,48B 72,64C
±
các hạt tinh bột và từ đó làm tăng hàm lượng RS [15]. citric ± 0,361 ± 0,265
0,788
Theo nghiên cứu của Kim và cộng sự (2017), khi xử lý
63,47
nhiệt và acid citric tỉ lệ 30% (w/w), hệ số trương nở của 33,46x
tinh bột gạo giảm đáng kể từ 16,29 xuống còn 4,07 tương Acid 26,89y 24,85z ±
± 1,025
ứng với hàm lượng RS tăng từ 11,29% lên 63,77% [16]. lactic ± 0,923 ± 0,901
0,372
Trong 3 loại acid khảo sát, mẫu RS4 xử lí bằng acid
acetic có hiệu quả tăng RS cao nhất. Chúng tôi suy đoán Acid 66,55a
rằng mẫu đo này là hỗn hợp của tinh bột kháng loại 3 và 83,48b 85,38c
aceti ±
4. Để dẫn chứng, theo nghiên cứu của Kapelko-Zeberska ± 0,741 ± 0,528
và cộng sự tiến hành trên mẫu tinh bột khoai tây (đã hồ
c 0,765
167
Ghi chú: Hàm lượng RS được thể hiện dưới dạng TB acid:tinh bột được chọn ở thí nghiệm 1, thời gian ủ được
± SD. Trong cùng một hàng, giá trị TB theo sau bởi cùng chọn ở thí nghiệm 2, gia nhiệt ở 1200C. Thí nghiệm được
một chữ cái thì không có sự khác biệt có ý nghĩa thống lặp lại 3 lần, kết quả trình bày ở Bảng 3.4 và Hình 3.4.
kê ở mức ý nghĩa p=0,05. Bảng 3.4 Ảnh hưởng của thời gian gia nhiệt đến
hàm lượng RS4 tạo thành
Thời gian gia nhiệt Mẫu
Loại
đối
acid 3h 6h 9h chứng
Acid 63,963A 71,357B 71,85B
citric ± 1,175 ± 0,552 ± 0,342
Acid 49,343x 33,437y± 21,037z 63,47±
lactic ± 0,201 1,166 ± 3,415 1,025
Acid 64,12a 84,833b 85,977b
acetic ±0,966 ± 0,716 ± 0,647
Hình 3.3. Đồ thị biểu diễn ảnh hưởng của thời gian ủ Ghi chú: Hàm lượng RS được thể hiện dưới dạng TB
acid đến hàm lượng RS4 ± SD. Trong cùng một hàng, giá trị TB theo sau bởi cùng
Từ kết quả khảo sát cho thấy giá trị RS4 của các mẫu một chữ cái thì không có sự khác biệt có ý nghĩa thống
theo 3 mốc thời gian ủ có sự khác biệt có ý nghĩa thống kê ở mức ý nghĩa α=0,05.
kê (p<0,05). Nhận thấy rằng đối với acid acetic và acid
citric, hàm lượng RS4 tăng khi tăng thời gian ủ và đạt giá
trị cao nhất với thời gian ủ là 20 giờ (tốc độ tăng RS giảm
theo thời gian ủ), cao hơn từ 9% (acid citric) đến 21,9%
(acid acetic) so với mẫu tinh bột đối chứng. Riêng các
mẫu xử lí với acid lactic, vẫn ghi nhận sự giảm hàm lượng
RS, thấp hơn từ khoảng 30,0% đến 39,6%.
Như vậy, thời gian ủ có ảnh hưởng đến sự tăng hàm
lượng RS4 (đối với acid acetic và acid citric) trong
phương pháp acid-nhiệt. Thời gian ủ acid càng lâu thì
càng tạo điều kiện cho nhiều phân tử acid thâm nhập vào
các hạt tinh bột và từ đó tạo ra nhiều cơ chất cho các phản
ứng tiếp theo như phản ứng phân cắt, sắp xếp lại chuỗi
tinh bột, phản ứng thay thế các hydroxyl bởi các
anhydride acid, sự trương nở tinh bột, phản ứng hồ Hình 3.4. Đồ thị biểu diễn ảnh hưởng của thời gian
hóa,… diễn ra trong giai đoạn gia nhiệt, như đã nêu ở gia nhiệt đến hàm lượng RS4
trên. Từ kết quả khảo sát cho thấy giá trị RS của các mẫu gia
Nhận định trên phù hợp khi so sánh 2 nghiên cứu nhiệt 6 giờ và 9 giờ không có sự khác biệt có ý nghĩa thống
tương tự của Wepner và cộng sự (1999) và Xie & Liu kê (acid acetic và acid citric - p<0,05). Mẫu có RS cao nhất
(2004). Cụ thể, hai nghiên cứu trên tiến hành tạo tinh bột là mẫu sử dụng acid acetic với thời gian gia nhiệt 9
citrate từ tinh bột ngô thông thường bằng cách xử lý tinh giờ, đạt 85,98% RS, cao hơn 22,52% so với mẫu tinh bột
bột bằng acid citric 40% (w/w) tại thời gian và nhiệt độ đối chứng. Riêng các mẫu xử lí với acid lactic, vẫn ghi
phản ứng khác nhau. Wepner báo cáo thời gian phản ứng nhận sự giảm hàm lượng RS, thấp hơn từ khoảng 13,1%
tốt nhất là 5 giờ ở 1400C, thu được 50,8% tinh bột kháng, đến 42,4%.
trong khi Xie và Liu thu được lên đến 78,8% RS tương Sau khi các phân tử acid thâm nhập vào các hạt tinh
ứng với thời gian 7 giờ và nhiệt độ 140°C. Sự khác biệt bột ở giai đoạn ủ, các cơ chất đã sẵn sàng cho các phản
về hàm lượng RS được cho là do thời gian ủ acid ở nhiệt ứng tiếp theo xảy ra trong quá trình gia nhiệt. Ở điều kiện
độ phòng (16 giờ trong nghiên cứu của Xie và Liu, so với nhiệt độ cao, các chuỗi tinh bột tiếp tục trương nở, dễ bị
12 giờ trong Wepner và cộng sự) [18][19]. acid tấn công hơn bằng cách thay thế các glucan hydroxyl
Từ kết quả trên, chúng tôi nhận thấy mẫu tinh bột có của chuỗi tinh bột bởi anhydride acid, sau đó sắp xếp lại
kết quả hàm lượng RS4 cao nhất khi xử lý bằng acid các mạch tinh bột bằng các liên kết ngang, giúp chống lại
citric, acid acetic và acid lactic tương ứng với thời gian ủ sự tiêu hóa bởi các enzyme amylolysis. Tuy vậy, chúng
lần lượt là 20 giờ, 20 giờ và 12 giờ. Do đó, chúng tôi lựa tôi cho rằng khi tăng thời gian ủ lớn hơn 20 giờ, hàm
chọn các thời gian ủ như trên để tiến hành thí nghiệm tiếp lượng RS có thể giảm do sự phân ly của các nhóm thế ra
theo. khỏi phân tử tinh bột [19].
3.2.3. Khảo sát thời gian gia nhiệt Kết quả này cũng phù hợp với kết luận của Xie & Liu
Tiến hành khảo sát hàm lượng RS các mẫu được xử (2004) trong nghiên cứu “Những biến đổi về tính chất
lý bằng acid citric, acid lactic và acid acetic, thời gian gia hóa lý của tinh bột kháng-citrate từ tinh bột ngô”. Nghiên
nhiệt lần lượt là 3, 6 và 9 giờ. Các thông số cố định: tỉ lệ cứu tiến hành xử lý tinh bột ngô thông thường bằng acid
168
citric 40% (w/w) ở các nhiệt độ khác nhau (120-150°C) Ảnh chụp SEM của tinh bột xử lí bằng acid lactic (tỉ
cho thời gian phản ứng khác nhau (3-9 giờ). Kết quả thu lệ acid:tinh bột 2:1, ủ 12 giờ, gia nhiệt 3 giờ) (Hình 1)
được hàm lượng tinh bột kháng tăng dần theo nhiệt độ và không cho thấy sự khác biệt có thể nhìn thấy so với mẫu
thời gian phản ứng, cao nhất ở 140°C trong 7 giờ và thu đối chứng. Kết quả khảo sát ở trên của chúng tôi cũng
được đến 78,8% RS [19]. cho rằng acid lactic không có tác dụng trong việc tăng
Nói chung, giai đoạn xử lí nhiệt sẽ tạo điều kiện thuận hàm lượng RS đối với tinh bột hạt mít, từ đó dẫn đến việc
lợi cho việc hình thành RS, nhưng cường độ cao của xử không gây ra những thay đổi về mặt hình thái của hạt tinh
lý này (nhiệt độ cao/ thời gian phản ứng dài) có thể phá bột. Tuy nhiên, cũng không loại trừ khả năng có những
hủy cấu trúc kháng tiêu hóa và giảm hiệu quả tạo RS [6]. thay đổi rất nhỏ mà độ phân giải hiện tại không đủ để
nhìn thấy.
Như vậy, trong các điều kiện được khảo sát, điều kiện
tối ưu để thu nhận tinh bột kháng tiêu hóa loại 4 lần lượt RS3 – hấp 1 lần RS3 – hấp 2 lần
là:
Cả 3 thí nghiệm cho thấy rằng acid lactic không có
tiềm năng trong tạo tinh bột kháng tiêu hóa đối với tinh
bột hạt mít.
3.3. Kết quả đo SEM tinh bột hạt mít RS3 và RS4
Hình 1. RS4 - acid lactic Hình 2. Tinh bột
Hình 3.5. Kết quả đo SEM tinh bột hạt mít biến tính
RS3
Hình 3.5 thể hiện hình ảnh chụp SEM của tinh bột
RS3 hấp 1 lần và 2 lần. Cả hai mẫu đều có các hạt nhỏ
5 hình tròn, vòm và đa giác với bề mặt nhẵn và các hạt tinh
thể nguyên vẹn có kích thước trung bình nhỏ hơn mẫu
đối chứng. Điều này có thể là do sự tái tổ hợp của chuỗi
amylose và amylopectin được tạo ra bởi nhiệt độ cao, làm
Hình 3. RS4 - acid acetic Hình 4. RS4 - acid citric
cho các vùng vô định hình trở nên nhỏ gọn hơn. Sau khi
hấp và làm nguội theo chu kì, không nhìn thấy sự thay
đổi trên bề mặt hạt như các nghiên cứu về RS3 trước đó
đã công bố. Theo nghiên cứu của Yeh and Lai (2021) tạo
RS3 bằng phương pháp tương tự trên nguyên liệu tinh bột
củ sen, đã quan sát thấy một số hạt tinh bột xuất hiện các
lỗ trên bề mặt, tác giả đã giải thích điều này có thể do
hiện tượng hồ hóa bề mặt của hạt tinh bột [21]. Trong khi
đó, Arp và cộng sự (2020) trong nghiên cứu tạo RS3 bằng
Hình 3.5. Kết quả đo SEM tinh bột hạt mít và tinh bột
phương pháp nhiệt – enzyme từ tinh bột lúa mì lại ghi
hạt mít biến tính RS4 nhận sự xuất hiện của các mảnh tinh bột mà không có bất
Khi quan sát từ kính hiển vi điện tử quét SEM (Hình kỳ dấu vết của các cấu trúc hạt, điều này cho thấy rằng
2), kích thước hạt tinh bột hạt mít dao động từ 5-12 µm, tinh bột lúa mì đã được hồ hóa hoàn toàn với phương
có hình dạng tròn, vòm, đa giác với bề mặt nhẵn, phù hợp pháp xử lí trên. Những sự khác biệt trên có thể do nguồn
với nghiên cứu của Mahanta và Kalita (2015) [20]. gốc tinh bột và điều kiện thí nghiệm khác nhau hoặc do
độ phóng đại thể hiện trong nghiên cứu của chúng tôi
Bên cạnh đó, bề mặt của tinh bột RS4 sử dụng acid không thể nhìn thấy sự khác biệt [22].
citric (tỉ lệ acid:tinh bột 2:1, ủ 20 giờ,gia nhiệt 6 giờ)
(Hình 4) có bề mặt gồ ghề hơn và kích thước trung bình 4. Kết luận và kiến nghị
của hạt tinh bột lớn hơn. Những thay đổi hình thái này có 4.1. Kết luận
thể chỉ ra rằng acid citric đã thâm nhập vào các lỗ có sẵn Trong các điều kiện được khảo sát, điều kiện thu nhận
trên bề mặt tinh bột và tiếp cận phần lõi (phần vô định tinh bột kháng RS3 tối ưu từ tinh bột hạt mít là chế độ
hình) thông qua các kênh nối lỗ với lõi của hạt [16],từ đó hấp 2 lần và làm nguội ở 40C trong 24 giờ.
acid ăn mòn phần vô định hình và tăng tỉ lệ phần kết tinh,
Đối với nguyên liệu tinh bột hạt mít khi xử lí với acid-
dẫn đến tăng hàm lượng RS. nhiệt, acid acetic có tiềm năng tạo RS4 cao nhất, sau đó
Tinh bột RS4 xử lí bằng acid acetic (tỉ lệ acid:tinh bột đến acid citric. Acid lactic không có khả năng tạo RS4.
2:1, ủ 20 giờ, gia nhiệt 6 giờ) (Hình 3) nhìn chung có kích
Trong các điều kiện được khảo sát, điều kiện thu nhận
thước trung bình nhỏ hơn mẫu đối chứng (nhưng không
tinh bột kháng RS4 tối ưu từ tinh bột hạt mít là:
đáng kể) và không nhìn thấy sự khác biệt rõ về bề mặt hạt
như mẫu xử lí với acid citric. Điều này có thể là do khả - Tỉ lệ phối trộn acid:tinh bột là 2:1;
năng tấn công và phản ứng của acid acetic thấp hơn acid - Thời gian ủ 20 giờ;
citric, và do đó không thể nhìn thấy sai khác ở độ phóng - Thời gian gia nhiệt 6 giờ.
đại 2250x. Đồng thời sự sắp xếp lại cấu trúc một cách có
4.2. Kiến nghị
trật tự và chặt chẽ hơn cũng có thể làm cho kích thước
hạt tinh bột giảm một phần. Các nghiên cứu trên đối tượng tinh bột kháng vẫn là
một chủ đề mới mẻ và hấp dẫn trong khoảng một thập kỉ
169
qua. Nghiên cứu này chỉ là bước đầu trong việc tối ưu
[12] S. Sonia, F. Witjaksono, and R. Ridwan, “Effect of cooling of
phương pháp tạo tinh bột kháng từ tinh bột hạt mít. Vì
cooked white rice on resistant starch content and glycemic
vậy cần có những nghiên cứu sâu hơn như đánh giá tính response,” Asia Pac. J. Clin. Nutr., vol. 24, no. 4, pp. 620–625,
bền nhiệt, tính chất prebiotic của tinh bột hạt mít biến tính 2015, doi: 10.6133/APJCN.2015.24.4.13.
so với tinh bột thường. Từ đó đánh giá tính an toàn và [13] H. J. Chung, H. S. Lim, and S. T. Lim, “Effect of partial
gelatinization and retrogradation on the enzymatic digestion of
hiệu quả kinh tế trong phát triển sản phẩm thực phẩm
waxy rice starch,” J. Cereal Sci., vol. 43, no. 3, pp. 353–359,
chức năng bổ sung tinh bột hạt mít, đặc biệt là các sản 2006, doi: 10.1016/j.jcs.2005.12.001.
phẩm dành cho đối tượng béo phì, huyết áp cao hoặc gặp [14] S. Ozturk, H. Koksel, and P. K. W. Ng, “Production of resistant
các vấn đề về tiêu hóa. starch from acid-modified amylotype starches with enhanced
functional properties,” J. Food Eng., vol. 103, no. 2, pp. 156–
Tài liệu tham khảo 164, 2011, doi: 10.1016/j.jfoodeng.2010.10.011.
[1] S. Flour et al., “Physicochemical Properties, Antioxidant [15] P. Van Hung, N. T. H. My, and N. T. L. Phi, “Impact of acid and
Capacity, Prebiotic Activity and Anticancer Potential in Human heat–moisture treatment combination on physicochemical
Cells of Jackfruit ( Artocarpus heterophyllus ) Seed Flour,” 2021. characteristics and resistant starch contents of sweet potato and
[2] M. De Vrese and J. Schrezenmeir, Probiotics, prebiotics, and yam starches,” Starch - Stärke, vol. 66, no. 11–12, pp. 1013–
synbiotics, vol. 111. 2008. 1021, Nov. 2014, doi: 10.1002/STAR.201400104.
[3] J. H. Dupuis, Q. Liu, and R. Y. Yada, “Methodologies for [16] J. Y. Kim, Y. K. Lee, and Y. H. Chang, “Structure and
Increasing the Resistant Starch Content of Food Starches: A digestibility properties of resistant rice starch cross-linked with
Review,” Compr. Rev. Food Sci. Food Saf., vol. 13, no. 6, pp. citric acid,” Int. J. Food Prop., vol. 20, no. 2, pp. 2166–2177,
1219–1234, 2014, doi: 10.1111/1541-4337.12104. 2017, doi: 10.1080/10942912.2017.1368551.
[4] P. Raigond, B. Singh, and A. Joshi, “RESISTANT STARCH [17] M. Kapelko-Zeberska, T. Zięba, R. Spychaj, and A. Gryszkin,
PRODUCTION TECHNOLOGIES – A REVIEW,” no. January, “Acetylated adipate of retrograded starch as RS 3/4 type resistant
2015. starch,” Food Chem., vol. 188, pp. 365–369, Dec. 2015, doi:
[5] D. B. Coulon et al., “Novel Resistant Starch Type 4 Products of 10.1016/J.FOODCHEM.2015.05.018.
Different Starch Origins , Production Methods , and Amounts [18] B. Wepner, E. Berghofer, E. Miesenberger, K. Tiefenbacher, and
Are Not Equally Fermented when Fed to Sprague-Dawley Rats,” P. N. K. Ng, “Citrate Starch — Application as Resistant Starch
vol. 1900901, pp. 1–7, 2020, doi: 10.1002/mnfr.201900901. in Different Food Systems,” Starch - Stärke, vol. 51, no. 10, pp.
[6] P. Raigond, R. Ezekiel, B. Singh, S. Dutt, A. Joshi, and Rinki, 354–361, 1999, doi: 10.1002/(sici)1521-
“Resistant starch production technologies– A review,” Potato J., 379x(199910)51:10<354::aid-star354>3.3.co;2-n.
vol. 42, no. 2, pp. 81–94, 2015. [19] X. Xie and Q. Liu, “Development and Physicochemical
[7] K. T. Wong, G. Y. Y. Poh, K. K. T. Goh, M. S. M. Wee, and C. Characterization of New Resistant Citrate Starch from Different
Jeyakumar Henry, “Comparison of physicochemical properties Corn Starches,” Starch - Stärke, vol. 56, no. 8, pp. 364–370, Aug.
of jackfruit seed starch with potato and rice starches,” Int. J. 2004, doi: 10.1002/STAR.200300261.
Food Prop., vol. 24, no. 1, pp. 364–379, 2021, doi: [20] C. L. Mahanta and D. Kalita, “Processing and Utilization of
10.1080/10942912.2021.1885439. Jackfruit Seeds,” Process. Impact Act. Components Food, pp.
[8] V. F. Abioye, I. A. Adeyemi, B. A. Akinwande, P. Kulakow, and 395–400, Jan. 2015, doi: 10.1016/B978-0-12-404699-3.00047-
B. Maziya-Dixon, “Effect of steam cooking and storage time on 0.
the formation of resistant starch and functional properties of [21] Y. Yeh and L. S. Lai, “Effect of single and dual hydrothermal
cassava starch,” Cogent Food Agric., vol. 3, no. 1, pp. 1–11, treatments on the resistant starch content and physicochemical
2017, doi: 10.1080/23311932.2017.1296401. properties of lotus rhizome starches,” Molecules, vol. 26, no. 14,
[9] J. Ahmed, L. Thomas, A. Taher, and A. Joseph, “Impact of high 2021, doi: 10.3390/molecules26144339.
pressure treatment on functional, rheological, pasting, and [22] C. G. Arp, M. J. Correa, and C. Ferrero, “Production and
structural properties of lentil starch dispersions,” Carbohydr. Characterization of Type III Resistant Starch from Native Wheat
Polym., vol. 152, pp. 639–647, 2016, doi: Starch Using Thermal and Enzymatic Modifications,” Food
10.1016/j.carbpol.2016.07.008. Bioprocess Technol., vol. 13, no. 7, pp. 1181–1192, 2020, doi:
[10] A. Procedure, “RESISTANT STARCH,” vol. 18, 2018. 10.1007/s11947-020-02470-5.
[11] O. S. Kittipongpatana and N. Kittipongpatana, “Resistant Starch
Contents of Native and Heat-Moisture Treated Jackfruit Seed
Starch,” vol. 2015, 2015.
170
NGHIÊN CỨU TỔNG HỢP HẠT NANO BẠC BẰNG PHƯƠNG PHÁP GREEN
ỨNG DỤNG TRONG CÔNG NGHỆ SINH HỌC
SYNTHESIS OF SILVER NANOPARTICLES BY GREEN METHOD USED IN
BIOTECHNOLOGY
SVTH: Nguyễn Thị Phượng, Nguyễn Viết Sỹ

Lớp 18KTHH1, Trường Đại học Bách Khoa Đà Nẵng
Email: phuongnguyen332000@gmail.com, sy2272000@gmail.com
GVHD: Phan Thế Anh
Khoa Hóa, Trường Đại học Bách Khoa Đà Nẵng, Email: ptanh@dut.udn.vn
Tóm tắt – Trong những năm gần đây, quá trình tổng hợp các Abstract – In recent years, the green synthesis of silver
hạt nano bạc bằng cách sử dụng các chiết xuất từ thực vật đã nanoparticles using various plant extract has attracted great
thu hút được nhiều sự chú ý. Nguyên nhân là do những phương attention. This is because these methods are simple, inexpensive
pháp này thường đơn giản, rẻ và thân thiện với môi trường. and eco-friendly. In this study, it was observed that silver ions
Trong nghiên cứu này, chúng tôi quan sát thấy rằng các ion bạc were reduced by Cleistocalyx operculatus, leading to the
bị khử bởi các chất có khả năng khử trong chiếc xuất lá vối, dẫn formation of crystalline silver nanoparticles. Cleistocalyx
đến sự hình thành các hạt nano bạc. Lá vối được biết đến là một operculatus are a well-known medicinal herb, especially for their
nguyên liệu có tác dụng chữa bệnh, đặc biệt là tính năng kháng potent antibacterial qualities. The silver nanoparticles produced
khuẩn tốt. Các hạt nano bạc tổng hợp bằng chiết xuất lá vối được by different techniques including UV-VIS spectrophotometry,
kiểm tra bởi các kĩ thuật khác nhau bao gồm đo quang phổ UV- transmission electron microscopy (SEM) and Zeta
VIS, kính hiển vi điện tử truyền qua (SEM), thế Zeta. Ngoài ra, measurement. In addition, the antibacterial activity of biologically
hoạt tính kháng khuẩn của các phân tử nano bạc cũng đã được synthesized nanoparticles was also proved. Therefore, this study
chứng minh. Do đó, nghiên cứu này đã chỉ ra rằng các phân đoạn showed that the Cleistocalyx operculatus extract could be used
dịch chiết lá vối có thể được sử dụng để tổng hợp hạt nano bạc for the green synthesis of silver nanoparticles with the
với hoạt tính kháng khuẩn thích hợp. appropriate antibacterial activity.
Từ khóa – “Hạt nano bạc”, “Lá vối”, “Phương pháp Green”, Keywords – “Silver nanoparticles”, “Cleistocalyx
“Hoạt động kháng khuẩn”, “Chiết xuất thực vật”. operculatus”, “Green synthesis”, “Antibacterial activity”, “Plant
extract”.
1. Đặt vấn đề: các muối bạc tạo nano,…). Tuy nhiên, những phương
Trong những năm gần đây, công nghệ nano được xem pháp trên đòi hỏi kĩ thuật cao, điều kiện tổng hợp phức
là một lĩnh vực khoa học, công nghệ mới, phát triển tạp hoặc sử dụng hóa chất độc hại đối với con người và
nhanh chóng và làm thay đổi diện mạo của các ngành môi trường. Một trong những phương pháp khá hiệu quả,
khoa học. Vật liệu được chế tạo bằng công nghệ này thể ít rủi ro và rẻ tiền là phương pháp tổng hợp xanh. Việc
hiện những tính chất đặc biệt, được ứng dụng rộng rãi nghiên cứu chế tạo hạt nano bằng phương pháp sử dụng
trong khoa học và đời sống con người. Do đó, hiện nay, dịch chiết thực vật làm tác nhân khử và ổn định kích
nhiều quốc gia trên thế giới xem công nghệ nano là mục thước hạt đã được nghiên cứu bởi nhiều công trình trên
tiêu mũi nhọn để đầu tư phát triển và đã có hàng trăm sản thế giới. Đây là một phương pháp có tính ưu việt hơn,
phẩm của công nghệ nano được thương mại, ứng dụng giảm đáng kể các chất độc hại, thân thiện với môi trường
trong nhiều lĩnh vực như điện tử, hóa học, y sinh, môi và có thể tạo ra được các hạt nano sạch, không lẫn chất
trường,… độc hại nên hạt nano có thể phát huy được tối đa đặc tính
của nó, đặc biệt là tính kháng khuẩn.
Trong công nghệ nano thì hạt nano là một vật liệu
quan trọng, Một trong những hạt nano được sử dụng sớm Cây vối có tên khoa học là Cleistocalyx operculatus,
và rộng rãi nhất là hạt nano bạc. Ở kích thước nano, bạc thuộc họ Sim (Myrtaceae), có nguồn gốc từ châu Á và
thể hiện những tính chất vật lý, hóa học, sinh học tốt hơn, thường mọc nhiều ở những nơi ẩm ướt như các khu rừng
đặc biệt là tính kháng khuẩn. Một số nghiên cứu đã chỉ ra nhiệt đới. Tất cả các bộ phận của cây vối đều có tác dụng
rằng khi ở kích thước nano, hoạt tính sát khuẩn của bạc chữa bệnh, đặc biệt là lá vối. Trong lá vối có chứa chất
tăng lên khoảng 50000 lần so với bạc ion [1, 2]. Các hạt Tanin có tác dụng tốt trong việc bảo vệ và chống lại các
nano bạc có thể tiêu diệt nhiều bệnh nấm, vi khuẩn, virut, chất kích thích gây niệm mạc ruột. Không những thế, sử
các chủng vi khuẩn kháng sinh. Mặt khác, bạc không gây dụng tinh dầu vối thường xuyên còn có khả năng tiêu diệt
độc, không dị ứng, không tích tụ và vô hại đối với con các vi khuẩn có hại cho sức khỏe con người nhờ các chất
người và môi trường. Chính vì vậy, giới khoa học đang kháng sinh chứa bên trong nó [3]. Trong nghiên cứu này,
đầu tư nghiêm túc cho việc tổng hợp hạt nano bạc để phục sự kết hợp của dung dịch AgNO3 với các phân đoạn dịch
vụ cho các ứng dụng trong đời sống, nhất là khi hiện chiết lá vối có thể thu được sản phẩm là nano bạc. Với
tượng vi khuẩn kháng kháng sinh ngày càng phổ biến. kích thước này, hạt nano bạc có tính chất vượt trội, ưu
việt hơn rất nhiều so với bạc ở kích thước lớn hơn dẫn
Hiện nay, nano bạc được tổng hợp từ nhiều phương
đến đặc tính kháng khuẩn tốt hơn, không gây tác dụng
pháp khác nhau như phương pháp vật lý (chiếu các bức
phụ và an toàn đối với sức khỏe con người.
xạ để phá hủy hạt nano lớn thành những hạt nano bạc có
kích thước nano,…), phương pháp hóa học (dùng các 2. Vật liệu và phương pháp nghiên cứu
chất hóa học có khả năng khử muối bạc để tạo nano 2.1 Vật liệu
bạc,…), phương pháp sinh học (dùng vi sinh vật để khử Bạc nitrate và một số hóa chất khác được mua từ công
171
SVTH: Nguyễn Thị Phượng, Nguyễn Viết Sỹ; GVHD Phan Thế Anh
từ công ty Xilong, Trung Quốc thông qua công ty Hóa dịch tương ứng với chứng âm (dịch chiết Ethyl
chất Văn Xuân, Hà Nội. Tất cả các dụng cụ thủy tinh đã acetate/nước, nồng độ 10mg/ml), chứng dương
được rửa sạch trong HNO3 loãng sau đó tráng lại bằng (Ampcillin 50µg/ml), mẫu nano bạc hóa học, mẫu nano
nước cất và làm khô trước khi được sử dụng. Lá vối được bạc từ vối nước nồng độ 200mg/ml và 900mg/ml, mẫu
mua ở chợ Hòa Khánh và được bảo quản trong tủ lạnh. nano bạc từ cao phân đoạn Ethyl acetate nồng độ
2.2 Vi sinh vật và điều kiện phát triển 20mg/ml và 40mg/ml, mẫu Tween 40. Để yên 2h ở nhiệt
độ phòng trên bề mặt phẳng để các chất có thể khuếch tán
Trong nghiên cứu này, vi khuẩn Staphylococcus
vào trong môi trường. Ủ ở 37oC trong 16h, hoạt động
aureus (SA) được sử dụng làm chủng vi khuẩn cho các
kháng khuẩn được khảo sát bằng cách đo đường kính của
thí nghiệm kháng khuẩn. Chủng vi khuẩn này được nuôi
các vùng khuếch tán sau khi sử dụng dịch chiết.
cấy ở 37oC trên đĩa thạch Muller Hinton Agar (MH agar).
3. Kết quả nghiên cứu và thảo luận
2.3 Chuẩn bị chiết xuất thực vật
3.1 Ảnh của hưởng nồng độ bạc
Nguyên liệu lá vối được tuyển chọn kỹ càng, chỉ lấy
những lá tươi, xanh, khỏe.Lá được rửa sạch vài lần bằng Để khảo sát nồng độ bạc thích hợp, chúng tôi tiến
nước cất để loại bỏ tạp chất, sau đó tiến hành sấy khô hành các thí nghiệm sau:
trong tủ sấy ở 60°C tới khi khối lượng mẫu không đổi. - Thí nghiệm 1: 5ml AgNO3 1mM + 66,5 ml dịch
Sau đó, tiến hành tước bỏ gân lá và xay nhỏ. chiết
- Để chuẩn bị cao phân đoạn ethyl acetate, cân 200g - Thí nghiệm 2: 45ml AgNO3 1mM + 0,5 ml dịch
lá vối khô đã xay trong 1 lít cồn 70o (tỉ lệ 1:50), bọc miệng chiết
bình bằng màng bọc thực phẩm và để ngâm trong 3 ngày. Từ các kết quả ở Hình 1, nhận thấy sau 4 ngày kể từ
Sau thời gian trên, cô quay phần dịch thu được để tạo cao khi tổng hợp, cả hai thí nghiệm vẫn có sự ổn định. Tuy
tổng (cao ethanol). Đem phần cao này đi cân thu được nhiên, nếu để thêm một thời gian thì khả năng ổn định
khối lượng cao tổng, sau đó chia đều cao tổng ra làm các của các hạt nano bạc trong TN1 vẫn còn hạn chế. Bằng
phần bằng nhau và ngâm trong các dung môi tương ứng chứng là do dung dịch không ổn định, có hiện tượng nổi
là ethyl acetate và n-hexane. Sau đó tiếp tục đem đi cô mốc ở TN1 sau 10 ngày, trong khi TN2 vẫn cho thấy sự
quay phần dịch ngâm này và thu được cao phân đoạn là ổn định. Điều này được đánh giá thông quá giá trị MIC
cao ethyl acetate cần dùng. (Minimum Inhibitory Concentration) của các hạt nano
- Đối với cao nước thì tương tự như cao tổng nhưng bạc, AgNPs có giá trị MIC là 2,82 ± 0,68µg/ml đến 90 ±
thay vì ngâm trong cồn, ngâm 200g lá vối xay trong 1 lít 22µg/ml [4]. Cả hai thí nghiệm có nồng độ bạc tương ứng
nước cất và để trong khoảng 1 ngày. Sau đó đem đi cô là 7,48µg/ml và 105,823µg/ml, đều thuộc trong khoảng
quay, cân khối lượng và thu được cao vối nước cần dùng. MIC của AgNPs và giá trị cao hơn sẽ cho khả năng ổn
2.4 Tổng hợp hạt nano bạc định tốt hơn. Qua đó, nồng độ bạc ở TN2 sẽ thích hợp để
tăng khả năng ổn định cho các hạt nano bạc tạo thành.
- Đối với dịch chiết nước, nhỏ từ từ từng giọt dịch
chiết vào dung dịch bạc nitrate 1mM, ở nhiệt độ 90 oC,
khuấy từ trong khoảng 30 phút.
- Đối với cao phân đoạn ethyl acetate, các phân đoạn
dịch chiết được thêm vào dung dịch bạc nitrate 1mM
cùng với chất nhũ hóa Tween 40, khuấy siêu âm trong
khoảng 30 phút.
Sự thay đổi màu sắc từ vàng nhạt sang nâu sẫm cho
thấy sự hình thành các hạt nano bạc.
2.5 Phương pháp nghiên cứu đặc tính của các hạt nano
bạc
Phân tích khả năng hấp thụ tia UV được thực hiện
bằng máy quang phổ UV-VIS. Hình thái, kích thước của
hạt nano bạc được kiểm tra bằng SEM. Đo khả năng ổn
định của hạt nano bạc thông qua đo thế Zeta.
2.6 Phương pháp thử nghiệm kháng khuẩn a b
Hoạt tính kháng khuẩn của hạt nano bạc được tổng
hợp từ các phân đoạn dịch chiết lá vối đã được thử Hình 1. Khả năng ổn định của AgNPs ở TN1 và TN2
nghiệm chống lại các vi khuẩn Staphylococcus aureus sau thời gian a) 4 ngày, b) 10 ngày
(SA) bằng phương pháp khuếch tán trên đĩa thạch tiêu 3.2 Ảnh hưởng của nồng độ dịch chiết nước
chuẩn. Để kiểm tra hoạt tính kháng khuẩn của hạt nano Thực hiện các thí nghiệm tổng hợp hạt nano bạc bằng
bạc tạo thành, các đĩa thạch đã được làm đầy bằng môi các phân đoạn dịch chiết lá vối với các nồng độ dịch chiết
trường Muller Hinton Agar với độ dày khoảng 4mm. Sau khác nhau tương ứng là 1mg/ml, 10mg/ml, 200mg/ml và
đó, cho 100µl dịch vi khuẩn đã pha loãng vào đĩa, dùng 900mg/ml với tỉ lệ thể tích giống như TN2 là 0,5ml dịch
que cấy trang đã được khử khuẩn trong cồn 96o trang đều chiết được cho vào 45ml AgNO3 1mM.
dịch vi khuẩn cho đến khi mặt thạch khô và rít thì dừng Nhận thấy rằng, khi tăng nồng độ dịch chiết (Hình 2)
lại. Tiếp theo, dùng đầu tuýp vô trùng để đục các lỗ thạch thì sẽ tăng tốc độ tổng hợp nano bạc. Với kết quả kháng
cũng như đặt khoanh giấy kháng sinh đã được ngâm trong khuẩn thu được ở Hình 3, đường kính vòng kháng khuẩn
172
đã trừ lỗ thạch đối với các nồng độ dịch chiết tương ứng
lần lượt là 0cm; 0,1cm; 0,2cm; 0,2cm. Điều này cho thấy
hiệu quả kháng khuẩn ở các nồng độ dịch chiết khác nhau
không chênh lệch nhiều. Cơ chế kháng khuẩn của các hạt
nano bạc vẫn chưa rõ ràng và cần được quan tâm, có thể
là do AgNPs đã được gắn vào bề mặt màng tế bào của vi
sinh vật, dẫn đến sự xáo trộn về chức năng của nó như hô
hấp, khuếch tán,… [5, 6]. Từ đó, có thể chọn nồng độ
dịch chiết nước 200 mg/ml là tối ưu vì có hiệu quả kháng
khuẩn cao hơn cũng như đỡ tốn chi phí nguyên liệu trong
quá trình tạo ra dịch chiết nước.
Hình 4. Tổng hợp nano bạc bằng dịch chiết cao

phân đoạn Ethyl acetate.
Từ kết quả ở Hình 4 đã chứng minh được rằng khi
tăng phần trăm chất nhũ hóa Tween 40 lên 20% (20g) so
với pha hữu cơ (dịch chiết) thì hệ ổn định và ít bị sa lắng
theo thời gian hơn. Điều này có thể được giải thích rằng
khi có mặt của chất nhũ hóa ở hàm lượng cao sẽ làm tăng
khả năng hòa tan của pha hữu cơ và pha nước, giúp tạo
và ổn định hạt nano tốt hơn [7]. Ngoài ra, khi dùng dịch
chiết cao phân đoạn Ethyl acetate, những hợp chất có khả
năng tan tốt trong Ethyl acetate không chỉ đóng vai trò là
Hình 2. Khảo sát ảnh hưởng của nồng độ dịch chiết chất khử để tạo nano bạc mà còn đóng vai trò là chất
trong việc hình thành AgNPs tương ứng là 1mg/ml, kháng khuẩn. Quan sát Hình 5, nhận thấy rằng kích thước
10mg/ml, 200mg/ml và 900mg/ml. của vòng kháng khuẩn ở nồng độ dịch chiết 20 mg/ml và
40 mg/ml đều lớn, chứng tỏ bên cạnh khả năng kháng
khuẩn của nano bạc thì các hợp chất nêu trên vẫn có thể
kháng khuẩn tốt.
Vì vậy, với hàm lượng chất nhũ hóa là 20g và nồng
độ dịch chiết 40mg/ml thì AgNPs sẽ ổn định hơn và cho
hiệu quả kháng khuẩn tốt hơn.
Hình 5. Hiệu quả kháng khuẩn đối với dịch chiết cao
Hình 3. Hiệu quả kháng khuẩn của AgNPs ở các phân đoạn Ethyl acetate
nồng độ dịch chiết 1mg/ml, 10mg/ml, 200mg/ml và
900mg/ml. 3.4 Ảnh hưởng của các phân đoạn dịch chiết đến cấu
trúc hạt nano bạc
3.3 Ảnh hưởng của nồng độ dịch chiết Ethyl acetate
Kỹ thuật SEM đã được sử dụng để xác định hình dạng
Tiến hành thực hiện các thí nghiệm như sau: và kích thước của các hạt nano bạc tạo thành. Hình 6 cho
- 45ml AgNO3 1mM + 7,5g Chất nhũ hóa Tween thấy kích thước của mẫu AgNPs được tổng hợp bằng
40 + 5ml Ethyl acetate nồng độ 40 mg/ml. phương pháp hóa học (A) có kích thước hạt đồng nhất
- 45ml AgNO3 1mM + 20g Chất nhũ hóa Tween hơn khoảng 30nm; mẫu AgNPs được tổng hợp bằng dịch
40 + chiết vối nước nồng độ 200mg/ml (B) có nhiều hình dạng
5ml Ethyl acetate nồng độ 40 mg/ml. khác nhau và kích thước hạt lớn hơn khoảng 30-70nm,
cuối cùng là mẫu AgNPS tổng hợp bằng dịch chiết cao
- 45ml AgNO3 1mM + 20g Chất nhũ hóa Tween phân đoạn Ethyl aceate nồng độ 20mg/ml (C) cho kích
40 + 5ml Ethyl acetate nồng độ 20 mg/ml. thước hạt nhỏ nhất khoảng 10-20nm.
173
SVTH: Nguyễn Thị Phượng, Nguyễn Viết Sỹ; GVHD Phan Thế Anh
của nano bạc tại nồng độ bạc là 0,25mM. Trong khi đó,
AgNPs được tổng hợp bằng dịch chiết Ethyl acetate nồng
độ 40mg/ml với sự có mặt của chất nhũ hóa cho thấy hiệu
quả kháng khuẩn tốt hơn với giá trị MIC là 0,0625mM/l,
tương ứng với giá trị MIC của dịch chiết Ethyl acetate
cuối cùng là 0,125 mg/ml.
A B
Hình 7. Kết quả xác định nồng độ ức chế tối thiểu

của nano bạc.
4. Kết luận
C Từ những kết quả thu được, chúng tôi kết luận như
sau:
Hình 6. Phân tích kính hiển vi điện tử SEM trong
tổng hợp ApNPs ( A: mẫu AgNPs hóa học, B: mẫu - Các phân đoạn dịch chiết lá vối có khả năng khử
AgNPs dịch chiết vối nước nồng độ 200 mg/ml và C: ion bạc thành nano bạc.
mẫu AgNPs dịch chiết cao Ethyl acetate nồng độ - Nồng độ của phân đoạn dịch chiết nước chỉ ảnh
20mg/ml. hưởng đến tốc độ hình thành bạc nano, ít ảnh hưởng đến
Từ kết quả đo thế Zeta ở Bảng 1, mẫu nano bạc được hiệu quả kháng khuẩn.
tổng hợp bằng dịch chiết nước vối có độ ổn định cao hơn - Phân đoạn dịch chiết Ethyl Acetate thể hiện khả
hai mẫu còn lại. năng kháng khuẩn tăng khi tăng nồng độ dịch chiết.
Bảng 1. Kết quả đo thế Zeta - Phân đoạn dịch chiết Ethyl Acetate tạo ra bạc
nano có kích thước hạt nhỏ làm tăng hiệu quả kháng
Mẫu AgNPs Thế Zeta (mV)
khuẩn.
Hóa học -28,1 Tài liệu tham khảo
Dịch chiết nước -33,1 [1]. Badr.Y, mahmound.M.A. Enhancement of the optical propertied
of poly vinyl alcohol by doping with silver nanoparticles, J.
Dịch chiết EA 0,3 Appl. Polym. Sci, 99, 2006, pp.3068-3614.
[2]. Singh. M, et al “Nanotechnology in medicine and antibacterial
3.5 Khảo sát hoạt tính kháng khuẩn của hạt nano tổng efect of silver nanoparticles”, Digest journal of Nanomaterials
and Biostructures, carbohydrate Polymers, 2008.
hợp bằng phương pháp hóa học và phương pháp hóa [3]. https://canhdien.com/cay-voi/, truy cập ngày 5/11/2022.
học xanh [4]. Panpaliya N.P., Dahake P.T., Kale Y.J., Dadpe M.V., Kendre
Để có thể đánh giá cụ thể hơn về khả năng kháng S.B., Siddiqi A.G., Maggavi U.R. In vitro evaluation of
antimicrobial property of silver nanoparticles and chlorhexidine
khuẩn của hạt nano bạc tổng hợp khi sử dụng chất khử against five different oral pathogenic bacteria. Saudi Dent.
hóa học trisodium citrate và dịch chiết cao phân đoạn J. 2019;31:76–83.
Ethyl acetate, chúng tôi tiến hành xác định giá trị MIC [5]. Ahmed, M.J., Murtaza, G., Mehmood, A., Bhatti, T.M: Green
(nồng độ ức chế tối thiểu) trên môi trường lỏng bằng cách synthesis of silver nanoparticles using leaves extract of Skimmia
laureola: characterization and antibacterial activity
bổ sung chất chỉ thị màu Resazurin. Sự đổi màu của chất [6]. Bindhu, M., Umadevi, M.: Silver and gold nanoparticles for
chỉ thị này theo thời gian phụ vào hoạt động của vi sinh sensor and antibacterial applications. Spectrochim. Acta A. 128,
vật. Ban đầu, dung dịch resazurin có màu xanh, khi bị 37–45 (2014)
khử bởi các enzyme trong tế bào vi khuẩn sẽ tạo thành [7]. R.D.Rivera-Rangel, M.P.Gonzalez-Munoz, M.Avila-Rodriguez,
T.A.Razo-Lazcano, C.Solans, “Green synthesis of silver
resorufin, có màu hồng [8]. Như vậy, khi vi khuẩn bị ức nanoparticles in oil-in-water microemulsion and nano-emulsion
chế bởi nano bạc, chúng không có khả năng làm thay đổi using geranium leaf aqueous extract as a reducing agent”,
màu của thuốc thử. Ghi nhận nồng độ thấp nhất của bạc Colloids and Surfaces A 536 (2018) 60-67.
tại giếng không có sự chuyển màu của dung dịch [8]. Mohamed E, Syed A, Scott F, Paul D, Mark MG, Roger M, and
Ibrahim MB, “Resazurin-based 96-well plate microdilution
resazurin. Giá trị MIC được xác định bằng ½ nồng độ ban method for the determination of minimum inhibitory
đầu của bạc tại giếng đó. concentration of biosurfactants”, Biotechnology letter 38, 2016,
Quan sát Hình 7, nhận thấy đối với AgNPs được tổng p 1015- 1019.
hợp bằng phương pháp hóa học thì thu được giá trị MIC
174
KHOA MÔI TRƯỜNG
NGHIÊN CỨU ẢNH HƯỞNG THÀNH PHẦN CHẤT HỮU CƠ ĐẾN TỐC ĐỘ
CHUYỂN HOÁ TRONG XỬ LÝ NƯỚC THẢI CHẾ BIẾN THUỶ SẢN BẰNG
QUÁ TRÌNH SINH HOÁ HIẾU KHÍ
RESEARCH ON EFFECTS OF ORGANIC COMPOSITIONS ON METHODS OF
TRANSFORMATION IN FASHION PROCESSING WATER TREATMENT BY
ANAEROBIC BIOCHEMICAL PROCESS
SVTH: Nguyễn Thị Thu Thảo(*), Ngô Hữu Thanh Phước(*), Nguyễn Văn Trung(**), Nguyễn Ngọc Hân(***)
Lớp(*)18MT, (**)17MT, (***) 20MT, Khoa Môi Trường, Trường Đại học Bách Khoa Đà Nẵng;
Email:thaonguyen1234509@gmail.com, thanhphuocngo1508@gmail.com, nguyenvantrung1299@gmail.com,
thaohan201002@gmail.com.
GVHD: ThS. NCS. Phan Thị Kim Thuỷ, PGS.TS Trần Văn Quang, ThS. Hoàng Ngọc Ân
Khoa Môi Trường, Trường Đại học Bách Khoa, Đại học Đà Nẵng
Tóm tắt: - Chất lượng đầu vào nước thải chế biến thuỷ sản Abstract: - The input quality of aquatic product processing
từ quá trình sản xuất surimi có COD là: 2018÷8905 mg/l. Lưu wastewater from the production of surimi has COD and TSS
lượng cũng như tính chất thành phần kích thước hạt trong nước respectively: 2018÷8905 mg/l, 1100÷4680 mg/l. The flow as well
thải chế biến thuỷ sản tại các nhà máy không ổn định, có sự dao as the nature of the particle size composition in the aquatic
động lớn theo từng mùa sản xuất khiến cho việc vận hành công product processing wastewater at the factories is unstable, with
trình sinh hoá hiếu khí gặp rất nhiều khó khăn. great fluctuations according to each production season, making
Kết quả nghiên cứu thực nghiệm xác định tốc độ chuyển hoá the operation of aerobic biochemical works very difficult. difficult.
chất hữu cơ trong xử lý nước thải chế biến thuỷ sản. Với nước Experimental study results determine the rate of organic
thải có nòng độ chất hữu cơ dạng hoà tan càng nhiều thì tốc đọ matter conversion in aquatic product processing wastewater
chuyển hoá càng nhanh. Cụ thể, nước thải sau rây 212μm, sau treatment. The higher the concentration of dissolved organic
lắng 30 phút có tốc độ chuyển hoá là lớn nhất lần lượt matter in wastewater, the faster the conversion rate. Specifically,
là:0,087÷0.131 gCOD/gMLVSS.h, 0,087÷0,131 wastewater after 212μm sieve, 30 minutes after settling, has the
gCOD/gMLVSS.h nhanh gấp 1,2÷1,4 lần so với nước thô và highest conversion rate: 0.087÷0.131 gCOD/gMLVSS.h,
nước sau rây 425μm. Mô hình đang chạy với tải trọng 0,15÷0,25 0.087÷0.131 gCOD/gMLVSS.h, 1.2÷1 times faster, respectively.
gCOD/g MLVSS.ngày, nồng độ bùn (MLSS) từ 2,5÷3,5 g/l. 4 times that of raw water and water after 425μm sieve. The model
Từ khoá - “chế biến thuỷ sản”;“Surimi”;“SBR”;“xử lý nước is running with a load of 0.15÷0.25 gCOD/g MLVSS.day, sludge
thải”;“chất hữu cơ”;”bùn hoạt tính”. concentration (MLSS) from 2.5÷3.5 g/l.
Keywords - "Seafood processing"; "Surimi";"SBR";
"wastewater treatment"; "organic matterd"; "actived sludge"
1. Đặt vấn đề 2. Đối tượng, nội dung và phương pháp

Ngày nay, ngành chế biến thủy sản là một trong 2.1. Đối tượng
những ngành kinh tế quan trọng của Việt Nam nói chung - Nước thải chế biến thuỷ sản từ quá trình sản xuất
và của Đà Nẵng nói riêng. Đà nẵng là một thành phố biển surimi tại ba nhà máy Bắc Đẩu, Hải Thanh, Danifood.
hơn nữa Đà Nẵng là một trong những cảng biển lớn nhất - Quá trình sinh hoá hiếu khí xử lý chất hữu cơ
Việt Nam nên tiềm năng về khai thác đánh bắt thủy sản 2.2. Nội dung
là rất lớn, do đó ngành chế biến thủy sản (CBTS) cũng 2.2.1. Khảo sát, đánh giá đặc điểm nước thải và thành
phát triển mạnh. Ngành chế biến thủy sản phát triển mạnh phần chất hữu cơ trong nước thải từ quá trình chế biến
kéo theo việc nước thải từ các quá trình sơ chế, chế biến Surimi.
ngày càng tăng lên về lượng và chất. Tính chất của nước a. Đặc điểm nước thải
thải thủy sản là có nồng độ chất hữu cơ và chất dinh Thu thập các tài liệu, số liệu về các nhà máy chế biến
dưỡng rất cao, do đó các cơ sở sản xuất phải có hệ thống surimi bao gồm: Vị trí nhà máy tại khu công nghiệp chế
xử lý sơ bộ. biến thủy sản Đà Nẵng; Các số liệu về đặc điểm nước thải
Theo các nghiên cứu liên quan nước thải chế bién liên quan; Sơ đồ dây chuyền công nghệ của các nhà máy.
thuỷ sản từ quá trình sản xuất surimi chứa hàm lượng lớn Tiến hành khảo sát lấy mẫu nước thải: đầu vào tại ba
chất hữu cơ. Giữa các quá trình sản xuất các sản phẩm nhà máy chế biến thuỷ sản Bắc Đẩu, Danifood, Hải Thanh.
khác nhau có sự chênh lệch lớn về thành phần, kích thước Mẫu sau khi lấy được bảo quản và phân tích các
hạt dẫn đến sự không ổn định trong quá trình vận hành hệ thông số pH, kiềm, COD,TSS, N-NH4+, N-NO3-, P-PO43-
thống. Các công tình hệ thống xử lý nước thải đều áp , T-N, T-P, TKN. Hình ảnh lấy mẫu và phân tích thông
dụng qúa trình sinh hoá hiếu khí để xử lý các chất ô số chất lượng nước được thế hiện ở hình 1.
nhiễm. b. Thành phần chất hữu cơ trong nước thải từ quá
Vì vậy đề tài “Nghiên cứu ảnh hưởng thành phần hưũ trình chế biến surimi
cơ đén tốc độ chuyển hoá trong xử lý nước thải chế biến Tiến hành khảo sát lấy mẫu nước thải chế biến biến
thuỷ sản bằng quá trình sinh hoá hiếu khí” nhằm đánh thuỷ sản từ quá trình sản xuất surimi tại ba nhà máy Bắc
giá được các thành phần chất hữu cơ có kích thước lớn Đẩu, Danifood, Hải Thanh
sau khi tách ảnh hưởng đến tốc độ chuyển hoá chất hữu Mẫu lấy từ nhà máy về được lọc qua các loại rây lọc
cơ trong công trinh sinh hoá hiếu khí cho nhà máy chế có kích thước: 2,36mm, 1mm, 425µm, 212µm, 106µm,
biến thuỷ sản 75µm, 45µm, 0,45µm.
177
SVTH: Nguyễn Thị Thu Thảo, Ngô Hữu Thanh Phước, Nguyễn Văn Trung, Nguyễn Ngọc Hân; GVHD: ThS. NCS. Phan Thị Kim Thuỷ, PGS.TS Trần Văn Quang, ThS. Hoàng Ngọc Ân
Hình ảnh lấy mẫu tại hố gom 3 nhà máy được thể hiện tuân theo các quy chuẩn hiện hành.
tại hình 1. Phân tích các thông số chất lượng nước, đo đạc 2.3.3. Phương pháp mô hình
và tính toán thông số bùn. Xử lý số liệu và đánh giá kết Phương pháp sử dụng các mô hình vật lý xác định các
quả. Hình ảnh phân tích được trình tại hình 2. thông số của quá trình công nghệ xử lý nước thải.
Xác định tải trọng:
𝑸×𝑪
Lk = (g/gbùn.ngđ)
𝑽×𝑴𝑳𝑽𝑺𝑺
Trong đó: Q– Lưu lượng nước thải vào bể (m3/ngđ)
C– Nồng độ nước thải đầu vào (g/l)
Vb– Thể tích hữu ích của bể (m3)
MLVSS– Nồng độ bùn hoạt tính (g/l)
Hiệu suất theo tải trọng:
𝑪 −𝑪
Hình 1. Một số hình ảnh lấy mẫu tại nhà máy Bắc Đẩu, E = 𝒗 𝒓 × 100 (%)
𝑪𝒗
nhà máy Danifood, nhà máy Hải Thanh Trong đó: Cv – Nồng độ nước thải vào (mg/l)
Cr – Nồng độ nước sau xử lý (mg/l)
Nồng độ bùn hoạt tính: MLVSS = MLSS - Tr (g/l)
Trong đó: MLSS- Nồng độ chất rắn (g/l)
Tr- Nồng độ chất rắn vô cơ (g/l)
Nồng độ COD tách được sau khi rây:
ΔCOD = CODchưa qua rây – CODsau rây (mg/L)
Trong đó: CODchưa qua rây-Nồng độ chất hữu cơ trước
rây(mg/L)
CODsau rây-Nồng độ chất hữu cơ sau
Hình 2. Một số hình ảnh phân tích tại phòng thí rây(mg/L)
nghiệm 3. Kết quả
3.1. Đặc điểm nước thải đầu vào, thành phần chất
2.2.2. Xác định tốc độ chuyển hoá chất hữu cơ trong xử hữu cơ của nước thải chế biến thuỷ sản từ quá
lý nước thải từ quá trình chế biến Surimi bằng bể SBR trình sản xuất surimi
Thiết lập mô hình 7 lít, với hệ thống cấp khí bằng bơm 3.1.1. Đặc điểm nước thải đầu vào
và đá sủi bọt. Kết quả phân tích chất lượng nước đầu vào tại nhà
Chuẩn bị và thích nghi bùn hoạt tính. Bùn hoạt tính máy chế biến thuỷ sản Bắc Đẩu, nhà máy Danifood, nhà
được cho vào 4 bể có nồng độ (MLSS) khoảng 2,5-3,5 máy Hải Thanh lần lượt được thể hiện tại bảng 1.
(g/l).
Bảng 1. Kết quả chất lượng nước đầu vào tại nhà
Vận hành mô hình: 4 mô hình được vận hành theo các
máy chế biến thuỷ sản Bắc Đẩu, Danifood, Hải Thanh
loại nước thải có kích thước khác nhau. Được vận hành
với tải trọng 0,15÷0,25 (gCOD/gMLVSS.ngđ)
+ Bể 1 cho nước thải thô (qua tách vẩy)
+ Bể 2 nước sau lắng 30 phút
+ Bể 3 nước sau rây 425µm
+ Bể 4 nước sau rây 212µm
Mô hình thực nghiệm sử dụng được thể hiện trong
hình 3
Lấy mẫu và phân tích các thông số tại phòng thí
nghiệm.
Đối với nhà máy Bắc Đẩu: nồng độ COD dao động từ
3384-5200 mg/l. So với nước thải chế biến thuỷ sản
đông lạnh hỗn hợp[2] cao gấp 2,5÷4,8 lần. Nồng độ chất
dinh dưỡng (TN) dao động từ 512÷666 mg/l, cao gấp
2,2÷5,1 lần so với chế biến cá da trơn (basa)[2].
Đối với nhà máy Danifood: nồng độ COD dao động
từ 2018-3014 mg/l. So với nước thải chế biến thuỷ sản
Hình 3. Mô hình thực nghiệm tại phòng thí nghiệm đông lạnh hỗn hợp[2] cao gấp 1,5÷2,9 lần .Nồng độ chất
2.3. Phương pháp dinh dưỡng (TN) dao động từ 245÷366 mg/l, cao gấp
2.3.1. Phương pháp thống kê 2,5÷3,6 lần so với chế biến cá da trơn (basa)[2].
Thu thập tài liệu, thống kê số liệu liên quan đến tính Đối với nhà máy Hải Thanh: nồng độ COD dao động
chất thành phần của nước thải chế biến thuỷ sản từ 4270-8905 mg/l. So với nước thải chế biến thuỷ sản
2.3.2. Phương pháp khảo sát, lấy mẫu và phân tích đông lạnh hỗn hợp[2] cao gấp 4,3÷6,2 lần . Nồng độ chất
Phương pháp được áp dụng trong quá trình lấy mẫu dinh dưỡng (TN) dao động từ 505÷1054 mg/l, cao gấp
nước thải, lấy mẫu đánh giá thông số vận hành quá trình 3,5÷5,1 lần so với chế biến cá da trơn (basa)[2].
sinh hoá hiếu khí, phân tích các thông số chất lượng nước
178
Như vây, nước thải chế biến thuỷ sản từ quá trình chế
biến Surimi chứ hàm lượng lớn các chất hữu cơ dang hạt
và dạng hoà tan cùng với nồng độ chất dinh dưỡng rất cao.
Hình 6. Nhà máy Bắc Đẩu

Bảng 3. Nước thải nhà máy Danifood
Danifood
Kích cỡ Đợt 1 (14/09/2022) Đợt 2 (07/10/2022)
Hình 4. Biểu đồ thể hiện nồng độ COD tại nhà máy rây TSS tách COD ΔCOD TSS tách COD ΔCOD
Bắc Đẩu, nhà máy Danifood, nhà máy Hải Thanh ra (mg/L) (mg/L) (mg/L) ra (mg/L) (mg/L) (mg/L)
Mẫu 2940 2018
2,36mm 3,3 2925 15 10 1873 145
1mm 5,8 2880 60 13 1624 394
425µm 35 2720 220 39,6 1503 515
212µm 41,3 2654 286 85,2 1435 583
106µm 225,5 2370 570 155,8 1370 648
75µm 439,8 2260 680 227,6 1125 893
45µm 689,1 2160 780 333 1026 992
0,45µm 1500 1440 855 1163
Hình 5. Biểu đồ thể hiện nồng độ COD tại nhà máy

Bắc Đẩu, nhà máy Danifood, nhà máy Hải Thanh
Kết quả phân tích, ta thấy sự dao động về nồng độ
COD rất lớn 2018÷8905 mg/l. Nước thải từ quá trình chế
biến surimi có nồng độ chất hữu cơ lớn nhất so với nước
thải từ quá trình chế biến tôm đông lạnh, cá da trơn và
thuỷ sản đông lạnh.
Trong nước thải chế biến thuỷ sản từ quá trình surimi Hình 7. Nhà máy Danifood
chứa hàm lượng lớn chất hữu cơ và chất dinh dưỡng. Bảng 4. Nước thải nhà máy Hải Thanh
Nồng độ chất dinh dưỡng theo nitơ trong nước thải từ quá Hải Thanh
trình chế biến surimi tại nhà máy Hải Thanh là cao nhất Kích cỡ
rây
Đợt 1 (07/10/2022) Đợt 2 (12/10/2022) Đợt 3 (21/11/2022) Đợt 4 (28/11/2022)
ΔCOD ΔCOD ΔCOD ΔCOD
(504,36÷1053,55mg/l), nhà máy Danifood thấp nhất với
TSS tách COD TSS tách COD TSS tách COD TSS tách COD
ra (mg/L) (mg/L) (mg/L) ra (mg/L) (mg/L) (mg/L) ra (mg/L) (mg/L) (mg/L) ra (mg/L) (mg/L) (mg/L)
Mẫu 8905 7173 4270 5020
245,18÷365,66 mg/l. 2,36mm 14.4 8550 355 31.2 6790 383 6.3 4190 80 4.6 4950 70
3.1.2. Thành phần các chất hữu cơ trong nước thải chế 1mm
425µm
28.8
30.4
8365
8363
540
542
20.8
41.5
6705
6150
468
1023
13.8
29.2
3610
3390
660
880
10.4
17.1
4900
4660
120
360
biến thuỷ sản từ quá trình sản xuất surimi 212µm 60.3 8295 610 54.6 6064 1109 51.9 3260 1010 31.3 4650 370
Thành phần kích thước hạt và nồng độ chất hữu cơ 106µm

75µm
124.8
192.4
6341
6295
2564
2610
70
91.1
5749
5360
1424
1813
78
107.4
3100
2900
1170
1370
56.7
86
4535
4505
485
515
theo COD sau tách của nước thải tại nhà máy Bắc Đẩu, 45µm 299.2 6240 2665 106 4727 2446 141.5 2790 1480 127.5 4395 625
nhà máy Danifood, nhà máy Hải Thanh được thể hiện lần 0,45µm 5309 3596 3200 3973 2136 2134 3357 1663
lượt tại bảng 2, 3 và 4

Nồng độ COD giảm khi lọc qua các size rây của nước
thải nhà máy Bắc Đẩu, nhà máy Danifood, nhà máy Hải
Thanh lần lượt được thể hiện tại hình 6, 7 và 8
Bảng 2. Nước thải nhà máy Bắc Đẩu
Bắc Đẩu
Kích cỡ Đợt 1 (14/09/2022) Đợt 2 (07/10/2022) Đợt 3 (7/10/2022) Đợt 4 (10/10/2022)
rây TSS tách COD ΔCOD TSS tách COD ΔCOD TSS tách COD ΔCOD TSS tách COD ΔCOD
ra (mg/L) (mg/L) (mg/L) ra (mg/L) (mg/L) (mg/L) ra (mg/L) (mg/L) (mg/L) ra (mg/L) (mg/L) (mg/L)
Mẫu 5223 3383 4560 5200
2,36mm 4784 439 3076 307 23,96 4530 30 0,36 5190 10
1mm 4689 534 3056 327 47,9 4378 182 0,8 4819 381
425µm 4480 743 3041 342 66,8 4005 555 1,71 4254 946
212µm 4310 913 2890 493 92,84 3860 700 4,1 4064 1136
106µm 4253 970 2836 547 115,84 3500 1060 6,88 3854 1346
75µm 3937 1286 2803 580 141,08 3410 1150 12,72 3262 1938
45µm
0,45µm
3621
3201
1602
2022
2740
1878
643
1505
164,8 3040
2180
1520
2380
18,76 3230
2311
1970
2889
Hình 8. Nhà máy Hải Thanh
179
SVTH: Nguyễn Thị Thu Thảo, Ngô Hữu Thanh Phước, Nguyễn Văn Trung, Nguyễn Ngọc Hân; GVHD: ThS. NCS. Phan Thị Kim Thuỷ, PGS.TS Trần Văn Quang, ThS. Hoàng Ngọc Ân
 Nhận xét: Bảng 7. Chất lượng nước đầu vào và ra mô hình

Trong nước thải chế biến thuỷ sản từ quá trình sản đối với mô hình nước thô và rây 212μm
212μm Sau lắng
xuất surimi chứa hàm lượng lớn chất hữu cơ (COD) ở Thông số Đơn vị
Mẻ 1 Mẻ 2 Mẻ 3 Mẻ 4 Mẻ 1 Mẻ 2 Mẻ 3 Mẻ 4
dạng hạt, dạng hoà tan, dạng keo. pH 7.1 6.9 6.8 7.6 7.2 7.4 7.3 6.3
Kiềm mgCaCO3 /L 68.0 76.0 98.0 97.0 72 76 94 98
- Tại nhà máy Bắc Đẩu, thành phần chất hữu cơ có TSS mg/L 60 61 68.0 61.0 62 61 66 66
kích thước d<212 chiếm (74÷85)% Đầu COD mg/L 142.0 141.0 190.0 189.0 138 141 184 185
vào
- Tại nhà máy Danifood, thành phần chất hữu cơ có N - NH4 + mg/L 13.8 17.9 18.6 19.9 14.6 19.1 19.1 20.7
kích thước d<212 chiếm (71÷90)% N - NO3 - mg/L 0.02 0.02 0.7 0.1 0.09 0.10 0.53 0.20
T- N mg/L 24.9 30.7 27.9 29.9 24.0 30.7 28.6 31.1
- Tại nhà máy Hải Thanh, thành phần chất hữu cơ có pH 5.9 6.1 5.5 6.6 6.2 6.4 6.5 5.9
kích thước d<212 chiếm (75÷93)% Kiềm mgCaCO3 /L 16 16 16 16 12 16 12 18
Tại các đợt khảo sát sự giao động về nồng độ chất hữu Đầu
TSS
COD
mg/L
mg/L
39
8
42
6
47
6
46
13
46
6
48
10
44
12
50
17
cơ (COD) rất lớn phụ thuộc vào từng đợt sản xuất, ra
N - NH4 + mg/L 10.1 13.2 10.1 11.2 10.3 13.5 11.5 13.7
nguyên liệu đầu vào,… N - NO3 - mg/L 2.7 4.2 7.5 5.7 2.6 5.4 6.4 6.3
3.2. Xác định tốc độ chuyển hoá chất hữu cơ trong T- N mg/L 16.4 17.5 20.1 19.3 13.2 22.4 20.3 21.8
xử lý nước thải từ quá trình chế biến Surimi  Nhận xét:

bằng bể SBR - Chất lượng nước đầu ra đều đạt cột B QCVN
3.2.1. Sự thay đổi về điều kiện môi trường 11:2015/BTNMT - Quy chuẩn kỹ thuật quốc gia về nước
Kết quả phân tích sự thay đổi về điều kiện môi trường thải chế biến thuỷ sản
nhiệt độ, pH, DO, MLVSS lần lượt được thể hiện tại bảng 5 - Hiệu suất ở mô hình sau rây 212μm và sau lắng là
cao nhất (90÷96%)
Bảng 5. Các thông số về điều kiện môi trường - Hiệu suất ở mô hình nước thô là thấp nhất
Thông Đơn Rây Rây
(89,4÷92,4%)
Nước thô Sau lắng
số vị 425μm 212μm b. Kết quả sự thay đổi nồng độ chất hữu cơ COD
Kết quả phân tích sự thay đổi chất hữu cơ theo COD
Nhiệt độ °C 20,5÷25,6 19,2÷26,4 21,3÷23,9 21,5÷24,1 theo giờ được thể hiện tại hình 9
pH - 5,5÷7,2 5,8÷7,4 5,3÷7,2 5,5÷7,6
DO mg/l 2,64÷6,7 2,14÷6,28 2,24÷6,61 2,02÷7,32
MLVSS g/l 2,5÷2,7 2,5÷2,6 2,5÷2,7 2,5
 Nhận xét:
Kết quả phân tích cho thấy, nhiệt độ, pH, DO nằm
trong điều kiện của quá trình sinh hóa hiểu khí, đáp ứng
các điều kiện về môi trường trong các bể phản ứng.
3.2.2. Kết quả vận hành mô hình xác định tốc độ chuyển Hình 9. Sự thay đổi về nồng độ COD theo giờ
hoá chất hữu cơ (COD). Nồng độ chất hữu cơ giảm nhanh ở 20 phút đầu, sau
20 phút thì tốc độ giảm chậm dần. Sau 6h sục khí thì chất
a. Kết quả chất lượng nước đầu vào và đầu ra mô
lượng nước đầu ra là tương đương như nhau.
hình
Tốc độ chuyển hoá chất hữu cơ theo từng bể được
Tổng hợp kết quả phân tích chất lượng nước đầu vào phân tích và tính toán thể hiện tại bảng 8.
và đầu ra được thể hiện tại bảng 6 và 7 Bảng 8. Tốc độ chuyển hoá chất hữu cơ
Bảng 6. Chất lượng nước đầu vào và ra mô hình đối
với mô hình nước thô và rây 425μm Tốc độ chuyển hoá (gCOD/gMLVSS.h)
Nước thô 425μm
Thông số Đơn vị
Mẻ 1 Mẻ 2 Mẻ 3 Mẻ 4 Mẻ 1 Mẻ 2 Mẻ 3 Mẻ 4
M Nước Sau Rây Rây
pH 6.8 6.72 6.69 7.4 6.8 6.91 6.9 7.2 ẻ thô lắng 425μm 212μm
Kiềm mgCaCO3 /L 72 88 107 88 64 72 92 102
TSS mg/L 64 63 86 82 61.0 60.0 79.0 82.0
1 0.063 0.087 0.077 0.087
Đầu COD mg/L 145 140 187 188 143 143 181 182
vào 2 0.070 0.112 0.075 0.101
N - NH4 + mg/L 13.5 19.1 19.1 20.2 15.3 18.5 20.2 19.1
N - NO3 - mg/L 0.0 0.0 0.0 0.2 0.0 0.0 0.2 0.5 3 0.039 0.125 0.108 0.121
T- N mg/L 24.3 32.7 28.6 30.3 24.6 28.9 30.3 28.6
pH 5.8 5.5 5.9 6.4 5.8 5.5 5.3 6.2
4 0.097 0.136 0.116 0.131
Kiềm mgCaCO3 /L 14 16 18 20 12 16 12 12
Kết quả vận hành: khi vận hành với nước thải sau lắng
TSS mg/L 51 55 61 57 44 44 57 54
Đầu COD mg/L 11 12 15 20 12 13 13 19 30 phút thì tốc độ chuyển hoá chất hữu cơ là nhanh nhất
ra
N - NH4 + mg/L 8.6 11.2 11.8 12.3 10.8 13.4 11.8 10.2 0,087÷0,136 gCOD/gMLVSS.h, nước thải sau rây
N - NO3 - mg/L 3.9 5.9 6.7 8.2 4.9 5.3 7.2 5.0 212μm: 0,087÷0,131gCOD/gMLVSS.h và tốc độ chuyển
T- N mg/L 19.4 22.6 20.5 22.1 21.7 15.3 20.9 18.6 hoá nhanh gấp 1,2÷1,4 lần so với nước thô
180
Kích thước hạt càng bé thì tốc độ chuyển hoá càng 4.2. Kiến nghị
nhanh. Ở bể 2, nước thải sau lắng 30 phút, chất hữu cơ ở Cần phát triển hoàn thiện bộ thông số của quá trình
dạng hoà tan chiếm càng nhiều thì tốc độ chuyển hoá sinh hoá hiếu khí xử lý nước thải chế biến thuỷ sản từ quá
nhanh nhất. trình sản xuất surimi
4. Kết luận và kiến nghị Nghiên cứu vận hành với tải trọng cao hơn để tiếp tục
4.1. Kết luận xác định tốc độ chuyển hoá chất hữu cơ
Nước thải thủy sản hiện nay có nồng độ các chất hữu
cơ và chất dinh dưỡng cao và có thể tăng lên trong tương Tài liệu tham khảo
[1]. Bộ tài nguyên và môi trường, QCVN 11-MT:2015/BTNMT -
lai. Các HTXLNT ngành chế biến thủy sản vì vậy mà Quy chuẩn kỹ thuật quốc gia về nước thải chế biến thuỷ sản
thường gặp phải tình trạng chất lượng nước sau xử lý [2]. Tổng cục môi trường, Tài liệu kỹ thuật – Hướng dẫn đánh giá sự
chưa đạt QCVN. phù hợp của công nghệ xử lý nước thải và giới thiệu một số công
Nước thải thuỷ sản từ quá trình chế biến surimi chứa nghệ xử lý nước thải đối với ngành Chế biến thủy sản, Dệt may,
Giấy và bột giấy, Hà nội năm 2011
hàm lượng lớn chất hữu cơ dưới dạng hạt,dạng hoà tan, dạng [3]. GS.TS. Trần Hiếu Nhuệ, Thoát nước và xử lý nước thải công
keo với khoảng dao động rộng (COD= 2018÷8905 mg/l) nghiệp, NXB Khoa học và kỹ thuật
Thực nghiệm được thực hiện với tải trọng 0,15÷0,25 [4]. Food and Agriculture Organization (FAO) of the United Nations,
gCOD/gMLVSS.ng, MLSS: 2,5÷3,5g/l, kết quả ta thấy Fisheries technical paper – 355 Wastewatertreatment in the
fishery industry, Rome, 1996.
nước thải sau lắng 30 phút tốc độ chuyển hoá đạt được [5]. Trần Văn Quang, Phan Thị Kim Thủy, “Nghiên cứu xác định các
0,087÷0,136 gCOD/gMLVSS.h, rây 212μm đạt được thông số quá trình sinh hóa hiếu khí xử lý chất hữu cơ trong nước
0,087÷0,131 gCOD/gMLVSS.h. Và cao gấp 1,2÷1,4 so thải chế biến thủy sản”, Tạp chí Khoa học và Công nghệ Đại học
với nước thô và sau rây 425μm Đà Nẵng, số 09[118]/2017
181
SVTH: Phạm Xuân Long, Nguyễn Trường Sơn, Đặng Huyền My, Nguyễn Anh Đào, Tán Phạm Thanh Nhàn; GVHD: NCS.ThS. Võ Diệp Ngọc Khôi, ThS. Hoàng Ngọc Ân
ĐÁNH GIÁ KHẢ NĂNG PHÂN HỦY VÀ SỰ THAY ĐỔI MẬT ĐỘ VI SINH VẬT
TRONG QUÁ TRÌNH Ủ HIẾU KHÍ BÙN THẢI TỪ CÁC TRẠM XỬ LÝ NƯỚC
THẢI ĐÔ THỊ
ASSESMENT OF DECOMPOSITION CAPABILITY AND MICROBIAL DENSITY
CHANGE IN THE AEROBIC INCUBATION OF SLUDGE FROM URBAN WASTEWATER
TREATMENT PLANTS
SVTH: Phạm Xuân Long, Nguyễn Trường Sơn, Đặng Huyền My, Nguyễn Anh Đào, Tán Phạm Thanh Nhàn
Đơn vị: Lớp 18MT, 19MT, 20QLMT. Email: nthilam31@gmail.com, Son01202657666@gmail.com,
danghuyenmy10@gmail.com, anhdaotk1@gmail.com, tanphamthanhnhan@gmail.com
GVHD: NCS.ThS. Võ Diệp Ngọc Khôi, ThS. Hoàng Ngọc Ân
Khoa: Môi trường, Trường Đại học Bách khoa Đà Nẵng
Tóm tắt - Nghiên cứu này tiến hành xác định tốc độ phân Abtract - This research conducted to determine the rate of
hủy các chất hữu cơ trong bùn thải trong quá trình ủ hiếu khí bùn decomposition of organic matter in the sludge during the aerobic
thải có sử dụng vật liệu trộn. Kết quả nghiên cứu cho thấy việc composting of the sludge using mixed materials. Research
sử dụng vụn gỗ xà cừ cũ đã giúp gia tăng tốc độ phân hủy chất results show that using old mother-of-pearl wood chips has
hữu cơ từ 2 đến 3 lần. Trong quá trình xử lý, mật độ vi sinh vật increased the rate of organic matter decomposition by 2 to 3
gia tăng nhanh chóng trong 5 ngày đầu tiên. Kết quả nghiên cứu times. During the treatment process, the microbial density
cho thấy các vi sinh vật đặc hiệu, có hoạt tính phân hủy các chất increased rapidly in the first 5 days. Research results show that
hữu cơ mạnh mẽ có vai trò quan trọng trong việc xử lý bùn thải. specific microorganisms with strong organic matter
Hàm lượng cacbon hữu cơ trong bùn thải sau khi xử lý là khoảng decomposition activity play an important role in sludge treatment.
32%, hàm lượng các chất hữu cơ là từ 68% đến 71,5%. Sau quá The organic carbon content in the sludge after treatment is about
trình xử lý, khối lượng của bùn thải đã giảm đi đáng kể, độ giảm 32%, the organic matter content is from 68% to 71.5%. After the
khối lượng là từ 77,8% đến 80,5%. Tuy nhiên, hiệu suất xử lý treatment process, the volume of sludge was significantly
các chất hữu cơ là không cao, hiệu suất xử lý cacbon hữu cơ là reduced, the weight loss was from 77.8% to 80.5%. However, the
từ 5,67% đến 10,45%, hàm lượng các chất hữu cơ là từ 2,95% organic matter treatment efficiency is not high, the organic
đến 6,71%. Bùn thải sau khi xử lý có hàm lượng các chất dinh carbon removal efficiency is from 5.67% to 10.45%, the organic
dưỡng đảm bảo yêu cầu về phân compost để sử dụng cho hoạt matter content is from 2.95% to 6.71 %. Waste sludge after
động nông nghiệp. Kết quả kiểm tra độ độc qua chỉ số GI cho treatment has a content of nutrients that meets the requirements
thấy bùn thải sau khi xử lý có thể sử dụng cho cây trồng. Tuy of compost for use in agricultural activities. The results of the GI
nhiên, do sản phẩm sau khi xử lý có độ muối (EC) khá cao, nên toxicity test show that the treated sludge can be used for crops.
khi sử dụng bùn thải cần lựa chọn liều lượng phù hợp để tránh However, because the product after treatment has a high salinity
gây ảnh hưởng xấu đến cây trồng. (EC), so when using sewage sludge, it is necessary to choose
Từ khóa - Bùn thải; vụn gỗ xà cừ; tốc độ phân hủy; mật độ an appropriate dose to avoid adversely affecting plants.
vi sinh vật; xử lý hiếu khí Keywords - Waste sludge; narce wood chips; decompositon
rate; microbial density, aerobic treatment
1. Giới thiệu Minh có công suất là 141000 m3/ngày đêm hoặc nhà máy
Ở nước ta, hiện nay, quá trình công nghiệp hóa, hiện xử lý nước thải tại Yên Sở - Hà Nội, công suất 200000
đại hóa đất nước đã đem lại những thành tựu to lớn trong m3/ngày đêm) [2]. Việc quan tâm đầu tư nhà máy xử lý
quá trình phát triển kinh tế, xã hội đất nước, tuy nhiên, nước thải cùng với mạng lưới thu gom nước thải tại các
quá trình đô thị hóa nhanh chóng và gia tăng mật độ dân đô thị đã góp phần giảm ô nhiễm nguồn nước và ô nhiễm
số đã tạo ra những yêu cầu đối với cơ sở hạ tầng đô thị và môi trường.
những tác động tiêu cực đến sức khỏe con người và chất Trong quá trình xử lý nước thải đã làm phát sinh một
lượng môi trường xung quanh. Trong vấn đề thoát nước lượng lớn bùn thải đô thị, đây được xem là loại chất thải
và xử lý nước thải đô thị, lượng nước thải phát sinh từ rắn nguy hại và chưa được xử lý một cách phù hợp.
hoạt động sinh hoạt đô thị và các cơ sở sản xuất đang Lượng bùn thải phát sinh từ các trạm xử lý nước thải đô
ngày càng gia tăng về số lượng và mức độ ô nhiễm của thị Việt Nam năm 2018 là 345544 m3/năm [3]. Lượng
nước thải. Ở một số khu vực, tỉ lệ nước thải sinh hoạt bùn thải phát sinh ở thành phố Hồ Chí Minh là khoảng từ
được xử lý vẫn còn thấp, tỉ lệ số hộ gia đình đưa nước 5000 đến 6000 tấn/ngày [4]. Hiện nay, phương thức xử
thải sinh hoạt của gia đình đến trạm xử lý nước thải của lý bùn thải chủ yếu là khử nước và đưa đi chôn ở các bãi
địa phương là khoảng từ 15% đến 30% [1]. Sau khi nước rác [5]. Bùn thải chưa phân hủy hoàn toàn, đưa ra bên
thải được xử lý thì phát sinh một lượng cặn bẩn, chủ yếu ngoài môi trường có nguy cơ gây ô nhiễm môi trường,
là các chất ô nhiễm được tách ra khỏi nước thải trong quá ảnh hưởng xấu đến sức khỏe con người.
trình xử lý. Việc xử lý hiệu quả, đảm bảo vệ sinh đối với Bên cạnh đó, vấn đề giải quyết lượng rác thải cây
lượng chất thải thứ cấp này chính là vấn đề cần được quan xanh đô thị vẫn chưa có phương án giải quyết phù hợp.
tâm giải quyết. Ở nước ta, tính đến nay đã có 30 nhà máy Lượng cây xanh phát sinh từ hoạt động cắt tỉa cây xanh
xử lý nước thải tập trung với khả năng xử lý là khoảng cũng như là lượng cây xanh ngã đổ khi xảy ra thiên tai
800000 m3/ngày đêm đã đi vào hoạt động (trong đó có như bão, lũ lụt, đặc biệt là các tính ỏ khu vực duyên hải
nhà máy với công suất rất lớn đã đi vào hoạt động như miền trung Việt Nam. Lượng rác thải cây xanh phát sinh
nhà máy xử lý nước thải Bình Hưng – thành phố Hồ Chí
182
ở thành phố Đà Nẵng là khoảng 20000 tấn với thể tích là phân gia súc là 3:2, mức độ suy giảm thể tích là khoảng
khoảng 40000 m3. Lượng rác thải cây xanh chủ yếu được 59,5%. Để có thể sử dụng để gia tăng năng suất cho cây
tập trung ở vườn ươm khu B thuộc khu dân cư Nam Cẩm trồng thì cần bổ sung thêm một nguyên tố dinh dưỡng
Lệ, xã Hòa Phước, huyện Hòa Vang, thành phố Đà Nẵng, như N, P, K cho bùn thải sau khi xử lý. Năm 2012, Đoàn
lượng rác thải này chưa có phương án xử lý phù hợp, gây Thị Trúc Linh đã cho thấy hiệu quả cải thiện hàm lượng
lãng phí nguồn tài nguyên này. các chất dinh dưỡng khi phối trộn bùn thải từ hệ thống
Chính từ yêu cầu của thực tế này, nhiều nghiên cứu, cống thoát nước với rác thải hữu cơ và nấm Trichoderma.
giải pháp đã được đưa ra nhằm đáp ứng yêu cầu xử lý Hàm lượng N-NO3- cao nhất trong sản phẩm là khoảng
hiệu quả bùn thải và rác thải cây xanh đô thị. Phương 350 mg/kg và hàm lượng photpho là khoảng 500 mg/kg.
pháp co-composting đã đem lại lợi ích trong việc cải thiện Việc sử dụng vật liệu trộn là rác thải cây xanh đã đem
hiệu quả xử lý chất thải hữu cơ. Đây chính là phương lại hiệu quả to lớn trong cải thiện hiệu quả xử lý bùn thải
pháp trộn hai hoặc nhiều nguyên liệu khác nhau để tiến đô thị.
hành quá trình ủ hiếu khí. Năm 2021, Nguyễn Văn Mạnh đã đánh giá hiệu quả
Trong nghiên cứu này, các nhà nghiên cứu sẽ tiến xử lý bùn thải từ nhà máy chế biến thủy sản với 3 loại vật
hành đánh giá diễn biến các thông số trong quá trình ủ liệu trộn là mùn cưa, vụn gỗ keo và vụn gỗ xà cừ. Kết quả
hiếu khí bùn thải có sử dụng vật liệu trộn là vụn gỗ xà cừ, phân tích cho thấy, giá trị GI của mẫu bùn thải sử dụng
xác định tốc độ phân hủy chất hữu cơ trong bùn thải và vật liệu trộn là mùn cưa là tương đối thấp so với các mẫu
sự thay đổi mật độ vi sinh vật trong quá trình xử lý hiếu bùn thải còn lại, khoảng từ 48,81% đến 60,77%, không
khí bùn thải từ các trạm xử lý nước thải đô thị. đạt yêu cầu để sử dụng cho cây trồng. Điều đó thấy mức
Việc sử dụng vật liệu trộn trong quá trình ủ hiếu khí độ độc của sản phẩm sau khi xử lý và mức độ cần thiết
bùn thải đã đem lại một số tác động tích cực đối với hiệu khi lựa chọn vật liệu trộn đảm bảo vệ sinh, không chứa
quả xử lý bùn thải, góp phần làm gia tăng hiệu quả xử lý, các chất độc gây cản trở quá trình ủ hiếu khí bùn thải, làm
chống lại sự thất thoát nito trong quá trình ủ, giảm nồng giảm chất lượng của bùn thải sau khi xử lý. Năm 2022,
độ các chất ô nhiễm trong sản phẩm, giảm phát thải khí Nguyễn Ngọc Bảo đã nghiên cứu về ảnh hưởng của vật
nhà kính và nâng cao chất lượng sản phẩm sau khi xử lý. liệu trộn đến hiệu quả xử lý bùn thải, cho thấy kích thước
Năm 2003, Wan và các đồng nghiệp đã so sánh về hiệu của vụn gỗ xà cừ là 10x10 mm và tỉ lệ phối trộn bùn
quả loại bỏ polycylin acromantic hydrocacbon (PAH), thải:giá thể đem lại hiệu quả xử lý cao nhất. Độ giảm khối
một loại hợp chất gây ung thư nghiêm trọng đối với con lượng của nguyên liệu sau khoảng thời gian ủ 28 ngày là
người, trong đất ô nhiễm khi phối trộn các loại vật liệu khoảng 70%. Năm 2022, Nguyễn Văn Khai đã nghiên
khác nhau như phân lợn và bã đậu nành, kết quả cho thấy, cứu lựa chon mô hình ủ hiếu khí phù hợp, kết quả nghiên
việc sử dụng phân lợn kết hợp với bùn thải đã đem lại cứu cho thấy, mô hình ủ hiếu khí dạng trống quay có cấp
hiệu quả xử lý lên đến 90% PAH ở trong môi trường đất. khí đem lại hiệu quả xử lý cao nhất. Trong đó, hiệu quả
Năm 2005, Jouraiphy và các đồng nghiệp đã nghiên cứu xử lý cacbon hữu cơ là khoảng 19%.
về các đặc trưng hóa học và phân tích quang phổ hồng Trong lần nghiên cứu này, các tác giả sẽ tiến hành
ngoại về sự chuyển hóa chất hữu cơ trong quá trình ủ hiếu đánh giá diễn biến của các thông số trong quá trình xử lý
khí bùn thải và rác thải cây xanh. Kết quả cho thấy, hiếu khi bùn thải, thiết lập một quy trình công nghệ phù
khoảng thời gian cần thiết để bùn thải chín hoàn toàn là hợp để xử lý một cách hiệu quả bùn thải từ các trạm xử
khoảng 135 ngày, tỉ lệ NH4+/NO3- là 0,2, tỉ lệ C/N là 12 lý nước thải đô thị. Nội dung của nghiên cứu này sẽ chú
cho thấy bùn thải đã ổn định sau quá trình xử lý. Năm trọng đến tốc độ phân hủy các hợp chất hữu cơ trong bùn
2020, Natagana đã cùng với các đồng nghiệp đã tiến hành thải, sự thay đổi mật độ vi sinh vật trong bùn thải, đánh
khảo sát các loài thực vật khác nhau ở Việt Nam để lựa giá ảnh hưởng của vi sinh vật đến quá trình xử lý hiếu khí
chọn loại vật liệu đệm phù hợp, tạo ra môi trường để vi bùn thải.
sinh vật sinh trưởng và phát triển, nâng cao hiệu quả xử 2. Vật liệu và phương pháp
lý. Kết quả nghiên cứu cho thấy loài cây xà cừ với bề mặt
2.1. Đối tượng nghiên cứu
có dạng hình tổ ong với kích thước lỗ là từ 11,4 đến 35,7
μm là vật liệu phù hợp để phối trộn trong quá trình xử lý 2.1.1. Nguyên liệu
bùn thải. Nghiên cứu này góp phần tạo ra cơ sở để thực Bùn thải được sử dụng cho nghiên cứu là lượng cặn
hiện các nghiên cứu tiếp theo về tìm ra các thông số tối được tách ra khỏi nước từ nhà máy xử lý nước thải Sơn
ưu của quá trình để nâng cao hiệu quả xử lý lượng bùn Trà. Lượng bùn cặn được lấy từ ngăn chứa cặn của bể
thải và rác thải cây xanh ở đô thị. lắng II với thành phần chủ yếu là bùn hoạt tính vi sinh
Ở Việt Nam, cũng đã có một số nghiên cứu được thực vật. Sau khi bùn được tách ra khỏi bể lắng II thì đã được
hiện về xử lý bùn thải theo công nghệ hiếu khí có sử dụng đưa đến bể nén bèn và được ép bằng máy ép ly tâm, sau
vật liệu trộn. Năm 2020, Trần Thị Thu Hiền và các đồng đó, bùn thải được đưa vào một chiếc xuồng trước khi
nghiệp đã thực hiện nghiên cứu xử lý bùn thải từ nhà máy được vận chuyển đến bãi rác Khánh Sơn để xử lý. Bùn
xử lý nước thải Hà Thanh, Bình Định khi sử dụng vật liệu thải được sử dụng cho nghiên cứu là lượng bùn hoạt tính
trộn là vỏ trấu và phân gia súc. Sau quá trình nghiên cứu dư từ quá trình xử lý nước thải với thành phần chính là
cho thấy, mô hình với tỉ lệ phối trộn bùn và vỏ trấu là 1:1 chất hữu cơ và hàm lượng các chất dinh dưỡng khá cao,
có nhiệt độ cao nhất. Mô hình có độ giảm thể tích cao sẽ phân hủy phát sinh mùi hôi và các chất ô nhiễm khác
nhất là mô hình 2 với tỉ lệ phối trộn nguyên liệu bùn thải: nếu không xử lý trước khi đưa ra môi trường bên ngoài.
183
Bảng 2: Đặc điểm của vụn gỗ xà cừ

S Vụn gỗ Vụn gỗ xà cừ
T Thông số xà cừ đã sử dụng
T mới một lần
1 Độ ẩm (%) 10.74 10.06
Nồng độ cacbon
2 36,45 46,53
hữu cơ (%)
3 Nồng độ nito (%) 0.27 1.20
a b
Nồng độ photpho
Hình 1: Qúa trình lấy bùn thải từ trạm xử lý nước thải Sơn 4 3.76 2.58
(%)
Trà
5 Độ tro (%) 2.28 19.24
a - Lấy bùn thải từ khu vực xử lý Hàm lượng chất
6 97.72 80.76
b - Bùn thải từ trạm xử lý nước thải Sơn Trà hữu cơ (%)
Kết quả phân tích các thông số của bùn thải từ trạm 2.1.2 Mô hình thí nghiệm
xử lý nước thải Sơn Trà được trình bày trong Bảng 1. Mô hình ủ phân compost được thiết kế theo hình lăng
Bảng 1: Đặc điểm của bùn thải từ trạm xử lý nước thải Sơn trụ tròn với đường kính đáy là 42cm, chiều dài của thiết
Trà bị là 62cm, ở trên thân thiết bị có bố trí cửa để nạp nguyên
liệu với dạng hình chữ nhật với chiều dài là 25 cm và
STT Thông số Gía trị chiều rộng là 20 cm. Về cấu tạo, mô hình gồm có 3 lớp
1 Gía trị pH 6,1 vật liệu khác nhau. Ở bên ngoài là lớp tôn có tác dụng
2 Độ ẩm (%) 82,71 bảo vệ mô hình thí nghiệm, ở giữa là lớp bông thủy tinh
3 Độ dẫn điện riêng (mS/cm) 1,08 có tác dụng cách nhiệt, đảm bảo nhiệt độ phù hợp cho quá
trình xử lý hiếu khí của vi sinh vật, chiều dày của lớp vật
Nồng độ các chất rắn hòa tan trong
4 550 liệu này là 6cm, phía bên trong là lớp kim loại có bề mặt
dung dịch (mg/l)
nhẵn bóng, tiếp xúc trực tiếp với nguyên liệu trong quá
Nồng độ cacbon hữu cơ theo chất
5 34,00 trình ủ bùn thải. Bên trong mô hình có gắn 5 cánh khuấy
khô (%)
xung quanh trục của của mô hình. Mô hình được lắp đặt
6 Nồng độ nito tổng theo chất khô (%) 5,20
các hệ thống cấp khí, xả cặn, khí thải và nước rỉ ra từ bùn
Nồng độ photpho tổng theo chất khô thải trong quá trình ủ hiếu khí. Trong đó, đường kính của
7 0,12
(%) ống xả cặn, khí thải là 19mm, đường kính của ống xả
8 Độ tro theo chất khô (%) 16,85 nước rỉ ra từ bùn thải trong quá trình xử lý là 6mm.
Hàm lượng chất hữu cơ theo chất
9 83,15
khô (%)
5 11
Vật liệu trộn được sử dụng cho quá trình ủ hiếu khí 1
bùn thải là vụn gỗ xà cừ. Xà cừ thuộc loại cây thân gỗ với

chiều cao trung bình là từ 25 đến 45 m, đường kính thân 3
4
là khoảng từ 0,9 đến 2,1 m. Cây xà cừ có thân cứng với
nhiều nhánh và cành lớn mọc ra từ thân, được sử dụng
420
chủ yếu trong các khu vực tập trung, công cộng hoặc các 8
6
con đường lớn trong đô thị. Lớp bên ngoài sần sùi có
chiếc vảy gỗ, sau này, có thể sẽ rơi ra khỏi thân chính.
Phần gỗ bên trong của cây có màu đỏ hồng. Đây là loại 9
10 2
cây vừa mang giá trị cảnh quan và kinh tế đối với con 620
người. Trong nghiên cứu này tiến hành so sánh hiệu quả
xử lý giữa vụn gỗ xà cừ mới và vụn gỗ xà cừ cũ nhằm
đánh giá khả năng tái sử dụng vụn gỗ xà cừ.
4 5
420
12
620
Hình 3: Cấu tạo của mô hình ủ hiếu khí dạng trống quay
a b 1 - Vỏ thiết bị, 2 - Lớp bông thủy tinh, 3 - Trục cánh
Hình 2: Vụn gỗ xà cừ khuấy, 4 - Cánh khuấy, 5 - Cửa nạp nguyên liệu, 6 - Van
a - Vụn gỗ xà cừ mới, b - Vụn gỗ xà cừ đã sử dụng 1 cấp khí, 7 - Khe đo nhiệt độ, 8 - Van xả nước rỉ, 9 - Van
lần xả cặn, 10 - Lớp kim loại bên trong, 11 - Van xả khí, 12 -
Đường ống thu nước rỉ
184
Mô hình được lắp đặt máy bơm thổi khí cung cấp lưu cập nhật liên tục với tần suất là 10 phút/lần. Đối với các
lượng khí là 10 lít/phút với chế độ thổi khí là 2 phút thổi chỉ tiêu về độ ẩm, giá trị pH, độ dẫn điện riêng (EC), nồng
và 58 phút nghỉ, tiến hành thu thập giá trị nhiệt độ của độ các chất rắn hòa tan trong bùn thải (TDS), nồng độ
bùn thải với tần suất là 10 phút/lần. cacbon hữu cơ (TOC), độ tro, hàm lượng chất hữu cơ sẽ
2.2. Phương pháp nghiên cứu được thực hiện với tần suất là từ 2,3 ngày/lần. Mật độ vi
sinh vật được phân tích với tần suất là 2 - 5 ngày/ lần.
2.2.1 Chuẩn bị nguyên liệu
Các phương pháp phân tích từng thông số của bùn
Quy trình chuẩn bị nguyên liệu được thực hiện như
thải được thể hiện ở Bảng 5.
sau: Đầu tiên, tiến hành xác định khối lượng riêng của
nguyên liệu ủ. Kết quả xác định khối lượng riêng của các Bảng 5: Các phương pháp phân tích mấu
nguyên liệu ủ được trình bày trong Bảng 3. Sau đó tính Số thứ Phương pháp phân
toán khối lượng nguyên liệu cần sử dụng đối với mỗi mô Thông số
tự tích mẫu
hình, nạp vào mô hình sao cho tỉ lệ phối trộn bùn thải:vụn
gỗ là 4:1, thể tích của bùn thải trong mô hình là khoảng 1 Nhiệt độ
25 l. Từ kết quả tính toán ở Bảng 4, lựa chọn khối lượng 2 Độ ẩm TCVN 4048:2011
nguyên liệu nạp vào các mô hình là khối lượng bùn thải
là 10 kg và khối lượng vụn gỗ xà cừ cần sử dụng là 2,5 3 Độ pH TCVN 5979:2007
kg. Tiến hành phối trộn các nguyên liệu với nhau theo tỉ
4 Độ dẫn điện riêng (EC) TCVN 6650:2000
lệ bùn thải:vât liệu trộn là 4:1, sau đó, đem hỗn hợp
nguyên liệu phơi trên nền xi măng để đạt được độ ẩm là Nồng độ chất rắn hòa TCVN 6650:2000
từ 50% đến 60%, đảm bảo tạo điều kiện thuận lợi cho quá 5 tan trong dung dịch
trình chuyển hóa vật chất của vi sinh vật. Sau khi bùn thải (TDS)
đã đạt đến độ ẩm phù hợp thì tiến hành nạp nguyên liệu
vào các mô hình, khởi động hệ thống cấp khí, tiến hành Nồng độ cacbon hữu cơ TCVN 9294:2012
6
đảo trộn nguyên liệu, bắt đầu quá trình ủ hiếu khí bùn (TOC)
thải. Trong quá trình vận hành mô hình ủ hiếu khí bùn 7 Nồng độ nito tổng TCVN 8557:2010
thải, tiến hành cung cấp lưu lượng khí là 10/phút, đảo trộn
mô hình với tần suất là 5 vòng/ngày, cập nhật nhiệt độ 8 Nồng độ photpho tổng TCVN 8563:2010
của mô hình 10 phút/lần và thu thập dữ liệu về sự thay 9 Độ tro TCVN 7038:2012
đổi của bùn thải trong suốt quá trình ủ hiếu khí.
Bảng 3: Khối lượng riêng của các nguyên liệu ủ 3. Kết quả và thảo luận
3.1. Sự thay đổi các thông số của bùn thải trong quá
Số thứ Khối lượng riêng trình ủ hiếu khí
Tên nguyên liệu
tự (kg/l) 3.1.1 Nhiệt độ
1 Bùn thải 0,87
2 Vụn gỗ dùng 1 lần 0,16
3 Vụn gỗ mới 0,19
Bảng 4: Khối lượng nguyên liệu cần cung cấp cho các mô
hình
Khối lượng Khối lượng Thể tích của

Mô hình bùn thải vụn gỗ xà cừ nguyên liệu
(kg) (kg) ủ (l)
Mô hình 1 10,14 2,54 25
Mô hình 2 9,22 2,3 25
2.2.2 Đánh giá, phân tích các thông số của bùn thải
trong quá trình ủ hiếu khí Hình 4: Sự thay đổi về nhiệt độ của bùn thải trong quá
trình ủ hiếu khí
2.2.2.1 Phương pháp lấy mẫu
Sau khi ủ hiếu khí khoảng 3 ngày, nhiệt độ của các
Phương pháp lấy mẫu được thực hiện theo tiêu chuẩn mô hình tăng mạnh từ 320C lên đến 360C, vi sinh vật bắt
Việt Nam TCVN 9486:2018 về phương pháp lấy mẫu đầu thích nghi với môi trường, phân hủy các hợp chất hữu
phân bón hữu cơ. cơ đơn giản trong bùn thải như protein và cacbonhydrate.
2.2.2.2 Phương pháp phân tích, tấn suất lấy mẫu Đến ngày thứ 10, vi sinh vật bắt đầu giai đoạn ưa nhiệt,
Trong quá trình ủ hiếu khí bùn thải, tiến hành cập nhật nhiệt độ duy trì ở mức là khoảng 36,50C. Giai đoạn ưa
liên tục nhiệt độ của nguyên liệu ủ và theo dõi định kỳ nhiệt kéo dài trong khoảng thời gian 10 ngày, tuy nhiên,
các thông số như độ ẩm, giá trị pH, độ dẫn điện riêng ở giữa pha ưa nhiệt, nhiệt độ của bùn thải trong mô hình
(EC), nồng độ chất rắn hòa tan trong bùn thải (TDS), 1 đột ngột giảm xuống chỉ còn khoảng 320C. Sau khoảng
nồng độ cacbon hữu cơ (TOC), độ tro, hàm lượng chất 20 ngày, bùn thải bắt đầu ổn định, nhiệt độ của nguyên
hữu cơ và mật độ vi sinh vật. Dữ liệu về nhiệt độ sẽ được liệu ủ là khoảng 300C.
185
Nhiệt độ của bùn thải trong mô hình 2 cao hơn mô hình 1, giá trị pH là khoảng 6,6 và ở mô hình 2 là khoảng
hình 1 là từ 20C đến 50C kể từ ngày thứ 15 của quá trình 6,3. Trong giai đoạn ổn định, giá trị pH của bùn thải giảm,
ủ hiếu khí. Việc pha ưa nhiệt của mô hình 2 kéo dài hơn giá trị pH duy trì ở mức là khoảng 6,2 từ ngày thứ 27.
so với mô hình 1 và nhiệt độ của mô hình 2 cao hơn mô 3.1.4 Độ dẫn điện riêng (EC)
hình 1 cho thấy hoạt động phân hủy các chất hữu cơ trong
bùn thải trong mô hình 2 là diến ra mạnh mẽ hơn, góp
phần nâng cao hiệu suất xử lý bùn thải.
3.1.2 Độ ẩm
Hình 7: Sự thay đổi độ dẫn điện riêng (EC) của bùn thải
Trong khoảng thời gian ủ hiếu khí sau khoảng 20
ngày, độ dẫn điện riêng của bùn thải có xu hướng gia
tăng. Sau khoảng 20 ngày, giá trị EC đã tăng từ 1,5 lên
Hình 5: Sự thay đổi độ ẩm của nguyên liệu trong quá đến 1,8 mS/cm. Tốc độ gia tăng độ dẫn điện riêng là
trình ủ hiếu khí khoảng 0,05 mS/cm.ngày trong khoảng 20 ngày xử lý đầu
Độ ẩm của nguyên liệu ban đầu là tương đối cao, tiên. Trong giai đoạn này, độ ẩm của bùn thải giảm làm
khoảng 82%, trong quá trình ủ hiếu khí, độ ẩm của bùn gia tăng hàm lượng chất rắn trong bùn thải và quá trình
thải giảm, đến ngày thứ 12, độ ẩm của bùn thải là khoảng phân hủy các chất hữu cơ đã hình thành các ion hòa tan
76%. Trong quá trình ủ hiếu khí, độ ẩm của bùn thải sử trong bùn thải làm gia tăng độ dẫn điện riêng của nguyên
dụng vật liệu trộn là vụn gỗ xà cừ cũ là thấp hơn bùn thải liệu ủ ban đầu. Ở giai đoạn ổn định, giá trị EC duy trì ổn
sử dụng vụn gỗ xà cừ mới, nguyên nhân có thể là do nhiệt định, ở mức là khoảng 2 mS/cm. Trong khoảng 20 ngày
độ trong mô hình 2 là cao hơn mô hình 1, đồng thời việc đầu tiên, giá trị EC của bùn thải trong mô hình 2 là cao
sử dụng vụn gỗ xà cừ cũ với kích thước tương đối đồng hơn mô hình 1 là từ 0,1 đến 0,6 mS/cm cho thấy hiệu quả
đều và khối lượng riêng nhỏ hơn đã làm gia tăng độ xốp của việc sử dụng vụn gỗ xà cừ cũ đã làm gia tăng tốc độ
của nguyên liệu ban đầu, từ đó, gia tăng hiệu quả giảm phân hủy các chất hữu cơ, gia tăng hàm lượng các chất
ẩm của nguyên liệu trong quá trình ủ hiếu khí. Đến ngày khoáng trong nguyên liệu ủ hiếu khí.
thứ 12, độ ẩm của nguyên liệu đột ngột gia tăng trở lại, 3.1.5 Nồng độ chất rắn hòa tan trong bùn thải
nguyên nhân là do đây là thời điểm Đà Nẵng bước vào (TDS)
mùa mưa, độ ẩm trong không khí cao đã làm ảnh hưởng
đến độ ẩm của nguyên liệu ủ hiếu khí. Trong thời gian
còn lại của quá trình xử lý, độ ẩm của bùn thải duy trì ở
mức là 80%.
3.1.3 Gía trị pH
Hình 8: Sự thay đổi nồng độ chất rắn hòa tan trong quá
trình xử lý hiếu khí bùn thải
Từ kết quả phân tích có thể thấy rằng nồng độ các chất
rắn hòa tan trong bùn thải thì có sự thay đổi tương tự như
giá trị độ dẫn điện riêng trong dung dịch. Trong khoảng
Hình 6: Sự thay đổi giá trị pH của bùn thải trong quá
20 ngày đầu tiên thì nồng độ các chất rắn hòa tan tăng từ
trình ủ hiếu khí
800 đến 950 mg/l. Trong khoảng 20 ngày đầu tiên, tốc độ
Trong quá trình ủ hiếu khí, giá trị pH của bùn thải hầu gia tăng TDS là khoảng 50 mg/l.ngày. Trong giai đoạn
như không thay đổi đáng kể, dao động trong khoảng từ 6 ổn định, sau khoảng 20 ngày ủ hiếu khí thì giá trị TDS là
đến 6,6, cho thấy bùn thải trong quá trình xử lý mang tính hầu như không thay đổi, giá trị TDS của bùn thải là
axit yếu. Trong khoảng 5 ngày đầu tiên, giá trị pH của khoảng 900 mg/l sau khi xử lý 32 ngày. Trong thực tế,
bùn thải giảm, do đây là khoảng thời gian các vi sinh vật giá trị nồng độ các chất rắn hòa tan là chiếm từ 30% đến
phân giải các hợp chất cacbonhydrate trong nguyên liệu, 50% giá trị độ dẫn điện riêng của mẫu rắn, vì vậy, từ đặc
hình thành các axit hữu cơ làm giảm giá trị pH của bùn điêm diễn biến cua giá trị EC trong bùn thải có thể dự báo
thải. Trong khoảng thời gian từ ngày 12 đến ngày thứ 20, cho chúng ta về sự thay đổi của giá trị TDS trong bùn thải
giá trị pH của bùn thải là hầu như không thay đổi, ở mô trong quá trình xử lý hiếu khí.
186
3.1.6 Nồng độ cacbon hữu cơ (TOC) đến 28%. Trong khoảng 15 ngày, độ tro tiếp tục gia tăng
nhưng với tốc độ gia tăng thấp hơn, đạt giá trị là khoảng
29% ở ngày thứ 20. Ở giai đoạn ổn định, độ tro ở mô hình
2 tăng nhanh từ ngày 23 đến ngày 27, tăng từ 29,2% đến
31,5%. Đến ngày thứ 27, hàm lượng các chất vô cơ trong
bùn thải hầu như không thay đổi, ở mô hình 1 là khoảng
29%, mô hình 2 là 31,6%.
3.1.8 Hàm lượng chất hữu cơ
Hình 9: Sự thay đổi nồng độ cacbon hữu cơ (TOC) trong

quá trình xử lý hiếu khí bùn thải
Trong quá trình xử lý hiếu khí thì nồng độ cacbon hữu
cơ trong bùn thải là giảm không đáng kể, nồng độ cacbon
hữu cơ ban đầu trong bùn thải là từ 36% đến 38%. Trong
khoảng 5 ngày đầu tiên, nồng độ cacbon hữu cơ trong bùn
thải giảm, sau gia tăng trở lại, nguyên nhân là do trong
khoảng thời gian ban đầu, các vi sinh vật phân hủy các
hợp chất hữu cơ đơn giản trong bùn thải làm giá trị TOC
trong bùn thải. Trong khoảng thời gian từ 2 đến 3 ngày, Hình 11: Sự thay đổi hàm lượng chất hữu cơ trong bùn
lượng TOC trong bùn thải giảm rồi gia tăng trở lại, mức thải trong quá trình xử lý hiếu khí
dao động của TOC là khoảng từ 2% đến 5%, nguyên nhân
Trong khoảng 5 ngày đầu tiên, hàm lượng các chất
có thể do sự phân hủy cacbon hữu cơ của một loại hợp
hữu cơ trong bùn thải giảm nhanh, hàm lượng chất hữu
chất cụ thể, làm gia tăng sinh khối của một chủng vi sinh
cơ giảm từ 74% xuống khoảng 72% sau khi xử lý trong
vật nhất định, sau một khoảng thời gian thì lượng chất
vòng 5 ngày. Trong khoảng 15 ngày tiếp theo, tốc độ
hữu cơ này cạn kiệt, tuy nhiên, điều đó lại tạo ra điều kiện
phân hủy các hợp chất hữu cơ giảm, đến ngày thứ 1, hàm
thuận lợi để các chủng vi sinh vật khác sinh trưởng và
lượng chất hữu cơ là khoảng 71,6%. Ở giai đoạn ổn định,
phát triển để phân hủy các hợp chất hữu cơ còn lại làm
diễn ra quá trình phân hủy các hợp chất hữu cơ phức tạp
gia tăng hàm lượng cacbon hữu cơ trong bùn thải. Sau
trong bùn thải. Từ ngày thứ 23 đến ngày thứ 27, hàm
khoảng 20 ngày, bùn thải đã ổn định, hàm lượng cacbon
lượng các chất hữu cơ trong bùn thải ở mô hình 2 giảm
hữu cơ trong bùn thải là khoảng 32%. Trong toàn bộ quá
mạnh, hàm lượng chất hữu cơ giảm từ 71% xuống
trình xử lý, hàm lượng cacbon hữu cơ trong bùn thải ở
khoảng 68,2% Trong khoảng thời gian từ ngày 27 đến
mô hình 2 là thấp hơn mô hình 1 từ 2% đến 5%, cho thấy
ngày 32, hàm lượng các chất hữu cơ hầu như không thay
hiệu suất xử lý cacbon hữu cơ là cao hơn khi sử dụng vật
đổi, hàm lượng chất hữu cơ ở mô hình 1 là khoảng 71,2%
liệu trộn là vụn gỗ xà cừ đã sử dụng trong quá trình xử lý
và mô hình 2 là khoảng 68%. Trong toàn bộ quá trình xử
hiếu khí bùn thải.
lý hiếu khí, hàm lượng chất hữu cơ trong mô hình 2 là
3.1.7 Độ tro thấp hơn mô hình 1 khoảng từ 0,6% đến 5%. Đặc biệt ở
giai đoạn cuối, tốc độ phân hủy các chất hữu cơ ở mô
hình 2 tăng nhanh, nâng cao hiệu quả xử lý chất hữu cơ,
giảm hàm lượng chất hữu cơ của sản phẩm sau khi xử lý.
3.2. Sự thay đổi mật độ vi sinh vật trong quá trình xử
lý hiếu khí bùn thải
Trong nghiên cứu này, tiến hành xác định mật độ vi
sinh vật hiếu khí trong mẫu bùn thải trong quá trình xử lý
hiếu khí.
Hình 10: Sự thay đổi độ tro của bùn thải trong quá trình
xử lý hiếu khí
Trong quá trình ủ hiếu khí, độ tro hay nồng độ các
chất vô cơ trong bùn thải xu hướng giảm dần, độ tro trong Mô hình 1 Mô hình 2
bùn thải dao động từ 24% đến 32%. Trong khoảng 5 ngày
Hình 12: Mật độ vi sinh vật trong bùn thải khi mới xử lý
đầu tiên, độ tro của bùn thải tăng nhanh, gia tăng từ 25%
187
3.4. Thiết lập phương trình động học về quá trình

phân hủy của bùn thải
Trong nghiên cứu này, các tác giả muốn xác định
hằng số phân hủy các chất hữu cơ trong bùn thải, đánh
giá bản chất của diễn biến quá trình ủ hiếu khí của bùn
thải. Tiến hành khảo sát quá trình phân hủy của các chất
hữu cơ thông qua các phương trình động học bậc 1, 2 và
3. Trong phản ứng hóa, bậc của phản ứng tương ứng với
số chất tham gia phản ứng ban đầu. Trong quá trình
chuyển hóa của các chất, chúng ta giả sử rằng hàm lượng
chất hữu cơ ban đầu là C0, sau khoảng thời gian phản ứng
là t, hàm lượng chất hữu cơ còn lại là C, hệ số tốc độ phân
hủy là k thì phương trình động học bậc 1 có dạng là
Hình 13: Sự thay đổi mật độ vi sinh vật trong quá trình ủ lnC = -kt + lnC0
hiếu khí
Trong giai đoạn đầu tiên, số lượng vi sinh vật trong
bùn thải gia tăng nhanh chóng do trong giai đoạn, cac vi
sinh vật phân hủy các hợp chất hữu cơ đơn giản trong bùn
thải, hình thành các tế bào mới, làm gia tăng số lương vi
sinh vật trong bùn thải. Ở mô hình 2, do các vi sinh vật
đã thích nghi với môi trường trong bùn thải nên chỉ trong
3 ngày, số lượng vi sinh vật đã đạt cực đại là 104,5.10 6
CFU/g nguyên liệu, sau đó, sô lượng vi sinh vật giảm dần.
Ở mô hình 1, số lượng vi sinh vật gia tăng với tốc độ nhỏ,
đến ngày thứ 15, số lượng vi sinh vật đạt cực đại là
154.106 CFU/g nguyên liệu. Mặc dù, số lượng vi sinh vật
trong bùn thải trong mô hình 1 trong pha ưa nhiệt lớn hơn
mô hình 2 từ 2 đến 3 lần nhưng tốc độ phân hủy các chất
Hình 14: Phương trình động học bậc 1 của mô hình 1
hữu cơ trong bùn thải ở mô hình 1 là thấp hơn mô hình 2.
Điều đó cho thấy, các vi sinh vật cư trú trên vụn gỗ xà cừ
cũ đã thích nghi đối với môi trường trong bùn thải, vi sinh
vật mang tính đặc hiệu, có hoạt tính mạnh mẽ, giúp gia
tăng tốc độ phân hủy các chất hữu cơ trong bùn thải. Ngày
thứ 20, mật độ vi sinh vật trong mô hình 1 đột ngột giảm
xuống chỉ còn là khoảng 41,9.106 CFU/g nguyên liệu.
Đến ngày thứ 25, mật độ vi sinh vật ở hai mô hình duy trì
ở mức ổn định là khoảng 40.106 CFU/g nguyên liệu
3.3. Đánh giá hiệu quả xử lý bùn thải
Tiến hành đánh giá hiệu quả xử lý bùn thải thông qua
3 thông số là độ giảm khối lượng, nồng độ cacbon hữu cơ
và hàm lượng chất hữu cơ trong bùn thải.
Bảng 6: Hiệu suất xử lý bùn thải
Hình 15: Phương trình động học bậc 2 của mô hình 2
STT Thông số Mô hình Mô hình
Phương trình động học bâc 2 có dạng là
1 2
1 1
= kt +
1 Độ giảm khối lượng (%) 77,8 80,5 𝐶 C0
2 Nồng độ cacbon hữu cơ (%) 5,67 10,45

3 Hàm lượng chất hữu cơ (%) 2,95 6,71
Về độ giảm khối lượng cho thấy hiệu quả của quá
trình ủ hiếu khí là tương đối cao khi hiệu quả đạt được là
từ 77,8% đến 80,5%. Tuy nhiên, về hàm lượng các chất
hữu cơ thì hiệu suất xử lý là tương đối thấp. Đối với nồng
độ cacbon hữu cơ là từ 5,67% đến 10,45%, hàm lượng
chất hữu cơ là từ 2,95% đến 6,71%. Từ kết quả tính toán
cho thấy việc sử dụng vụn gỗ xà cừ cũ đã gia tăng hiệu
quả xử lý các chất hữu cơ trong bùn thải so với vụn gỗ xà
cừ mới là từ 2 đến 3 lần. Nồng độ các chất dinh dưỡng,
cũng như là các chất khoáng vô cơ trong bùn thải như
NO2-, NO3-, PO43-,… gia tăng giúp đảm bảo nhu cầu tiêu
thụ của cây trồng, phát triển sản xuất nông nghiệp. Hình 16: Phương trình động học bậc 3 của mô hình 1
188
số tôc độ phân hủy của bùn thải sử dụng vật liệu trộn là
vụn gỗ xà cừ cũ là cao hơn từ 2 đến 3 lần so với vụn gỗ
xà cừ mới cho thấy việc sử dụng vụn gỗ xà cừ đã có sắn
các loài vi sinh vật đặc hiệu đã làm gia tăng đáng kể tốc
độ phân hủy các chất hữu cơ trong bùn thải.
Bảng 7: Các phương trình động học của quá trình phân
hủy bùn thải của mô hình 1
Phương trình
C0 k C
động học
n=1 73,22 0,0009 C = 73,22.e-0,0009.t
Hình 17: Phương trình động học bậc 2 của mô hình 2 n=2 73 10-5 1
= 10-5.t + 0,0137
Phương trình động học bậc 3 có dạng là 𝐶
1 1 n=3 74,54 2.10-7 1

= kt + = 2.10-7.t + 9.10-5
2.𝐶 2 2.C2 2.𝐶 2
0
Bảng 8: Các phương trình động học của quá trình phân
hủy bùn thải của mô hình 2
Phương trình
C0 k C
động học
n=1 73,41 0,0022 C = 73,41.e-0,0022.t
n=2 73,53 3.10-5 1
= 3.10-5.t + 0,0136
𝐶
n=3 74,54 4.10-7 1

= 4.10-7.t + 9.10-5
2.𝐶 2
Tốc độ phân hủy bùn thải phụ thuộc vào đặc điểm của
nguồn nguyên liệu ban đầu và các thành phần môi trường
trong quá trình tiến hành ủ hiếu khí bùn thải
Hình 18: Mô hình động học bậc 3 của mô hình 1 3.5. Đánh giá độ ổn định của bùn thải sau khi xử lý
3.5.1. Đánh giá cảm quan
Bùn thải sau khi xử lý có màu đen, hơi nâu, sản phẩm
không còn có mùi thối như nguyên liệu ban đầu. Sau quá
trình ủ hiếu khí thì sản phẩm có độ tơi xốp, sản phẩm có
mùi của gỗ thông, trong sản phẩm có một ít lượng vụn gỗ
bị vỡ ra từ các giá thể được sử dụng trong quá trình ủ hiếu
khí bùn thải. Kích thước hạt là tương đối đồng đều, trong
đó, đa số các phần tử của bùn thải có kích thước nhỏ hơn
0,2 mm, một phần nhỏ bùn thải có kích thước từ 0,2 đến
1 mm, ngoài ra còn có một số hạt có kích thước hạt lớn
hơn 1 mm. Trong sản phẩm vẫn còn chứa một lượng chất
hữu cơ chưa được phân hủy hoàn toàn, chủ yếu là các hợp
chất hữu cơ khó phần hủy, ngoài ra, còn có chứa một
lượng mùn nhất định, các chất khoáng và các chất vô cơ
Hình 19: Mô hình động học bậc 3 của mô hình 2 khác, có ích cho sự phát triển của cây trồng.
Từ kết quả phân tích cho thấy rằng nồng độ chất hữu
cơ là giảm dần theo thời gian. Tuy nhiên, mức độ tin cậy
của việc áp dung phương trình động học hóa học để mô
tả quá trình phân hủy bùn thải là không cao, hệ số tương
quan bình phương có giá trị là từ 0,6808 đến 0,8106. Mô
hình 2 có giá trị tương quan khá cao, giá trị R2 là khoảng
0,81. Gía trị R2 của mô hình 2 cao hơn giá trị R2 của mô
hình 1 cho thấy tính phù hợp của các phản ứng động học
hóa học đối với quá trình chuyển hóa vật chất trong mô
hình 2 là cao hơn so với mô hình 1. Gía trị R2 tăng dần
khi bậc phản ứng gia tăng cho thấy quá trình phân hủy a b
các chất hữu cơ trong bùn thải là quá trình tương tác giữa Hình 20: Bùn thải sau khi ủ hiếu khí 32 ngày
hai hay nhều hợp chất khác nhau dưới tác động hóa học a - Bùn thải ủ với vụn gỗ xà cừ mới
và sinh học. Qua quá trình tính toán có thể thấy rằng hằng b - Bùn thải ủ với vụn gỗ xà cừ đã sử dụng 1 lần
189
3.5.2. Đánh giá khả năng tự sinh nhiệt Từ kết quả thử nghiệm thì các mẫu bùn thải với tỉ lệ
chiết bùn thải:nước là 1:5 và 1:10 đều đạt yêu cầu, có thể
sử dụng như là phân bón để nâng cao năng suất của cây
trồng. Các mẫu bùn thải với tỉ lệ chiết bùn thải:nước là
1:5 có giá trị GI tương đối thấp, có thể thấy rằng khi nồng
độ các chất rắn hòa tan trong bùn thải ở nồng độ cao thì
hàm lượng của một số chất gây độc có thể gây cản trở đối
với sự sinh trưởng và phát triển của cây trồng. Trong đó,
mô hình 2 có giá trị GI là 80% thấp hơn giá trị GI tương
ứng của mô hình 1 là 93,33%, điều này có thể là do độ
muối (EC) của mô hình 2 sau khi xử lý của mô hình 2 lớn
hơn mô hình 1 (2,03 > 1,62), gây ảnh hưởng tiêu cực đến
quá trình phát triển của cây trồng. Tuy nhiên, ở mẫu bùn
thải có tỉ lệ chiết bùn thải:nước là 1:10 thì mô hình 2 lại
Hình 21: Đánh giá khả năng tự sinh nhiệt của bùn thải có giá trị GI cao hơn so với mô hình 1 (133,33 > 106,67)
Trong toàn bộ thời gian thử nghiệm thì nhiệt độ của cho thấy khi lượng muối trong bùn thải ở mô hình 2 được
bùn thải cao hơn nhiệt độ môi trường khoảng là từ 2 0C pha loãng thì đây là loại bùn thải có hàm lượng các chất
đến 4,50C cho thấy bùn thải đã ổn định và có thể được sử dinh dưỡng cao hơn, có tác dụng lớn trong việc cải tạo
dụng cho các hoạt động khác nhau của con người. Nhiệt chất lượng đất, nâng cao năng suất cây trồng, cải thiện
độ của bùn thải trong phần lớn thời gian thử nghiệm là có chất lượng cuộc sống của con người.
nhiệt độ cao hơn nhiệt độ môi trường, cho thấy rằng ở3.6. Đánh giá chất lượng của sản phẩm sau khi xử lý
bên trong bùn thải vẫn còn diễn ra một số phản ứng hóa Hình 23: Đặc điểm của bùn thải sau khi xử lý
học phân hủy các chất hữu cơ chưa được phân hủy hoàn
toàn trong quá trình ủ hiếu khí. Các hợp chất này có thể Số thứ
Thông số
Mô Mô TCN
là cellulose, lignin và một số các hợp chất hữu cơ khó tự hình 1 hình 2 562:2002
phân hủy khác. Nhiệt độ của môi trường trong quá trình
thử nghiệm là từ 240C đến 270C, nhiệt độ của bùn thải là 1 Gía trị pH 6.1 6.1 6-8
khoảng từ 25 C đến 30 C. Trong đó, nhiệt độ của mô hinh
0 0
2 cao hơn nhiệt độ của mô hình 1 khoảng là từ 0,50C đến Nồng độ

2 cacbon hữu cơ 32.07 30.45 ≥ 13
1 C cho thấy hoạt động của vi sinh vật trong mô hình 2
0
(%)
là mạnh mẽ hơn mô hình 1, thúc đẩy quá trình phân hủy
các chất hữu cơ còn lại trong bùn thải sau khi kết thúc 3
Nồng độ nito
5.55 5.95 ≥ 2.5
quá trình ủ hiếu khí. tổng (%)
3.5.3. Đánh giá độc tính của sản phẩm thông qua chỉ Nồng độ
sổ GI 6 photpho tổng 3.23 4.54 ≥ 2.5
Bảng 9: Đánh giá khả năng nảy mầm của hạt đậu đối với (%)
các mẫu bùn thải khác nhau Từ kết quả tính toán, có thể nhận thấy giá trị pH của
Mô hình
Tỉ lệ nảy Chiều dài
GI bùn thải là 6,1, đảm bảo yêu cầu sử dụng trong nông
mầm của rễ (cm) nghiệp. Về nồng độ các chất hữu cơ, bùn thải sau khi xử
Mô Tỉ lệ 1/5 1 1.4 93.33 lý đều đạt yêu cầu về phân compost theo tiêu chuẩn Việt
hình 1 Tỉ lệ 1/10 1 1.6 106.67 Nam 10TCN 562:2002, nồng độ cacbon hữu cơ là từ
Mô Tỉ lệ 1/5 1 1.2 80.00 30,45% đến 32,07%, nồng độ nito là từ 5,55% đến
hình 2 Tỉ lệ 1/10 1 2 133.33 5,95%, nồng độ photpho là từ 3,23% đến 4,54%. Bùn thải
Mẫu trắng 1 1.5 ủ với vụn gỗ xà cừ cũ có hàm lượng các chất dinh dưỡng
N, P cao hơn so với bùn thải ủ với vụn gỗ xà cừ mới cho
thấy việc tái sử dụng vụn gỗ xà cừ đã góp phần làm gia
tăng hàm lượng chất dinh dưỡng trong sản phẩm.
4. Kết luận
Từ kết quả nghiên cứu có thể nhận thấy rằng, việc sử
dụng vụn gỗ xà cừ có vai trò tích cực trong việc cải thiện
hiệu quả của quá trình xử lý hiếu khí bùn thải, đặc biệt là
việc tái sử dụng vụn gỗ xà cừ đã góp phần đáng kể cải
thiện tốc độ xử lý và hàm lượng các chất dinh dưỡng
trong bùn thải sau khi xử lý. Khi sử dụng vật liệu trộn là
vụn gỗ xà cừ đã sử dụng thì tốc độ xử lý tăng lên từ 2 đến
3 lần. Về quá trình xử lý hiếu khí bùn thải, quá trình phân
hủy các chất hữu cơ diễn ra nhanh chóng trong khoảng 5
ngày đầu tiên, vi sinh vật bắt đầu thích nghi với môi
trường, phân hủy các chất hữu cơ đơn giản, hình thành
các tế bào mới, làm gia tăng mật độ vi sinh vật trong bùn
Hình 22: Đánh giá độ độc của sản phẩm sau khi xử lý thải. Giai đoạn ưa nhiệt bắt đầu từ ngày thứ 10 với nhiệt
190
độ là khoảng 36,5 C. Đến ngày thứ 20, bùn thải bắt đầu
0
- Xác định số lần tái sử dụng vụn gỗ xà cừ phù hợp,
ổn định. Kết quả phân tích mật độ vi sinh vật cho thấy, lựa chọn phương án xử lý vật liệu trộn khi hiệu quả sử
do các vi sinh vật cư trú trên bề mặt của vụn gỗ xà cừ đã dụng giảm xuống dưới mức mong muốn của đơn vị vận
sử dụng là đã thích nnghi với môi trường trong bùn thải hành trạm xử lý nước thải.
nên ở mô hình 2, mật độ vi sinh vật đạt giá trị cực đại là - Xác định mối quan hệ giữa mật độ vi sinh vật và tốc
khoảng 104,5.106 CFU/g nguyên liệu chỉ trong khoảng 3 độ phân hủy các chất hữu cơ, tuyển chọn, nuôi cấy các
ngày, sau đó, mật độ vi sinh vật giảm dần. Ở mô hình 1, loài vi sinh vật phù hợp cho quá trình xử lý chất thải hữu
đến ngày thứ 15, mật độ vi sinh vật mới đạt giá trị cực đại cơ.
là 154.106 CFU/g nguyên liệu. Đến ngày thứ 20, mật độ
- Tiến hành kiểm tra nồng độ kim loại nặng và mật độ
vi sinh vật trong mô hình 1 giảm xuống đột ngột chỉ còn
vi sinh vật gây bệnh trong bùn thải để đảm bảo tính an
41,9.106 CFU/g nguyên liệu. Đến ngày thứ 25, mật độ vi
toàn, không gây ảnh hưởng xấu đến chất lượng môi
sinh vật đạt giá trị ổn định là khoảng 40.10 6 CFU/g
trường đất và cây trồng trong quá trình sử dụng.
nguyên liệu. Mặc dù, mật độ vi sinh vật trong mô hình 1
trong pha ưa nhiệt là cao hơn mô hình 2 từ 2 đến 3 lần - Tiến hành các hoạt động nghiên cứu, ứng dụng, tìm
nhưng do các vi sinh vật trong mô hình 2 đã thích nghi kiếm các vật liệu trộn mới, các giải pháp nhằm nâng cao
với môi trường bùn thải, vi sinh vật có tính đặc hiệu, có hiệu quả xử lý bùn thải cũng như là chất thải rắn đô thị.
hoạt tính mạnh mẽ nên có tốc độ phân hủy các chất hữu
cơ trong bùn thải lớn. Tài liệu tham khảo
Sau quá trình xử lý, khối lượng của bùn thải đã giảm [1]. Giải pháp xử lý nước thải đô thị ở Việt Nam, báo Kinh tế và
đi đáng kể, độ giảm khối lượng là từ 77,8% đến 80,5%. Môi trường, 2022
Tuy nhiên, hiệu quả xử lý các chất hữu cơ trong bùn thải [2]. Quản lý bùn thải ở Việt Nam: Những thách thức và đề xuất các
giải pháp về xử lý bùn thải, Tạp chí môi trường, Tổng cục môi
là tương đối thấp, hiệu suất xử lý cacbon hữu cơ là 5,67% trường Việt Nam.
đến 10,95%, hàm lượng chất hữu cơ là từ 2,95% đến [3]. Ngân hàng thế giới (WB), Báo cáo Đánh giá công tác quản lý
6,71%, trong đó hiệu quả xử lý các chất hữu cơ khi sử chất thải rắn sinh hoạt và chất thải công nghiệp nguy hại -
dụng vật liệu trộn là vụn gỗ xà cừ cũ cao hơn so với vụn 2018.
[4]. Vấn đề quản lý bùn thải ở Việt Nam, báo Công an Nhân dân,
gỗ xà cừ mới là từ 2 đến 3 lần. 2019
Bùn thải sau khi ủ hiếu khí 32 ngày đã ổn định, chất [5]. Quản lý bùn thải ở Việt Nam: Những thách thức và đề xuất các
lượng sản phẩm về hàm lượng các chất hữu cơ là đạt yêu giải pháp về xử lý bùn thải, Tạp chí môi trường, Tổng cục môi
trường Việt Nam.
cầu theo tiêu chuẩn Việt Nam 10TCN 562:2002. Trong [6]. .Đ.T.T Linh, Nghiên cứu sử dụng nấm Trichoderma trong xử lý
đó, sản phẩm sử dụng vật liệu trộn là vụn gỗ xà cừ đã sử bùn cống thải phối trộn với vật liệu hữu cơ, Luận văn thạc sĩ
dụng có hàm lượng các chất dinh dưỡng cao hơn, có vai Khoa học môi trường, Đại học Cần Thơ, 2012
trò quan trọng trong thúc đẩy sự sinh trưởng và phát triển [7]. T.T.T. Hiền, P.T.N. Hân, N.T.N. Huyền, B.T. Thắm, V. T. Liễu,
N.T. Hán, Nghiên cứu quá trình sản xuất phân compost hiếu khí
của cây trồng. Kết quả đánh giá độ độc thông qua chỉ số từ bùn thải của nhà máy xử lý nước thải Hà Thanh, tạp chí Khoa
GI cho thấy bùn thải đảm bảo yêu cầu đề sử dụng cho cây học và Công nghệ, tập 56, số 4, 2020
trồng. Tuy nhiên, bùn thải sau khi xử lý có độ muối (EC) [8]. N.V. Mạnh, Nghiên cứu thử nghiệm xử lý bùn thải chế biến thủy
tương đối cao nên khi sử dụng cho cây trồng cần sử dụng sản và sinh khối đô thị bằng quá trình composting, trường đại
học bách khoa Đà Nẵng, 2020
tỉ lệ pha loãng phù hợp để giảm nồng độ các kim loại [9]. H. T. Bảo, Đánh giá ảnh hưởng của vật liệu trộn đến hiệu quả ổn
nặng độc hại trong bùn thải. định bùn thải từ trạm xử lý nước thải đô thị, trường đại học bách
khoa Đà Nẵng, 2022
Từ các kết quả nghiên cứu, chúng tôi đề xuất các [10]. N.V. Khai, Đánh giá quá trình ổn định bùn theo các mô hình ủ
phương án để góp phần nâng cao hiệu quả trong quá trình sinh hóa hiếu khí khác nhau, trường đại học bách khoa Đà Nẵng,
xử lý bùn thải, giải quyết hiệu quả lượng rác thải cây xanh 2022
trong đô thị cũng như là đảm bảo tính an toàn khi sử dụng [11]. Wan, C. K., Wong, J. W. C., Fang, M., & Ye, D. Y. (2003).
Effects of organic wastes amendments on degradation of PHAs
sản phẩm bùn thải sau xử lý trong hoạt động nông nghiệp using thermophilic composting. Environmental Technology, 24,
cũng như là các hoạt động khác của con người 23–30.
- Tái sử dụng vụn gỗ xà cừ để gia tăng tốc độ xử lý, [12]. Jouraiphy, A., Amir, S., El Gharous, M., Revel, J. C., & Hafidi,
M. (2005). Chemical and spectroscopic analysis of organic
nâng cao hàm lượng chất dinh dưỡng trong sản phẩm sau matter transformation during composting of sewage sludge and
khi ủ hiếu khí, giảm chi phí xử lý. green plant waste. International Biodeterioration and
Biodegradation, 56, 101–108.
191
SVTH: Nguyễn Văn Trung, Phạm Thị Minh Yến, Nguyễn Thị Thu Thảo, Nguyễn Ngọc Hân; GVHD: PGS.TS. Trần Văn Quang, ThS.NCS. Phan Thị Kim Thuỷ, ThS. Hoàng Ngọc Ân
NGHIÊN CỨU LÀM SẠCH HOÀN TOÀN NƯỚC THẢI SAU XỬ LÝ TẠI NHÀ
MÁY XỬ LÝ NƯỚC THẢI PHÚ LỘC BẰNG MÔ HÌNH ĐẤT ƯỚT
RESEARCH FOR COMPLETELY CLEANING OF WASTE WATER AFTER TREATMENT
AT PHU LOC WASTE WATER TREATMENT BY CONTRUCTED WETLAND MODEL
SVTH: Nguyễn Văn Trung(*), Phạm Thị Minh Yến(**), Nguyễn Thị Thu Thảo(**), Nguyễn Ngọc Hân(***)
Lớp(*)17MT, (**)18MT,(***)20MT, Khoa Môi Trường, Trường Đại học Bách Khoa Đà Nẵng;
Email: Nguyenvantrung1299@gmail.com, minhyen.13112000@gmail.com, thaonguyen1234509@gmail.com,
thaohan201002@gmail.com.
GVHD: PGS.TS. Trần Văn Quang, ThS.NCS. Phan Thị Kim Thuỷ, ThS. Hoàng Ngọc Ân.
Khoa Môi Trường, Trường Đại học Bách Khoa Đà Nẵng; Email: tvquang@dut.udn.vn, ptkthuy@dut.udn.vn,
hnan@dut.udn.vn.
Tóm tắt – Nhà máy XLNT Phú Lộc với chức năng thu gom Abstract – Phu Loc WWTP has the function of collecting and
và xử lý toàn bộ nước thải từ lưu vực quận Thanh Khê, Liên treating all wastewater from the basins of Thanh Khe, Lien Chieu,
Chiểu, Cẩm Lệ, 3 xã Hòa Vang và một phần quận Hải Châu. Hệ Cam Le districts, 3 Hoa Vang communes and a part of Hai Chau
thống của nhà máy XLNT Phú Lộc đang vận hành bể sinh hoá district. The system of Phu Loc WWTP is operating an aerobic
hiếu khí hoạt động gián đoạn SBR với chu kỳ 4 mẻ/ ngày. Chất biochemical tank with intermittent operation of SBR with a cycle
lượng nước đầu ra của hệ thống đạt cột A QCVN of 4 batches/day. The output water quality of the system reaches
40:2011/BTNMT. Nước thải sau xử lý được thải trực tiếp ra column A QCVN 40:2011/BTNMT. The treated wastewater is
nguồn tiếp nhận. discharged directly to the receiving source.
Nghiên cứu được thực hiện nhằm cải thiện hiệu quả xử lý The study was conducted to improve the efficiency of
nước thải tại nhà máy XLNT Phú Lộc và hướng đến mục đích tái wastewater treatment at Phu Loc WWTP and aims to reuse it for
sử dụng phục vụ cho việc tưới cây tạo cảnh quan. Chất lượng watering plants for landscaping. Output water quality reaches
nước đầu ra đạt cột B1 QCVN 08:2015/BTNMT. Như vậy, có thể column B1 QCVN 08:2015/BTNMT. Thus, it is possible to reuse
tận dụng lại nguồn nước sau xử lý nhằm tránh lãng phí và tiết the treated water to avoid waste and save costs.
kiệm chi phí. The results of experimental research on wetland technology
Kết quả nghiên cứu thực nghiệm công nghệ wetland với cây with Canna Generalis and Portulaca grandiflora show that the
hoa chuối và cây hoa mười giờ cho thấy chất lượng nước đầu ra output water quality at Phu Loc WWTP is significantly improved,
tại nhà máy XLNT Phú Lộc được cải thiện đáng kể, nồng độ chất the concentration of pollutants: TSS, COD, BOD5, P-PO43-,
ô nhiễm: TSS, COD, BOD5, P-PO43- đạt cột B1 QCVN achieves column B1 QCVN 08:2015/BTNMT, only N-NH4+ is
08:2015/BTNMT, chỉ riêng N-NH4+ tương đối đạt quy chuẩn. relatively standard.
Từ khoá - “Nước thải đô thị”, “Xử lý nước thải”, “Tái sử dụng Key words - “Municipal wastewater”, “Wastewater
nước”, “Đất ướt”. treatment”, “Water reuse”, “Constructed Wetland”.
1. Đặt vấn đề Bảng 1: Chất lượng nước thải đầu ra của nhà máy
Nước là tài nguyên thiên nhiên quý giá và cần thiết Giá
TT Thông số Đơn vị
đối với sức khoẻ cũng như các hoạt động sống của con trị
người. Ở Việt Nam hiện nay, mức độ gia tăng dân số ngày 1 pH 6-9
càng nhanh chóng dẫn đến như cầu sử dụng nước cho mọi 2 BOD5 (20oC) mg/l 20
hoạt động sinh hoạt và phát triển ngày càng tăng lên. Bên Tổng chất rắn lơ
cạnh việc sử dụng nguồn nước cho các hoạt động chính, 3 mg/l 40
lửng
mỗi năm cũng cần một lượng lớn nguồn nước phục vụ 4 COD mg/l 60
cho mục đích tưới cây tạo cảnh quan cho đô thị. Amoni (tính theo
5 mg/l 4
Tại thành phố Đà Nẵng trong những năm gần đây, N)
tình trạng thiếu hụt nguồn nước và mùa khô ngày càng 6 Nito tổng mg/l 16
tăng cao, do lượng nước chảy về song Vu Gia ngày càng Tổng phốt pho (tính
thiếu hụt nên tình trạng xâm nhập mặn trên các sông tại 7 mg/l 3,2
theo P )
Đà Nẵng ngày càng nghiêm trọng. Bên cạnh đó, nhu cầu 8 Coliform MPN/100ml 2430
sử dụng nước phục vụ cho mục đích tưới cây đô thị ngày
Bài báo cáo nghiên cứu đánh giá sự ổn định của hệ
càng cao, trong tình trạng thiếu nước thì việc sử dụng thống xử lý nước thải tại nhà máy XLNT Phú Lộc. Từ đó,
nước cấp phục vụ cho việc tưới cây là rất lãng phí và tốn nghiên cứu làm sạch hoàn toàn nước thải sau xử lý của
kém chi phí. Vì vậy, việc tái sử dụng nước sau xử lý tại
nhà máy bằng mô hình đất ướt (wetland), hướng đến tái
các nhà máy là cần thiết để tối đa hoá việc sử dụng nguồn
sử dụng nước phục vụ cho mục đích tưới cây tạo cảnh
nước một cách hợp lý và tránh lãng phí.
quan đô thị.
Bên cạnh đó, hệ thống xử lý nước thải tại các nhà máy
2. Đối tượng, nội dung và phương pháp
xử lý nước thải trên địa bàn thành phố Đà Nẵng là tương
2.1. Đối tượng
đối ổn định. Chất lượng nước đầu ra đạt cột A QCVN
40:2011/BTNMT. Nước thải sau xử lý được thải trực tiếp - Nước thải sau xử lý tại nhà máy xử lý nước thải Phú
ra nguồn tiếp nhận. Như vậy, có thể tận dụng lại nguồn Lộc
nước sau xử lý để phục vụ cho các mục đích khác nhằm - Quá trình làm sạch hoàn toàn nước thải sau xửu lý
tránh lãng phí và tiết kiệm chi phí. bằng mô hình đất ướt (wetland)
192
Mô hình chi tiết gồm 2 ô đất hình chữ nhật có kích
thước 1.2m x 2m x 0.8m. Kết cấu xây bằng gạch và được
chống thấm bằng lớp lót nhựa PAC dưới đáy. Vật liệu tạo
lớp đất trong mô hình bao gồm: Lớp đá 1x2m dày 20cm;
lớp sỏi 0.5m dày 20cm và lớp cát xây dày 20cm.
Hình 1: Vị trí nhà máy XLNT Phú Lộc

2.2. Nội dung
2.2.1. Đánh giá sự ổn định của hệ thống xử lý nước thải
Phú Lộc
- Thu thập các số liệu, tài liệu có liên quan về nhà
máy xử lý nước thải bao gồm: các bản vẽ kỹ thuật mặt
bằng và mặt cắt hệ thống XLNT, lưu lượng đầu vào và
chất lượng nước sau xử lý của hệ thống
- Tiến hành khảo sát: Lấy mẫu nước thải tại 2 vị trí,
nước đầu vào trước song chắn rác và nước sau xử lý tại
SBR Hình 5: Mô hình đất ướt trồng cây hoa chuối
Mô hình đất ướt trồng cây hoa mười giờ
Mô hình chi tiết gồm 1 ô đất hình chữ nhật có kích
thước 1.2m x 2.5m x 0.8m. Kết cấu xây bằng gạch và
được chống thấm bằng lớp lót nhựa PAC dưới đáy. Vật
liệu tạo lớp đất trong mô hình bao gồm: Lớp đá 1x2m dày
20cm; lớp sỏi 0.5m dày 20cm; lớp cát xây dày 20cm và
lớp đất dày 10cm.
Hình 2: Sơ đồ vị trí lấy mẫu tại nhà máy

- Phân tích các thông số theo TCVN. Sử dụng các
phương pháp phân tích theo các tiên chuẩn hiện hành.
Hình 3: Hình ảnh lấy mẫu và phân tích mẫu

- Xử lý số liệu và đánh giá sự ổn định của hệ thống Hình 6: Mô hình đất ướt trồng cây hoa mười giờ
xử lý nước thải Phú Lộc, so sánh các số liệu thu thập với
cột A QCVN 40:2011/BTNMT. Vận hành mô hình thực nghiệm
2.2.2. Nghiên cứu làm sạch hoàn toàn nước thải sau xử Thực nghiệm 1: Sự sinh trưởng và phát triển của cây
lý bằng mô hình đất ướt (wetland) hoa chuối, cây hoa mười giờ trong môi trường nước thải
đầu ra nhà máy XLNT Phú Lộc.
Thiết lập mô hình
Các mô hình được xây dựng và lắp đặt trực tiếp tại Quy trình khảo sát sự sinh trưởng và phát triển được
nhà máy XLNT Phú Lộc. thực hiện như sau:
- Xác định chiều cao của cây: theo dõi sự sinh trưởng,
phát triển bằng cách quan sát sự thay đổi, thích ứng của
các cây trong mô hình và đo chiều cao của cây từ khi mới
trồng cho đến khi kết thúc thí nghiệm.
- Thời gian thực hiện: 13/09/2022 – 13/11/2022
Thực nghiệm 2: Sự chuyển hóa các chất ô nhiễm theo
thời trong điều kiện nạp nước thải gián đoạn.
1- Với mô hình trồng cây hoa chuối (Canna
Generalis)
Hình 4: Vị trí mô hình đất ướt Mô hình đất ướt – Bơm nước từ bể khử trùng (đầu ra nhà máy XLNT
trồng cây hoa chuối Phú Lộc) vào các mô hình thông qua hệ thống đường ống
193
với thể tích được xác định là 0,5m3 tương ứng với thời 3. Kết quả
gian nước lưu là 2 ngày. 3.1. Đánh giá sự ổn định của hệ thống xử lý nước
– Cắt tỉa cây đã ra hoa, loại bỏ lá già định kỳ bỏ các thải Phú Lộc
gốc cây đã thoái hóa. 3.1.1. Kết quả thu thập số liệu
– Lấy mẫu nước tại các vị trí: Đầu vào mô hình, đầu
ra mô hình. Quan sát đánh giá cảm quan chất lượng nước
và điều kiện vệ sinh môi trường tại khu vực.
– Phân tích các thông số chất lượng nước tại phòng
thí nghiệm. Các thông số bao gồm: TSS, COD, BOD5, N-
NH4+, P-PO43-.
2- Với mô hình trồng cây hoa mười giờ (Portulaca
grandiflora):
– Bơm nước từ bể khử trùng (đầu ra nhà máy XLNT
Phú Lộc) vào các mô hình thông qua hệ thống đường ống Hình 7: Lưu lượng đầu vào của nhà máy
với thể tích được xác định là 0,4m3 tương ứng với thời Kết quả cho thấy, lưu lượng nước thải đầu vào của
gian nước lưu là 2 ngày. nhà máy không ổn định, đặc biệt vào mùa mưa, dao động
– Cắt tỉa cây đã ra hoa, loại bỏ lá già định kỳ bỏ các từ 500 – 42000 m3/ngđ. Nước thải vào mùa hè tương đối
gốc cây đã thoái hóa. ổn định, dao động từ 25000 – 40000 m3/ngđ.
Chất lượng nước thải đầu ra của nhà máy
– Lấy mẫu nước tại các vị trí: Đầu vào mô hình, đầu
ra mô hình. Quan sát đánh giá cảm quan chất lượng nước
và điều kiện vệ sinh môi trường tại khu vực.
– Phân tích các thông số chất lượng nước tại phòng
thí nghiệm. Các thông số bao gồm: TSS, COD, BOD5, N-
NH4+, P-PO43-.
Phương pháp
- Phương pháp khảo sát, lấy mẫu và phân tích mẫu:
Xác định các thông số trên mô hình thực nghiệm. Phân
tích các thông số chất lượng nước được thực hiện theo
các phương pháp tiêu chuẩn.
Hình 8: Nồng độ chất hữu cơ theo COD
- Phương pháp mô hình: Triển khai lắp đặt các mô
hình thực nghiệm tại nhà máy XLNT Phú Lộc
- Phương pháp xử lý số liệu và đánh giá kết quả: Xử
lý số liệu, các số liệu thực nghiệm được xử lý bằng
phương pháp thống kê, loại bỏ các số liệu bất thường và
được thực hiện bằng phần mềm Microsoft Excel.Việc
tính toán xác định hiệu suất khử các chất ô nhiễm của mô
hình bằng các công thức tính toán thực nghiệm, dựa trên
cơ sở định luật cân bằng vật chất và bảo toàn khối lượng.
Các công thức tính toán sử dụng:
- Thời gian lưu nước (HRT, ngày)
𝑉
HRT = Hình 9: Nồng độ TN đầu ra
𝑄
- Tải trọng thủy lực (HLR, m3/m2.ngày) Kết quả thu thập cho thấy, chất lượng nước đầu ra của
𝑄
HLR = nhà máy xử lý nước thải Phú Lộc đạt cột A QCVN
𝐴
- Tải trọng chất ô nhiễm (ALR, g/m2.ngày) 40:2011/BTNMT.
𝐶×𝑄 3.1.2. Kết quả lấy mẫu và phân tích mẫu
ALR =
𝐴
- Hiệu suất (E,%)
𝐶 ×𝐶
E = 𝑣à𝑜 𝑟𝑎
𝐶𝑣à𝑜
Trong đó:
HRT: Thời gian lưu nước, ngày.
ALR: Tải trọng chất ô nhiễm, g/m2.ngày
A: Diện tích bề mặt, m2
E: Hiệu suất, %
V: Thể tích hiệu dụng của mô hình, m3.
Q: Lưu lượng, m3/ngày Hình 10: Tổng chất rắn lơ lững (TSS)
C: Nồng độ chất ô nhiễm, mg/l Nhận xét: Giá trị TSS đầu vào khoảng 60 – 90 mg/l,
Cvào: Nồng độ chất ô nhiễm đầu vào mô hình, mg/l đầu ra khoảng 15-30 mg/l. Chất lượng nước sau xử lý đối
Cra: Nồng độ chất ô nhiễm đầu ra mô hình, mg/l với nồng độ chất rắn lơ lửng (TSS) đạt cột A QCVN
40:2011/BTNMT. Hiệu suất xử lý đạt 60-85%.
194
QCVN 40:2011/BTNMT. Hiệu suất xử lý đạt 45-65%.
Kết luận: Từ các kết quả lấy mẫu phân tích cho thấy,
chất lượng nước đầu ra của nhà máy xử lý nước thải Phú
Lộc tương đối ổn định, các mẫu đầu ra đạt cột A QCVN
40:2011/BTNMT.
3.2. Kết quả thực nghiệm 1
Sự sinh trưởng và phát triển của cây hoa chuối, cây
Hình 11: Nồng độ chất hữu cơ theo COD hoa mười giờ trong môi trường nước thải đầu ra nhà máy
XLNT Phú Lộc.
Nhận xét: Nồng độ chất hữu cơ theo COD đầu vào
khoảng 80-120 mg/l, đầu ra khoảng 18-35 mg/l. Chất 3.2.1. Sự sinh trưởng và phát triển của cây hoa chuối
lượng nước sau xử lý đối với nồng độ chất hữu cơ theo
COD đạt cột A QCVN 40:2011/BTNMT. Hiệu suất xử lý
đạt 60-85%.
Hình 16: Đồ thị biểu diễn mối tương quan giữa chiều
cao của cây hoa chuối trong mô hình theo thời gian
Hình 12: Nồng độ chất hữu cơ theo BOD5 Nhận xét: Tốc độ phát triển của cây hoa chuối trong
Nhận xét: Nồng độ chất hữu cơ theo BOD5 đầu vào 20 ngày đầu là không đáng kể do thay đổi về môi trường
khoảng 50-75 mg/l, đầu ra khoảng 13-23 mg/l. Chất sống. Sau 30 ngày, cây đã bắt đầu thích nghi, phát triển
lượng nước sau xử lý đối với nồng độ chất hữu cơ theo mạnh và cho ra nhiều lá mới.
BOD5 đạt cột A QCVN 40:2011/BTNMT. Hiệu suất xử
lý đạt 60-85%.
Lúc mới trồng Sau 1 tháng
Hình 17: Đồ thị biểu diễn mối tương quan giữa chiều
Hình 13: Nồng độ chất dinh dưỡng theo N-NH4+
dài của cây hoa mười giờ trong mô hình theo thời gian
Nhận xét: Nồng độ chất dinh dưỡng theo N-NH4+ đầu
vào khoảng 14-17 mg/l, đầu ra khoảng 2-3,5 mg/l. Hiệu Nhận xét: Tốc độ phát triển của cây hoa mười giờ trong
suất xử lý đạt 75-85%. 10 ngày đầu là không đáng kể. Sau 20 ngày, cây đã bắt
đầu thích nghi, phát triển nhanh và cho ra nhiều hoa.
3.3. Kết quả thực nghiệm 2
3.3.1. Sự chuyển hóa các chất ô nhiễm theo thời trong
điều kiện nạp nước thải gián đoạn.
- Với mô hình trồng cây hoa chuối.
Các kết quả quan trắc chất lượng nước từ quá trình vận
hành các mô hình đất ướt với cây hoa chuối trong thời
Hình 14: Nồng độ chất dinh dưỡng theo T-N gian nước lưu (HRT) 48h được trình bày từ hình 18 đến
Nhận xét: Nồng độ chất dinh dưỡng theo T-N đầu hình 23.
vào khoảng 16-19 mg/l, đầu ra khoảng 10-14 mg/l đạt cột  Tổng chất rắn lơ lững (TSS)
A QCVN 40:2011/BTNMT.
Hình 15: Nồng độ chất dinh dưỡng theo TP

Nhận xét: Nồng độ chất dinh dưỡng theo T-P đầu vào Hình 18: Sự thay đổi nồng độ TSS đầu vào, ra của mô
khoảng 2-3.1 mg/l, đầu ra khoảng 0,5-1,5 mg/l đạt cột A hình theo thời gian
Nhận xét: Nồng độ TSS đầu vào thay đổi từ 15-22
195
mg/l, đạt cột A QCVN 40:2011/BTNMT. Sau khi qua mô QCVN 40:2011/BTNMT. Sau khi qua mô hình, nồng độ
hình, giá trị SS còn khoảng từ 7-11 mg/l, đạt cột B1 các hợp chất hữu cơ còn từ 0,68-1,12 mg/l đối với N-
QCVN 08:2015/BTNMT. Hiệu suất xử lý đạt từ 40- 65% NH4+ và từ 0,15-0,22 mg/l đối với P-PO43-, đạt cột B1
 Chất hữu cơ (COD, BOD5) QCVN 08:2015/BTNMT đối với P-PO43- và tương đối
đạt đối với N-NH4+, vẫn còn một số ngày N-NH4+ chưa
đạt chuẩn. Hiệu suất xử lý đạt từ 50-75% theo N-NH4+ và
từ 40-55% theo P-PO43-
- Với mô hình trồng cây hoa mười giờ
Các kết quả quan trắc chất lượng nước từ quá trình vận
hành các mô hình đất ướt với cây hoa chuối trong thời
gian nước lưu (HRT) 48h được trình bày từ hình 24 đến
hình 29.
 Tổng chất rắn lơ lững (TSS)
Hình 19: Sự thay đổi nồng độ COD đầu vào, ra của mô
hình theo thời gian
Hình 24: Sự thay đổi nồng độ TSS đầu vào, ra của mô

Hình 20: Sự thay đổi nồng độ BOD5 đầu vào, ra của mô Nhận xét: Nồng độ TSS đầu vào thay đổi từ 15-22
hình theo thời gian mg/l, đạt cột A QCVN 40:2011/BTNMT. Sau khi qua mô
Nhận xét: Nồng độ chất hữu cơ (COD, BOD5) đầu vào hình, giá trị SS còn khoảng từ 8-13 mg/l, đạt cột B1
thay đổi trong khoảng 27-39 mg/l và 17-25 mg/l, đạt cột QCVN 08:2015/BTNMT. Hiệu suất xử lý đạt từ 40- 50%
A QCVN 40:2011/BTNMT. Sau khi qua mô hình, nồng  Chất hữu cơ (COD, BOD5)
độ chất hữu cơ còn lại khoảng 14-19 mg/l theo COD và
từ 9-12 mg/l theo BOD5, chất lượng nước đạt cột B1
QCVN 08:2015/BTNMT. Hiệu suất xử lý đạt từ 44- 55%
theo COD và từ 46- 56% theo BOD5
 Các hợp chất dinh dưỡng (N-NH4+, P-PO43-)
Hình 25: Sự thay đổi nồng độ COD đầu vào, ra của mô

Hình 21: Sự thay đổi nồng độ N-NH4+ đầu vào, ra của

mô hình theo thời gian
Hình 26: Sự thay đổi nồng độ BOD5 đầu vào, ra của mô

Nhận xét: Nồng độ chất hữu cơ (COD, BOD5) đầu vào
thay đổi trong khoảng 27-39 mg/l và 17-25 mg/l, đạt cột
A QCVN 40:2011/BTNMT. Sau khi qua mô hình, nồng
Hình 22: Sự thay đổi nồng độ P-PO43- đầu vào, ra của độ chất hữu cơ còn lại khoảng 16-23 mg/l theo COD và
mô hình theo thời gian từ 10-14 mg/l theo BOD5, chất lượng nước đạt cột B1
Nhận xét: Nồng độ các hợp chất dinh dưỡng (N, P) QCVN 08:2015/BTNMT. Hiệu suất xử lý đạt từ 30- 49%
đầu vào thay đổi trong khoảng từ 1,68-3,36 mg/l đối với theo COD và từ 39- 51% theo BOD5
N-NH4+ và từ 0,27-0,44 mg/l đối với P-PO43- đạt cột A  Các hợp chất dinh dưỡng (N-NH4+, P-PO43-)
196
bằng mô hình đất ướt với thời gian nước lưu (HRT) 2
ngày thì:
- Chất lượng nước sau xử lý tương đối ổn định, so sánh
chất lượng nước đầu ra của các mô hình với cột B1
QCVN 08:2015/BTNMT cho thấy: Các thông số TSS,
COD, BOD5 và P-PO43- đều thấp hơn quy chuẩn cho
phép, chỉ riêng chỉ tiêu N-NH4+ tương đối đạt quy chuẩn
với mô hình đất ướt trồng cây hoa chuối và tiện cận đạt
quy chuẩn với mô hình đất ướt trồng hoa mười giờ.
- Hiệu suất khử các chất ô nhiễm của mô hình đất ướt
Hình 27: Sự thay đổi nồng độ N-NH4+ đầu vào, ra của trồng cây hoa chuối và mô hình đất ướt trồng cây hoa
mô hình theo thời gian mười giờ trung bình đạt lần lượt là: TSS (55% và 45%),
COD (48% và 40%), BOD5 (50% và 40%), N-NH4+ (63%
và 58%), P-PO43- (48% và 37%).
Với nghiên cứu làm sạch hoàn toàn nước thải sau xử lý
tại nhà máy XLNT Phú Lộc bằng mô hình đất ướt có khả
năng đáp ứng được nhu cầu tái sử dụng với mục đích tưới
cây tạo cảnh quan đô thị.
Việc xử lý hiệu quả giúp tránh lãng phí nguồn nước và
giảm thiểu những khó khăn cho nhà máy cấp nước trong
tình trạng thiếu nước vào mùa khô.
Hình 28: Sự thay đổi nồng độ P-PO43- đầu vào, ra của 4.2. Kiến nghị
Cần tiếp tục nghiên cứu, điều chỉnh chế độ vận hành để
mô hình theo thời gian
nâng cao hiệu quả xử lý và đảm bảo độ tin cậy của quá
Nhận xét: Nồng độ các hợp chất dinh dưỡng (N, P)
trình.
đầu vào thay đổi trong khoảng từ 1,68-3,36 mg/l đối với
Mở rộng quy mô của mô hình, đưa sản phẩm vào thực tế
N-NH4+ và từ 0,27-0,44 mg/l đối với P-PO43- đạt cột A
để cung cấp nước tưới đô thị cho các khu vực công cộng
QCVN 40:2011/BTNMT. Sau khi qua mô hình, nồng độ
và thử nghiệm trên quy mô lớn hơn.
các hợp chất hữu cơ còn từ 0,78-1,24 mg/l đối với N-
NH4+ và từ 0,17-0,28 mg/l đối với P-PO43-, đạt cột B1 Tài liệu tham khảo
QCVN 08:2015/BTNMT đối với P-PO43- và tiện cận đạt [1]. Bộ tài nguyên và môi trường, QCVN 40:2011/BTNMT - Quy
đối với N-NH4+, có một số ngày N-NH4+ đạt quy chuẩn. chuẩn kĩ thuật quốc gia về nước thải công nghiệp.
[2]. Bộ tài nguyên và môi trường, QCVN 08/2015/BTNMT - Quy
Hiệu suất xử lý đạt từ 52-74% theo N-NH4+ và từ 25-53% chuẩn kĩ thuật quốc gia về chất lượng nước mặt.
theo P-PO43- [3]. Phan Thị Kim Thuỷ “Nghiên cứu đánh giá hiện trạng, đề xuất các
biện pháp bảo vệ chất lượng nước Hồ công viên 29-3, Đà Nẵng”.
4. Kết luận và kiến nghị
[4]. Hoàng Hải Thọ “Nghiên cứu xử lý nước thải sinh hoạt qui mô cụm
4.1. Kết luận dân cư bằng mô hình đất ngập nước nhân tạo lai hợp”, Viện môi trường
và tài nguyên Đại học quốc gia TP. Hồ Chí Minh, Tháng 4 năm 2010.
Nhà máy xử lý nước thải Phú lộc áp dụng công nghệ xử [5]. Lâm Minh Triết, Xử lý nước thải đô thị và công nghiệp – Tính toán
lý SBR, hệ thống xử lý tương đối ổn định, chất lượng thiết kế công trình.
nước đầu ra đạt cột A QCVN 40:2011/BTNMT. [6]. Dự án: “Nâng cấp, cải tạo trạm xử lý nước thải Phú Lộc giai đoạn
Theo nghiên cứu làm sạch hoàn toàn nước thải sau xử lý 1 (EPC)”.
197
SVTH: Nguyễn Tuấn Vượng; GVHD: TS. Phan Như Thúc
XÂY DỰNG KẾ HOẠCH QUẢN LÝ VÀ BẢO VỆ NGUỒN NƯỚC THÍCH ỨNG
VỚI BIẾN ĐỔI KHÍ HẬU TRÊN ĐỊA BÀN TỈNH ĐẮK NÔNG
BUILDING THE PLAN FOR MANAGEMENT AND PROTECTION OF WATER
RESOURCES FOR ACCLIMATATION TO CLIMATE CHANGE IN DAK NONG
PROVINCE
SVTH: Nguyễn Tuấn Vượng

Lớp 18QLMT, Khoa Môi trường, Trường Đại học Bách Khoa – Đại học Đà Nẵng; Email: vuong
30102000@gmail.com
GVHD: TS. Phan Như Thúc
Khoa Môi trường, Trường Đại học Bách Khoa – Đại học Đà Nẵng; Email: pnthuc@dut.udn.vn
Tóm tắt - Biến đổi khí hậu (BĐKH) kéo theo sự suy giảm tài Abstract - Climate change leads to the decline of water
nguyên nước (TNN) khiến cho các vấn đề về an ninh lương thực, resources, causing problems with food security, public health,
sức khỏe, năng lượng bị đe dọa. Đứng trước tình hình đó cần and energy. Facing that situation, it is necessary to have an
phải có kế hoạch hành động để bảo vệ TNN thích ứng với BĐKH. action plan to protect water resources and acclimate to climate
Tuy nhiên, không phải giải pháp, hành động nào cũng hiệu quả change. However, not all solutions and actions are effective and
và thực sự cần thiết. Do đó, nghiên cứu này đã xem xét lựa chọn necessary. Therefore, this study has considered to select the
các hoạt động/dự án ưu tiên và xây dựng kế hoạch hành động priority activities/projects and develop an action plan to manage
quản lý, bảo vệ TNN thích ứng với BĐKH tỉnh Đắk Nông. Việc and protect water resources and acclimate to climate change in
lựa chọn dựa trên sự lượng hóa các lợi ích trực tiếp và gián tiếp Dak Nong province. The selection is based on the quantification
mà hoạt động/dự án mang lại sau đó chấm điểm và xếp hạng. of the direct and indirect benefits that the activity/project brings,
Kết quả cho thấy trong 15 hoạt động/dự án được tỉnh Đắk Nông then scores and ranks. The results show that among 15
đề xuất có 07 dự án có số điểm trên 3,0. Trên cơ sở đó, xây activities/projects proposed by Dak Nong province, there are 07
dựng kế hoạch hành động đến năm 2030, tầm nhìn đến năm projects with the scores greater than or equal to 3.0. Based on
2050. Đồng thời nghiên cứu cũng phân tích đánh giá hiện trạng those scores, an action plan for 2030, with a vision for 2050 are
TNN, thực trạng và xu thế BĐKH trên địa bàn tỉnh Đắk Nông. developed. In addition, this study also analyze and assesse the
Từ khóa - Biến đổi khí hậu; tài nguyên nước; kịch bản phát current status of water resources, the status and trends of climate
thải; kế hoạch; tỉnh Đắk Nông change in Dak Nong province.
Key words - Climate change; water resources; emissions
scenario; plan; Dak Nong province
1. Đặt vấn đề nhiễm, lũ lụt, sạt lở đất, hạn hán và các tác nhân khác.
Biến đổi khí hậu (BĐKH) cùng với sự gia tăng dân số Ước tính khoảng 37% lượng nước mất đi do lãng phí,
đã trực tiếp tác động đến nguồn tài nguyên nước (TNN) thậm chí có nơi lên đến 50% [5].
trên khắp thế giới. BĐKH làm tăng cường độ của thiên Đứng trước tình hình đó cần phải có kế hoạch hành
tai và các sự kiện cực đoan liên quan đến nước. Đơn cử động để bảo vệ TNN thích ứng với BĐKH. Không phải
như lượng mưa và lũ lụt không thể đoán trước, thiếu giải pháp, hành động nào cũng hiệu quả và thực sự cần
nước, khan hiếm nước và hạn hán gia tăng. Theo các báo thiết, với sự giới hạn của kinh phí đầu tư, nguồn nhân lực
cáo của diễn đàn kinh tế thế giới (2016) về rủi ro toàn cầu và thời gian thực hiện cần có sự xem xét, chọn lọc kỹ
dự đoán trong những thập kỷ tới các khủng hoảng về càng dựa trên nhiều yếu tố. Xét thấy tính cấp thiết của
nước sẽ tăng cao. Cụ thể 2/3 (hai phần ba) dân số thế giới vấn đề nên nghiên cứu này được thực hiện nhằm xây
sẽ có thể bị ảnh hưởng bởi các thách thức về nguồn nước dựng kế hoạch quản lý và bảo vệ nguồn nước thích ứng
vào năm 2025 [1]. với BĐKH tỉnh Đắk Nông, làm cơ sở cho việc lựa chọn
các hoạt động/dự án ưu tiên và xây dựng kế hoạch hành
Việt Nam cũng là một trong số những quốc gia chịu
động phù hợp, hiệu quả.
ảnh hưởng nặng nề của BĐKH. Theo ước tính, trung bình
2. Đối tượng và phương pháp
mỗi năm Việt Nam phải chịu từ 6 đến 7 cơn bão [2]. Năm
2.1. Đối tượng nghiên cứu
2020 Việt Nam ghi nhật đợt bão lụt lịch sử trong nhiều
 Tài nguyên nước và các số liệu khí tượng, thủy
thập kỷ tại các tỉnh miền Trung. Trận lũ lụt lịch sử mới
văn trên địa bàn tỉnh Đắk Nông;
được đặt mức báo động IV, thuộc về cấp bậc thiên tai
nguy hiểm, rủi ro rất lớn của Việt Nam, ảnh hưởng sâu  Các hoạt động/dự án quản lý, bảo vệ nguồn nước
rộng và tác động gây tổn thất, thiệt hại toàn khu vực, phá thích ứng với biến đổi khí hậu tỉnh Đắk Nông đến năm
hủy, trì hoãn và đẩy lùi nền kinh tế – xã hội của miền 2030, tầm nhìn năm 2050.
Trung Việt Nam [3]. Ước tính có hơn 229 người chết và 2.2. Phạm vi nghiên cứu
mất tích [3], 56.000 căn nhà bị tốc mái [4]. Bên cạnh  Phạm vi về không gian: nghiên cứu trên địa bàn
cường độ thiên tai xảy ra thường xuyên, trữ lượng và chất toàn tỉnh Đắk Nông.
lượng nước của nước ta những năm gần đây cũng bị sụt  Phạm vi về nội dung và thời gian:
giảm nghiêm trọng. Mặc dù có nguồn TNN dồi dào + Tài nguyên nước: hiện trạng và trữ lượng tới
(3.450 sông, suối có chiều dài từ 10 km cùng nhiều hồ, tháng 9/2022, chất lượng nước giai đoạn năm
đập tự nhiên có kích thước lớn) nhưng trên thực tế nguồn 2016-2020;
nước có thể sử dụng ngay lại có hạn vì phân bố không + Khí tượng, thiên tai: số liệu khí tượng giai
đều. Nhiều vùng bị thiếu nước sạch để sinh hoạt do ô đoạn 1998-2020, số liệu thiên tai tới tháng 9/2022.
198
2.3. Phương pháp nghiên cứu 3. Kết quả nghiên cứu
2.3.1. Phương pháp hồi cứu tài liệu 3.1. Hiện trạng tài nguyên nước, thực trạng và xu thế
 Kế thừa các nghiên cứu khoa học, báo cáo trong biến đổi khí hậu trên địa bàn tỉnh Đắk Nông
và ngoài nước về lập kế hoạch bảo vệ TNN, về 3.1.1. Hiện trạng tài nguyên nước
BĐKH,..; Nước mặt: Mạng lưới sông ngòi ở tỉnh Đắk Nông có
thể quy về ba lưu vực chính: lưu vực sông Sêrêpôk, lưu
 Thu thập thông tin thứ cấp tại Sở ban ngành, các
vực sông Krông Nô và hệ thống sông suối Đồng Nai
trung tâm trực thuộc sở, các báo cáo, quyết định đã
(Hình 1). Lưu lượng dòng chảy trung bình lần lượt là 181;
được công bố trên địa bàn tỉnh Đắk Nông.
76,4 và 12,44 m3/s, độ dốc từ 10-20% [6]. Chất lượng
2.3.2. Phương pháp phân tích, xử lý số liệu nước mặt nhìn chung không bị ô nhiễm và ít sự biến động
Thống kê, thu thập tài liệu, dẫn chứng, số liệu liên qua các năm. Trong đó đáng chú ý mẫu NM28 - Suối Đăk
quan đến đối tượng nghiên cứu. Sử dụng phần mềm MS. Dao (thượng nguồn tại cửa xả số 3) và NM44 - Điểm cuối
Excel 365 để phân tích, xử lý và tổng hợp lại các số liệu KCN Tâm Thắng (suối Hương) nguy cơ ô nhiễm nitơ [7].
đã thu thập được. Việc phân tích nội nghiệp mang lại một Nước dưới đất: TNN dưới đất tồn tại dưới 2 dạng chủ
số lợi ích cơ bản, giúp tránh sự trùng lặp; kế thừa các kết yếu là nước lỗ hổng và nước khe nứt, phân bố đều khắp
quả nghiên cứu trước; biết được các thiếu sót của nghiên địa bàn tỉnh, có trữ lượng lớn ở độ sâu 40 - 90 m. Trữ
cứu trước đó và định hướng được các nghiên cứu ở mức lượng nước giao động từ 10.413 - 4.481.654 m3/ngày [8].
độ phát triển cao hơn. Chất lượng nước ít biến động và chưa bị ô nhiễm. Trong
2.3.3. Phương pháp lựa chọn các tiêu chí đánh giá – đó cần chú ý mẫu NN28 - Xã Đức Xuyên có nguy cơ ô
“SMART” nhiễm nitơ [7].
Phương pháp này nhằm lựa chọn ra các chỉ số để giúp
đo lường các lợi ích thích ứng trực tiếp với BĐKH của
hoạt động/dự án đề xuất. Chữ viết tắt "SMART" tóm tắt
5 tiêu chí chính yêu cầu các chỉ số cần phải: (1) Cụ thể -
Specific; (2) Đo lường được - Measurable; (3) Có thể đạt
được - Attainable; (4) Thích hợp - Relevant; (5) Ràng
buộc về thời gian - Timebound.
2.3.4. Phương pháp lựa chọn ưu tiên thích ứng với
BĐKH
Lựa chọn các hoạt động/dự án ưu tiên bảo vệ nguồn
nước thích ứng với BĐKH dựa trên “Khung hướng dẫn
lựa chọn ưu tiên thích ứng với BĐKH trong lập kế hoạch
phát triển kinh tế, xã hội” do Bộ Kế hoạch và Đầu tư ban
hành ngày 17/10/2013 kèm theo Quyết định số 1485/QĐ-
BKHĐT. Quy trình lựa chọn gồm 4 bước:
 Bước 1: xác định mục tiêu ưu tiên;
 Bước 2: sàng lọc các hoạt động, dự án theo các Hình 24: Mạng lưới sông ngòi tỉnh Đắk Nông
mục tiêu ưu tiên và theo tiêu chí về tính khẩn cấp; 3.1.2. Thực trạng và xu thế biến đổi khí hậu tỉnh Đắk
 Bước 3: chấm điểm các hoạt động, dự án đã sàng Nông qua phân tích số liệu hồi cứu
lọc theo nhiều tiêu chí; a. Thực trạng biến đổi khí hậu tỉnh Đắk Nông
 Bước 4: lập danh mục ưu tiên xếp hạng theo điểm  Thực trạng biến đổi lượng mưa
từ cao đến thấp làm cơ sở ra quyết định. Trong giai đoạn năm 1998-2020 lượng mưa trung bình
2.3.5. Phương pháp khung logic (Logical Framework năm tại tỉnh Đắk Nông có xu hướng giảm, tốc độ giảm
Approach – LFA) trung bình từ 11,334 - 43,924 mm/năm [6]. Khu vực các
Phương pháp khung logic trong xây dựng kế hoạch huyện phía Bắc tỉnh lượng mưa có xu hướng giảm chậm
hỗ trợ phân tích có cấu trúc và có hệ thống về một dự án nhất, khu vực phía Nam tỉnh lượng mưa có xu hướng
hoặc ý tưởng chương trình. Việc áp dụng các bước và các giảm nhanh nhất.
công cụ giúp nhận thức đầy đủ và toàn diện vấn đề, từ đó 4.000
đề ra được các phương án và giải pháp để giải quyết vấn 3.500
đề một cách có hiệu quả. Trong nghiên cứu này, phương 3.000
pháp khung logic được sử dụng trong giai đoạn xây dựng
Đơn vị: mm
2.500
kế hoạch hành động quản lý, bảo vệ nguồn nước, thích 2.000
ứng với BĐKH. 1.500

1.000
2.3.6. Phương pháp ứng dụng GIS (Geographic 500
Information Systems) 0
2004
2017
1998
1999
2000
2001
2002
2003
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2018
2019
2020
Nghiên cứu này sử dụng kết hợp các phần mềm

Arcgis 10.1 và Mapinfo Pro 15.0 để xây dựng các bản đồ Trạm Cầu 14 Trạm Đắk Mil Trạm Đắk Nông
chuyên đề nhằm thể hiện trực quan về: (1) Hiện trạng Hình 25: Diễn biến tổng lượng mưa năm tỉnh Đắk Nông năm
TNN và (2) Chất lượng nước tỉnh Đắk Nông. Nội dung 1998 – 2020
thực hiện bao gồm: số hóa bản đồ, chuẩn hóa dữ liệu, tạo (Nguồn số liệu: Sở Tài nguyên và Môi trường tỉnh Đắk Nông,
mới các lớp và biên tập bản đồ. 2021)
199
 Thực trạng diễn biến độ ẩm 20
16
Số đợt mưa vừa, mưa to

Giai đoạn 2009 - 2020 độ ẩm không khí tại cả 03 khu vực 15 13
12
trên địa bàn tỉnh có xu hướng giảm qua các năm và giảm so 11
9 9
với giai đoạn 1998 - 2008. Giai đoạn 1998 - 2008 có sự biến 10
động độ ẩm giữa các năm mạnh hơn so với giai đoạn 2009 - 5
2020. Các huyện khu vực giữa tỉnh có sự biến động độ ẩm
0
giữa các năm lớn nhất so với khu vực phía Bắc tỉnh và phía 2012 2013 2014 2015 2016 2017
Năm
Nam tỉnh [6].
Hình 28: Số đợt mưa vừa, mưa to trên toàn tỉnh Đắk Nông
90
giai đoạn 2012-2017
88
86
(Nguồn số liệu: Sở Tài nguyên và Môi trường tỉnh Đắk Nông,
84
2021)
b. Xu thế biến đổi khí hậu tỉnh Đắk Nông
Đơn vị: %
82
80
 Xu thế biến đổi lượng mưa
78
76
Mức độ biến đổi của lượng mưa năm trên địa bàn tỉnh
74
Đắk Nông (dựa trên Kịch bản BĐKH của BTNMT, 2020)
72 được đánh giá trong khoảng tin cậy 60%, đây là khoảng
biến đổi xung quanh trị số trung bình với cận dưới là 20%
2012
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2013
2014
2015
2016
2017
2018
2019
2020
Trạm Cầu 14 Trạm Đắk Mil Trạm Đắk Nông

và cận trên là 80%. Theo hai kịch bản RCP4.5 và RCP8.5,
kết quả dự tính của hầu hết phương án mô hình đều cho
Hình 26: Diễn biến tổng độ ẩm năm tại trạm Cầu 14 từ năm thấy lượng mưa năm tỉnh Đắk Nông có xu hướng tăng
1998 – 2020 trong tương lai so với thời kỳ cơ sở 1986 – 2005. Theo
(Nguồn số liệu: Sở Tài nguyên và Môi trường tỉnh Đắk Nông, kịch bản RCP4.5, mức tăng trung bình giai đoạn đầu, cuối
2021) thế kỷ lần lượt từ 10,4 - 8,6%. Theo kịch bản RCP8.5,
mức tăng trung bình giai đoạn đầu, cuối thế kỷ lần lượt
 Thực trạng diễn biến lượng nước bốc hơi
từ 12,7 – 20,3%. Sự biến đổi trung bình của lượng mưa
Tổng lượng bốc hơi năm giai đoạn 2009 - 2020 có xu theo 2 kịch bản được trình bày trong Hình 6 và 7.
hướng giảm và giảm so với giai đoạn 1998 - 2008. Khu vực
các huyện phía Bắc tỉnh có dao động lớn về tổng lượng bốc 14
hơi giữa các năm và là khu vực có tổng lượng bốc hơi các 12
% thay đổi lượng mưa
năm lớn nhất so với hai khu vực còn lại của tỉnh. Khu vực 10
các huyện phía Nam tỉnh có tổng lượng bốc hơi năm thấp 8
6
nhất tỉnh [6].
4
1.800 2
1.600 0
1.400 -2
Giai đoạn nền GĐ 2046-2065 GĐ 2080-2099
1.200
Đơn vị: mm
1.000 Lượng mưa năm Lượng mưa mùa đông

Lượng mưa mùa xuân Lượng mưa mùa hè
800
Lượng mưa mùa thu
600
400 Hình 29: Mức biến đổi trung bình của lượng mưa (%) theo
200 kịch bản RCP4.5
0 (Nguồn số liệu: Bộ Tài nguyên và Môi trường, 2020)
2013
2014
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2015
2016
2017
2018
2019
2020
40
Trạm Cầu 14 Trạm Đắk Mil Trạm Đắk Nông
30
% thay đổi lượng mưa
Hình 27: Diễn biến tổng lượng nước bốc hơi năm tại trạm 20
Cầu 14 từ năm 1998 – 2020
10
(Nguồn số liệu: Sở Tài nguyên và Môi trường tỉnh Đắk Nông,
2021) 0
 Các hiện tượng thời tiết cực đoan -10
Năm 2012-2017, ảnh hưởng của bão và áp thấp nhiệt đới -20
gây nên những đợt mưa vừa, mưa to trên toàn bộ diện tích Giai đoạn nền GĐ 2046-2065 GĐ 2080-2099
Lượng mưa năm Lượng mưa mùa đông
tỉnh Đắk Nông (Hình 5). Đến năm 2018, xuất hiện mưa Lượng mưa mùa xuân Lượng mưa mùa hè
trái mùa với lượng mưa phân bố không đều. Năm 2019, Lượng mưa mùa thu
chịu ảnh hưởng trực tiếp của hoàn lưu cơn bão số 5 Hình 30: Mức biến đổi trung bình của lượng mưa (%) theo
(Matmo) và bão số 6 (Nakri). Năm 2020, hạn hán, thiếu kịch bản RCP8.5
nước tưới diễn ra trên diện rộng tại các huyện thuộc vùng (Nguồn số liệu: Bộ Tài nguyên và Môi trường, 2020)
phía Bắc tỉnh [6]. Năm 2021 mưa lớn, sạt lở đất gây ra  Xu thế biến đổi nhiệt độ và lượng nước bốc hơi
nhiều thiệt hại tại các huyện Tuy Đức, Krông Nô, Cư Jút,
Đắk Glong [9] Mức biến đổi của nhiệt độ trung bình năm trên địa bàn
tỉnh Đắk Nông được đánh giá trong khoảng tin cậy 80%.
200
Đây là khoảng biến đổi xung quanh trị số trung bình với Mục tiêu ưu tiên đề xuất dựa vào Quyết định số
cận dưới là 10% và cận trên là 90%. Theo kịch bản 835/QĐ-UBND của Ủy ban nhân dân (UBND) tỉnh Đắk
RCP4.5, mức tăng trung bình giai đoạn đầu, cuối thế kỷ Nông ngày 15/06/2021 về việc ban hành kế hoạch hành
lần lượt từ 1,4 – 1,7 oC. Theo kịch bản RCP8.5, mức tăng động ứng phó với BĐKH giai đoạn 2021 - 2030, tầm nhìn
trung bình giai đoạn đầu, cuối thế kỷ lần lượt từ 1,9 – 3,5 đến năm 2050 tỉnh Đắk Nông. Kết hợp tham khảo “Kế
o
C. Từ các biến đổi về nhiệt độ, sử dụng Công thức hoạch phát triển kinh tế - xã hội của tỉnh Đắk Nông năm
Blancy-Criddle để tính mức biến đổi trung bình lượng 2022” (Kế hoạch số 58/KH-UBND của UBND tỉnh Đắk
nước bốc hơi. Công thức Blancy-Criddle: Nông ngày 27/01/2022); “Khung hướng dẫn lựa chọn ưu
tiên thích ứng với BĐKH trong lập kế hoạch phát triển
𝑬𝑻0 = 𝑷(𝟎, 𝟒𝟔𝑻 + 𝟖) (1) kinh tế - xã hội” (Quyết định số 1485/QĐ-BKHĐT của
BKHĐT ngày 17/10/2013). Nghiên cứu đã điều chỉnh và
Trong đó: 𝐸𝑇0 là lượng bốc hơi nước (mm/ngày); T là lựa chọn các mục tiêu ưu tiên quản lý, bảo vệ nguồn nước
nhiệt độ trung bình ngày (oC); P là tỷ lệ phần trăm số giờ thích ứng với biến đổi khí hậu tỉnh Đắk Nông như sau:
chiếu sáng trung bình năm đối với các ngày của tháng.
Bảng 11: Mục tiêu ưu tiên quản lý, bảo vệ nguồn nước thích
Kết quả cho thấy lượng bốc hơi nước trong tương lai có ứng với biến đổi khí hậu tỉnh Đắk Nông
xu hướng tăng so với thời kỳ cơ sở, kết quả chi tiết như
sau: Nâng cao hiệu quả thích ứng với BĐKH
Bảng 10: Mức biến đổi trung bình lượng nước bốc hơi Mục tiêu 1 thông qua việc tăng cường công tác quản lý
(mm/ngày) so với thời kỳ cơ sở nhà nước về BĐKH
Kịch bản RCP4.5 Kịch bản RCP8.5
Tháng Tăng cường khả năng chống chịu và nâng
GĐ 1 GĐ 2 GĐ 1 GĐ 2
Mục tiêu 2 cao năng lực thích ứng của cộng đồng, các
12-2 2,26 2,29 2,32 2,52
thành phần kinh tế và hệ sinh thái
3-5 2,41 2,45 2,49 2,68
6-8 2,49 2,55 2,57 2,79
Giảm nhẹ rủi ro thiên tai và giảm thiểu
9-11 2,34 2,39 2,41 2,61 Mục tiêu 3 thiệt hại, sẵn sàng ứng phó với thiên tai và
Chú thích: GĐ: năm 2046-2065; GĐ 2: năm 2080-2099 khí hậu cực đoan gia tăng do BĐKH
3.2. Lựa chọn ưu tiên quản lý, bảo vệ nguồn nước thích
ứng với biến đổi khí hậu tỉnh Đắk Nông Mục tiêu 4 Bảo đảm an ninh lương thực
Quy trình các bước lựa chọn ưu tiên quản lý, bảo vệ
nguồn nước thích ứng với BĐKH tỉnh Đắk Nông như sau:
Mục tiêu 5 Bảo đảm an ninh TNN
Kết quả phân loại cho thấy: trong 15 dự án quản lý,

bảo vệ nguồn nước thích ứng với BĐKH tỉnh Đắk Nông
đề xuất có 0 dự án thuộc mục tiêu 1, 2 dự án thuộc mục
tiêu 2, 4 dự án thuộc mục tiêu 3, 1 dự án thuộc mục tiêu
4 và 8 dự án thuộc mục tiêu 5. Có 15/15 dự án được đánh
giá là khẩn cấp và tiếp tục chấm điểm.
Ngoài các lợi ích trực tiếp là 05 mục tiêu đã nêu ở
trên, điểm số còn phụ thuộc vào các lợi ích gián tiếp như:
 Hiệu quả và tính bền vững về tài chính;
 Lợi ích thích ứng gián tiếp từ việc kết hợp với
giảm thiểu BĐKH;
 Lợi ích thích ứng gián tiếp từ việc kết hợp với các
mục tiêu môi trường;
 Lợi ích thích ứng gián tiếp từ việc kết hợp với các
mục tiêu xã hội.
Kết quả chấm điểm cho thấy có 07/15 hoạt động/dự
án có số điểm trên 3,0. Điểm số trung bình là 2,91 điểm
(từ 1,7-3,45 điểm). Các dự án sau đó được xếp hạng ưu
tiên đầu tư theo mục tiêu thích ứng và theo ngành đồng
thời phân bổ nguồn vốn. Kết quả chấm điểm các hoạt
động/dự án được trình bày trong Bảng 3.
Hình 31: Phương pháp lựa chọn ưu tiên quản lý, bảo vệ
nguồn nước thích ứng với biến đổi khí hậu tỉnh Đắk Nông
201
Bảng 12: Chấm điểm các hoạt động, dự án bảo vệ nguồn nước thích ứng BĐKH trên địa bàn tỉnh Đắk Nông giai đoạn 2022-
2030, tầm nhìn đến năm 2050
Hoạt động/dự án Mục tiêu ưu tiên Ngành Lợi ích Lợi ích gián tiếp Tổng
thích ứng khẩn cấp thích ứng BĐKH trực tiếp Tính Giảm Xã hội Môi điểm
bền thiểu trường
vững
Tỷ trọng của tiêu chí 50% 15% 5% 15% 15%
1. Xác định vùng hạn chế khai thác Bảo vệ môi 4 0 1 1-1-1 4-4 3,30
nước dưới đất cho các khu vực Mục tiêu 5 trường (+1 điểm (=1) (=4)
trong tỉnh Đắk Nông ưu tiên)
2. Phân loại mức độ khan hiếm Bảo vệ môi 4 0 1 1-1-1 4-4 3,30
nước, đề xuất áp dụng các biện trường (+1 điểm (=1) (=4)
pháp tích trữ nước, tiết kiệm nước, Mục tiêu 5 ưu tiên)
hạn chế khai thác, sử dụng nước
theo từng cấp độ khan hiếm nước
3. Xây dựng, triển khai và nhân Bảo vệ môi 4 1 1 1-1-1 4-4 3,45
rộng các mô hình sử dụng nước tiết Mục tiêu 5 trường (+1 điểm (=1) (=4)
kiệm, hiệu quả ưu tiên)
4. Tăng cường quan trắc chất Cấp nước 4 0 1 2-3-1 4-4 3,45
lượng nước, xây dựng và áp dụng (+1 điểm (=2) (=4)
các tiêu chuẩn về an toàn sử dụng Mục tiêu 5 ưu tiên)
nước phục vụ sinh hoạt của người
dân
5. Phát triển hệ thống cung cấp Cấp nước 4 1 1 3-2-1 1-1 3,15
nước sạch cho các khu dân cư nông Mục tiêu 5 (+1 điểm (=2) (=1)
thôn toàn tỉnh Đắk Nông ưu tiên)
6. Tiếp tục thực hiện mô hình quản Thủy lợi 2 0 1 1-1-3 2-2 2,10
lý hiệu quả các công trình thủy lợi (+1 điểm (=1,67) (=2)
Mục tiêu 5
đã đầu tư trên địa bàn tỉnh Đắk ưu tiên)
Nông
7. Xây dựng hệ thống thông tin, dữ Bảo vệ môi 4 0 1 1-1-3 3-4 2,83
liệu về tài nguyên nước tỉnh Đắk Mục tiêu 2 trường (=1,67) (=3,5)
Nông
8. Điều tra và lập bản đồ các vùng Bảo vệ môi 2 0 1 2-2-3 2-2 1,70
thường xuyên hay bị ngập lụt trong Mục tiêu 3 trường =(2,3) (=2)
tỉnh Đắk Nông
9. Điều tra, đánh giá và dự báo xu Bảo vệ môi 2 0 1 1-1-3 4-4 2,40
thế dòng chảy kiệt khu vực chính trường (+1 điểm (=1,67) (=4)
Mục tiêu 5
trên địa bàn tỉnh trong điều kiện ưu tiên)
BĐKH
10. Xây dựng kế hoạch tổ chức các Phát thanh, 4 0 2 1-1-3 1-3 2,65
hoạt động truyền thông, nâng cao truyền hình, (=2,3) (=2)
nhận thức về biến đổi khí hậu cho Mục tiêu 2 thông tấn
bộ máy quản lý các cấp trên địa
bàn tỉnh Đắk Nông
11. Khảo sát lập kế hoạch nâng cấp Thủy lợi 4 0 1 1-2-2 4-3 3,33
hệ thống đê bao, xác định sông, (+1 điểm (=1,67) (=3,5)
Mục tiêu 5
suối trên địa bàn tỉnh cần nạo vét, ưu tiên)
khai thông dòng chảy
12. Rà soát, quy hoạch ổn định các Lâm nghiệp 4 0 2 2-1-4 3-4 2,98
lâm phận rừng nhằm giảm thiểu tác Mục tiêu 3 (=2,33) (=3,5)
động của BĐKH
13. Quản lý bảo vệ rừng đầu nguồn Lâm nghiệp 4 0 2 2-1-4 3-4 2,98
khu bảo tồn thiên nhiên Nam Nung Mục tiêu 3
(=2,33) (=3,5)
14. Nghiên cứu thay đổi chọn Nông nghiệp 4 0 1 1-1-4 2-2 3,15
giống cây trồng vật nuôi nhằm (+1 điểm (=2) (=2)
Mục tiêu 4
thích ứng với các điều kiện bất ưu tiên)
thường của BĐKH
15. Xây dựng hệ thống thoát nước Thoát nước và 4 1 1 2-2-2 3-2 2,88
và xử lý nước thải tại các cụm, Xử lý nước thải (=2) (=2,5)
Mục tiêu 3
tuyến dân cư trên địa bàn tỉnh Đắk
Nông
(Danh mục các dự án lấy theo “Danh mục nhiệm vụ, dự án thực hiện kế hoạch hành động ứng phó với BĐKH giai đoạn 2021-
2030, tầm nhìn 2050 tỉnh Đắk Nông" theo Quyết định số 834/QĐ-UBND của UBND tỉnh Đắk Nông ngày 15/06/2021)
202
3.3. Xây dựng kế hoạch quản lý, bảo vệ nguồn nước đồng thời (2) xây dựng kế hoạch hành động chi tiết cho
thích ứng với biến đổi khí hậu tỉnh Đắk Nông giai đoạn 3 nhóm chương trình trọng điểm trong quản lý, bảo vệ
2022-2030, tầm nhìn đến năm 2050 TNN thích ứng với BĐKH tỉnh Đắk Nông đến năm 2030,
Trên cơ sở kết quả xếp hạng, nghiên cứu đã (1) thành lập tầm nhìn đến năm 2050 (gồm 07 hoạt động/dự án có số
khung logic kế hoạch hành động cho 15 hoạt động/dự án, điểm trên 3,0). Kế hoạch tóm tắt của các chương trình
được trình bày trong Bảng 4.
Bảng 13: Tóm tắt kế hoạch hành động của một số chương trình trọng điểm trong quản lý, bảo vệ TNN thích ứng với BĐKH tỉnh
Đắk Nông đến năm 2030, tầm nhìn đến năm 2050
Thời
gian Kinh
Đơn vị chủ Đơn vị hỗ
Chương trình thực phí (tỷ
Hoạt động/dự án Nội dung thực hiện trì trợ
ưu tiên hiện đồng)
(*) (*)
(năm) (*)
(*)
1. Chương trình 1.1. Xây dựng, triển khai - Tăng diện tích cây trồng áp dụng Sở Các sở 5 7
“Tiết kiệm nước và nhân rộng các mô hình tưới tiết kiệm nước trên địa bàn tỉnh TN&MT ban
và bảo vệ nguồn sử dụng nước tiết kiệm, Đắk Nông thêm 2.000 ha; ngành,
nước ngầm” hiệu quả - Tiếp tục nghiên cứu đề xuất thêm UBND
các mô hình tiết kiệm nước khác. các huyện,
TP
1.2. Xác định vùng hạn - Xác định vùng hạn chế khai thác Sở Các sở 5 1
chế khai thác nước dưới nước dưới đất trên địa bàn tỉnh Đắk TN&MT ban
đất cho các khu vực trong Nông và phân loại theo các cấp độ ngành,
tỉnh Đắk Nông khác nhau UBND
các huyện,
TP
1.3. Phân loại mức độ - Phân loại theo chỉ số khan hiếm Sở Các sở 5 5
khan hiếm nước, đề xuất nước cho các khu dân cư trên địa bàn TN&MT ban
áp dụng các biện pháp toàn tỉnh; ngành,
tích trữ nước, tiết kiệm - Nghiên cứu áp dụng chỉ số khan UBND
nước, hạn chế khai thác, hiếm nước trong quy hoạch về TNN: các huyện,
sử dụng nước theo từng quy hoạch vị trí xây dựng các công TP
cấp độ khan hiếm nước trình thủy lợi, trạm cấp nước;
- Tiếp tục xây dựng các công trình
trữ nước cho các địa phương thiếu
nước mùa khô.
2. Chương trình 2.1. Tăng cường quan trắc - Xây dựng Quy chuẩn kỹ thuật địa Sở Sở Y tế và 5 5
“Cung cấp nước chất lượng nước, xây phương về chất lượng nước sạch sử TN&MT các sở ban
sạch và vệ sinh dựng và áp dụng các tiêu dụng cho mục đích sinh hoạt phù ngành,
môi trường” chuẩn về an toàn sử dụng hợp quy định Quy chuẩn kỹ thuật
nước phục vụ sinh hoạt quốc gia về chất lượng nước sạch sử
của người dân dụng cho mục đích sinh hoạt QCVN
01-1:2018/BYT;
- Lập danh mục nguồn nước phải lập
hành lang bảo vệ nguồn nước, cắm
mốc hành lang bảo vệ nguồn nước
theo Nghị định số 43/2015/NĐ-CP;
- Tổ chức thanh tra, kiểm tra, giám
sát các hoạt động trong vùng bảo hộ
vệ sinh khu vực lấy nước sinh hoạt,
hành lang bảo vệ nguồn nước.
2.2. Khảo sát lập kế hoạch - Rà soát các hoạt động/dự án nạo Sở UBND 5 2
nâng cấp hệ thống đê bao, vét, khai thông dòng chảy đang diễn NN&PTNT các huyện,
xác định sông, suối trên ra trên địa bàn tỉnh và các dữ liệu liên TP
địa bàn tỉnh cần nạo vét, quan khác;
khai thông dòng chảy - Khảo sát đánh giá hệ thống đê bao,
sông suối và lập kế hoạch nâng cấp;
- Xây dựng bản đồ chuyên đề các
khu vị trí sông suối, đê bao cần nạo
vét, nâng cấp.
2.3. Phát triển hệ thống - Đưa vào hoạt động có hiệu quả 174 Sở Các sở 5 10
cung cấp nước sạch cho công trình đang dừng hoạt động; NN&PTNT ban
các khu dân cư nông thôn - Tiếp tục thực hiện chương trình ngành,
toàn tỉnh Đắk Nông “Mở rộng quy mô vệ sinh và nước UBND
sạch nông thôn”; các huyện,
- Tổ chức lại cách thức quản lý, vận TP
203
Thời
gian Kinh
Đơn vị chủ Đơn vị hỗ
Chương trình thực phí (tỷ
Hoạt động/dự án Nội dung thực hiện trì trợ
ưu tiên hiện đồng)
(*) (*)
(năm) (*)
(*)
hành các công trình cấp nước tập
trung các vùng nông thôn.
3. Chương trình 3.1. Nghiên cứu thay đổi - Nghiên cứu giống cây trồng để bảo Sở UBND 10 8
“Nghiên cứu chọn giống cây trồng, vật vệ sản xuất trước các biến động phức NN&PTNT các huyện,
thay đổi giống nuôi nhằm thích ứng với tạp của BĐKH kết hợp nghiên cứu TP
cây trồng, vật các điều kiện bất thường dài hạn để triển khai bảo vệ thực vật
nuôi thích ứng của BĐKH khi cơ cấu cây trồng thay đổi;
với BĐKH” - Trồng thí điểm tại 1 số vùng trên
địa bàn tỉnh là khu vực thường xuyên
chịu ảnh hưởng của BĐKH.
(*) Nguồn: Sở Tài nguyên và Môi trường tỉnh Đắk Nông
4. Thảo luận  Lồng ghép kế hoạch hành động BĐKH vào kế
4.1. Hiện trạng tài nguyên nước hoạch phát triển kinh tế - xã hội hiện tại;
Về nước mặt: Đắk Nông có mạng lưới sông ngòi khá dày  Làm cơ sở xây dựng “Quy hoạch tỉnh Đắk Nông
nhưng do nằm ở thượng nguồn, lòng sông rộng và dốc, thời kỳ 2021-2030, tầm nhìn đến năm 2050” sắp tới.
cộng thêm các yếu tố về BĐKH, quy hoạch thủy lợi, cấp 5. Kết luận
nước chưa hợp lý nên dẫn tới thiếu nước sinh hoạt vào TNN mặt, nước dưới đất tỉnh Đắk Nông có trữ lượng lớn,
mùa khô. Về nước dưới đất: do đặc điểm địa chất 1 số nơi chất lượng hầu như không bị ô nhiễm, tuy nhiên cần lưu
khác biệt với lớp đá tổ ong dày nên 1 số nơi khó khăn ý một vài vị trí có nguy cơ ô nhiễm nito. Thời gian qua
trong khai thác. Nhu cầu sử dụng lớn nhưng độ ẩm ít, lượng mưa, độ ẩm, lượng nước bốc hơi năm có xu hướng
cộng với tình trạng khai thác tự phát tràn lan gây ra tình giảm. Tuy nhiên sẽ có xu hướng tăng trong tương lai.
trạng thiếu nước mùa khô. Chất lượng nước mặt và nước Theo kịch bản RCP4.5, mức tăng trung bình lượng mưa
dưới đất nhìn chung không bị ô nhiễm và ít sự biến động, năm giai đoạn đầu, cuối thế kỷ lần lượt từ 10,4 - 8,6%.
trong đó cần chú ý một số vị trí có nguy cơ ô nhiễm nito. Theo kịch bản RCP8.5, mức tăng trung bình lượng mưa
4.2. Biến đổi khí hậu trên địa bàn tỉnh Đắk Nông năm giai đoạn đầu, cuối thế kỷ lần lượt từ 12,7 – 20,3%.
Về thực trạng: sự chênh lệch lớn giữa lượng mưa mùa Trên cơ sở hiện trạng TNN, thực trạng và xu thế BĐKH
mưa và mùa khô cùng địa hình dốc là nguyên nhân dẫn nghiên cứu đã xếp hạng ưu tiên 15 hoạt động/dự án quản
tới lũ lụt vào mùa mưa và hạn hán vào mùa khô. Về xu lý, bảo vệ TNN thích ứng với BĐKH. Đồng thời chọn ra
thế: cả 2 kịch bản phát thải (theo kịch bản BĐKH của 07 dự án có số điểm trên 3,0 để xây dựng kế hoạch hành
BTNMT năm 2020) đều cho thấy trong tương lai lượng động quản lý, bảo vệ TNN thích ứng với BĐKH tỉnh Đắk
mưa năm tỉnh Đắk Nông có xu thế tăng. Theo kịch bản Nông đến năm 2030, tầm nhìn đến năm 2050.
RCP4.5, mức tăng trung bình giai đoạn đầu, cuối thế kỷ Tài liệu tham khảo
lần lượt từ 10,4 - 8,6%. Theo kịch bản RCP8.5, mức tăng [1] Forum World Economic, "The Global Risks Report 2022", 2022.
trung bình giai đoạn đầu, cuối thế kỷ lần lượt từ 12,7 – [2] Trần Thục Koos Neefjes, Tạ Thị Thanh Hương, Lê Nguyên
20,3%. Tường, Báo cáo đặc biệt của Việt Nam về quản lý rủi ro thiên tai
và các hiện tượng cực đoan nhằm thúc đẩy thích ứng với biến đổi
Nhận xét: trong tương lai, khí hậu Đắk Nông có sự thay khí hậu Tài nguyên - Môi trường và Bản đồ Việt Nam, 2015.
đổi về xu hướng so với giai đoạn trước đây (1998-2020). [3] Thảo Anh Tạ Quang (2020), Khả năng xuất hiện 3 cơn bão/áp
Điều này kéo theo sự thay đổi trong chính sách, kế hoạch thấp nhiệt đới nối đuôi nhau trong 10 ngày, 11/10/2020.
[4] CẬP NHẬT: Bão số 9 quét qua, hơn 56.000 căn nhà tốc mái,
hành động. Cần đặc biệt quan tâm tới các rủi ro thiên tai, Báo điện tử chính phủ, 2020. [Trực tuyến]. Xem tại:
đặc biệt là lũ lụt và hạn hán. https://baochinhphu.vn/print/bao-so-9-can-quet-hon-56000-can-
4.3. Kế hoạch hành động nha-toc-mai-102281390.htm. [Ngày truy cập: 13/09/2022].
[5] Bộ Tài nguyên và môi trường, Báo cáo tài nguyên nước quốc gia
Nghiên cứu lựa chọn hoạt động/dự án ưu tiên theo giai đoạn 2016-2021, Hà Nội, 2022.
phương pháp luận của Khung hướng dẫn lựa chọn ưu tiên [6] Sở Tài nguyên và Môi trường tỉnh Đắk Nông, Đánh giá khí hậu
tỉnh Đắk Nông, 2021.
thích ứng với BĐKH (BKHĐT, 2013), không thể đưa ra
[7] Sở Tài nguyên và Môi trường tỉnh Đắk Nông, Báo cáo Hiện trạng
1 thứ tự ưu tiên/kế hoạch “tối ưu” hay “tốt nhất”. Thay môi trường tỉnh Đắk Nông 05 năm giai đoạn 2016 – 2020, 2021.
vào đó, kết quả này có thể là tài liệu để cán bộ làm kế [8] Bộ Tài nguyên và môi trường, Báo cáo Đánh giá khí hậu Quốc
hoạch có thể tham khảo phục vụ: gia Hà Nội, 2021.
[9] Phan Tuấn, Đắk Nông chủ động đối phó với diễn biết bất thường
 Cân nhắc điều chỉnh/sửa đổi kế hoạch hành động của thiên tai, Báo Lao động, 2022. [Trực tuyến]. Xem tại:
ứng phó BĐKH của tỉnh đã ban hành dựa trên kết quả https://laodong.vn/moi-truong/dak-nong-chu-dong-doi-pho-voi-
của nghiên cứu trên cơ sở các thay đổi hiện tại về diễn dien-biet-bat-thuong-cua-thien-tai-1050612.ldo. [Ngày truy cập:
13/11/2022].
biến khí hậu, thiên tai và cập nhật kịch bản BĐKH
mới nhất (BTNMT, 2020);
204
KHOA QUẢN LÝ DỰ ÁN
ỨNG DỤNG CÔNG NGHỆ GPS TRONG VIỆC NÂNG CAO HIỆU QUẢ VẬN
HÀNH TÀU VÀ CẢNG BIỂN
APPLICATION OF GPS TECHNOLOGY IN IMPROVING EFFICIENCY OPERATION OF
SHIPS AND PORTS
SVTH: Hoàng Tú Uyên, Nguyễn Thị Kỳ Duyên

Lớp 21QLCN1, Khoa Quản lý Dự án, Trường ĐH Bách Khoa ĐN;
Email:tuuyen06112003@gmail.com, kyduyen.edu.vn@gmail.com
GVHD: TS. Huỳnh Nhật Tố
Khoa Quản lý Dự án, Trường ĐH Bách Khoa ĐN; Email: hnto.dut@gmail.com
Tóm tắt: Thực trạng hiện nay tại cảng các biển lớn còn thiếu Abstract: Nowadays, at major seaports, there is a lack of
sự phối hợp giữa các đơn vị tàu và đơn vị vận hành cảng, gây coordination between ship operators and transport operators,
ra dòng chờ của các tàu vẫn lớn, dẫn đến lãng phí do chờ đợi. causing the waiting line of ships to remain large, leading to waste
Nghiên cứu này nhằm mục đích nâng cao hiệu quả phối hợp due to waiting. This research aims to improve the efficiency of
giữa đơn vị vận hành tàu và cảng biển.Với nền tảng dựa trên coordination between ship operators and seaports. With a
công nghệ định vị GPS, giúp thu thập dữ liệu vị trí của tàu để platform based on GPS positioning technology, it helps to collect
ước tính thời gian cập bến chính xác. Dựa vào đó chúng ta xác the position data of the ship to estimate the exact arrival time.
định được thời gian dự kiến đến của tàu, giúp cho đơn vị vận Rely on that we determine the estimated time of arrival of the
hành cảng tối ưu được quá trình, lịch trình bốc dỡ hàng hóa tại ship, help the port operators to optimize the process and
cảng. Đồng thời thông tin về thời gian dự kiến bốc dỡ sẽ được schedule of loading and unloading goods at the ports.
thông báo ngược lại cho đơn vị vận hành tàu. Thông tin bao gồm Simunltaneously, information about the estimated time of loading
thời gian, lịch trình và địa điểm bốc dỡ hàng hoá, từ đó người and unloading will be announced back to the ship operators. The
vận hành tàu sẽ điều chỉnh vận tốc và thời gian của tàu một cách information includes the time, schedule and place of loading and
hợp lí. Điều này giúp tối thiểu hoá thời gian chờ đợi cũng như unloading of goods. Hence, the train operator will adjust the
nâng cao hiệu quả phối hợp giữa các đơn vị vận hành. Hiệu quả speed and time of the ship appropriately. This helps both to
của nghiên cứu đem lại là tối thiểu hoá chi phí và thời gian chờ minimize waiting time and to improve coordination efficiency of
đợi cho tàu và nâng cao hiệu quả vận hành của cảng. the operators. The effect of the research minimizes the cost and
Từ khóa: GPS, cảng biển, dòng chờ waiting time of ships and improves the operational efficiency of
the ports.
Key words: Global Positioning System, seaport, waiting line
1. Đặt vấn đề Điều này dẫn đến hiện tượng tắc nghẽn nghiêm trọng dẫn
Thế kỷ XXI được ví như kỷ nguyên của đại dương, tới lợi ích đôi bên bị suy giảm. Vì vậy, bài nghiên cứu được
với xu hướng “vươn ra biển lớn” của tất cả các quốc gia đưa ra với mục tiêu tích hợp công nghệ GPS vào trong việc
trên thế giới. Do đó, biển và những vấn đề liên quan đến thu thập vị trí thực tế của tàu để ước tính thời gian cập bến
phát triển kinh tế biển đang là mối quan tâm hàng đầu của chính xác. Dựa vào đó chúng ta xác định được thời gian
nhiều quốc gia, trong đó có Việt Nam. Trong xu thế hội dự kiến đến của tàu, giúp cho đơn vị vận hành cảng tối ưu
nhập, lưu lượng thương mại gia tăng, hoạt động khai thác được quá trình, lịch trình bốc dỡ hàng hóa tại cảng. Đồng
cảng biển đóng vai trò ngày càng quan trọng đối với nền thời thông tin về thời gian dự kiến bốc dỡ sẽ được thông
kinh tế. Công tác quản lý và khai thác cảng biển luôn báo ngược lại cho đơn vị vận hành tàu. Thông tin bao gồm
hướng đến phát huy tối ưu tiềm năng và hiệu quả hoạt thời gian, lịch trình và địa điểm bốc dỡ hàng hoá, từ đó
động thông qua quy hoạch hợp lý hệ thống giao thông kết người vận hành tàu sẽ điều chỉnh vận tốc và thời gian của
nối trong và ngoài cảng, đầu tư trang thiết bị hiện đại để tàu một cách hợp lí. Đây là mô hình nhầm nâng cao sự phối
đáp ứng nhu cầu vận chuyển hàng hóa ngày càng gia hợp giữa đơn vị vận hành tàu và đơn vị vận hành cảng chưa
tăng. Tuy nhiên, thực tế cho thấy việc khai thác hiệu suất được thực thi cụ thể.
hoạt động tối ưu của cảng còn không ít hạn chế, khó khăn.
Trong tương lai, với sự gia tăng thương mại thế giới,
nguy cơ tắc nghẽn cảng sẽ càng rõ ràng hơn. Một trong
những hiện tượng quan trọng ngăn cản sự phù hợp giữa
các cảng và chuỗi hậu cần của họ là tắc nghẽn. Bản thân
nó đã nói lên rằng tắc nghẽn sẽ có tác động bất lợi đến
chi phí chung và hiệu suất vận chuyển hoặc thông lượng
tổng thể. Xét cho cùng, đối với một đơn vị vận chuyển
hàng hải, tắc nghẽn đồng nghĩa với việc mất thời gian và
do đó chi phí tổng quát cao hơn. Tuy nhiên, tắc nghẽn
cũng là vấn đề đối với các chủ thể cảng khác.
Một trong những nguyên nhân bị tắc nghẽn là do thiếu
Hình 1. Thực trạng tàu xếp hàng chờ được bốc dỡ hiện nay
sự phối hợp giữa đơn vị vận hành tàu và đơn vị vận hành
cảng biển. Hiện nay, thực tế cho thấy đơn vị vận hành cảng 2. Tổng quan
biển vẫn còn làm việc độc lập thiếu sự phối hợp với các Mục tiêu của nghiên cứu này là tối thiểu hoá thời gian
đối tác, theo hình thức đến trước phục vụ trước (FIFO). chờ đợi do tắc nghẽn. Để thực hiện được điều đó, ta cần
207
SVTH: Hoàng Tú Uyên, Nguyễn Thị Kỳ Duyên; GVHD: TS. Huỳnh Nhật Tố
biết được thời gian bắt đầu thực hiện công tác bốc dỡ của Z : Một số rất lớn
tàu, khoảng thời gian bốc dỡ và chất hàng của tàu, từ đó 𝐴𝑆𝑗 ≔ 0 : Thời gian bến trống
ta xác định được thời gian tàu rời bến.
Decision variables:
𝑈𝑆𝑇𝑖 : Thời gian bắt đầu bốc dỡ của tàu i
𝐷𝑇𝑖 : Thời gian rời khỏi bến của tàu i
𝑆𝑖 𝑇𝑗 : Tàu i được bốc dỡ ở bến j
𝑂𝑖1𝑖2 : Tàu 𝑖1 được bốc dỡ trước tàu 𝑖2
WT : Thời gian chờ
3.2. Mô hình tuyến tính

Hàm mục tiêu:
Hình 2. Framework
𝑴𝒊𝒏: 𝑾𝑻 = ∑(𝑼𝑺𝑻𝒊 − 𝑨𝑻𝒊 ) (𝟎)
Việc lựa chọn và phối hợp giữa các bên liên quan, đặc 𝒊∈𝑵
biệt giữa đơn vị vận hành tàu và cảng kể cả việc chia sẻ
Các ràng buộc:
thông tin hai chiều nhằm nâng cao hiệu quả trong việc
vận hành. Mô hình dựa trên ứng dụng công nghệ định vị ∑ 𝑺𝒊 𝑻𝒋 = 𝟏 , ∀𝑖 ∈ 𝑁 (𝟏)
GPS vào trong việc thu thập vị trí thực tế của tàu để ước ∀𝒋∈𝑴
tính thời gian cập bến chính xác. Dựa vào đó chúng ta xác 𝑫𝑻𝒊 = 𝑼𝑺𝑻𝒊 + 𝑳𝑻𝒊 , ∀𝑖 ∈ 𝑁 (𝟐)
định được thời gian dự kiến đến của tàu, giúp cho đơn vị
vận hành cảng tối ưu được quá trình, lịch trình bốc dỡ 𝑼𝑺𝑻𝒊 ≥ 𝑨𝑻𝒊 , ∀𝑖 ∈ 𝑁 (𝟑)
hàng hóa tại cảng. Đồng thời thông tin về thời gian dự 𝒁(𝑶𝒊𝟏𝒊𝟐 + 𝑺𝒊𝟏 𝑻𝒋 + 𝑺𝒊𝟐 𝑻𝒋 − 𝟑) + 𝑫𝑻𝒊𝟏 ≤ 𝑼𝑺𝑻𝒊𝟐 (𝟒)
kiến bốc dỡ sẽ được thông báo ngược lại cho đơn vị vận
(𝑖1 𝑖2 ∈ 𝑁, 𝑗 ∈ 𝑀)
hành tàu. Thông tin bao gồm thời gian, lịch trình và địa
điểm bốc dỡ hàng hoá, từ đó người vận hành tàu sẽ điều 𝒁(𝟏 − 𝑺𝒊 𝑻𝒋 ) + 𝑼𝑺𝑻𝒊 ≥ 𝑨𝑺𝒋 (𝟓)
chỉnh vận tốc và thời gian của tàu một cách hợp lí. (𝑖 ∈ 𝑁, 𝑗 ∈ 𝑀)
3. Xây dựng mô hình và giải pháp tối ưu 𝑺𝒊 𝑻𝒋 = {𝟎, 𝟏} (𝟔)
3.1. Xây dựng mô hình (𝑖 ∈ 𝑁, 𝑗 ∈ 𝑀)
Dựa trên vấn đề đã nêu trên có cụ thể như sau: Giả 𝑶𝒊𝟏𝒊𝟐 = {𝟎, 𝟏} (𝟕)
thuyết ở bài toán tổng quát có N con tàu (S) đến từ những
địa điểm khác nhau. Tại điểm đến là cảng biển (T) có M 𝑶𝒊 𝟏 𝒊 𝟐 + 𝑶𝒊 𝟐 𝒊 𝟏 = 𝟏 (𝟖)
bến. Thời gian đến của các con tàu được ước tính dựa trên (𝑖1 𝑖2 ∈ 𝑁, 𝑖1 ≠ 𝑖2 )
hệ thống định vị của GPS và các thông số của tàu sẽ được
Trong đó:
cập nhật liên tục, định kỳ đến các cảng và ngược lại thông
tin về thời gian bốc dỡ và chất hàng của các tàu từ phía (0): Tổng thời gian chờ nhỏ nhất
cảng cũng được cập nhật lại cho tàu, để tàu có được một (1): Một con tàu chỉ gắn với một bến
lộ trình phù hợp. (2): Thời gian tàu rời khỏi bến
Dựa vào hệ thống định vị GPS cung cấp toạ độ vị trí (3): Thời gian bắt đầu bốc dỡ phải bắt đầu sau thời gian
Pi của tàu i gửi đến cảng biển để có thể xác định được dự kiến đến bến cảng của tàu 𝑖
quãng đường Di còn lại mà tàu di chuyển đến khi cập bến.
(4): Sau khi tàu 𝑖1 rời khỏi bến thì tàu 𝑖2 mới bắt đầu bốc
Từ đó tính được thời gian dự kiến cập bến ATi của tàu i
dỡ
dựa trên công thức:
𝑫𝒊 (5): Để bắt đầu bốc dỡ cần phải có bến trống (ASj)
Eq(*): 𝑨𝑻𝒊 = , với vi là vận tốc của tàu i.
𝒗𝒊 (6): 𝑺𝒊 𝑻𝒋 = 𝟏 nếu tàu 𝑖 được bốc dỡ tại bến 𝑗
Để tối ưu được chi phí thời gian chờ WT, cần biết được 𝑺𝒊 𝑻𝒋 = 𝟎 nếu tàu 𝑖 không được bốc dỡ tại bến 𝑗
thời gian bắt đầu bốc dỡ USTi của tàu i và thời gian bốc
dỡ, chất hàng LTi của tàu i từ đó xác định được thời gian (7): 𝑶𝒊𝟏𝒊𝟐 = 𝟏 tàu 𝑖1 được bốc dỡ trước tàu 𝑖2
rời khỏi bến DTi của tàu i. Từ đó, để xây dựng được mô 𝑶𝒊𝟏𝒊𝟐 = 𝟎 tàu 𝑖1 được bốc dỡ sau tàu 𝑖2
hình tuyến tính, chúng tôi đưa ra các tham số và các biến
(8): Rằng buộc thứ tự bốc dỡ trước, sau của tàu
quyết định như sau:
4. Đánh giá hiệu quả của mô hình thông qua thiết kế
Parameters:
thực nghiệm số
𝑃𝑖 : Toạ độ vị trí của tàu i Việc phân tích sẽ đưa ra tại hai thời điểm T 1, T2.
𝐷𝑖 : Quãng đường Giả sử: N = 4, M = 2
𝐴𝑇𝑖 : Thời gian dự kiến đến của tàu i Tại T1: Dựa vào hệ thống định vị GPS gửi thông tin
𝐿𝑇𝑖 : Thời gian bốc dỡ và chất hàng của tàu i vị trí Pi của tàu i đến cảng biển, thu nhập được dữ liệu
M : Số bến j như ở Bảng 1:
N : Số tàu i
208
Sau khi chạy mô hình toán học tại thời điểm T 1, thu
được kết quả như bảng dưới đây:
Bảng 2. Thời gian bắt đầu bốc dỡ, thời gian rời bến
của tàu i tại T1
Si Tj USTi DTi
1 1 118 148
2 2 70 120
3 1 78 98
4 1 98 118
Tổng thời gian chờ của tàu WT = 40 tiếng.
Từ dữ liệu của Bảng 1 và Bảng 2, xây dựng một lịch
trình tối ưu cho tàu và cảng biển như hình 4:
Hình 3. Vị trí của các tàu tại thời điểm T1

Bảng 1. Thời gian dự kiến đến và thời gian bốc dỡ, Hình 5. Lịch trình tối ưu cho tàu và cảng tại T1
chất hàng của tàu i tại T1 Từ lịch trình trên đơn vị vận hành tàu có thể nắm bắt
Ship vi (km/h) Di (km) ATi (h) LTi (h) được các thông tin: vị trí bến, thời gian bắt đầu bốc dỡ,
thời gian rời đi của các tàu liền trước.
1 37 3071 83 30
Sau một khoảng thời gian T:
2 42 2940 70 50 Tại T2: Những con tàu khác vẫn giữ nguyên lộ trình
3 40 3120 78 20 của mình, tuy nhiên trên quãng đường di chuyển của tàu
S4 xảy ra một cơn bão, buộc tàu phải thay đổi lộ trình như
4 39 3627 93 20 hình dưới đây:
Với những dữ liệu trên, chạy mô hình toán học dựa
trên phần mềm Lingo như hình 4:
Hình 4. Mô hình toán học tại thời điểm T1 Hình 6. Vị trí của các tàu tại thời điểm T2
209
SVTH: Hoàng Tú Uyên, Nguyễn Thị Kỳ Duyên; GVHD: TS. Huỳnh Nhật Tố
Dựa trên các dữ liệu cập nhật từ hệ thống định vị GPS 2 2 70 120
ta có được như Bảng 3:
Bảng 3. Thời gian dự kiến đến và thời gian bốc dỡ, chất 3 1 78 98
hàng của tàu i tại T2 4 2 125 145
Ship vi (km/h) Si (km) ATi (h) LTi (h) Tổng thời gian chờ của tàu WT = 15 tiếng.
1 37 2590 83 30 Từ dữ liệu của Bảng 3 và Bảng 4, xây dựng một lịch
trình tối ưu cho tàu và cảng biển như hình 6:
2 42 2520 70 50
3 40 2320 78 20
4 39 4875 115 20
Với những dữ liệu trên, chạy mô hình toán học dựa
trên phần mềm Lingo như hình 7:
Hình 8. Lịch trình tối ưu cho tàu và cảng tại T2

5. Kết luận
Bài nghiên cứu đã đưa ra phương pháp giải quyết vấn
đề tắc nghẽn do thiếu sự phối hợp của đơn vị vận hành
tàu và cảng biển. Hiệu quả mà bài nghiên cứu đem lại là
tối thiểu thời gian và chi phí cho đơn vị vận hành tàu và
nâng cao hiệu quả vận hành của cảng. Bằng việc nâng
cao hiệu quả vận hành cảng giúp đơn vị đáp ứng nhanh
và kịp thời nhu cầu của khách hàng. Đối với đơn vị vận
hành hàng hải tối ưu được thời gian và chi phí chờ đợi,
ngoài ra kiểm soát được các rủi ro và ổn định chi phí vận
hành. Bài nghiên cứu còn giúp nâng cao sự chuyên
nghiệp trong quản lý vận hành hàng hải.

[1]. Nhat-To Huynh, Chen-Fu Chien - A hybrid multi-subpopulation
genetic algorithm for textile batch dyeing scheduling and an empirical
study.
[2]. Nhat-To Huynh, Chen-Fu Chien, Yi-Chao Huang - A hybrid genetic
algorithm with 2D encoding for the scheduling of rehabilitation
patients. Truy suất từ [ https://doi.org/10.1016/j.cie.2018.08.030 ]
[3]. Hilde Meersman, Eddy Van de Voorde and Thierry Vanelslander - Port
Congestion and Implications to Maritime Logistics Port
[4]. G. Prokudin, О. Сhupaylenko, O. Dudnik, V. Svatko - APPLICATION
OF INFORMATION TECHNOLOGIES FOR THE OPTIMIZATION
OF ITINERARY WHEN DELIVERING CARGO BY AUTOMOBILE
Hình 7. Mô hình toán học tại thời điểm T2 TRANSPORT
[5]. Ingrid Rosalyn Indriana Sitorus, Nahry - THE OPERATIONAL
Sau khi chạy mô hình toán học tại thời điểm T2, thu SYSTEM OF CONTAINER LOADING UNLOADING IN JAKARTA
được kết quả như bảng dưới đây: INTERNATIONAL CONTAINER TERMINAL AND PORT OF
LAMONG BAY SURABAYA
Bảng 4. Thời gian bắt đầu bốc dỡ, thời gian rời bến[6]. https://tapchicongthuong.vn/bai-viet/cang-bien-viet-nam-thuc-trang-
của tàu i tại T2 va-giai-phap-phat-trien-80674.htm
[7]. https://tapchicongthuong.vn/bai-viet/nghien-cuu-hieu-suat-khai-thac-
Si Tj USTi DTi cang-container-viet-nam-thong-qua-mot-so-chi-tieu-danh-gia-
97790.htm
1 1 98 128
210
NGHIÊN CỨU LỰA CHỌN CÁC DỰ ÁN ĐẦU TƯ XÂY DỰNG SỬ DỤNG MÔ HÌNH
PHÂN TÍCH ĐA TIÊU CHÍ
UTILIZING A MULTI – CRITERIA ANALYSIS MODEL TO CONDUCT RESEARCH AND
CHOOSE CONSTRUCTION INVESTMENT PROJECTS
SVTH: Phan Thị Hoài Giang, Nguyễn Nhật Nam, Võ Thị Khánh Vy
Lớp 20KX, Khoa Quản lý dự án, Trường Đại học Bách Khoa – Đại học Đà Nẵng
Email: 118200037@sv1.dut.udn.vn, 118200052@sv1.dut.udn.vn, 118200084@sv1.dut.udn.vn
GVHD: TS. Mai Anh Đức
Khoa Quản lý dự án, Trường Đại học Bách Khoa – Đại học Đà Nẵng; Email: maduc@dut.udn.vn
Tóm tắt - Để có thể đưa ra quyết định cho một vấn đề cần Abstract - As we know, issue must meet several
thiết, một vấn đề có nhiều tiêu chí và các tiêu chí hầu như xuất requirements in order to be resolved, and requirements may be
hiện trong mọi lĩnh vực của cuộc sống. Thực tế, lâu nay việc đưa found in practically every aspect of life. In fact, there won't be a
ra quyết định đa số sẽ dựa trên cảm tính hoặc linh cảm, chưa có balance between many objective and subjective elements for a
sự cân bằng giữa nhiều yếu tố khách quan và chủ quan. Bài very long period, and the majority of decisions will be made
nghiên cứu trình bày về việc lựa chọn các dự án đầu tư xây dựng purely on intuition or feelings. The study shows how investment
sử dụng mô hình phân tích đa tiêu chí. Ngoài ra áp dụng phương projects in construction chose using a multi-criteria analysis
pháp AHP để hỗ trợ trong việc đối chiếu so sánh với phần mềm model. Additionally, the AHP approach is additionally utilized to
Expert choice. Công cụ sẽ hỗ trợ cho việc ra quyết định cân bằng support comparisons with Expert choice software. The tool will
các tiêu chí để có sự lựa chọn, giúp tiết kiệm thời gian và hạn facilitate decision-making, balance the selection criteria, reduce
chế sai sót trong quá trình đưa ra quyết định. decision-making errors, and save time.
Từ khóa - ra quyết định; đa tiêu chí; AHP; nhà cung cấp; Key words - decision-making; multi-criteria; AHP; vendors;
expert choice expert choice
1. Đặt vấn đề Khi lựa chọn một dự án sẽ có nhiều sự lựa chọn thay
Từ lâu, trong hầu hết mọi việc từ công việc đến đời thế và các tiêu chí liên quan dẫn đến quá trình ra quyết
sống hằng ngày thì con người thường xuyên phải đối mặt định sẽ khó khăn hơn. Phương pháp AHP(Analytical
với việc đưa ra những quyết định từ việc chọn mua hàng Hierarchy Process - AHP) là một trong những mô hình
hóa tiêu dùng đến việc quyết định đầu tư dự án, thực hiện hỗ trợ để đưa ra quyết định, được áp dụng trong nhiều
những dự án ngang tầm quốc gia và thế giới. Các quyết lĩnh vực đời sống như khoa học, kinh tế xã hội, giáo duc,
định đều liên quan đến nhiều vấn đề khác nhau và thường y tế[2]... AHP cung cấp các giải pháp cho vấn đề đánh
sẽ có những mâu thuẫn giữa các tiêu chí như giá cả, tính giá có hệ thống các tiêu chí và trọng số lợi ích so với chi
năng, tiện ích, chất lượng và sự an toàn. Thực tế, theo tìm phí. Là phương pháp định lượng, có khả năng xử lý số
hiểu trên thị trường hiện tại nếu chỉ đưa ra quyết định dựa lượng lớn các tiêu chí khác nhau phù hợp với hoàn cảnh
trên chi phí thấp hay lợi nhuận cao nhất thì sẽ thiếu tính của dự án và đánh giá thông qua các chuyên gia có kinh
thực tế vì chưa phân tích đến các nhân tố định lượng và nghiệm và nhận thức chủ quan.[3]
định tính[1]. Nhiều trường hợp đưa ra quyết định dựa trên Một trong những lợi thế khi sử dụng AHP là cung cấp
ý kiến chủ quan của 1 hay nhiều người đã đưa đến những công cụ kiểm tra tính nhất quán của các ý kiến đánh giá
quyết định sai lầm trong việc xử lý các vấn đề phức tạp, gọi là chỉ số nhất quán. Đặc biệt, nhiều phương pháp ra
dẫn đến tốn thời gian và chi phí. Vậy nên, để nâng cao quyết định đa tiêu chí đang gặp trở ngại trong việc xác
tính chính xác và toàn diện thì khi đưa ra quyết định cần định mức độ quan trọng của từng tiêu chí. Trong khi đó
phải xem xét trên nhiều mặt tiêu chí, cân bằng các tiêu AHP có thể làm điều này. Ngoài ra, theo HO(2008)
chí để đưa ra lựa cho tối ưu nhất và bền vững nhất. nghiên cứu thì AHP có thể kết hợp với nhiều phương
Ngày nay, trên thế giới nói chung và ở Việt Nam nói pháp và các công cụ khác như DEA, phân tích SWOT,
riêng đã nghiên cứu vận dụng lý thuyết và các mô hình mô hình toán học, Meta-heuristics, Quality Function
phân tích đa tiêu chí rộng rãi để đánh giá các yếu tố liên Deployment[4]
quan và đưa ra quyết định[1] 2. Tổng quan
Xây dựng là một trong những ngành công nghiệp mũi Vào những năm đầu thập niên 1980, nhà toán học
nhọn của nền kinh tế nhiều thành phần. Kể từ năm ngoái, người Mỹ Thomas L. Saaty đã phát minh ra một phương
đại dịch Covid-19 đã thay đổi cách thức hoạt động kinh pháp đa tiêu chí [5] mang tên AHP (Analytic Hierarchy
doanh của ngành xây dựng, từ việc lên lịch, việc kết thúc Process). AHP còn kết hợp được cả hai mặt tư duy của
các dự án, gặp gỡ khách hàng cũng như thuê nhân công con người, cả về định tính lẫn định lượng. Định tính được
đến gặp gỡ các chuyên gia. Trong tương lai, không những thể hiện qua sự sắp xếp có thứ bậc, còn định lượng thể
ngành xây dựng mà có rất nhiều ngành sẽ bị ảnh hưởng hiện qua sự mô tả các đánh giá, sự ưa thích thông qua các
bởi hậu quả của đại dịch. Nên đòi hỏi những cải tiến mới con số có thể dùng để mô tả nhận định của con người về
về công nghệ, kỹ thuật và quản lý theo hướng công tất cả các vấn đề vô hình lẫn vật lý hữu hình, mô tả cảm
nghiệp hóa, hiện đại hóa. Đối với những dự án xây dựng xúc, trực giác đánh giá của con người.
cần phải lựa chọn loại hình phù hợp, hoàn thành đúng Ứng dụng AHP trong xác định vị trí: Korpela và
hạn, đạt yêu cầu chất lượng trong ngân sách cho phép. Tuominen (1996) đã dựa trên phương pháp AHP để tổng
211
SVTH: Phan Thị Hoài Giang, Nguyễn Nhật Nam, Võ Thị Khánh Vy; GVHD: TS. Mai Anh Đức
hợp quá trình lựa chọn địa điểm xây dựng nhà kho [6]. AHP đã được nghiên cứu và áp dụng từ rất lâu ở các
Badri (1999) đã dùng AHP như một công cụ hỗ trợ nước trên thế giới vào các lĩnh vực khác nhau. Một trong
quyết định lựa chọn vị trí [7]. những ưu điểm của phương pháp AHP là nó cung cấp
một công cụ kiểm tra tính nhất quán của các ý kiến đánh
Ứng dụng AHP trong việc đánh giá, khảo sát:
giá gọi là chỉ số nhất quán. Có một công cụ hỗ trợ ra quyết
Tam và Tummala (2001) đã dùng AHP trong việc tìm định dựa trên AHP giúp cho Ban quản lý dự án cũng như
kiếm, lựa chọn nhà cung cấp mạng lưới thông tin [8], đó các doanh nghiệp xây dựng trong việc đánh giá và lựa
là quá trình đa tiêu chí và nhiều sự phức tạp chọn dự án hoặc ứng viên có năng lực nhất cho dự án là
El-Mikawi và Mosallan (1996) đã dùng AHP để hỗ hệ hỗ trợ ra quyết định Expert Choice.
trợ việc nghiệm thu các vật liệu xây dựng [9]. Hệ hỗ trợ ra quyết định Expert Choice.Trong nghiên
Al-Harbi (2001) đã dùng AHP trong lĩnh vực quản lý cứu này, phần mềm Expert Choice được sử dụng cho việc
xây dựng để chọn ra nhà thầu đáp ứng được nhu cầu [10]. xây dựng mô hình mẫu cho việc đánh giá và lựa chọn dự
Tác giả xây dựng cấu trúc phân cấp cho các tiêu chí và án theo phương pháp luận AHP. Expert Choice giúp cho
các lựa chọn. người dùng đẩy nhanh tiến độ làm việc. Chỉ cần bảng
Liberatore và Stylianou (1994) đã dựa trên phương đánh giá của chuyên gia thì phần mềm sẽ giải quyết
pháp AHP để phát triển hệ thống đánh giá chiến lược thị nhanh nhất.
trường[11]. Nghiên cứu này mô tả cụ thể hơn về phương pháp ra
Tài
quyết định đa mục tiêu cùng với công cụ tính toán nhanh,
liệu dễ dàng ứng dụng để xử lý các vấn đề trong quản lý, học
Lĩnh vực Tác giả Vấn đề nghiên cứu
tham tập và nghiên cứu. .
khảo
3. Phương pháp nghiên cứu AHP
[6] Korpela và Lựa chọn địa điểm
Tuominen xây dựng nhà kho Phương pháp phân tích thứ bậc (Analytic Hierarchy
(1996) Process - AHP) là phương pháp ra quyết định đa tiêu chí
[7] Badri (1999) Sử dụng phương pháp được ra đời vào những năm thập niên 1980, do một nhà
Xác định AHP và GP để xác toán học người gốc Irắc[10]. AHP là một phương pháp
vị trí định vị trí
định lượng, sắp xếp các phương án quyết định và chọn
[12] N. K. Kwak và Điều phối nguồn một phương án thỏa mãn trên thang đo tỷ lệ. Mỗi phương
L. Changwon nhân sự cho quy
(1998) hoạch cơ sở hạ tầng
pháp thiết kế có đủ các thông tin sẵn có như TMĐT,
thông tin Phương án công nghệ ,Phạm vi tác động của môi trường
[8] Tam và Hỗ trợ mạng lưới xã hội,…thì AHP sẽ là công cụ hữu ích trong lựa chọn
Tammula thông tin các dự án đầu tư xây dựng. Đảm bảo được sự phù hợp và
(2001) hạn chế tính chủ quan giúp hài hòa các mục tiêu cụ thể
[10] Al-Harbi Tìm kiếm nhà thầu của dự án đề ra. Người RQĐ chỉ ước lượng duy nhất giá
[13] (2001) Chọn lọc hệ thống sản trị duy nhất giá trị đúng của các phần tử so sánh cặp bằng
Đánh giá, Shang J et xuất cách gán cho nó một giá trị từ thang đo 9 mức so sánh.
lựa chọn al.(1995)
nhà cung Bảng 3.1 Cấu trúc thứ bậc AHP
[9] El-Mikawi và Nghiệm thu vật liệu
ứng Mosallan
(1996)
[11] Liberatore và Khảo sát chiến lượt
Stylianou thị trường
(1994)
[14] Korbela và Ước tính hàng tồn

Tuominen(1994 kho cần thiết
)
[15] A. R. Blair et al. Dự đoán nền kinh tế
Dự báo (2002) Mỹ phát triển
[16] S. B. Kim và Dự báo tiềm năng của
K. S. Whang ngành công nghiệp
(1993) hàng không Hàn
Quốc Bảng 3.2 Thang đánh giá mức độ so sánh
[17] N. Hỗ trợ chăm sóc sức TT Mức quan trọng Giá trị số
Singpurwalla, khỏe bệnh nhân
E. Forman và 1 Quan trọng như nhau 1
D. Zalkind
Y tế (1999) 2 Quan trọng vừa phải 3
[18] MD Rossetti và
Sáng lập hệ thống tự 3 Hơi quan trọng hơn 5
F. Selandari động tại bệnh viện
(2001) 4 Rất quan trọng 7
G. Koksal và Lên kế hoạch, mục 5 Vô cùng quan trọng 9
Giáo dục [19] A. Egitman tiêu để phát triển giáo
(1998) dục 6 Giá trị trung bình giữa các khoảng 2,4,6,8
212
Kết quả cuối cùng là ma trận so sánh cặp biểu diễn max  n
mối liên kết giữa các giá trị của tập phần tử (Bảng 3.2). CI 
Nếu phần tử A quan trọng hơn phần tử B và được đánh n 1
giá mức 3 thì B sẽ được đánh giá là ít quan trọng hơn A Trong đó: ƛmax là hệ số giá trị riêng ma trận so sánh Trị
với giá trị là 1/3. Ứng với mỗi tiêu chính sẽ có các tiêu trung bình của vector nhất quán
chí phụ để so sánh từng cặp tiêu chí dựa trên ý kiến ƛmax = Trị trung bình của vector nhất quán
chuyên gia.
Tỷ lệ nhất quán:
Bảng 3.3. Ma trận so sánh của các nhân tố
CI
A1 A2 A3 … An CR 
RI
A1 1 a12 a13 … a1n
Trong đó, RI (chỉ số ngẫu nhiên) là một hàm số của bậc
A2 1/a12 1 a23 … a2n ma trận (n), được cho trong Bảng 3.5.
A3 1/a13 1/a23 1 … a3n Bảng 3.5. Bảng phân loại chỉ số ngẫu nhiên RI
N 2 3 4 5 6 7 8 9 10
… … … … 1 …
RI 0,00 0,06 0,90 1,12 1,24 1,32 1,45 1,49 1,51
An 1/a1n 1/a2n 1/a3n … 1
∑ ∑ai1 ∑ai2 ∑ai3 … ∑ain
Trong đó: ain là mức độ so sánh giữa các cặp tiêu chí
Tính trọng số bằng cách tính tỉ lệ của các thành phần:
aij
Wij 
a ij
Chuẩn hóa các giá trị để có trọng số wi:
Wi 
W ij
n
Bảng 3.4. Ma trận trị số nhất quán w
A1 A2 A3 … An w
A1 W11 W12 W13 … W1n w1
A2 W21 W22 W23 … W2n w2
A3 W31 W32 W33 … W3n w3
… … … … W44 … … Hình 3.1. Tóm tắt quá trình thực hiện AHP
An Wn1 Wn2 Wn3 … Wnn wn 3.1 Kết quả nghiên cứu:
∑ 1 1 1 1 1 1 3.1.1. Công cụ hỗ trợ
Nghiên cứu sử dụng phần mềm hỗ trợ Expert Choice để
- Theo Saaty (1994), việc đánh giá chỉ số nhất quán CI xây dựng dựa trên phương pháp AHP. Người dùng khởi
được dùng để đánh giá chất lượng của ma trận so sánh chạy phần mềm Expert Choice để bắt đầu công cụ tính
cặp, được xác định như sau toán thể hiện ở Hình 3..1.1
Tính vector tổng có trọng số = Ma trận so sánh cặp x
Vector trọng số (1).
 X1   a1   w1 
 X 2  a 2   w2 
     
...  ...  ... 
     
 Xn  =  an  x  wn 
Tính vector nhất quán = Vector tổng có trọng số/Vector
trọng số (2).
Y 1   X 1   w1 
Y 2     w2 
   X 2  
...  ...  ...  Hình 3.1.1. Giao diện ứng dụng AHP
     
Yn  =  Xn  /  wn  Người dùng nhập mục tiêu, các tiêu chí chính và tiêu chí
phụ ở Hình 3.1
Chỉ số nhất quán CI:
213
Bảng 3.2.2. Phiếu khảo sát - Hồ Bảo Uyên
Hình 3.1.2. Nhập tiêu chí Bảng 3.2.3. Ma trận so sánh cặp giữa các tiêu chí chính
Sau khi nhập số liệu, công cụ tính toán sẽ tự động xử lý
và đưa ra phương án tối ưu dưới dạng sơ đồ (Hình 3.1.3).
Bảng 3.2.4. Ma trận trọng số chuẩn hóa tiêu chí chính
Hình 3.1.3. Biểu đồ kết quả tính toán

3.2. Xử lý số liệu
3.2.1. Phương pháp AHP:
Ứng dụng phương pháp AHP cho một ví dụ trong lĩnh
vực quản lý dự án để chọn ra nhà thầu thích hợp nhất
trong 5 nhà thầu. Các tiêu chí và các phương án so sánh
được cấu trúc theo hệ thống thứ bậc như Hình 3.2.1.1.
λmax=3,024; CI=0,012; CR=0,023 < 0,1(thỏa mãn)

Mỗi phần tử trong ma trận trọng số chuẩn hóa ở Bảng
3.2.4 được tính theo 3 bước: Tính tổng mỗi cột trong Ma
trận so sánh cặp (Bảng 3.2.3), tính trọng số bằng cách
tính tỉ lệ của các thành phần và chuẩn hóa các giá trị để
có vector trọng số.
Bảng 3.2.5 Ma trận so sánh cặp cho tiêu chí năng lực, kinh
nghiệm
Bảng 3.2.6. Ma trận trọng số chuẩn hóa cho tiêu chí năng
lực,kinh nghiệm
λmax=3,087; CI=0,043; CR=0,083 < 0,1 (thỏa mãn)

Bảng 3.2.7. Ma trận so sánh cặp cho tiêu chí Kỹ thuật
Hình 3.2.1. Cấu trúc các tiêu chí chọn nhà đầu tư
Dựa vào kiến thức và kinh nghiệm, các chuyên gia
tiến hành đánh giá các nhà đầu tư. Bảng 4.1và Bảng 4.2
thể hiện ý kiến đánh giá của các chuyên gia và giá trị
trọng số đối với 5 nhà thầu thông qua tiêu chí kinh
nghiệm.
214
Bảng 3.2.8. Ma trận trọng số chuẩn hóa cho tiêu chí Kỹ thuật
+ Kiểm tra chỉ số nhất quán CR:

λmax= 4,072; CI = 0,024; CR = 0,027 < 0,1 (thỏa mãn)
λmax=5,096; CI=0,024; CR=0,022 < 0,1 (thỏa mãn) - Tiêu chí C21: Phương pháp kỹ thuật, giải pháp công
Bảng 3.2.9. Ma trận so sánh cặp cho tiêu chí Tài chính - nghệ
Thương mại + Ma trận trọng số chuẩn hóa và vector trọng số W cho
các dự án theo tiêu chí C21
+Kiểm tra chỉ số nhất quán CR:

Bảng 3.2.10 Ma trận trọng số chuẩn hóa cho Tài chính - λmax= 4,046; CI = 0,015; CR = 0,017 < 0,1 (đạt yêu cầu)
Thương mại - Tiêu chí C22: Khả năng đáp ứng thực tế về phạm vi
cung cấp, kỹ thuật và chất lượng dịch vụ
+ Ma trận trọng số chuẩn hóa và vector trọng số W cho
λmax=7,419; CI=0,070; CR=0,052 < 0,1 (thỏa mãn) +Kiểm tra chỉ số nhất quán CR:
Sau khi Tổ chuyên gia thẩm định, đánh giá hồ sơ dự λmax= 4,155; CI = 0,052; CR = 0,058 < 0,1 (đạt yêu cầu)
thầu của 04 nhà đầu tư (được ký hiệu lần lượt là A, B, C,
D) và xác định dữ liệu của các tiêu chí để lựa chọn nhà - Tiêu chí C23: Quản lý chất lượng công trình, bảo
đầu tư cho dự án. Sau khi có dữ liệu của các tiêu chí, tiếp dưỡng, duy tu, bảo hành
tục áp dụng mô hình AHP để xác định trọng số của từng
nhà đầu tư tham gia dự thầu ứng với mỗi tiêu chí như sau:
- Tiêu chí C11: Năng lực tài chính, nguồn lực của nhà đầu
tư
các dự án theo tiêu chí C11.
λmax = 4,222; CI = 0,074; CR = 0,083 < 0,1 (đạt yêu
cầu)
- Tiêu chí C24: Quản lý tổ chức hoạt động vận hành,
khai thác bãi đỗ xe
+ Kiểm tra chỉ số nhất quán CR: các dự án theo tiêu chí C24
λmax=4,104; CI=0,035; CR=0,039 < 0,1 (thỏa mãn)
- Tiêu chí C12: Khả năng huy động tài chính
λmax = 4,104; CI = 0,035; CR = 0,039 < 0,1 (đạt yêu
cầu)
-Tiêu chí C26: Hiệu quả kinh tế - xã hội, bảo vệ môi
trường phòng chống cháy nổ và bảo đảm an ninh quốc
+Kiểm tra chỉ số nhất quán CR: phòng
λmax=4,081; CI = 0,027; CR = 0,030 < 0,1 (đạt yêu cầu) + Ma trận trọng số chuẩn hóa và vector trọng số W cho
- Tiêu chí C13: Kinh nghiệm đầu tư, thực hiện vận hành, các dự án theo tiêu chí C26
khai thác các dự án tương tự
215
quán CR.
- Tiêu chí C39: Phương thức quản lý rủi ro
λmax= 4,071; CI = 0,024; CR = 0,027 < 0,1 (đạt yêu cầu)
- Tiêu chí C31: Tổng vốn đầu tư và chi tiết phương án tài
chính
+ Ma trận trọng số chuẩn hóa và vector trọng số W cho + Kiểm tra chỉ số nhất quán CR:
các dự án theo tiêu chí C31.
λmax= 4,166; CI = 0,055; CR = 0,062 < 0,1 (thõa mãn)
Tổng hợp trọng số của các Chủ đầu tư A, B, C và D theo
các tiêu chuẩn đánh giá tại Bảng 3.2.11, 3.2.12 và 3.3.13
Bảng 3.2.11. Trọng số của từng dự án ứng với tiêu chí
“ Năng lực, Kinh nghiệm”

- Tiêu chí C32: Cam kết nguồn cung cấp tài chính cho
Nhà Đầu tư.
Bảng 3.2.12. Trọng số của từng dự án ứng với tiêu chí
“ Kỹ thuật”

+ Ma trận trọng số chuẩn hóa và vector trọng số W cho Bảng 3.2.13. Trọng số của từng dự án ứng với tiêu chí
các dự án theo tiêu chí C35. “Tài chính - Thương mại”
- Trên cơ sở cây tiêu chí được xây dựng tại Bảng 3.2.1 và
Đây là tiêu chí định lượng nên tính nhất quán sẽ luôn đảm
trọng số các tiêu chí từ số liệu đánh giá đối với từng Nhà
bảo, do vậy không cần tính toán và kiểm tra tính nhất
đầu tư của dự án tại Bảng 3.2.11, 3.2.12 và 3.2.13, tính
quán CR.
trọng số tổng hợp cuối cùng của các Nhà đầu tư, làm căn
- Tiêu chí C36: Cơ chế, điều kiện thanh toán cứ đề xuất thứ tự ưu tiên, xếp loại của các Nhà đầu tư,
+ Ma trận trọng số chuẩn hóa và vector trọng số W cho Nhà đầu tư nào có trọng số tổng hợp cao nhất sẽ được ưu
các dự án theo tiêu chí C36. tiên lựa chọn:
- Tổng trọng số của Nhà đầu tư A là:
WA = [(0,204 x 0,147)+ (0,110 x 0,130) + (0,087 x
0,171)] + [(0,039 x 0,427) + (0,028 x 0,112) + (0,025 x
0,159) + (0,022 x 0,147) + (0,016 x 0,412)] + [(0,057 x
0,081) + (0,035 x 0,222) + (0,063 x 0,077) + (0,104 x
+ Kiểm tra chỉ số nhất quán CR: 0,250) + (0,042 x 0,201) + (0,152 x 0,123) + (0,033 x
λmax= 4,155; CI = 0,89; CR = 0,058 < 0,1 (đạt yêu cầu) 0,176)] = 0,169.
- Tiêu chí C37: Giá dịch vụ; điều kiện điều chỉnh giá - Tính toán tương tự cho các Nhà đầu tư còn lại, ta có
+ Ma trận trọng số chuẩn hóa và vector trọng số W cho tổng hợp kết quả tại Bảng 3.2.14
các dự án theo tiêu chí C37 Bảng 3.2.14. Tổng hợp kết quả
Đây là tiêu chí định lượng nên tính nhất quán sẽ luôn đảm Như vậy, dựa vào việc xem xét tổng hợp đồng thời nhiều
bảo, do vậy không cần tính toán và kiểm tra tính nhất chỉ tiêu nhánh phản ánh các chỉ tiêu chính về Năng lực,
216
Kinh nghiệm, Kỹ thuật và Tài chính - Thương mại khi ra
quyết định lựa chọn nhà đầu tư bãi đỗ xe thông minh theo
hình thức PPP, loại hợp đồng BOT theo phương pháp thứ
bậc AHP thì thứ tự ưu tiên lựa chọn các Nhà đầu tư cho
Dự án Bãi đỗ xe trên địa bàn thành phố như Bảng 3.2.14.
3.3. Hệ thống hỗ trợ đa tiêu chí Expert :
Nghiên cứu ứng dụng cho việc lựa chọn nhà đầu tư một
cách nhanh chóng và hiệu quả cao. Các tiêu chí đánh giá Hình 3.3.8. So sánh cặp tiêu chí nhánh C13
lựa chọn nhà đầu tư thể hiện ở (Hình 4.2.1).
Hình 3.3.9. Trọng số chuẩn hóa và mức độ ưu tiên theo tiêu

Hình 3.3.1 Cấu trúc thứ bậc các tiêu chí lựa chọn nhà đầu tư chí nhánh C13.
bãi đổ xe 3.3.2. Tiêu chí phụ C2:
Hình 3.3.2. So sánh cặp tiêu chí chính
Hình 3.3.10 So sánh cặp tiêu chí nhánh C21.

chí chính.
3.3.1. Tiêu chí phụ C1:

chí nhánh C21.
Hình 3.3.4. So sánh cặp tiêu chí nhánh C11

chí nhánh C11. Hình 3.3.12. So sánh cặp tiêu chí nhánh C22.

chí nhánh C22.
Hình 3.3.6 So sánh cặp tiêu chí nhánh C12

chí nhánh C12. Hình 3.3.14. So sánh cặp tiêu chí nhánh C23.
217

chí nhánh C23.
Hình 4.24. So sánh cặp tiêu chí nhánh C32.
Hình 4.25. Trọng số chuẩn hóa và mức độ ưu tiên theo tiêu

Hình 3.3.16. So sánh cặp tiêu chí nhánh C24.
chí nhánh C32.

chí nhánh C24.

Hình 3.3.18. So sánh cặp tiêu chí nhánh C26. chí nhánh C33.

chí nhánh C26.
Hình 3.3.1.1. So sánh cặp tiêu chí nhánh C36.
3.3.1 Tiêu chí phụ C3:
Hình 3.3.1.2. Trọng số chuẩn hóa và mức độ ưu tiên theo tiêu

chí nhánh C36.

chí nhánh C31. Hình 3.3.1.3. So sánh cặp tiêu chí nhánh C37.
218
Hình 3.4.1. Kết quả Expert Choice.

chí nhánh C37.
Hình 3.4.2. Kết quả bằng sơ đồ Expert Choice.
Hình 3.3.1.5. So sánh cặp tiêu chí nhánh C39.
Hình 3.4.3. Kết quả bằng AHP.

chí nhánh C39. Kết luận: Theo kết quả của bảng xếp hạng, lựa chọn dự án 3
cho nhà đầu tư.
3.3.2. Kết quả Expert Choice:
3.5. Dự án 3:
Nghiên cứu áp dụng phương pháp AHP lựa chọn các
phương án thiết kế dự án thủy lợi - Nguyễn Hồng
Trường.
Hình 3.3.2.1. Kết quả Expert Choice.
Hình 3.5.1. Kết quả Expert Choice.
Hình 3.3.2.2. Kết quả bằng sơ đồ Expert Choice.

Kết luận: Theo kết quả của bảng xếp hạng, lựa chọn phương
án 2 cho nhà đầu tư.
3.4. Dự án 2:
Nghiên cứu lựa chọn dự án đầu tư hạ tầng giao thông đô thị Hình 3.5.2. Kết quả bằng sơ đồ Expert Choice.
- Phạm Duy Tích.
Hình 3.5.3. Kết quả bằng AHP.

Kết luận: Theo kết quả của bảng xếp hạng, lựa chọn phương
án 1 cho nhà đầu tư.
219
4. Kết luận, kiến nghị [6]. J. Korpela and M. Tuominen, “A decision aid in warehouse site
selection,” International Journal of Production Economics, vol.
Hệ hỗ trợ ra quyết định đa tiêu chí Expert Choice 45, no. 1–3, pp. 169–180, 1996.
không phải là một đề tài mới, tuy nhiên vấn đề áp dụng [7]. M. Badri, “Combining the AHP and GP for global facility
nó vẫn còn chưa phổ biến ở Việt Nam. Đề tài nghiên cứu location-allocation problem,” International Journal of
đã tìm hiểu phương pháp hỗ trợ ra quyết định bằng một [8]. Production Economics, vol. 62, no. 3, pp. 237-248, 1999.
M.C.Y. Tam and V.M.R. Tummala, “An Application of the AHP
công cụ hỗ trợ. Đề tài đã ứng dụng phương pháp AHP kết in vendor selection of a telecommunications system,” Omega,
hợp với công cụ hỗ trợ ra quyết định để giải quyết 3 vol. 29, no. 2, pp. 171–182, 2001.
trường hợp cụ thể, đó là lựa chọn nhà đầu tư bãi đổ xe [9]. M. Ei-Mikawi and A.S. Mosallam, “A methodology for
evaluation of the use of advanced composites in structural civil
thông minh tại Đà Nẵng theo hình thức đối tác công tư - engineering applications,” Compos. Part B, vol. 27, pp. 203-215,
Hồ Bảo Uyên; nghiên cứu lựa chọn dự án đầu tư hạ tầng 1996.
giao thông đô thị - Phạm Duy Tích và Nghiên cứu áp [10]. K.M. Al Harbi, “Application of AHP in project management,”
dụng phương pháp ahp lựa chọn các phương án thiết kế International Journal of Project Management vol. 19, no. 4, pp.
dự án thủy lợi - Nguyễn Hồng Trường. Đề tài nghiên cứu [11]. 19-27, 2001.
M.J. Liberatore and A.C. Stylianou, “Using knowledge based
đã cho thấy phần mềm hỗ trợ Expert Choice là một công systems for strategic market assessment,” Information and
cụ giúp nhà đầu tư có thể lựa chọn hợp lý. Đề tài nghiên Management, vol. 27, no. 4, pp. 221-232, 1994.
cứu góp phần hỗ trợ người dùng tiếp cận với phần mềm [12]. N.K. Kwak and L. Changwon, “A multi-criteria decisionmaking
approach to university resource allocations and information
hỗ trợ Expert Choice và giúp đưa ra quyết định một cách infrastructure,” European Journal of Operational Research, vol.
nhanh chóng, kết hợp được cả yếu tố định tính và định 110, no. 2, pp. 234-242, 1998.
lượng trên cơ sở khoa học nhằm đảm bảo cho một quyết [13]. J. Shang et al, “A uniﬁed framework for the selection of a ﬂexible
định tốt nhất. manufacturing system,” European Journal of Operational
Research, vol. 85, no. 2, pp. 297-315, 1995.
Do hạn chế về thời gian nên công cụ tính toán có sai [14]. J. Korpela and M. Tuominen, “Inventory forecasting with a
số nhỏ. Vì vậy, trong tương lai công cụ cần nâng cao hơn multiple criteria decision tool,” International Journal of
về phương pháp đánh giá các tiêu chí, không chỉ dừng lại Production Economics, vol. 45, no. 1-3, pp. 159-168, 1997.
[15]. A.R. Blair et al, “Forecasting the resurgence of the US economy
ở đó mà có thể phát triển hơn nữa. Có thể phát triển công in 2001: An expertjudgement approach,” SocioEconomic
cụ đề xuất kết hợp nhiều phương pháp ví dụ như lý thuyết Planning Sciences, vol. 36, no. 2, pp. 77-91, 2002.
mờ, TOPSIS kết hợp VIKOR và AHP để nâng cao khả [16]. S.B. Kim and K.S. Whang, “Forecasting the capabilities of
năng hỗ trợ ra quyết định. Để quá trình hỗ trợ ra quyết Korean civil aircraft industry,” Omega, vol. 21, no. 1, pp. 91-98,
1993.
định một cách nhanh chóng hơn, trong thời gian tới,. [17]. N. Singpurwalla and E. Forman and D. Zalkind, “Promoting
Công cụ tính toán phát triển trong tương lai sẽ hỗ trợ shared health care decision making using the analytic hierarchy
người dùng ra quyết định một cách chính xác, khách quan process,” Socio-Economic Planning Sciences, vol. 33, no. 4, pp.
và nhanh chóng nhất. 277-299, 1999.
[18]. M.D. Rossetti and F. Selandari, “Multi-objective analysis of
Tài liệu tham khảo hospital delivery systems,” Computers and Industrial
[1]. Trần Thị Mỹ Dung, “Tổng quan về ứng dụng phương pháp phân Engineering, vol. 41, no. 3, pp. 309-333, 2001.
tích thứ bậc trong quản lý chuỗi cung ứng,” Tạp chí Khoa học, [19]. G. Koksal and A. Egitman, “Planning and design of industrial
vol. 21a, pp. 180-189, 2012. engineering education quality,” Computers and Industrial
[2]. Cấn Thu Văn và Nguyễn Thanh Sơn, “Xây dựng phương pháp Engineering, vol. 35, no. 3-4, pp. 639-642, 1998.
tính trọng số để xác định chỉ số dễ bị tổn thương lũ lụt khu vực [20]. Hồ Bảo Uyên, 2022, Báo cáo luận văn Thạc sĩ nghiên cứu mô
sông Vu Gia - Thu Bồn,” Tạp chí Khoa học ĐHQGHN: Khoa hình lựa chọn nhà đầu tư bài đỗ xe thông minh tại Đà Nẵng theo
học tự nhiên và Công nghệ, vol. 31, no. 1S, pp. 93-102, 2015. hình thức đối tác công tư.
[3]. Saaty, T.L, "Decision making with the Analytic Hierarchy [21]. Phạm Duy Tích – TS. Phạm Anh Đức 2022, Báo cáo luận văn
Process", Int. J. Services, Sciences, 1(1), pp.83–98., 2008 Thạc sĩ nghiên cứu lựa chọn dự án đầu tư hạ tầng giao thông đô
[4]. Ho W, “Analytic hierarchy process and its applications - A thị sử dụng vốn ngân sách nhà nước trên địa bàn Thành phố Tam
literature review,” European Journal of Operational Research, Kỳ
vol. 186, pp. 211-228, 2008. [22]. Nguyễn Hồng Trường, Nghiên cứu áp dụng phương pháp AHP
[5]. Saaty TL, “The analytic hierarchy process,” New York: lựa chọn các phương án thiết kế dụ án thủy án, Trung tâm tư vấn
McGrawHill, 1980. PIM - Viện Khoa học Thủy lợi Việt Nam
220
NGHIÊN CỨU PHÁT TRIỂN SẢN PHẨM TRÀ THẢO MỘC CÓ CHỨC NĂNG
ĐỊNH THẦN VÀ NGHIÊN CỨU CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN QUYẾT
ĐỊNH MUA SẢN PHẨM TRÀ THẢO MỘC CỦA KHÁCH HÀNG TRÊN THỊ
TRƯỜNG
RESEARCH AND DEVELOPMENT OF A HERBAL TEA PRODUCT WITH MENTAL
STABILITY FUNCTIONS AND STUDYING FACTORS AFFECTING CUSTOMERS'
DECISION TO BUY HERBAL TEA PRODUCTS IN THE MARKET
SVTH: Nguyễn Hoàng Bảo Trân, Nguyễn Thị Thanh Phú, Trần Vy Thảo Lam, Trần Phước Lộc, Nguyễn Thị
Thiên Nga, Nguyễn Tấn Phước.
Lớp 20QLCN1, 21CKHK, Khoa Quản Lý Dự Án, Khoa Hoá, Khoa Cơ Khí, Trường Đại Học Bách Khoa; Email:
118200171@sv.dut.udn.vn,
118200159@sv.dut.udn.vn, 101210071@sv.dut.udn.vn, 101210072@sv.dut.udn.vn, 107210121 @sv.dut.udn.vn,
107210043@sv1.dut.udn.vn
GVHD: Trần Thị Hoàng Giang
Khoa Quản Lý Dự Án, Trường Đại Học Bách Khoa – Đại Học Đà Nẵng; Email: tthgiang@dut.udn.vn
Tóm tắt – Dựa trên khảo sát nhu cầu thực tế của thị trường Abstract - Based on the survey of the actual needs of the
sau đại dịch Covid-19, khách hàng trên thị trường bắt đầu có market after the Covid-19 pandemic, customers in the market
những sự lựa chọn thiên nhiên dành cho sức khoẻ và thực trạng began to have natural choices for health and the proportion of
tỉ lệ người bị áp lực từ cuộc sống như áp lực công việc, áp lực people under pressure from life such as work pressure, study
học tập,… dẫn đến tình trạng căng thẳng đầu óc và mất ngủ, pressure,resulting in natural stress and sleep disorder. We
chúng tôi tiến hành nghiên cứu phát triển một sản phẩm trà thảo researched and developed a herbal medicine, which can
mộc có tác dụng ổn định tinh thần, thành phần hoàn toàn từ thiên stabilize the natural ingredients and will not affect users at all. At
nhiên và không gây ra tác dụng phụ cho người sử dụng, bên the same time, we also studied the influencing factors of deciding
cạnh đó, song song nghiên cứu các yếu tố ảnh hưởng đến quyết to buy herbal medicine from the market, so as to continue to
định mua sản phẩm trà thảo mộc của khách hàng trên thị trường, develop in the next stage to meet the needs of customers. In this
từ đó áp dụng tiếp tục phát triển sản phẩm ở giai đoạn tiếp theo study, 208 surveys were conducted by using a mathematical
phù hợp với nhu cầu và thị hiếu của khách hàng sử dụng. Bằng model combined with different age, income and gender groups
phương pháp nghiên cứu thực nghiệm kết hợp với sử dụng mô in Da Nang. In addition, the development effect of herbal tea sets
hình toán, nhóm nghiên cứu đã tiến hành khảo sát 208 đối gồm has a name " bát thảo thành trà" model, which identifies four main
cá nhân với nhiều lứa tuổi, thu nhập, giới tính khác nhau trên địa factors that affect the health, quality and product quality of herbal
bàn Thành phố Đà Nẵng. Kết quả đã phát triển được sản phẩm medicines purchased by customers in the market, and the
trà thảo mộc có tác dụng định thần “Bát thảo thanh trà” bên cạnh public's direct influence on advertising products. The research
đó xây dựng được mô hình hồi quy tuyến tính bội và xác định results were applied to "bát thảo thanh trà" products by the
được 4 yếu tố chính ảnh hưởng đến quyết định mua sản phẩm research team of the collaborator, so as to develop the next stage
trà thảo mộc của khách hàng trên thị trường là: ảnh hưởng đến products, meet the factors of market customers' purchasing
sức khoẻ, chất lượng của sản phẩm, ảnh hưởng của nhóm công decisions, and improve the product competitiveness
chúng có quan hệ trực tiếp, quảng cáo của sản phẩm. Kết quả Key words –Herbal tea mental stability; natural ingredients;
nghiên cứu được nhóm tác giả ứng dụng vào sản phẩm “Bát thảo Affective factor; Buying Decision; Da Nang.
thanh trà” để phát triển sản phẩm giai đoạn tiếp theo, chiến lược
marketing phù hợp theo những yếu tố tác động đến quyết định
mua của khách hàng trên thị trường để nâng cao năng lực cạnh
tranh của sản phẩm.
Từ khóa – Trà thảo mộc tác dụng định thần; Thành phần
thiên nhiên; Yếu tố ảnh hưởng; Quyết định mua, Đà Nẵng.
1. Đặt vấn đề lành tính thiên nhiên là một việc cần thiết. Bên cạnh việc
phát triển sản phẩm, cần lưu ý đến thị hiếu và những yếu
Xu hướng của thế giới hiện nay, khách hàng đang
tố có tác động đến quyết định mua sản phẩm của khách
ngày càng có nhu cầu chăm sóc sức khoẻ của bản thân và
hàng trên thị trường, để có thể phát triển sản phẩm phù
chú ý đến những thực phẩm mà họ đưa vào cơ thể như
hợp với nhu cầu sử dụng của họ.
thức ăn và các loại nước uống, bên cạnh đó việc phát triển
quá nhanh của thế giới cũng làm cho con người ngày càng Nghiên cứu này tập trung vào 2 mục tiêu sau:
mang nhiều áp lực, điều đó dẫn đến các tình trạng xấu
Phát triển sản phẩm trà thảo mộc có công dụng định
cho sức khoẻ như căng thẳng đầu óc, mất ngủ, cơ thể mệt
thần.
mỏi,… Nhận thấy Việt Nam là một trong những nước
hàng đầu về xuất khẩu sản phẩm trà, tuy nhiên phần lớn Chỉ ra các yếu tố ảnh hưởng đến quyết định mua sản
chỉ là trà xanh vả trà đen, những loại trà thảo mộc cũng phẩm trà thảo mộc của khách hàng trên địa bàn Thành
là một nguồn dược liệu quý của đất nước nhưng chưa phố Đà Nẵng;
được tận dụng triệt để, hiện tại chỉ có vài loại trà thảo
Đề xuất chiến lược để phát triển sản phẩm trà để phù
mộc được chú ý đến như atiso, tam diệp, viêc đưa ra thị
hợp với sự lựa chọn khách hàng trên địa bàn Thành phố
trường một sản phẩm mới phù hợp với nhu cầu sức khoẻ
của khách hàng, không gây ra tác dụng phụ và thành phần Đà Nẵng.
221
SVTH: Nguyễn Hoàng Bảo Trân, Nguyễn Thị Thanh Phú, Trần Vy Thảo Lam, Trần Phước Lộc; GVHD: Trần Thị Hoàng Giang
2. Giới hạn phạm vi nghiên cứu Quy trình sản xuất:
Thời gian khảo sát được bắt đầu từ tháng 08 năm 2022
và kết thúc vào tháng 12 năm 2022.
Thời gian khả dụng của số liệu và kết quả nghiên cứu:
1 năm.
Đối tượng nghiên cứu: Khảo sát được thực hiện đối
với các cá nhân liên có sử dụng sản phẩm trà thảo mộc Quy trình sản xuất sản phẩm Bát thảo thanh trà
tại thành phố Đà Nẵng.
3.1.3. Sản phẩm mẫu:
3. Mô hình nghiên cứu đề xuất và phương pháp
nghiên cứu Sản phẩm được đóng gói theo trong túi giấy và hộp
với khối lượng tịnh 100g và 150g.
3.1. Phát triển sản phẩm:
Sản phẩm gồm 8 nguyên liệu với tỷ lệ phối trộn theo
• Khảo sát, điều tra thị trường công thức thông qua khảo sát và nghiên cứu.
• Thực nghiệm, khảo sát tỉ lệ phối trộn các nguyên Sản phẩm có vị đắng nhẹ ở đầu vị và ngọt nhẹ ở hậu
liệu vị.
• Sản phẩm mẫu 3.2. Nghiên cứu các yếu tố ảnh hưởng đến quyêt định
3.1.1. Nhu cầu thị trường mua sản phẩm trà thảo mộc của khách hàng.
Thị trường trà trong 10 năm trở lại đây có những phát 3.2.1. Mô hình đề xuất
triển đáng kể. Quy mô thị trường chè được định giá là Sau khi nghiên cứu định tính, căn cứ vào các mô hình
52,1 tỷ đô la vào năm 2018 và ước tính sẽ đạt 81,6 tỷ đô lý thuyết cùng với các nghiên cứu trong và ngoài nước
la vào năm 2026, đăng ký CAGR 5,8% từ năm 2019 đến đồng thời có chọn lọc, thay đổi, bổ sung, đề tài nghiên
2026. Năm 2018, khu vực châu Á – Thái Bình Dương cứu: “Các nhân tố ảnh hưởng đến hành vi mua sản phẩm
chiếm hơn một nửa cổ phần trong thị trường chè toàn cầu trà thảo mộc của khách hàng” muốn tập trung đánh giá
và dự kiến sẽ tăng trưởng với tốc độ CAGR là 6,5% trong hành vi người tiêu dùng dựa trên 4 yếu tố. Từ đó nhóm
suốt giai đoạn dự báo. tác giả đã đề xuất mô hình nghiên cứu như sau: trong hình
Trong đó lĩnh vực phát triển nhanh nhất hiện nay là 1.
“trà đặc sản”, người tiêu dùng đang ngày càng tìm kiếm
những trải nghiệm sản phẩm trà chất lượng cao hơn, do
vậy ngày càng có nhiều công ty chè châu Âu, châu Mỹ
sang Châu Á tìm mua trà đặc sản mang đậm bản sắc vùng
miền, có nguồn gốc hữu cơ và có nét đặc trưng nhất định.
Đây là cơ hội lớn cho các doanh nghiệp trà Việt Nam phát
triển dòng trà đặc sản này.
Nhu cầu về sản phẩm giúp đầu óc giảm bớt căng
thẳng, áp lực và đem lại giấc ngủ cho người sử dụng một
cách tự nhiên, nhóm đề xuất sản phẩm trà thảo mộc có Hình 1: Mô hình đề xuất các yếu tố ảnh hưởng đến quyết định
thành phần 8 loại thảo mộc có thành phần Theanin, mua sản phẩm trà của khách hàng trên thị trường
Tanin, có tác dụng thư giãn đầu óc, và một số thành phần Các giả thuyết:
khác có tác dụng chống lão hoá và khắc chế tế bào ung
Giả thuyết H1: Những tác động đến sức khoẻ người
thư gồm: Lá xạ đen, Giảo cổ lam, Khổ qua rừng, Nụ hoa
sử dụng có mối quan hệ dương với quyết định mua.
tam thất, Hoa atiso đỏ, Bông cúc vàng, Cỏ ngọt, Chè
vằng. Giả thuyết H2: Chất lượng của sản phẩm có mối quan
hệ dương với quyết định mua.
3.1.2. Thực nghiệm, khảo sát tỉ lệ phối trộn các nguyên
liệu: Giả thuyết H3: Những tác động của nhóm công chúng
có quan hệ trực tiếp có mối quan hệ dương với quyết định
mua.
Giả thuyết H4: Quảng cáo của sản phẩm có mối quan
hệ dương với quyết định mua.
3.2.2. Các phương pháp nghiên cứu
Nghiên cứu được thực hiện thông qua 2 bước là
nghiên cứu định tính và nghiên cứu định lượng. Thang đo
sử dụng trong nghiên cứu là thang đo Likert 5 điểm.
Nghiên cứu định lượng được thực hiện thông qua khảo
sát bằng bảng câu hỏi. Quy mô khảo sát là 208 phiếu điều
tra với các cá nhân có độ tuổi từ 18 đến trên 30, tại các
trường Đại học, phòng tập thể dục, văn phòng,… tại
Căn cứ vào các công trình nghiên cứu đã có trước đây, thành phố Đà Nẵng. Để xử lý dữ liệu, nhóm tác giả dùng
và khảo sát về hương vị theo thị hiếu khách hàng, kết quả phần mềm SPSS 26 [2]. Dữ liệu sau khi được mã hoá và
thu được hương vị yêu thích của khách hàng là đắng đầu làm sạch, được phân tích qua các bước: Kiểm định độ tin
vị và ngọt hậu vị. cậy bằng Cronbach’s Alpha, phân tích nhân tố khám phá
222
EFA, điều chỉnh mô hình, phân tích tương quan Pearson QC: Quảng cáo của sản QC1: Bạn chọn mua những sản
và hồi quy tuyến tính bội. phẩm phẩm được quảng cáo rộng rãi
Bảng 1: Thang đo nhân tố tác động đến quyết định mua trên các phương tiện truyền
sản phẩm trà thảo mộc của khách hàng trên thị trường thông
QC2: Bạn lựa chọn những sản
Biến quan sát Ý nghĩa các biến quan sát
trà thảo mộc vì người nổi tiếng
quảng cáo sản phẩm đó
SK: Ảnh hưởng đến sức SK1: Bạn quan tâm đến sản
khoẻ người sử dụng phẩm trà thảo mộc vì sức khỏe
của mình QC3: Bạn mua sản phẩm của
các thương hiệu có người nổi
SK2: Bạn thấy việc sử dụng tiếng làm đại diện
sản phẩm trà thảo mộc là cần
thiết
QC4: Bạn lựa chọn sản phẩm
SK3: Bạn sử dụng các sản vì quảng cáo hấp dẫn
phẩm trà thảo mộc thường
xuyên
SK4: Bạn là người hiểu rõ tình QC5: Bạn biết đến sản phẩm
trạng sức khoẻ của mình trà thảo mộc vì nó được quảng
cáo trên mạng
SK5: Bạn sẵn sàng từ bỏ thói
quen, sở thích của mình
vì sức khỏe Các điều kiện ràng buộc:
SK ≥ 0; CL≥ 0; NCC ≥ 0; QC ≥ 0.
SK6: Bạn thấy việc sử dụng trà
3.2.3. Kết quả nghiên cứu và khảo sát
thảo mộc ảnh hưởng tốt cho
sức khoẻ của bạn 3.2.3.1. Kết quả mô mình đo lường
Đối với mô hình đo lường, sự phù hợp của thang đo
CL: Chất lượng sản CL1: Bạn mua sản phẩm trà
được xác định thông qua kiểm tra độ tin cậy bằng
phẩm thảo mộc vì sản phẩm lành
Cronbach’s Alpha, phân tích nhân tố khám phá EFA.
tính, an toàn
Trước khi đưa các yếu tố vào phân tích nhân tố, cần
CL2: Bạn mua sản phẩm trà thiết phải kiểm định độ tin cậy của thang đo các yếu tố
thảo mộc vì phù hợp với tình này. Theo nhiều nhà nghiên cứu, thang đo có hệ số
trạng sức khoẻ của bạn Cronbach’s Alpha lớn hơn 0.7 trở lên là sử dụng được.
CL3: Bạn mua sản phẩm trà (Nunnally, 1978; Peterson, 1994; Slater, 1995; dẫn theo
thảo mộc vì chất lượng tốt Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005) [3]. Kết
quả cho thấy thang đo của nhân tố QĐ : 4 nhân tố đều có
CL4: Bạn mua trà thảo mộc vì hệ số Cronbach’s Alpha > 0.7 đảm bảo độ tin cậy. Vì vậy
có tác dụng tốt hơn trà truyền không loại nhân tố nào ra khỏi mô hình
thống Bảng 2: Thang đo nhân tố tác động đến quyết định mua
CL5: Bạn mua trà thảo mộc vì sản phẩm trà thảo mộc của khách hàng trên thị trường
các thành phần thiên nhiên an Hệ số
toàn hợn thành phần hoá học STT Các nhân tố Cronbach’s
NCC: Ảnh hưởng của NCC1: Bạn bè cho rằng bạn Alpha
nhóm người có quan hệ nên mua sản phẩm trà thảo mộc 1 SK: Ảnh hưởng sức khoẻ .821
trực tiếp
NCC2: Những người quan
trọng với bạn có thể tác động
đến việc bạn mua sản phẩm trà 2 CL: Chất lượng sản phẩm .814
thảo mộc
NCC3: Bạn thường xuyên 3 NCC: Ảnh hưởng của nhóm .802
tham khảo các sản phẩm trà công chúng có tác động trực
thảo mộc từ những người nổi tiếp
tiếng
4 QC: Quảng cáo của sản .806
NCC4: Những người bạn phẩm
thường tham khảo ý kiến
Kết quả phân tích nhân tố EFA được chấp nhận do tổng
cho rằng bạn nên mua sản phương sai trích là: = 59.101% > 50% và Eigenvalue là
phẩm trà thảo mộc 1.324 > 1.
223
Bảng 3: Kết quả phân tích nhân tố EFA các yếu tố ảnh trong biến số. Kết quả phân tích hồi quy tuyến tính bội
hưởng đến QĐM thể hiện ở Bảng 4.
Bảng 4: Kết quả phân tích hồi quy tuyến tính
Ta có:
- R2 hiệu chỉnh = 67.5% > 50%, các biến độc lập ảnh
hưởng đến 67.5%. sự thay đổi của biến phụ thuộc.
- Hệ số Durbin-Watson tiến về 2 cho thấy không có
sự tương quan chuỗi bậc nhất.
- VIF của tất cả nhân tố đều nhỏ hơn 2 nên không xảy
ra hiện tượng đa cộng tuyến giữa các biến.
Hàm hồi quy được viết như sau:
QĐ = 0.496* CL + 0.102* NCC + 0.376* SK +
0.101*QC
Các hệ số trong phương trình hồi quy đều mang dấu
dương thể hiện cả 4 nhân tố đều có ảnh hưởng cùng chiều
đến hoạt động kinh doanh của doanh nghiệp. Trong đó
nhân tố Chất lượng có tác động nhiều nhất (β1=0.496),
tiếp theo là nhân tố Sức khỏe (β3=0.376), sau đó là nhân
tố Ảnh hưởng Nhóm công chúng (β2=0.102), cuối cùng
là nhân tố Quảng cáo (β4=0.101)
3.3. Đề xuất phát triển sản phẩm
Kiếm nghiệm các thành phần sản phẩm để phù hợp
với các tiêu chuẩn về trà ở Việt Nam (Tiêu chuẩn Việt
3.2.3.2. Kết quả kiểm định tương quan Pearson và Nam) để nâng cao tính an toàn của sản phẩm đối với sức
mô hình hồi quy tuyến tính bội khoẻ người sử dụng. Sản phẩm đảm bảo an toàn vệ sinh,
 Kiểm định tương quan Pearson bảo quản tốt.
Để đánh giá ảnh hưởng của các nhân tố lên quyết định Đề xuất chiến lược marketing nhấn mạnh vào những
mua sản phẩm trà thảo mộc của khách hàng trên thị tác động tốt đến sức khoẻ của sản phẩm, chất lượng của
trường, chúng ta sử dụng mô hình hồi quy bội, trong đó sản phẩm.
4 nhân tố từ kết quả phân tích trên đây là 4 biến độc lập 4. Ứng dụng mô hình
tương ứng. Biến phụ thuộc phản ánh quyết định mua sản Kết quả nghiên cứu ứng dụng vào sản phẩm trà thảo
phẩm trà thảo mộc của khách hàng trên thị trường. mộc Bát thảo thanh trà, sản phẩm được kiểm nghiệm
Mô hình hồi quy được viết như sau: những thành phần tại Trung tâm Kỹ thuật Tiêu chuẩn Đo
QĐ = β1*CL + β2*NCC + β3*SK + β4*QC lường Chất lượng 2 (QUATEST 2). Cụ thể, kết quả kiểm
nghiệm sản phẩm cho thấy sản phẩm đáp ứng đủ các tiêu
Tương quan Pearson phản ánh mối quan hệ giữa từng
chí trong tiêu chuẩn Việt Nam về trà như sau:
cặp biến và tham khảo xem có hiện tượng đa cộng biến
giữa các biến hay không. Sau khi phân tích thì sig giữa
biến phụ thuộc QĐ và các biến độc lập đều bé hơn 0.05
nên có mối quan hệ tương quan tuyến tính giữa biến phụ
thuộc và các biến độc lập.
 Mô hình hồi quy tuyến tính bội
Mô hình hồi quy mà chúng ta đang nghiên cứu phải
giải thích được hành vi của biến phụ thuộc. Trong mô
hình nghiên cứu được đề xuất, QĐ phụ thuộc vào 4 yếu
tố. Mô hình có một biến phụ thuộc với hai hoặc nhiều
biến độc lập được gọi là hồi quy bội.
Chúng ta chỉ xem xét hồi quy tuyến tính bội với mô Bảng 5: So sánh sản phẩm với tiêu chí của tiêu chuẩn
hình tuyến tính trong tham số, không nhất thiết tuyến tính Việt Nam
224
5. Kết luận [12]. https://www.researchgate.net/publication/363270946_A_MEDI
CINAL_POTENCY_OF_MOMORDICA_CHARANTIA
Trong phạm vi của đề tài này chúng tôi đã nghiên cứu [13]. https://vjs.ac.vn/index.php/vjchem/article/view/4897
phát triển sản phẩm trà thảo mộc có công dụng ổn định [14]. Phenolic Compounds from the Leaf Extract of Artichoke
tâm thần, trí não, giúp người sử dụng trở về với giấc ngủ (Cynara scolymus L.) and Their Antimicrobial Activities |
Journal of Agricultural and Food Chemistry (acs.org)
một cách tự nhiên nhất, mà không có tác dụng phụ và [15]. Efficacy of different Cynara scolymus preparations on liver
thành phần hoàn toàn thiên nhiên. complaints - ScienceDirect
Bên cạnh đó, nghiên cứu song song các yếu tố ảnh [16]. Artichoke (Cynara scolymus L.) Byproducts as a Potential
Source of Health-Promoting Antioxidant Phenolics | Journal of
hưởng đến quyết định mua trà thảo mộc của khách hàng, Agricultural and Food Chemistry (acs.org)
qua đó tập trung phát triển sản phẩm theo thị hiếu và nhu [17]. Vằng – Wikipedia tiếng Việt
cầu của khách hàng, xây dựng chiến lược marketing [18]. Sunlight irradiation‐assisted green synthesis, characteristics and
nhắm vào các yếu tố có ảnh hưởng đến quyết định mua antibacterial activity of silver nanoparticles using the leaf extract
of Jasminum subtriplinerve Blume | SpringerLink
để thu hút việc mua hàng của khách hàng trên thị trường, [19]. Bioactivities_and_chemical_constituents_20161103-6057-
qua đó nâng cao khả năng thâm nhập thị trường của một uvd7ax-with-cover-page-v2.pdf
sản phẩm mới và khả năng cạnh tranh với các sản phẩm (d1wqtxts1xzle7.cloudfront.net)
trên thị trường. [20]. In vitro and in silico Screening of Bioactive Compounds from
Jasminum subtriplinerve Blume as α-glucosidase Inhibitor |
Tài liệu tham khảo: VNU Journal of Science: Medical and Pharmaceutical Sciences
[1]. Xuất khẩu trà thảo mộc https://tuoitre.vn/xuat-khau-tra-thao- [21]. Hepatoprotective effect of water extract from Chrysanthemum
moc-sang-uc-70566.htm indicum L. flower | SpringerLink
[2]. Nghiên cứu hành vi khách hàng https://simerp.io/blog/nghien- [22]. Rapid green synthesis of silver nanoparticles from
cuu-hanh-vi-khach- Chrysanthemum indicum L and its antibacterial and cytotoxic
hang/#:~:text=Nghi%C3%AAn%20c%E1%BB%A9u%20h%C effects: an in vitro study - PMC (nih.gov)
3%A0nh%20vi%20kh%C3%A1ch%20h%C3%A0ng%20s%E [23]. Cúc vàng – Wikipedia tiếng Việt
1%BA%BD%20gi%C3%BAp%20doanh%20nghi%E1%BB% [24]. Quality Characteristics and Antioxidant Activity of
87p,%C4%91%E1%BA%A9y%20ho%E1%BA%A1t%20%C4 Chrysanthemum indicum L., Chrysanthemum boreale M. and
%91%E1%BB%99ng%20mua%20s%E1%BA%AFm. Chrysanthemum zawadskii K. Powdered Teas -Journal of the
[3]. Các yếu tố ảnh hưởng đến quyết định mua hàng tại Circle K Korean Society of Food Science and Nutrition | Korea Science
https://www.academia.edu/45016794/C%C3%81C_Y%E1%B [25]. Stevioside - ScienceDirect
A%BEU_T%E1%BB%90_%E1%BA%A2NH_H%C6%AF% [26]. Stevioside and related compounds: Therapeutic benefits beyond
E1%BB%9ENG_%C4%90%E1%BA%BEN_QUY%E1%BA sweetness - ScienceDirect
%BET_%C4%90%E1%BB%8ANH_MUA_H%C3%80NG_T [27]. Cỏ ngọt – Wikipedia tiếng Việt
%E1%BA%A0I_CHU%E1%BB%96I_C%E1%BB%ACA_H [28]. Tam thất – Wikipedia tiếng Việt
%C3%80NG_TI%E1%BB%86N_L%E1%BB%A2I_CIRCLE [29]. Analysis of the Interactions of Botanical Extract Combinations
_K Against the Viability of Prostate Cancer Cell Lines
[4]. Oxfam. Thị trường chè: Nghiên cứu cơ bản. 2002. Có sẵn (hindawi.com)
trực tuyến: http://www.maketradefair.com/ [30]. Full article: An in vitro study of Sanchi (Panax pseudoginseng)
[5]. Denver, S.; Jensen, DJ Sở thích của người tiêu dùng đối for its DNA protective effect (tandfonline.com)
với táo sản xuất tại địa phương và hữu cơ. Thực phẩm [31]. Identification of tyrosine kinase inhibitors from
Chất lượng. 2014, 31, 129–134. Panax bipinnatifidus and Panax pseudoginseng for RTK—
[6]. https://ctujsvn.ctu.edu.vn/index.php/ctujsvn/article/view/4349/ HER2 and VEGFR2 receptors, by in silico approach |
4191 SpringerLink
[7]. https://drive.google.com/file/d/1OrtgNCl [32]. Antioxidant Effects of Chinese Traditional Medicine: Focus on
viGtCDvbOQ_k_dchZh72HmUF/view Trilinolein Isolated from the Chinese Herb Sanchi (Panax
[8]. https://benhvienk.vn/la-xa-den-va-ung-thu-nd92039.html pseudoginseng) - Chan - 2000 - The Journal of Clinical
[9]. http://stdjns.scienceandtechnology.com.vn/index.php/stdjns/arti Pharmacology - Wiley Online Library
cle/view/615 [33]. Study on Saponins of Rhizomes of Panax pseudo-ginseng subsp.
[10]. https://tapchikhtnmt.hunre.edu.vn/index.php/tapchikhtnmt/artic himalaicus Collected at Tzatogang and Pari-la, Bhutan-
le/view/329 Himalaya (jst.go.jp)
[11]. https://tthc.most.gov.vn/index.php/ban_b/issue/view/tap-59-so-
2-thang-2-nam-2017/35
225
226
KHOA KIẾN TRÚC
NGHIÊN CỨU ỨNG DỤNG ĐỒ NỘI THẤT THÔNG MINH TIẾT KIỆM DIỆN
TÍCH TRONG KHÔNG GIAN Ở TẠI ĐÀ NẴNG
RESEARCHING AND APPLYING SMART FURNITURE TO SMALL LIVINGSPACE IN
DA NANG
SVTH: Trần Huy Quý, Nguyễn Ngọc Tiến, Đặng Lê Duy Vỹ, Nguyễn Thị Thùy Vy
Lớp19KTCLC1, 19KTCLC2, 20KT Khoa Kiến Trúc, Trường Đại học Bách Khoa, Đại học Đà Nẵng;
Email: ngoctien0611@gmail.com, huyquy1914@gmail.com, dangleduyvydn8@gmail.com, vymon0309@gmail.com
GVHD: TS. KTS. Lê Trương Di Hạ
Khoa Kiến Trúc, Trường Đại học Bách Khoa, Đại học Đà Nẵng; Email: ltdha@dut.udn.vn
Tóm tắt: Nội thất thông minh ngày càng được sử dụng rộng Abstract - Smart furniture is increasingly used as a solution
rãi nhằm cung cấp các giải pháp đảm bảo sự thoải mái cho các to maintain the space comfort for small living spaces. However,
không gian ở có diện tích khiêm tốn. Tuy nhiên vẫn còn thiếu there are the lack of the research and specifical guide which
những nghiên cứu hay chỉ dẫn cụ thể cung cấp cho người sử provide customer an objective assessment of a smart furniture.
dụng một đánh giá khách quan về các giải pháp trên. Nghiên cứu This research will clarify the concept Smart furniture, analyze
này sẽ làm rõ các khái niệm về nội thất thông minh, phân tích the supeority of Smart furniture, and search for the interior trends
mức độ tối ưu của các giải pháp, tìm hiểu thị hiếu của người dân of Vietnamese . Through the statistical and comparative
Việt Nam. Bằng phương pháp thống kê số liệu và so sánh, tính process, filter out a list of the most efficiency smart furniture,
toán mức độ tiết kiệm diện tích các mô hình sản phẩm nội thất provide a database for designers and a method of evaluating
tối ưu nhất được chỉ ra. Sản phẩm của đề tài là tài liệu cung cấp the Smart furniture for customers. The product of the project is a
dữ liệu định hướng cho người thiết kế và phương thức đánh giá document that provides directional data for designers and a
nội thất thông minh cho người tiêu dùng gồm cẩm nang hướng smart interior assessment method for consumers, including a
dẫn đánh giá mức độ linh hoạt, mức độ tiết kiệm diện tích và giải guide to evaluate flexibility, space saving and efficiency.
pháp dành cho người thiết kế không gian ở. solutions for designers.
Từ khóa – Nội thất thông minh (NTTM); tiết kiệm không gian; Key words – smart furniture; space saver; flexibility;
nội thất linh hoạt; đa năng multifunction
1. Đặt vấn đề: tiết kiệm không gian với các món đồ nội thất truyền thống
1.1. Lý do chọn đề tài để giải quyết tối ưu trong không gian sống của họ. Nghiên
cứu này sẽ làm rõ những đánh giá bước đầu trong việc
Dân số tăng nhanh, không gian sống ngày càng thu
chọn lựa loại nội thất phù hợp đưa ra từ tiêu chí chấm
hẹp, diện tích thiết kế cho một không gian ở phù hợp đặt
điểm về mức độ linh hoạt, đa năng, mức độ tiết kiệm diện
ra những thách thức cho các kiến trúc sư trong và ngoài
tích, cũng như xu hướng để phát triển thiết kế nội thất
nước. Trong xu thế này, các căn hộ và nhà ở với diện tích
thông minh dựa vào thị hiếu của người dân Việt Nam. Đề
siêu nhỏ đòi hỏi các chiến lược thông minh để thích nghi
tài hứa hẹn mang sản phẩm ứng dụng cho thiết kế với
và tận dụng tối đa các không gian cho phép. Nội thất
bảng đánh giá một số mô hình nội thất thông minh, cùng
thông minh từ đó được ra đời, không những giúp tối ưu
cẩm nang chỉ dẫn cách chấm điểm loại nội thất bạn lựa
hiệu quả diện tích căn nhà mà còn tạo được không gian
chọn, bên cạnh đó là mô hình thử nghiệm để cung cấp
linh hoạt, đáp ứng bối cảnh cấp thiết hiện nay.
cho người sử dụng một hướng dẫn cụ thể mà họ có thể
Theo Tan Boon Chai (2016), khái niệm mới đã được đạt được hiệu quả tối ưu cho lựa chọn thiết kế của họ.
đề xuất về thiết kế nội thất tiết kiệm không gian và nghiên
1.2. Mục tiêu nghiên cứu:
cứu thiết kế Sofa chuyển đổi thành giường được thực hiện
[1]. Kristoffer Thogersen cũng chứng minh không gian Đề tài bước đầu sắp xếp, phân loại và làm rõ khái
nhỏ cần các giải pháp thông minh, nghiên cứu này chỉ ra niệm về đồ nội thất thông minh, sau đó sẽ đánh giá những
3 điều: Thứ nhất, đánh giá mức độ nội thất nào là quan tiêu chí ưu việt của đồ nội thất để đưa ra lựa chọn với
trọng trong căn hộ, thứ hai những món đồ nội thất với thiết kế có thể biến đổi để tiết kiệm không gian. Điều tra
nhiều hơn một chức năng là điều cần thiết để tiết kiệm xã hội học về xu hướng thị hiếu, tiêu chí lựa chọn của
không gian, thứ 3 việc sắp xếp đồ đạc có thể được sử người sử dụng ở chung cư và trọ.
dụng để ảnh hưởng đến dòng chảy và cảm giác của một Với các dữ liệu thu được từ khảo sát, các giá trị được
căn hộ [2]. Nghiên cứu 14 tiêu chí cách đánh giá tầm thống kê, đưa ra cách tính điểm và cuối cùng so sánh các
quan trọng tương đối của các sản phẩm nội thất do Vaida tiêu chí đánh giá các bài nghiên cứu nước ngoài so với
thực hiện năm 2014 [3]. Ngoài ra các cách thiết kế, thủ Việt Nam.
pháp thiết kế có thể biến đổi nội thất thông minh cũng đã 1.3. Đối tượng và phạm vi nghiên cứu :
được nghiên cứu tới [4].
Đối tượng: Nội thất thông minh tiết kiệm diện tích.
Các ứng dụng và nghiên cứu về đồ nội thất thông
Phạm vi nghiên cứu:
minh đã có từ lâu nhấn mạnh sự hiện diện của chủ nghĩa
tối giản, tuy nhiên, người tiêu dung vẫn bối rối trước các  Dựa theo SMART FURNITURE (Mục II) [3] cho
quảng cáo tràn lan mà chưa thực sự có được chỉ dẫn cụ thấy rằng nhóm đối tượng có độ tuổi từ 17-25 tuổi thường
thể hay các nghiên cứu minh bạch để người thiết kế có quan tâm và hứng thú về nội thất thông minh trong tương
thể sử dụng như một cẩm nang cho việc đánh giá mức độ
229
SVTH: Trần Huy Quý, Nguyễn Ngọc Tiến, Đặng Lê Duy Vỹ, Nguyễn Thị Thùy Vy; GVHD: TS. KTS. Lê Trương Di Hạ
lai. Nên nhóm nghiên cứu tập trung hướng đến nhóm đối 1.6. Phương pháp nghiên cứu:
tượng này. Phương pháp nghiên cứu lý thuyết:
 Nghiên cứu được thực hiện trong khu vực khu dân
 Thông qua tổng hợp và chọn lọc thông tin từ tài
cư cho loại công trình nhà ở công cộng là Chung cư và
liệu, nghiên cứu về nội thất thông minh.
Phòng trọ, tại quận Liên Chiểu, Đà Nẵng. Khu vực khảo
sát nằm trong phạm vi Đơn vị ở E1 và N3 trên bản đồ  Nghiên cứu dựa trên các tiêu chuẩn hiện hành có
Quy hoạch của thành phố đến năm 2025-2030. Với dân liên quan đến thiết kế các loại hình nội thất ‘’Tiêu chuẩn
số của toàn khu vực là 36000 người trên tổng số 170.000 Quốc gia TCVN 11535:2016 ĐỒ NỘI THẤT - TỦ
người của quận Liên Chiểu. ĐỰNG ĐỒ - XÁC ĐỊNH ĐỘ ỔN ĐỊNH’’.
 Các mô hình sản phẩm đã được áp dụng trên giới
và Việt Nam.
Phương pháp nghiên cứu điều tra Xã hội học:
Sử dụng phương pháp điều tra bằng bảng hỏi theo
sách Phương pháp Nghiên cứu Xã hội học - Nhà xuất bản
Đại Học Quốc gia Hà Nội [5]. Tiến hành khảo sát theo
phương pháp chọn mẫu ngẫu nhiên.
Với phương pháp các định số lượng mẫu khi tiến hành
lấy mẫu ngẫu nhiên như sau:
𝑁.𝑡 2 .𝜎2
n= (1.1)
𝑁.𝜀 2 +𝑡 2 .𝜎2
n: Dung lượng mẫu chọn
Hình 1: Bản đồ khu vực khảo sát N: Kích thước của tổng thể
1.4. Quy trình nghiên cứu: t: Hệ số tin cậy của thông tin
- Bước 1: Tìm hiểu về khái niệm và tình hình sử dụng σ: Phương sai của tổng thể
đồ nội thất thông minh. ε: Phạm vi sai số chọn mẫu
- Bước 2: Điều tra xã hội học. Với số lượng mẫu tổng thể là 2782 người đã được nêu
- Bước 3: Thống kê số liệu và so sánh các vấn đề về ở mục 1.3, độ chính xác được đề xuất là 99.7%, phạm vi
sử dụng nội thất của Việt Nam so với thế giới. sai số 0.1. Từ công thức (1.1) thu được kết quả xấp xỉ 208
- Bước 4: Đề xuất mô hình đánh giá nội thất thông phiếu. Dự trù sẽ có 10% số phiếu phát đi không thu được
minh. hồi đáp, số phiếu thực tế cần phát sẽ là 230 phiếu. Hình
thức điều tra phát phiếu trực tiếp.
- Bước 5: Tiến hành đánh giá và đưa ra bảng tổng kê
(catalogue) 12 nội thất thông minh. 2. Nội dung nghiên cứu:
- Bước 6: Thảo luận và tính toán độ hiệu quả của mẫu 2.1. Mô tả đối tượng nghiên cứu:
thử 2.1.1. Nội thất thông minh:
- Bước 7: Kết luận. a. Tổng quan:
1.5. Sơ đồ nghiên cứu:  Khái niệm: Nội thất thông minh là các sản phẩm đa
chức năng, tiết kiệm diện tích, giúp biến đổi không gian
linh hoạt. Những sản phẩm này giúp tối ưu diện tích
căn hộ, đặc biệt là những nhà nhỏ giúp cho từng không
gian được tối đa công năng sử dụng. Nội thất thông
minh có xu hướng lên ngôi do kích thích thị hiếu và thu
hút người tiêu dùng.
 Tình hình phát triển: Nội thất thông minh quả thực
đang chiếm được cảm tình lớn tronglòng người sử
dụng, mô hình kinh doanh nội thất thông minh cũng
được quan tâm nhiều hơn trong thời gian gần đây.
 Kiểu dáng: Điểm quan trọng để thiết kế nội thất thông
minh là khớp của sản phẩm, giúp chúng kết nối với
nhau và linh hoạt thay đổi kiểu dáng một cách nhanh
chóng và dễ dàng, chúng cần được tạo ra từ những phần
đơn giản nhất, hạn chế chi tiết nhỏ, uốn lượn, cầu kì,
mà chủ yếu sử dụng các đường thẳng, đường tròn,
đường elip.
 Màu sắc: Nội thất thông minh thường nhắm vào sự tối
giản, những màu sắc của nội thất thông minh có thể
biến tấu từ trắng đen đến các gam màu trung tính, sặc
sỡ. Tuy nhiên, chúng mang từ một đến ba hòa sắc trong
cùng một sản phẩm, ít sử dụng các hoa văn, pattern cầu
Hình 2: Sơ đồ nghiên cứu kì.
230
 Chất liệu: Bất cứ vật liệu nào cũng có thể tạo nên nội ▫ Di chuyển chủ yếu theo cách thủ
thất thông minh, như nhựa, sắt, nhôm,… Nhưng để làm công vào không gian.
nổi bật tính tiện lợi, vừa nhẹ, vừa kiên cố, gỗ chính là ▫ Vị trí của các nội thất có thể ở bất
vật liệu được sử dụng nhiều nhất trong thế giới nội thất kì đâu trên sàn.
▫ Hoạt động từ vị trí trung tâm ra
thông minh. Có nhiều chọn lựa như gỗ Laminate, MDF, bên ngoài.
HDF, … Nhưng thông dụng nhất vẫn là gỗ MFC.
b. Các cơ sở hướng dẫn thiết kế nội thất thông minh ▫ Di chuyển các nội thất trong phòng
ở các nghiên cứu trước đây: để tạo khoảng trống trong không
gian cần thiết.
 Các thủ pháp kiến trúc có thể biến đổi để tiết kiệm ▫ Vị trí của các nội thất có thể nằm
không gian: bất kì đâu trên sàn.
Các thủ pháp thiết kế kiến trúc có các yếu tố có thể ▫ Hoạt động bằng khả năng di
biến đổi tìm thấy từ Internet và trong tài liệu của tác giả chuyển (kéo, đẩy...) để thay đổi vị
Raphael Reuter. Nhóm đã nghiên cứu và tổng hợp các thủ trí theo mong muốn.
pháp khác nhau. Theo Raphael Reuter các thủ pháp thiết c. Phân loại nội thất thông minh:
tiết kiệm không gian được chia thành 4 loại: (1) Chức Có nhiều cách để phân loại đồ thất thông minh, từ các
năng bên ngoài, (2) chức năng trung tâm, (3) di chuyển, tài liệu nghiên cứu đã chỉ ra như sau:
(4) tường di động. Tuy nhiên thủ pháp thứ 4 (tường di
▫ Nội thất đa chức năng như một giải pháp thông
động) không phù hợp với đề tài nghiên cứu và không có
minh cho không gian nhỏ tại căn hộ Zaniary Towers ở
nhiều khía cạnh khai thác. Do đó không nằm trong phạm
thành phố Erbil [6] cho rằng có hai loại là nội thất đa
vi nghiên cứu này.
chức năng và nội thất linh hoạt.
Các thủ pháp thiết kế trong kiến trúc có thể biến đổi ▫ Không gian nhỏ cần giải pháp thông minh [2] lại
tiết kiệm không gian đã được nghiên cứu và tổng hợp: cho rằng gồm có nội thất đa chức năng, nội thất module,
▫ Chức năng bên ngoài. nội thất có thể chuyển đổi.
▫ Chức năng trung tâm. ▫ Ảnh hưởng của việc sử dụng nội thất tối giản đến
▫ Di chuyển. không gian sống [7] nêu bốn kiểu phân loại là nội thất cố định,
 Nguyên tắc chung: nội thất linh hoạt, nội thất module, nội thất đáng tin cậy.
Trong nghiên cứu này, để phù hợp với phương pháp
nghiên cứu, nội thất thông minh được chia thành ba loại
(Bảng 2)
Bảng 2: Phân loại nội thất thông minh
Phân loại Chức năng

Hình 3: Nguyên tắc biến đổi tiết kiệm không gian Nội thất đa chức năng Tích hợp nhiều chức năng.
Luôn chuyển đổi các chức năng và có sự thay đổi giữa Nội thất linh hoạt Có thể thay đổi chức năng sử dụng
chúng trong một căn phòng. Các thành phần chức năng thành sản phẩm khác hoặc có khả
hầu hết đều được nén chặt trong một chiếc hộp nhỏ đặt ở năng gấp gọn.
giữa phòng và có thể được di chuyển hoặc để nhường chỗ Nội thất module Thiết kế nhiều thành phần đơn giản,
cho các hoạt động khác. Bằng cách sử dụng nguyên tắc có thể hoán đổi cho nhau, có thể dễ
này, có thể được sử dụng cùng một lúc nhiều mục đích dàng kết hợp theo nhiều cách khác
cần thiết khác nhau vì các vật đang di chuyển từ một điểm nhau để thích ứng với các yêu cầu cụ
trung tâm sang các hướng khác nhau với nhiều chức năng thể của khách hàng.
riêng. 2.1.2. Mô tả bảng thống kê:
 Lý do chuyển đổi chức năng: Nội thất là một phần quan trọng của một căn hộ,
Lý do để thực hiện các chuyển đổi chức năng hầu hết chiếm khoảng 35% - 45% diện tích sàn trong một căn hộ
là để tiết kiệm không gian. Các phép biến đổi tiết kiệm (Waswo, 2013) [9]. Theo (Wang, 2013) [8], một số món
không gian chủ yếu sử dụng hai yếu tố, một thành phần đồ nội thất ít nhiều bắt buộc phải có trong mọi gia đình ở
là không gian trống hoặc trung lập, thành phần còn lại là thời điểm xu hướng hiện tại, mức độ quan trọng của
chức năng, để kích hoạt không gian cho một mục đích cụ chúng thể hiện trong hình 4.
thể của người sử dụng.
Bảng 1: Các thủ pháp thiết kế
Thủ pháp thiết kế Đặc điểm
▫ Di chuyển chủ yếu theo cách thủ
công vào không gian.
▫ Vị trí của các nội thất có thể ở trong
hoặc trên các bức tường bao quanh,
cũng có thể được ẩn trong sàn hoặc
trần.
▫ Hoạt động từ bên ngoài vào bên
trong. Hình 4: Tầm quan trọng các loại nội thất trong căn hộ
(Wang, 2013)
231
Dựa vào số liệu mức độ cần thiết của các loại đồ nội
thất của Wang (2013) nhóm nghiên cứu đã tìm kiếm và
thống kê một số đồ nội thất thông minh với tỉ lệ và số
lượng như sau:
Hình 5: Thống kế nội thất giường thông minh Hình 6: Thống kê nội thất tủ thông minh
232
▫ Nhiều chức năng: Đề cập đến khả năng đáp ứng
ít nhất hai chức năng.
▫ Tiết kiệm không gian: Việc sử dụng tối đa một
không gian nhất định và tạo sự nhỏ gọn tối đa cho việc
cất giữ khi không sử dụng.
▫ Module: Việc thiết kế nhiều thành phần đơn giản,
có thể hoán đổi cho nhau, có thể dễ dàng kết hợp theo
nhiều cách khác nhau để thích ứng với các yêu cầu cụ thể
của khách hàng.
▫ Loại vật liệu: Đề cập đến vật liệu được sử dụng
và chất lượng của nó.
▫ Độ bền: Khả năng chống lại biến dạng theo thời
gian.
▫ Thiết kế cấu trúc: Các giải pháp, cơ chế và vật
liệu được sử dụng trong đồ nội thất, gia cố, tay nắm, giải
pháp lắp ráp.
▫ Dễ lắp ráp: Khách hàng có thể tự vận chuyển, lắp
ráp một món đồ nội thất trong nhà của họ.
▫ Tùy biến: Các thuộc tính của đồ nội thất có thể
được sửa đổi dựa trên nhu cầu cụ thể của khách hàng, từ
việc lựa chọn màu sắc, chất liệu mong muốn cho đến hình
dạng và kích thước.
▫ Giá bán: Chi phí.
Từ tham khảo 14 tiêu chí trên, nhóm nghiên cứu quyết
định tổng hợp thành 11 tiêu chí, thêm vào một tiêu chí
Người khuyết tật tạo thành bộ 12 tiêu chí (Bảng 3) để
đánh giá độ tối ưu của một món đồ nội thất.
Bảng 3: Các tiêu chí đánh giá đồ nội thất
Tiêu chí Tính chất
THIẾT KẾ ▫ Tính thẩm mỹ, hình dáng, màu sắc.
MODULE ▫ Sự đơn giản trong thiết kế và khả năng
kết hợp theo nhiều cách khác nhau.
Thích ứng với các yêu cầu cụ thể của
khách hàng.
ĐA NĂNG ▫ Sự linh hoạt trong chuyển đổi giữa các
thành phần chức năng.
TIẾT KIỆM ▫ Sử dụng tối đa một không gian nhất
KHÔNG GIAN định và tạo sự nhỏ gọn tối đa cho việc
cất giữ khi không sử dụng.
Hình 7: Thống kê nội thất bàn ghế thông minh THIẾT KẾ ▫ Tính vững chãi của cấu kiện. Giảm
CẤU TRÚC sự rung lắc qua bộ khung, các khớp
2.1.3. Phương pháp xây dựng bảng tổng kê:
nối.
a. Mức độ ưu tiên của các tiêu chí khi lựa chọn đồ nội
thất: ĐỘ BỀN ▫ Tuổi thọ sử dụng trung bình.
Theo "Nghiên cứu phát triển và triển khai sản xuất đồ DỄ LẮP RÁP ▫ Khả năng tháo dỡ và lắp đặt dễ dàng.
nội thất thông minh", Calin Vaida, Bogdan Ghermen, VẬT LIỆU ▫ Vật liệu được sử dụng làm nên đồ nội
Mihai Dragomir, Oana Lamandi và Daniel Banyai đã liệt thất.
kê 14 tiêu chí để lựa chọn một món đồ nội thất như sau:
THÂN THIỆN ▫ Tạo ra từ các vật liệu tái chế hoặc chất
▫ Thiết kế: Phong cách tổng thể của đồ nội thất bao MÔI TRƯỜNG thải từ các ngành công nghiệp khác,
gồm cả tính thẩm mỹ, hình dạng, màu sắc, tất cả được giảm thiểu tối đa sự phát tán chất thải.
tích hợp theo một cách tiếp cận cụ thể.
AN TOÀN ▫ Vật liệu an toàn cho sức khỏe là những
▫ Chức năng: Chức năng chính mà mỗi bộ phận nội SỬ DỤNG sản phẩm nội thất có nguồn gốc xuất xứ
thất phải thực hiện. rõ ràng theo các tiêu chuẩn an toàn đã
▫ An toàn khi sử dụng: Các tính năng đặc biệt để được quy định.
bảo vệ trẻ em, cơ chế khóa an toàn cho đồ nội thất dạng ▫ An toàn khi thiết kế, giảm thiêu các góc
mô-đun, cơ chế an toàn cho đồ nội thất tiết kiệm không cạnh sắc nhọn trong nhà.
gian treo tường. ▫ Thiết kế cho người khuyết tật có thể sử
NGƯỜI
▫ Thân thiện với môi trường: Các vật liệu và công KHUYẾT TẬT dụng.
nghệ liên quan đến vòng đời sản phẩm bắt đầu từ thiết kế
và tái chế. GIÁ CẢ ▫ Chi phí khi chọn mua món đồ nội thất.
233
b. Cách thức lựa chọn mẫu để chấm điểm:
Dựa vào số liệu câu 2 của bảng hỏi sẽ được đề cập ở
mục 3.1 chúng tôi tìm kiếm thêm 8 mẫu nội thất bếp
thông minh kết hợp với dữ liệu 28 mẫu tổng hợp ở mục
2.1.2. Sau đó tiến hành lọc các mẫu trên theo tỉ lệ và phân
loại theo thủ pháp thiết kế ở mục 2.1.1.b tao thành một
bảng thống kê 31 mẫu nội thất thông minh. Với 3 thủ
pháp chính: (1) Tâm ra ngoài, (2) ngoài vào trong và (3)
di chuyển.
Hình 10: Thủ pháp ngoài vào trong Tủ và Bàn ghế
Hình 8: Thủ pháp tâm ra ngoài Tủ và Bàn ghế
Hình 9: Thủ pháp tâm ra ngoài Giường và Bếp Hình 11: Thủ pháp ngoài vào trong Giường và Bếp
234
thất [Phụ lục B] dựa trên 6 tiêu chí có tính trực quan trong
12 tiêu chí gồm:
▫ Module.
▫ Đa năng.
▫ Tiết kiệm không gian.
▫ Dễ lắp ráp.
▫ An toàn sử dụng.
▫ Thân thiện môi trường.
d. Tiến hành chấm điểm đồ nội thất:
Sau khi xây dựng được mô hình đánh giá ở mục c,
chúng tôi tiến hành chấm điểm bảng thống kê 31 đồ nội
thất ở mục b rồi rút gọn bảng trên từ 31 mẫu nôi thất
xuống còn 12 mẫu có điểm số cao nhất mục 3.5 sau đó
hoàn thiện đề xuất một Catalogue 12 mẫu đồ nội thất
thông minh [Phụ lục C].
2.1.4. Phương pháp điều tra xã hội học:
 Cơ sở tạo lập bảng hỏi Dựa vào thông tin được
Hình 12: Thủ pháp di chuyển Tủ và Bàn ghế
xây dựng trong sách phương pháp nghiên cứu
xã hội học [5].
 Cấu trúc câu hỏi của bảng hỏi
o Bảng hỏi gồ có 16 câu hỏi, có cấu trúc như sau:
o Câu 1- 4 dùng để giới thiệu về nội thất thông
minh. Trong đó câu 2 là câu hỏi nhằm đánh giá
tính thiết yếu của các đồ nội thất là câu hỏi quan
trọng.
o Câu 5 -10 dùng để phục vụ việc xây dựng tiêu
chí đánh giá. Câu 5 là câu hỏi phức tạp nhất
trong bảng hỏi được thiết kế nhằm đánh giá tầm
quan trọng của 12 tiêu chí người tiêu dùng chọn
mua đồ nội thất.
o Câu 11 -16 dùng để tìm ra nhu cầu của người sử
dụng nhằm xác định xu hướng phát triển và đinh
hướng thiết kế NTTM. Trong đó câu 9 là câu
hỏi phức tạp cho biết người sử dụng muốn kết
hợp các chức năng nội thất nào với nhau. Câu
16 đưa ra thị hiếu, sở thích của người sử dụng
Hình 13: Thủ pháp di chuyển Giường và Bếp về phong cách, tông màu, kiểu dáng, vật liệu của
c. Tạo lập bảng đánh giá đồ nội thất: món đồ nội thất.
 Phương pháp phân tích thứ bậc (Analytic 3. Kết quả
Hierachy Process - AHP): 3.1. Mức độ cần thiết của các loại đồ nội thất tại Việt
Trong tài liệu [3], nhóm tác giả có đề cập đến một Nam:
phương pháp nhằm đánh giá sự tương quan mối liên hệ Xử lí thống kế kết quả câu 2 của Bảng hỏi, áp dụng
giữa các tiêu chí lựa chọn đồ nội thất từ đó đưa ra được các tính trung vị đề cập trong tài liệu [7] ta thu được
trọng số của từng tiêu chí. kết quả về mức độ quan trọng của các loại nội thất
Qua tìm hiểu phương pháp AHP là phương pháp được trong không gian sống.
phát minh vào những năm 1970 bởi Thomas L.Saaty
nhằm đưa ra quyết định giải quyết các vấn đề phức tạp
chịu ảnh hưởng của nhiều tiêu chí.
Trên cơ sở của phương pháp trên câu hỏi số 5 ở Bảng
điều tra xã hội học được thiết kế để người khảo sát xắp
xếp 12 tiêu chí chọn lựa đồ nội thất theo thứ tự quan trọng
từ mức 1 tường đương với quan trọng nhất đến mức 12
tương đương với ít quan trọng nhất.
Qua xử lí thống kế bằng phương pháp tính trung vị,
rút ra được trọng số tương quan giữa các tiêu chí thu được
kết quả là biểu đồ [Hình 15] mục 3.2.
Kết hợp các số liệu thu được và “Dữ liệu kiến trúc
Neufert Architects Data forth edition” -Wiley-Blackwell Hình 14: Tầm quan trọng các loại nội thất trong
[10] chúng tôi đề xuất một mô hình bảng đánh giá đồ nội căn hộ tại Việt Nam
235
3.2. Các tiêu chí ưu tiên khi lựa chọn đồ nội thất tại Vật liệu được ưa thích là gỗ và thứ nhì là kim loại đen
Việt Nam: được ưu ái, các loại vật liệu nhựa không được yêu thích
Xử lí thống kế kết quả câu 5 của Bảng hỏi, áp dụng và đánh giá cao.
cách tính trung vị đề cập trong tài liệu [3] ta thu được
kết quả về độ ưu tiên của các tiêu chí lựa chọn đồ nội
thất.
Hình 15: Các tiêu chí đánh giá đồ nội thất tại Việt Nam
3.3. Xu hướng phát triển và định hướng thiết kế Hình 18: Xu hướng vật liệu sử dụng cho nội thất
NTTM:
Màu trắng cùng nâu đen và xanh lá chiếm ưu thế, các
3.3.1. Xu hướng phát triển: màu đỏ hồng và vàng tươi ít được lựa chọn, trong đó màu
Đa phần người được khảo sát mong muốn chọn mua trắng chiếm ưu thế nổi bật là một thuận lợi để thiết kế
đồ theo set, yếu tố độc đáo vẫn là lựa chọn ưu thế hơn không gian sáng màu mang tiện ích diện tích.
những thiết kế đại trà.
Hình 16: Xu hướng cách thức chọn mua đồ nội thất Hình 19: Xu hướng màu sắc nội thất
Trong đó phong cách tối giản được đề cao và tính hiện Khối hữu cơ được thích thú hơn cả so với các loại
đại của thiết kế là điều hấp dẫn người sử dụng, các thiết lăng trụ có cạnh như tam giác và lục giác, trong đó hình
kế kiểu phong cách Đông Dương cổ điển và thô mộc lập phương và trụ tròn được xếp thứ nhì để thiết kế hình
nhiệt đới ít chiếm cảm tình của đa số người dân. dáng nội thất.
Hình 20: Xu hướng hình dáng nội thất

Hình 17: Xu hướng phong cách nội thất được ưa chuộng
236
3.3.2. Định hướng thiết kế: Bảng 4: Xu hướng kết hợp các chức năng nội thất thông
Xử lý số liệu thu được từ câu 8, 11 thu được các kết minh
quả phục vụ cho thiết kế, số chức năng tích hợp được lựa Kệ
chọn là 2 chức năng chiếm 51% số phiếu, chức năng Bếp Sofa Bàn Ghế Giường Tủ
sách
nhiều nhất là 4 với mức độ bất tiện cao nhất ít được chú
ý và chỉ chiếm 8.5% tổng số bình chọn. Bếp 6 46 16 8 3 4
Sofa 31 26 65 11 14
Bàn 62 20 25 57
Ghế 23 38 26
Giường 73 30
Tủ 41
Kệ sách
3.4. Bảng đánh giá đồ nội thất:

Từ điều tra xã hội kết hợp với các nghiên cứu đã mô
tả, nhóm nghiên cứu xây dựng và đề xuất một mô hình
đánh giá trực quan đánh giá mức độ tối ưu đồ nội thất
theo 6 trong 12 tiêu chí lựa chọn đồ nội thất đề cập ở
2.2.2.a.
Kết quả đánh giá được thể hiện ở Hình 23, thống kê
này thể hiện chi tiết ở phụ lục C các nội thất thông minh
Hình 21: Xu hướng số lượng chức năng nội thất với điểm đánh giá của toàn bộ quá trình nghiên cứu, cùng
thông minh với Hướng dẫn sử dụng bảng đánh giá sẽ được cung cấp
ở Phụ lục B của nghiên cứu này
Xu hướng về cho phép khả năng di chuyển đồ nội thất
cũng cho thấy bếp ít được cho phép di chuyển nhiều so
với bàn ghế và kệ sách, trong đó Sofa là đối tượng được
đề nghị chủ yếu di chuyển ngắn cùng với giường, tủ và
kệ sách.
Hình 23: Bảng thống kê nội thất thông minh

được đánh giá [Phụ lục C]
Hình 22: Xu hướng khả năng di chuyển đồ nội thất

Về định hướng thiết kế kết hợp chức năng giữa các
đồ nội thất lấy từ số liệu Câu 9 trong bảng hỏi, nghiên
cứu tổng hợp được Bảng 4, là Bảng dữ liệu quyết định xu
hướng kết hợp chức năng trong đồ nội thất như sau.
Trong đó khả năng kết hợp cao nhất phải kể đến Tủ -
Giường với 73 điểm, kể cả giường và Sofa với 65 điểm
và Bàn - Ghế với 62 điểm. Các khả năng kết hợp đáng
chú ý là Kệ sách – Bàn cùng với Bàn – Bếp hay Tủ - Kệ
sách hoặc Kệ sách – Giường cũng là các tiềm năng được
Hình 23: Bảng đánh giá đồ nội thất thông
đánh giá cao.
minh [Phụ lục B]
237
Sử dụng bảng trên tiến hành đánh giá Bảng thống kê
31 mẫu nội thất dung phương pháp đánh giá của chuyên
gia với nhóm 10 người, các chuyên gia là các nhóm người
hoạt động trong lĩnh vực kiến trúc, được hướng dẫn sử
dụng theo thang điểm đã hình thành từ kết quả nghiên
cứu, thu được các kết quả như sau:
3.5. Bảng tổng kê 12 đồ NTTM (Catalogue):
Hình 28: So sánh mức độ cần thiết các loại đồ

nội thất ở Việt Nam (trên) với nước ngoài (dưới)
Kết quả thu được cho thấy tại Việt Nam, bếp xếp số
một về tầm quan trọng trong một căn hộ chiếm 76,5%,
điều này chứng rằng nghi ngờ của nhóm nghiên cứu ở
giai đoạn đầu là đúng đắn.
Có thể kết luận rằng đối với khu vực quốc tế, cụ thể
là ở phương Tây thì người sử dụng không quan trọng về
sự hiện diện của bếp trong căn hộ của mình. Ngược lại
đối với người Việt Nam thì bếp chiếm một vai trò rất quan
Hình 25: Bảng tổng kê đồ nội thất thông minh trọng trong căn hộ. Điều này có thể do người Việt Nam
bất kể điều kiện sinh sống thế nào vẫn rất chú trọng bữa
cơm gia đình -một nét đẹp trong văn hóa truyền thống
của người Việt.
So sánh về mức độ cần thiết của các loại đồ nội thất
ở Việt Nam với nước ngoài: Về điểm giống nhau khi
chọn đồ nội thất cho căn hộ cả hai đều ưu tiên chọn
Giường với 74% ở Việt Nam và hơn 90% ở nước ngoài
cho thấy nơi chốn nghỉ ngơi thoải mái luôn là nhu cầu tất
yếu. Bàn, Ghế đều có trọng số tương đối bằng nhau 70%
là 2 món nội thất cần thiết trong mỗi không gian ở. Thú
vị là người Việt có xu hướng dùng đều các nội thất cơ
bản hơn về Giường, Bàn ghế, Tủ quần áo từ 67-74% so
với mức độ sử dụng Sofa và Kệ sách 33-42%, trong khi
đó, đối với phương Tây người ta có nhu cầu sử dụng kệ
sách và Sofa nhiều hơn từ 45-73%. Có thể đánh giá rằng
người sử dụng ở phương Tây từ trước tới nay coi trọng
Sofa và Kệ sách lu giống như căn Bếp đối với người Việt
Nam vậy, điều này được quy định bởi văn hóa sinh hoạt
của mỗi vùng quốc gia.
4.2. Thảo luận về tiêu chí ưu tiên khi chọn lựa đồ nội
Hình 26: Bảng tổng kê đồ nội thất thông minh thất của người ở Việt Nam và trên thế giới:
4. Thảo luận: *Thảo luận về tổ hợp 12 tiêu chí của đồ nội thất:
4.1. So sánh mức độ cần thiết của các loại đồ nội thất ở Như đã để cập ở mục 2.1.3.a, tài liệu [3] cung cấp một
Việt Nam với nước ngoài: bộ 14 tiêu chí lựa chọn đồ nội thất thông minh. Khi xem
Sau giai đoạn tiền nghiên cứu, thông tin thu được cho xét các tiêu chi Chức năng, Tuỳ biến và Dễ vệ sinh đã
thấy bếp không được liệt kê như một món đồ nội thất cần nằm ngoài khả năng khảo sát do nghiên cứu ở giai đoạn
thiết trong căn hộ. Nghi ngờ về tầm quan trọng của bếp, đầu chưa thể khảo sát các tiêu chí cần yếu tố thời gian để
nhóm nghiên cứu quyết định đưa bếp vào câu 2, khảo sát đánh giá. Tiêu chí chức năng có thể xem như là yếu tố
về tầm quan trọng của các loại đồ nội thất bảng điều tra tiên quyết cần phải có cho nhà thiết kế và cho người sử
xã hội học để kiểm chứng. dụng lựa chọn đồ nội thất, do đó ta thừa nhận tầm quan
trọng của tiêu chí mà không tiến hành nghiên cứu sâu
thêm. Tiêu chí tuỳ biến là tiêu chí khó định hình và nắm
bắt do tiêu chí thể hiện tính cá nhân hoá của người sử
238
dụng do đó nhóm cũng không tiến hành nghiên cứu trong tốt thì yếu tố an toàn trở thân thể được đề cao trong tiềm
phạm vi này. Tiêu chí dễ vệ sinh không mang nhiều khía thức.
cạnh để khai thác. 12 tiêu chí cuối cùng đã được khảo sát.
Mặt khác, nội thất thông minh là một đề tài mới mẻ,
việc phát triển nội thất thông minh cho người khuyết tật
vẫn chưa được nghiên cứu nhiều như với nội thất thường.
Việc thêm “Thiết kế cho dành cho người khuyết tật” vào
bộ tiêu chí ưu tiên của nhóm nhằm mục đích gợi mở, tìm
kiếm một khả năng, một khía cạnh phát triển mới của
NTTM.
Sau khi tiến hành khảo sát, dựa vào kết quả nhận thấy
mức độ quan tâm đến khía cạnh Người khuyết tật với
NTTM còn rất ít tại Việt Nam. Điều này thể hiện rằng Hình 27: Các tiêu chí đánh giá đồ nội thất tại Việt Nam
vẫn chưa đến lúc chúng ta phải mổ xẻ nghiên cứu sâu
thêm về tiêu chí trên.
*Thảo luận về việc chọn lựa 6 trong 12 tiêu chí làm
cơ sở xây dựng bảng đánh giá đồ nội thất:
Trong quá trình xây dựng mô hình đánh giá đồ nội
thất mục 2.1.3c), để việc đánh giá có thể được thục hiện
một cách đơn giản bởi người sử dụng, chúng tôi đã loại
bỏ các tiêu chí sau:
▫ Tiêu chí Người khuyết tật do nhận thấy người
sử dụng Việt Nam gần như không quan tâm nhiều về
vấn dề trên, thể hiện ở việc trọng số của tiêu chi trên là Hình 28: Các tiêu chí đánh giá đồ nội thất ở nước ngoài
rất bé và thậm cha bé hơn gấp nhiều lần các tiêu chí Ngoài khác biệt lớn về hai tiêu chí trên thì các tiêu chí
còn lại. Độ bền, Đa năng và Tiết kiệm không gian đều có trọng
▫ Hai tiêu chí Độ bền, Thiết kế cấu trúc là hai số tương đương nhau với những thay đổi không đáng kể.
tiêu chí cần phải thông qua các thí nghiệm phúc tạp để Qua đó có thể chỉ ra rằng yêu cầu của người sử dụng về
xác định Thiết kế, Độ Bền, Đa năng và Tiết kiệm không gian cao
▫ Hai tiêu chí Thiết kế và Vật liệu thiên về sở và cũng có tính cố định cao nằm ở tầm 60-70%. Điều này
thích cá nhân của người sử dụng. Hai tiêu chí trên có một lần nữa minh chứng cho tầm quan trọng và giá trị mà
tính đinh tính cao chỉ có thể nghiên cứu để đưa ra xu NTTM mang lại do 3 trong bốn tính chất trên đều là thuộc
hướng chung chứ không thể dùng đề đánh giá định tính tiêu biểu định nghĩa nên NTTM.
lượng. 4.3. Thảo luận về xu hướng của đồ nội thất:
▫ Tiêu chí Giá cả cân có cơ sở dữ liệu lớn để Đối với một kiến trúc sư hay một nhà thiết kế nội thất
đánh giá cho nên cũng không thể dễ dàng xác định. thì việc nắm bắt được xu thế là một điều rất cần thiết,
Do đó chúng tôi chỉ còn giữ lại 6 tiêu chí trong tổng chính là chìa khóa để mang lại cho chúng ta nhiều cơ hội
bộ 12 tiêu chí làm cơ sở cho việc đánh giá độ mức độ tối trong công việc. Vậy thì xu hướng về nội thất của người
ưu của đồ nội thất. Việt như thế nào? Sau khi thống kê kết quả điều tra xã
*Thảo luận về điểm giống và khác nhau giữa Tiêu hội về các khía cạnh thiết kế chúng tôi rút ra được các đặc
chí chọn lựa đồ nội thất của người Việt Nam và nước điểm sau:
ngoài: Người sử dụng ở Việt Nam có nhu cầu cao đối với
Ta có thể nhận thấy nếu bỏ qua tiêu chí về công năng những món đồ sản xuất theo Set và có tính độc đáo cao.
thì Thiết Kế sẽ luôn là tiêu chí ưu tiên đầu tiên khi lựa Điều này cũng dễ nhiều vì hầu như ai cũng muốn nơi ở
chọn một món đồ nội thất. Điều này là đúng đắn, vì khi của mình có sự đồng bộ về thẫm mỹ về màu sắc, chất liệu,
lựa chọn một món đồ nội thất, hình dáng và màu sắc luôn hình dáng nhưng vẫn mang lại tính cá nhân hóa và độc
là thứ đầu tiên tác động đến tâm lý của người sử dụng. đáo. Tuy nhiên do kết quả trên vẫn chưa xét tới sự can
thiệp của biến Giá cả, bởi như đã thảo luận ở 4.2. Giá cả
Ở đây ta thấy có một sự hoán đổi giữa hai tiêu chí An
toàn sử dụng và Giá cả của người Việt Nam và các nước có mức độ ưu tiên rất cao thứ hai trong việc chọn lựa nội
Tây phương. Người Việt Nam ít xem trọng tính an toàn thất của người Việt. Cho nên cột Theo set và Độc đáo
hơn người nước ngoài, thay vào đó Giá cả là tiêu chí quan trong Biểu đồ [Hình 16] vẫn chưa thể hiện được chính
trọng thứ hai đối với người Việt. Điều này có thể được xác thực tế. Tuy nhiên nếu bỏ qua tính phi thực tế ở cột
giải thích thông qua đối tượng mà khảo sát trên nhắm đến cao nhất, ta có thể thấy chỉ đứng sau đó cột Từng món và
là người thu nhập thấp sinh sống trong chung cư và phòng Độc đáo là tại phản ánh một số liệu hợp lí hơn nhiều so
trọ nên không có gì bất ngờ khi Giá cả được xem như với cột cao nhất bới vì nó phù hợp hơn với thực tế. Do đó
điều quan trọng thứ hai sau Thiết kế. Đáng bất ngờ là có thể cân nhắc phát triển các loại độ nội thất có đặc tính
Tiêu chí An toàn khi sử dụng lại được người Việt đánh sản xuất từng món và độc đáo của cột này.
giá rất thấp, thấp hơn rất nhiều so với các tiêu chí còn lại. Xu hướng tối giản lối sống càng thể hiện rõ qua điều
Ở các nước phương Tây, khi đã đạt đến chất lượng sống tra xã hội, người sử dụng thường có xu hướng chuộng
những phong cách mang hơi hướng tối giản và ít chi tiết.
239
Cụ thể là phong cách hiện đại và tối giản chiếm được lựa
rất nhiều trong bảng điều tra. Các màu sắc trung tính như
màu trắng, nâu đen được chọn với số lượng nhỉnh hơn
các màu còn lại và cả về vật liệu người sử dụng thường
có xu hướng chọn vật liệu gỗ và kim loại đen mang tính
Hình 31: Các đồ nội thất được
chất đơn giản, mộc mạc và không quá phô trương.
chọn
Về hình dáng thì khối hữu cơ được chọn nhiều nhất, Qua 2 phương án trên mà nhóm nghiên cứu đã thực
có thể là do khối hữu cơ thường là những khối không có hiện. Có thể thấy, khi sử dụng nội thất thông minh, diện
quy luật cụ thể, mang dáng vẻ mềm mại, không quá khô
tích nội thất chiếm chỗ giảm xuống 31% so với ban đầu.
khan và cứng nhắc dễ đánh vào cảm xúc của người sử
Điều này có nghĩa là với căn phòng với diện tích gần
dụng, do đó những khối hữu cơ rất được lòng những
34m2 trên, một người sử dụng NTTM sẽ tiết kiệm được
người sử dụng. Xếp thứ 2 là khối lập phương, cũng khá
gần 11m2 diện tích ở của họ, đối với sự cấp bách về đát ở
dễ hiểu vì khối lập phương là khối cơ bản nhất từ trước hiện nay thì nó vô cùng quý giá.
đến nay luôn được đưa vào để thiết kế các đồ dùng nội
thất. Khối lập phương vẫn mang lại rất nhiều ưu điểm Tuy nhiên việc lựa chọn đồ nội thất thông minh cho
như dễ thi công, xếp gọn và dễ dàng vệ sinh. Khối tam một căn phòng không chỉ dựa trên yếu tố mang lại hiệu
giác không được chọn quá nhiểu có thể là do khó sử dụng quả về diện tích mà còn dựa vào 12 tiêu chí đã nêu trong
và từ trước đến nay rất ít đồ nội thất sử dụng kiểu thiết kế mục 2.2.2.a. Tùy vào các biến và nhu cầu của mỗi tình
này. huống người thiết kế có thể lựa chọn một cách có định
hướng dựa vào Bảng đánh giá đề xuất ở Mục 3.4. Việc
4.4. Thảo luận về độ hiệu quả của mẫu thử qua tính lựa chọn một món đồ nội thất thích hợp với người sử
toán diện tích dụng dĩ nhiên không không chỉ dừng lại ở điểm đánh giá
Để so sánh về độ hiệu quả về diện tích của việc sử mà còn tuỳ vào mục đích, sở thích và điều kiện cá nhân
dụng nội thất thông minh, nhóm nghiên cứu đã bố trí 2 để đưa ra lựa chọn phù hợp, dù vậy tài liệu đã cung cấp
phương án nội thất trên một mặt bằng của một căn hộ dữ liệu tham khảo có tính cụ thể để họ lựa chọn và tính
chung cư thu nhập thấp. Nhóm nghiên cứu chọn để thực toán được mức độ tối ưu trong thiết kế của mình.
hiện phép thử này là căn hộ loại A của tòa B1, nằm trong
5. Kết luận
dự án chung cư xã hội KCN Hòa Khánh Bắc thuộc thành
phố Đà Nẵng. Với nội thất sử dụng là nội thất thường và Nghiên cứu ứng dụng đồ NTTM trong thiết kế không
các đồ nội thất thông minh với kích thước tương đương gian ở đã bước đầu đưa ra những đánh giá và tiêu chí
được lựa chọn dựa trên các yếu tố về điểm số và khả năng đánh giá cụ thể cho định hướng thiết kế. Các kết quả thu
phù hợp. được có thể tổng kết như sau:
Với phương án 1 nhóm nghiên cứu đã bố trí căn hộ - Xác định được mức độ cần thiết của các loại đồ
với nội thất thường cần xét tới, thu về phần diện tích nội thất đối với người Việt Nam. Các tiêu chí ưu tiên của
chiếm chỗ của những nội thất là 7,14m² (Hình 29). người Việt Nam trong việc lựa chọn một đồ nôi thất qua
đó cung cấp một mô hình đánh giá cơ sở phục vụ cho việc
Với phương án 2, nhóm nghiên cứu đã khảo sát và
đánh giá tính mức ưu việt của một món đồ nội thất. Bảng
đưa ra cách bố trí căn hộ với nội thất thông minh cần xét
đánh giá đồ nội thất Phụ lục B.
tới, thu về phần diện tích chiếm chỗ của những nội thất
- Đưa ra được xu hướng chung của đồ nội thất cung
là 4,91m² (Hình 30).
cấp một nguồn dữ liệu tham khảo khách quan cho cách
nhà thiết kế nội thất. Các tiêu chí và xu hướng này có thể
mở rộng và tổng kết thành cẩm nang thiết kế trong các
nghiên cứu sắp tới.
- Đo lường được hiệu quả tiết kiệm không gian vượt
trội của đồ NTTM, qua đó khẳng đinh vai trò của nội thất
thông minh trong các không gian sống nhỏ có thể lên đến
31%.
- Đưa ra sản phẩm ứng dụng Catalogue 12 mẫu
Hình 29: Phương án bố trí nội thất với đồ nội thất thường NTTM như một nguồn tham khảo bước đầu cho các nhà
thiết kế nội thất. Tổng kê này có thể được mở rộng trong
tương lai để cung cấp một cẩm nang đa dạng cho người
sử dụng
[1] New Conceprt Of Furniture Design By Using Space Saving
Approach. https://123dok.com/document/7qvn831z-new-
conceprt-furniture-design-using-space-saving-approach.html
[2] Small spaces need smart solutions.
https://www.ntnu.edu/documents/139799/1279149990/31+Arti
cle+Final_krithog_fors%C3%B8k_2017-12-07-22-08-
50_TPD4505+-+Designteori+-
Hình 30: Phương án bố trí nội thất với đồ nộ thất thông +Small+spaces+need+smart+solutions+-
minh +Kristoffer+Th%C3%B8gersen.pdf/11a2f430-986b-4da8-
Với bộ nội thất được chọn là bộ nội thất được chấm 9b44-14b204436e01
điểm cao nhất từ nghiên cứu:
240
[3] Vaida, Calin & Gherman, Bogdan & Dragomir, Mihai & [Phụ lục B] Bảng đánh giá đồ nội thất
Iamandi, Oana & Banyai, Daniel. (2014). SMART
FURNITURE – QUO VADIS. [Phụ lục C] Catalogue 12 đồ nội thất thông minh.
https://www.researchgate.net/publication/293803304_SMART Catalogue 12 đồ nội thất thông minh. Phụ lục [C]
_FURNITURE_-_QUO_VADIS
[4] Space-saving techniques by the use of transformable
architecture
https://repository.tudelft.nl/islandora/object/uuid:4f324dc7-
f510-4ea3-8949-e35ba526c8ed/datastream/OBJ/downloadusq
[5] Sách Phương pháp Nghiên cứu Xã hội học - Nhà xuất bản Đại
học Quốc gia Hà Nội.
[6] Multifunctional Furniture as a Smart Solution for Small Spaces
for the Case of Zaniary Towers Apartments in Erbil City
https://www.researchgate.net/publication/347513861_Multifun
ctional_Furniture_as_a_Smart_Solution_for_Small_Spaces_for
_the_Case_of_Zaniary_Towers_Apartments_in_Erbil_City
[7] The Influence of Using Minimalist Furniture on the Efficiency
of the Living Space - Residential Apartments in Sulaimani City
as Case Study
https://www.researchgate.net/publication/342119620_The_Infl
uence_of_Using_Minimalist_Furniture_on_the_Efficiency_of_
the_Living_Space_-
_Residential_Apartments_in_Sulaimani_City_as_Case_Study
[8] Wang, S. (2013). An analysis of transformable space-saving
furniture. Research report University of British Columbia
Vancouver, Canada.
https://open.library.ubc.ca/soa/cIRcle/collections/undergraduat
eresearch/52966/items/1.0103142fbclid=IwAR3KfVgyH9iWL
kxrJCZZ5bls8M21H_BY27pNhVIZvDYh7S8lnK909S-WgJk
[9] Waswo, A. (2013). Housing in Postwar Japan - A Social History,
Hoboken. 1st Ed., Taylor and Francis, London,Routledge.
https://books.google.no/booksid=9CRmAgAAQBAJ&printsec
=frontcover&hl=no&fbclid=IwAR0OwGdJPyQuaMq9BIeJcB
8jg9aKdtSu6xOyM7ytg95SXO1H_hSaOhAFjKY#v=onepage
&q&f=false
[10] Dữ liệu kiến trúc Neufert Architects Data forth editon của
Wiley-Blackwell
Phụ Lục
[Phụ lục A] Tài liệu tham khảo Hình 32: Trang bìa Catalogue 12 đồ nội thất thô
241
242
243
244
PHỤ LỤC
245
246
247
248
CHUYỂN BIẾN HÌNH THÁI KIẾN TRÚC CHÙA TẠI TRUNG BỘ

TRANSFORMATION OF PAGODA’S ARCHITECTURAL FORM IN THE CENTRAL OF
VIETNAM
SVTH: Lê Xuân Vĩnh Khang, Nguyễn Thành Tấn, Hồ Nghiêm Thúy Quỳnh, Đặng Hưng Long
Lớp: 19KTCLC2, 20KTCLC ; Khoa: Kiến Trúc, Trường Đại học Bách Khoa - Đại học Đà Nẵng
Email: lxvkhang@gmail.com, tanthanh1234abcd@gmail.com, hoquynh2181@gmail.com,
danghunglong412@gmail.com
GVHD: Th.S. KTS. Phan Ánh Nguyên
Khoa Kiến Trúc, Trường Đại học Bách Khoa - Đại học Đà Nẵng
Email: panguyen@dut.udn.vn
Tóm tắt - Nghiên cứu bổ sung lượng thông tin còn khuyết Abstract - Research to supplement the missing information
thiếu về kiến trúc chùa Việt, cụ thể là chùa tại khu vực Trung Bộ about the architecture of Vietnamese pagodas, especially
và chỉ ra sự chuyển biến hình thái của đối tượng nghiên cứu qua pagodas in the Central, and point out the morphological changes
các thời kỳ với mục tiêu góp một phần vào vốn thông tin về kiến of the research object over the periods with the goal of
trúc chùa nói riêng và kiến trúc truyền thống nói chung; làm sống contributing a part to the information on pagoda architecture in
lại nguồn vốn cổ dân tộc đang ngày bị mai một đang dần thất particular and traditional architecture in general; revive the
truyền. Nhóm tác giả đã nghiên cứu sâu vào hình thái kiến trúc ancient traditional values of the nation which is gradually
các chùa tại Trung Bộ qua vị trí xây dựng, MBTT, MB chính điện, disappearing. The authors have deeply studied the architectural
mặt đứng, mặt cắt và chi tiết trang trí. Từ đó chỉ ra được sự form of the pagodas in the Central through the building location,
chuyển biến, sự phát triển không ngừng nghỉ theo thời gian, theo the master plans, the plans, the facades, the sections and the
không gian của loại hình kiến trúc này. Cuối cùng đưa đến các decoration. Finally, bring to higher authority and people the
cấp cao hơn và người dân những kiến nghị nhằm bảo tồn, lưu recommendations to preserve and develop pagoda architecture
giữ, phát triển loại hình kiến trúc chùa tại Trung Bộ để toàn bộ in the Central so that all this ancient values will be kept forever.
vốn cổ này sẽ được mãi lưu giữ.. Key words - “ pagoda”, “transformation”, “pagoda in the
Từ khóa - “chùa”, “chuyển biến”, “chùa Trung bộ” central of Vietnam”
1. Đặt vấn đề tại Trung Bộ có ý nghĩa đối quan trọng và góp phần làm
1.1. Tổng quan tình hình nghiên cứu trong nước rõ nét bản sắc kiến trúc Việt Nam.
Nước Việt Nam nằm ở ngã ba giao lưu giữa ba nền 1.3. Mục tiêu đề tài
văn minh Ấn Độ, Trung Hoa và phương Tây. Phật giáo - Tổng hợp toàn diện hệ thống tri thức về Kiến trúc
du nhập đến Việt Nam đến nay đã hơn 2000 năm. Phật chùa Trung Bộ.
giáo Việt Nam có nhiều môn phái, chịu ảnh hưởng vùng - Nghiên cứu (nhận diện, so sánh, lý giải) về
miền và ảnh hưởng về sự giao lưu giữa ba nền văn minh chuyển biến hình thái kiến trúc chùa Trung Bộ
kể trên nên kiến trúc Phật giáo Việt Nam có rất nhiều hình theo trình tự không gian và thời gian.
thái khác biệt theo chuyển biến theo không gian và thời
1.4. Đối tượng và phạm vi nghiên cứu
gian.
- Đối tượng nghiên cứu: Hình thái kiến trúc chùa vùng
Các tài liệu viết về kiến trúc chùa Việt có thể kể đến
Trung Bộ.
những sách báo tiêu biểu sau. Tác phẩm “Chùa Việt” xuất
bản năm 1996 đã viết về đặc điểm kiến trúc chùa Việt - Phạm vi nghiên cứu:
(văn hóa, hướng, bố cục)[1]. Tuyển tập bài báo của tác + Không gian: Trung Bộ.
giả Trần Lan Chi đã nghiên cứu về “Kiến trúc Phật giáo + Thời gian: Từ thế kỷ 17 – thế kỷ 19.
Việt Nam qua các thời kỳ” đăng trên tập san Pháp Luân
năm 2005 đã viết về vị trí, thế đất, tổ hợp không gian, vật 1.5. Cách tiếp cận và phương pháp nghiên cứu
liệu và kỹ thuật xây dựng, trang trí điêu khắc, bài trí Quá trình nghiên cứu được thực hiện gồm các phương
tượng thờ qua các thời kỳ [2]. Tuy nhiên các nội dung pháp sau:
viết về kiến trúc chùa trong các tài liệu kể trên chỉ tập • Phương pháp nghiên cứu lý thuyết: thông qua các tài
trung vào kiến trúc chùa miền Bắc Bộ, và Nam Bộ, trong liệu, các đề tài NCKH liên quan, thu thập và tổng hợp
khi đó, kiến trúc chùa miền Trung Bộ thì chưa được đề thông tin đã có trong nước.
cập đến và hệ thống hình ảnh cũng như bản vẽ về kiến • Phương pháp khảo sát cơ bản: Chụp hình, vẽ ghi kiến
trúc chùa miền Trung Bộ còn hạn chế và thiếu tính hệ trúc chùa Trung Bộ.
thống.
• Phương pháp tổng hợp: dựa vào các phương pháp trên
1.2. Lý do chọn đề tài và tổng hợp lại để thực hiện đề tài.
Kiến trúc Chùa đóng một vai trò quan trong trong 2. Tổng quan về kiến trúc chùa
Kiến trúc tôn giáo cũng như Kiến trúc Việt Nam. Kiến
trúc chùa miền Trung Bộ là có những đặc điểm riêng, Hiện nay, Việt Nam hiện có 14.775 ngôi chùa, chiếm
mang tính vùng miền. Tuy nhiên các tài liệu nghiên cứu 36% tổng số di tích Việt Nam. Kiến trúc Chùa đóng một
liên quan đến Kiến trúc chùa miền Trung Bộ còn hạn chế. vai trò quan trong trong Kiến trúc tôn giáo cũng như Kiến
Chính vì vậy, việc nghiên cứu về hình thái kiến trúc chùa trúc Việt Nam[3]. Việc nghiên cứu về chuyển biến hình
thái kiến trúc chùa Việt Nam theo trình tự không gian và
249
SVTH: Lê Xuân Vĩnh Khang, Nguyễn Thành Tấn, Hồ Nghiêm Thúy Quỳnh, Đặng Hưng Long; GVHD: Th.S. KTS. Phan Ánh Nguyên
thời gian có ý nghĩa đối với Phật giáo Việt Nam, kiến trúc 2.2.4. Chính điện
Phật giáo Việt Nam và góp phần làm rõ nét bản sắc kiến Qua nhà bái đường là chính điện. Giữa bái đường và
trúc Việt Nam. chính điện có một khoảng trống không rộng lắm để cho
2.1. Định nghĩa ánh sáng tự nhiên chiếu sáng. Nhà chính điện là phần
Chùa là cơ sở hoạt động và truyền bá Phật giáo, là nơi quan trọng nhất của ngôi chùa vì nơi đây bày những pho
tập trung sinh hoạt, tu hành và thuyết giảng đạo Phật của tượng Phật chủ yếu của điện thờ Phật ở Việt Nam
các nhà sư, tăng, ni. Mọi người kể cả tín đồ hay người 2.2.5. Hành Lang
không theo đạo đều có thể đến thăm viếng, nghe giảng Bộ phận liên kết bái đường, chính điện, các tòa nhà
kinh hay thực hành các nghi lễ Phật giáo. Ở một số nơi, hai bên và nhà hậu đường lại với nhau.
chùa cũng là nơi cất giữ xá lị và chôn cất các vị đại sư
2.2. Các thành phần cơ bản của một ngôi chùa
2.2.1. Cổng tam quan
Tam quan là bộ phận không thể thiếu trong thành
phần chùa Việt Nam, là cổng vào chùa, thường là một
ngôi nhà với ba cửa vào. Có nhiều chùa có hai tam quan,
một tam quan nội và một tam quan ngoại. Tầng trên của
Tam quan có thể dùng làm gác chuông.
Hình 3: Hành lang chùa Thập Hình 4: Hình 8: Tháp Phước

Tháp, Bình Định Duyên, chùa Thiên Mụ, Huế.
Nguồn: Tác giả Nguồn: Tác giả.
2.2.6. Nhà hậu đường
Hình 1: Cổng Tam quan chùa Sắc Tứ, tỉnh Quảng Trị
Qua nhà chính điện, theo đường hành lang ta đến nhà
Nguồn : Cổng thông tin điện tử xúc tiến đầu tư, thường mại và tăng đường (còn gọi là nhà hậu đường), cũng còn gọi là
du lịch tỉnh Quảng Trị - www.ipa.quangtri.gov.vn nhà tổ. Nhà hậu đường ở một số chùa trong miền nam
2.2.2. Sân chùa Việt Nam liền sát sau nhà chính điện, ngay sau phía bàn
Qua Tam quan là đến sân chùa. Sân của nhiều chùa thờ Phật.Trong nhà tổ sẽ thờ ban Tổ - là các vị sư từng
thường được bày đặt các chậu cảnh, hòn non bộ với mục trụ trì ở chùa nay đã tịch. Trong thực tế, chùa có nhiều
đích làm tăng thêm cảnh sắc thiên nhiên cho ngôi chùa. biến thể khác nhau. Ở một số chùa, phía sau điện thờ Phật
Diện tích của sân chùa phụ thuộc vào những điều kiện và còn có điện thờ Thần. Hay còn gọi là nhà Mẫu.
đặc điểm riêng của từng chùa. 2.2.7. Gác chuông & chuông chùa
Sau tam quan, gác chuông cũng trang trí nhiều cho
cảnh chùa, và kiểu cách cũng rất phong phú. Nhưng khác
với tam quan, bao giờ cũng đứng trước mặt chùa, thù gác
chuông thay đổi vị trí, không nhất định mà tùy theo hình
thể chùa, theo sự thuận tiện, thời đại và địa phương.
Chuông chùa được treo trên gác chuông, được đánh ngày
2 lần.
Theo cơ cấu kiến trúc thì gác chuông có thể phân định ra
hai loại:
Hình 2: Sân chùa Thiên Mụ, Thừa Thiên Huế. Nguồn: Tác giả - Gác chuông làm ghép với một kiến trúc khác. Đối
2.2.3. Bái Đường với loại này, gác chuông thường được bố trí ở một số vị
trí như sau:
Từ dưới sân chùa, lớp kiến trúc đầu tiên của ngôi chùa
là nhà bái đường (hay còn gọi là tiền đường, nhà thiêu + Gác chuông đượng dựng trên cổng tam quan.
hương). Để đi được đến đây thường phải đi lên một số + Gác chuông được dựng trên gian giữa nhà hậu
bậc thềm. Ở nhà bái đường có thể đặt một số tượng, bia đường.
đá ghi sự tích của ngôi chùa, có thể đặt cả chuông, khánh - Gác chuông dựng độc lập, để tiếng chuông ngân
nếu như ngoài cửa Tam quan không xây gác chuông. vang, đi xa. Đối với loại này, gác chuông thường được bố
Giữa bái đường là hương án, nơi thắp hương chính. trí ở một số vị trí như sau:
Thông thường người đến lễ chùa thắp hương ở đây. Số + Gác chuông dựng ở sân sau chùa
gian của bái đường tùy thuộc vào qui mô của chùa, nhỏ
nhất là 3 gian, thông thường là 5 gian. + Gác chuông dựng ở sân trước chùa
250
2.2.8. Tháp
Trong những cảnh chùa, đôi khi có một kiến trúc độc
lập vươn lên theo chiều cao gọi là tháp. Tháp hay tháp-
ba là từ phiên âm của từ Stupa trong kiến trúc phật giáo
Ấn Độ. Tháp được dựng lên để tàng chứa xá lợi, cùng
những di vật, kỷ niệm quý báu của Phật nên được gọi là
bảo tháp. Bảo tháp xây từ 11 đến 16 tầng.
Các tăng, ni trụ trì tại chùa khi viên tịch được thiêu
hay táng ngay tại vườn đất trong chùa. Sau một thời gian
được xây tháp để kỷ niệm. Những tháp này được gọi là
tháp sư hay mộ tháp, có 3 hoặc 5 tầng, tùy theo cấp bậc Hình 6: Chính điện chùa Thiên Mụ, tỉnh Thừa Thiên Huế.
của người tu táng. Nguồn: Tác giả
3. Kết quả nghiên cứu
3.1. Hình thái kiến trúc chùa tại Trung Bộ
Trong mục này, nhóm sinh viên lựa chọn 6 ngôi chùa
trải dọc vùng Trung Bộ để làm đối tượng nghiên cứu
chính.
3.1.1. Chùa Thiên Mụ (1601, Thừa Thiên Huế)
Vị trí – Cảnh quan: TT Huế - Nơi có cảnh sắc thiên
Hình 7: Mặt đứng chính điện chùa Thiên Mụ, tỉnh Thừa Thiên
nhiên đẹp Huế. Nguồn: Tác giả
MBTT: Chữ Khẩu
Các Bộ phận:
- Sân chùa.
- Tứ Trụ, Tam Quan.
- Chính điện.
- Nhà Hậu Đường.
- Tháp mộ.
Chính điện:
- Mặt bằng: Có tiền đường, có hành lang bao quanh.
- Mặt đứng: 5 gian 2 chái, mái chồng diêm.
- Mặt cắt: kết cấu 3 khung nhà, 5 bậc cấp. Hình 8: Sơ đồ Chính Điện chùa Thiên Mụ, tỉnh Thừa Thiên
Tháp: Huế. Nguồn: Tác giả.
- Nhiều tháp mộ. 3.1.2. Chùa Tam Thai (1630, Thành phố Đà Nẵng)
Trang trí mái: Vị trí – Cảnh quan: TP Đà Nẵng - Nơi có cảnh sắc thiên
nhiên đẹp.
- Đỉnh mái: Rồng & bán xe Pháp Luân.
MBTT: Chữ Vương
- Đầu đao:
Các bộ phận:
+ Trên: Lá Vân Mây
- Sân chùa.
+ Dưới: Rồng
- Tam Quan.
- Trang trí ô hộc: Có.
- Chính Điện
- Kiểu ngói: Mũi Hài.
Tông phái: Bắc Tông - Thượng Thai
Giá trị: Di tích quốc gia cấp đặc biệt - Trung Thai
- Hạ Thai
Chính điện:
- Mặt bằng: có tiền đường, không có hành
lang bao quanh
- Mặt cắt: kết cấu 1 khung nhà, 5 bậc cấp
Tháp:
- Không có tháp
Trang trí mái:
Hình 5: Tam Quan chùa Thiên Mụ, tỉnh Thừa Thiên Huế. - Đỉnh mái: Rồng & Mặt trời.
Nguồn: Tác giả
251
- Đầu đao: - Tháp mộ.
+ Trên: Lá vân mây - Nghê. Chính điện:
+ Dưới: Rùa - Nghê Mặt bằng: Không có tiền đường, không có hành lang
- Giữa đỉnh mái và đầu đao ở mái trên có bao quanh.
trang trí hình ảnh con lân (nghê). Mặt đứng: 5 gian 2 chái, mái dốc.
- Mái dưới có trang trí hình tượng quy (rùa) Mặt cắt: kết cấu 1 khung nhà, 3 bậc cấp.
- Trang trí ô hộc: Có. Tháp: 10 tháp mộ.
- Kiểu ngói: Âm Dương. Trang trí mái:
Tông phái: Bắc Tông - Đỉnh mái: Rồng & Mặt trời.
Giá trị: Ngôi chùa cổ nhất Đà Nẵng - Đầu đao: Lá vân mây.
- Trang trí ô hộc: Không.
- Kiểu ngói: Âm Dương.
Tông phái: Bắc Tông
Giá trị: Di tích quốc gia.
Hình 9: Chính điện Chùa Tam Thai, Đà Nẵng.
Hình 12: Chính Điện chùa Thập Tháp, tỉnh Bình Định.
Nguồn: Tác giả
Hình 10: Cổng Tam Quan chùa Tam Thai, Đà Nẵng.
Hình 13: Sơ đồ Chính Điện chùa Thập Tháp, tỉnh Bình Định
Nguồn: Tác giả.
Hình 11: Sơ đồ Chính điện chùa Tam Thai, Đà Nẵng.
Nguồn: Tác giả.
3.1.3. Chùa Thập Tháp (1668, Bình Định)
Vị trí – Cảnh quan: Bình Định - Nơi có dân cư thưa
thớt.
MBTT: Chữ Khẩu.
Các bộ phận:
- Sân chùa.
- Gác chuông.
- Chính điện (nhà tiền đường).
- Điện Quan Âm.
- Điện Địa Tạng. Hình 14: Chi tiết trang trí chùa Thập Tháp, tỉnh Bình Định.
- Nhà Hậu Đường. Nguồn: Tác giả.
252
3.1.4. Chùa Thiền Tôn (1708, Thừa Thiên Huế)
Vị trí – Cảnh quan: TT Huế - Vị trí thưa dân cư, có cảnh
sắc thiên nhiên đẹp
MBTT: Chữ Khẩu
Các bộ phận:
- Sân chùa.
- Tứ Trụ.
- Đài
- Gác chuông.
- Chính Điện
- Gác bia mộ
Hình 17: Sơ đồ Mặt bằng công năng Chính Điện, chùa Thiền
- Nhà Hậu Đường. Tôn.
Chính điện: Nguồn: Tác giả
- Mặt bằng: có tiền đường, có hành lang bao
quanh một nửa
- Mặt đứng: 5 gian 2 chái, mái chồng.
- Mặt cắt: kết cấu 2 khung nhà, 10 bậc cấp
Tháp: không có tháp
Trang trí mái:
- Đỉnh mái: Rồng & bánh xe Pháp Luân.
- Đầu đao:
+Trên: Nghê + Lá Vân Mây
+Dưới: Rùa + Lá Vân Mây
- Kiểu ngói: Mũi âm dương
Tông phái: Thiền Tông
Giá trị: Ngôi chùa phát xuất dòng Thiền Liễu Quán Việt
Nam [3].
Hình 18: Chi tiết Trang trí chùa Thiền Tôn, tỉnh Thừa Thiên
Huế. Nguồn: Tác Giả.
3.1.5. Chùa Sắc Tứ (1739, tỉnh Quảng Trị)
Vị trí – Cảnh quan: Tỉnh Quảng Trị - Nơi có dân cư thưa
thớt
 MBTT: Chữ Tam
Các bộ phận:
- Tam quan 2 tầng
- Sân chùa.
- Chính điện
Hình 15: Tứ Trụ chùa Thiền Tôn, tỉnh Thừa Thiên Huế. - Nhà hậu đường
Nguồn: Tác giả - Đài Bồ Tát Quan Thế Âm
- Tháp mộ
Chính điện:
- Mặt bằng: có tiền đường, có hành lang bao
quanh.
- Mặt cắt: kết cấu 1 khung nhà, 10 bậc cấp.
Tháp: 1 tháp mộ tổ
Trang trí mái:
- Đỉnh mái: Rồng & bánh xe Pháp Luân.
Hình 16: Chính Điện chùa Thiền Tôn, tỉnh Thừa Thiên Huế. - Đầu đao:
Nguồn: Tác giả
+ Trên: Quy và Phụng
253
+ Dưới: Lân (Nghê) - Tháp mộ.
- Trang trí ô hộc: Có. Chính điện:
- Kiểu ngói: Mũi Hài. - Mặt bằng: Có tiền đường, có hành lang bao
Tông phái: Bắc Tông quanh.
Giá trị: Di tích cấp quốc gia - Mặt đứng: 5 gian 2 chái, mái chồng diêm.
- Mặt cắt: kết cấu 3 khung nhà, 5 bậc cấp.
Tháp: Nhiều tháp mộ.
Trang trí mái:
- Đỉnh mái: Rồng & bán xe Pháp Luân.
- Đầu đao:
+ Trên: Lá Vân Mây
+ Dưới: Rồng
- Kiểu ngói: Mũi Hài.
Tông phái: Bắc Tông
Hình 19: Cổng Tam Quan chùa Sắc Tứ Tịnh Quang, tỉnh
Quảng Trị. Giá trị: Di tích quốc gia cấp đặc biệt
Nguồn: Tác giả
Hình 20: Mặt đứng chính điện chùa Sắc Tứ Tịnh Quang, tỉnh
Quảng trị. Nguồn: Tác giả. Hình 22: Chính điện chùa Từ Quang, Huế. Nguồn: Tác giả
Hình 23: Mặt đứng Chính điện chùa Từ Quang.

Nguồn: Tác giả
Hình 21: Sơ đồ chính điện chùa Sắc Tứ Tịnh Quang

Nguồn: Tác giả
3.1.6. Chùa Từ Quang (1880, Thừa Thiên Huế)
Vị trí – Cảnh quan: TT Huế - Vị trí có cảnh sắc thiên
nhiên đẹp
MBTT: Chữ Khẩu
Các bộ phận:
- Sân chùa.
- Tứ Trụ.
- Tam Quan.
- Chính điện. Hình 24: Sơ đồ chính điện chùa Sắc Từ Quang
- Nhà Hậu Đường. Nguồn: Tác giả
254
3.2. Chuyển biến hình thái kiến trúc chùa tại Trung Bộ
3.2.1. Theo thời gian
Bảng 1: Chuyển biến hình thái kiến trúc chùa Trung bộ theo thời gian
Nhận xét về chuyển biến hình thái theo thời gian: được phát triển ở Trung Bộ với bố cục đối xứng qua trục
Sự chuyển biển chỉ thấy rõ ở MBTT. Loại chùa vuông thay vì hướng tâm như trước đó ở Bắc Bộ và có tính khép
đơn lẻ chịu ảnh hưởng nên có bước phát triển mới, bằng kín cao hơn. Nguyên nhân của biến đổi này là sự lấn lướt
cách tăng thêm dãy nhà tiền đường, thiêu hương phía của Nho giáo đã buộc Phật giáo phải dung hòa với các
trước điện Phật thành hình chữ đinh, chữ công. Sau đó tôn giáo khác và tín ngưỡng dân gian, thờ cả Thánh, Thần,
phát triển lên thành các dạng bố cục phong phú: dạng chữ người có công đức (Biểu hiện là sự xuất hiện của bố cục
khẩu, chữ môn ở Trung bộ. Ở giai đoạn này, chùa bắt đầu chùa kiểu chữ tam).
255
3.2.2. Theo không gian
Bảng 2: Chuyển biến hình thái kiến trúc chùa Trung bộ theo không gian từ Bắc xuống Nam
Nhận xét về chuyển biến hình thái theo không gian: đơn giản hơn, hình thức kiến trúc và trang trí ít
Mặt bằng chính điện: Các chùa ở Bắc Trung Bộ có xu cầu kì hơn, giảm đi rất nhiều sự ảnh hưởng của
hướng thiết kế hành lang bao quanh công trình, trong khi kiến trúc cung đình. Dạng mặt đứng phổ biến là
càng vào Nam Trung Bộ thì phần hành lang được đưa vào 3 gian 2 chái hoặc 5 gian 2 chái nhưng kết hợp
phía trong hoặc chỉ còn ở mặt trước công trình. với mái dốc (không còn trang trí ô hộc).
Mặt đứng: Mặt cắt:
- Ở Bắc Trung Bộ, các chùa thường có mặt đứng - Chùa Bắc Trung Bộ thường được Nhà Nguyễn
dạng 3 gian 2 chái hoặc 5 gian 2 chái mái chồng đầu tư phát triển dài hạn, đầu tiên là 1 khung
diêm tỉ lệ và trang trí ảnh hưởng nhiều bởi kiến nhà, sau đó là mở rộng ra thành 2 và 3 khung
trúc cung đình (đầu đao, đỉnh mái điều khắc rất nhà, từ đó sinh ra kiểu kết cấu kết hợp từ 2-3
cầu kì tinh xảo, tranh thơ được vẽ rất nhiều trên khung nhà độc đáo [5].
các ô hộc). - Chùa Nam Trung Bộ sử dụng một khung nhà
- Càng vào Nam Trung Bộ, các chùa có xu hướng nhưng quy mô lớn hơn rất nhiều, phục vụ nhiều
hoạt động khác ngoài thờ tự.
256
Hệ Mái: f. Bài nghiên cứu đã góp thêm một phần thông tin
- Bắc Trung Bộ, các chùa ảnh hưởng nhiều bởi còn thiếu hụt về kiến trúc chùa tại trung bộ bằng các
thức trang trí của chùa Miền Bắc thế kỉ XI – phương pháp cụ thể hóa sự chuyển biến đồng thời mô
XIII. Mái có độ cong tương đối lớn và điêu khắc hình hóa sự chuyển biến đó để trực quan hơn..
trang trí chiếm tỉ lệ tương đối nhiều so với tổng 4.2. Kiến nghị
thể mái. a. Kiến nghị với Nhà nước:
- Càng vào Nam Trung Bộ, Mái chùa dần ít cong
+Thông qua hình thái kiến trúc, ta có thể nhìn nhận
hơn và thẳng hoàn toàn, các điêu khắc trang trí
một phần lịch sử phát triển của dân dộc. Những thông tin
ít và nhỏ hơn nhiều, một số thậm chí còn tiêu
này vô cùng quý giá mà ta có thể để lại cho thế hệ sau,
biến.
nếu nó ngày càng mai một và thất truyền sẽ là một tổn
4. Kết luận và kiến nghị thất vô cùng lớn và không bao giờ có thể tìm lại được.
4.1. Kết luận Cho nên, ngoài việc trùng tu dựa trên nguyên bản những
a. Quá trình chuyển biến của kiến trúc chùa Việt nói công trình được nhà nước công nhận là di tích cấp quốc
chung, chùa tại Trung Bộ nói riêng vẫn đang tiếp tục phát gia, còn cần tiến hành nghiên cứu, khảo sát, đo vẽ và lưu
triển mạnh mẽ từ sau thế kỷ XV từ định hình đến các trữ lại toàn bộ những công trình còn sót lại của từng thời
bước phát triển hoàn thiện dể thích ứng với nhu cầu của kỳ.
mỗi thời kỳ văn hóa Việt Nam và với những hoàn cảnh +Sự phát triển không ngừng của kiến trúc Chùa tại
hoàn toàn khác nhau, từ thời chiến đến thời bình trong Trung Bộ là một điểm đáng mừng tuy nhiên nó cũng đồng
diễn biến lịch sử đất nước. nghĩa với việc những dấu tích của kiến trúc những thời
b. Sự chuyển biến với môi trường xã hội của kiến kỳ trước đang ngày một hao mòn vì vậy, việc bảo tồn
trúc chùa tại Trung Bộ đi theo hướng kết hợp hài hòa giữa thông tin, lưu lại hình ảnh, bản vẽ và nên đưa vấn đề này
thần thánh tiên tổ của các đạo và tín ngưỡng dân gian, như một chính sách để thuận tiện cho việc tra cứu, và có
gắn bó với cộng đồng và đười sống văn hóa của đại đa số nguồn tài liệu xác đáng cho công tác nghiên cứu sau này.
dân cư. Sự chuyển biến với môi trường thiên nhiên của b. Kiến nghị với các trưởng ban quản lí các di tích
kiến trúc chùa tại Trung Bộ là đã sử dụng tinh tế những danh thắng, các trưởng ban quản lí các công trình chùa:
không gian thiên nhiên tuyệt vời với cảnh sắc đẹp đẽ theo Thường xuyên theo dõi các biến đổi của chùa để báo cáo
quan niệm Phong thủy mà không phá hoại hay làm hư hại kịp thời đến cơ quan liên quan để nhận được sự hỗ trợ kịp
thiên nhiên vốn có. thời, kiểm soát tác động có hại của người đến thăm.
c. Trong quá trình chuyển biến, kiến trúc chùa tại c. Kiến nghị với địa phương, các cơ quan chức năng:
Trung Bộ đã không ngừng bổ sung và hoàn thiện công + Thiết lập hoặc bổ sung đội ngũ bảo vệ công trình
năng, kết cấu, mặt đứng của công trình để nâng cao khả
+ Có các kế hoạch trùng tu theo tháng hoặc theo năm
năng đáp ứng nhu cầu và phù hợp với từng giai đoạn, biểu
để kịp thời phát hiện những sự thay đổi tiêu cực của công
hiện trong vị trí dựng chùa, bố cục MBTT, tổ chức không
trình.
gian trong điện thờ, giải pháp kết cấu, hình thức mặt
đứng, hình ảnh trang trí. Quá trình này phát triển ở kiến + Thắt chặt và nghiêm ngặt trong việc xử phạt các
trúc chùa tại Trung Bộ từ sau thế kỷ XV đến nay hành vi gây tổn hại tới công trình.
d. Kết quả của sự chuyển biến là đa dạng, phức tạp + Dự báo và có phương án phòng chống thiên tai để
và bền vững hơn. Từ chùa vuông đơn giản phát triển lên giảm thiệt hại tối thiểu nhất.
thành các dạng bố cục phong phú: dạng chữ khẩu, chữ d. Kiến nghị với nhà trường: Các trường đại học có
môn ở Trung bộ, hay chữ nhị, chữ tam...; từ tổ hợp mặt chuyên ngành Kiến trúc nên đưa nội dung vào quá trình
đứng chính điện một mái đơn thành mái chồng, từ mái giảng dạy như một môn học hay một chuyên đề để sinh
thẳng và dần cong hơn, từ bậc tam cấp thành nhiều bậc viên sớm tiếp cận với nguồn kiến thức đúng đắn trước khi
cấp dẫn vào chính điện và sự thay đổi các hình ảnh trang bị sai lệch về thông tin dẫn đến việc làm biến dạng di tích
trí ở đỉnh mái và đầu đao; từ chùa trong khu dân cư đến khi trùng tu như các năm gần đây.
chùa ở vị trí có cảnh sắc đẹp rồi lại quay về trong khu dân e. Kiến nghị với các cá nhân dân cư:
cư; từ ít chức năng đến nhiều chức năng hơn; từ ít đối
+ Cần ý thức, tự giác độ quan trọng về ý nghĩa văn
tượng thờ đến đa dạng đối tượng thờ; kết cấu khung gỗ
hóa của các công trình chùa chiền, tránh các hành động
cải tiến thêm và dần có kết cấu BTCT. Sự biến đổi này
do nhu cầu thích ứng của kiến trúc chùa tại Trung Bộ gây hại, phá hủy công trình trong quá trình tham quan,
trước những biến đổi của thiên nhiên, hoàn cảnh và giao thăm viếng....
lưu văn hóa với các dân tộc cộng cư ở những vùng đất Tài liệu tham khảo
mới tạo ra. [1] T. L. Biền, Chùa Việt, Hà Nội: Nhà xuất bản văn hóa - thông tin,
1996.
e. Kiến trúc chùa tại Trung Bộ là một đại diện tiêu [2] T. L. Chi, "Kiến trúc Phật giáo qua các thời kỳ," Tập san Pháp
biểu của kiến trúc chùa Việt nói riêng và kiến trúc truyền Luân, Vols. 10, 12, 15, 16, 2005.
thống nói chung vì đã phản ánh đặc điểm kiến trúc ở từng [3] Thích Kiên Định (2013). Lược sử chùa Thiền Tôn và tổ liễu quán
thời kỳ, đóng góp phong phú, to đậm bản sắc văn hóa dân truyền thừa. NXB Tôn Gíao.
[4] N. T. M. Xuân, "Kiến trúc chính điện chùa Huế thời Nguyễn,"
tộc của kiến trúc Việt Nam. Tạp chí Kiến Trúc số 08-2019.
257
SVTH: Nguyễn Cửu Hoàng Lân, Nguyễn Trần Hạ Vy, Lê Võ Thị Trường Giang, Nguyễn Minh Đức, Mai Phước Nhật Kha; GVHD: ThS. KTS. Trương Nguyễn Song Hạ
XÂY DỰNG MÔ HÌNH ĐÁNH GIÁ MỨC ĐỘ HÀI LÒNG CỦA NGƯỜI SỬ
DỤNG ĐỐI VỚI CÔNG TRÌNH NHÀ Ở TẠI THÀNH PHỐ ĐÀ NẴNG
RESEARCHING HOUSING SATISFACTION OF USER AT DA NANG CITY
SVTH: Nguyễn Cửu Hoàng Lân, Nguyễn Trần Hạ Vy, Lê Võ Thị Trường Giang, Nguyễn Minh Đức,
Mai Phước Nhật Kha
Lớp 20KT & 20KTCLC & 21KTCLC, Khoa Kiến Trúc, Trường Đại học Bách Khoa, Đại học Đà Nẵng
Emai: email 1: hoanglan16122002@gmail.com, email 2: havycut3@gmail.com, email
3:giangchochomuc@gmail.com, email 4: work.nguyenduc@gmail.com, email 5: maiphuocnhatkha271@gmail.com.
GVHD: ThS. KTS. Trương Nguyễn Song Hạ
Khoa Kiến Trúc, Trường Đại học Bách Khoa, Đại học Đà Nẵng; Email: songhakts@gmail.com
Tóm tắt - Mục tiêu chính của để tài là nghiên cứu mức độ Abstract - The main objective of the study is to study the
hài lòng của người sử dụng đối với công trình nhà ở, cụ thể là level of user satisfaction with housing projects, specifically, the
loại hình nhà phố tại thành phố Đà Nẵng. Sự hài lòng về nhà ở type of townhouse in Danang city. An individual's housing
của từng cá nhân được cảm nhận qua nhiều yếu tố, khách quan: satisfaction is perceived through many factors, objective factors:
nhân khẩu học, môi trường xã hội, môi trường nhà ở; yếu tố chủ demographics, social environment, housing environment;
quan: quan điểm của cá nhân, đánh giá và nguyện vọng. Nhằm subjective factors: opinions, evaluations, personal aspirations.
mục đích tìm hiểu các yếu tố ảnh hưởng tới mức độ hài lòng của Aim to understand the factors affecting the level of satisfaction of
người sử dụng nhà ở và chất lượng môi trường, các yếu tố làm housing users and environmental quality, factors that increase
tăng mức độ hài lòng. Từ đó đưa ra mẫu hình lý tưởng về nhà ở satisfaction. From there, giving an ideal model of townhouse type
loại hình nhà phố, góp phần cải thiện chất lượng thiết kế kiến housing, contribute to improving the quality of architectural
trúc và đáp ứng nhu cầu sử dụng nhà ở của dân cư tại khu vực design, and meet the housing user needs of residents in Danang
thành phố Đà Nẵng, đem tới sự hài lòng cho người dân tại khu city, bring satisfaction to people in this area in particular and
vực này nói riêng và Việt Nam nói chung. Vietnam in general.
Từ khóa - Xây dựng mô hình đánh giá; sự hài lòng, nhà ở, Key words - Building evaluation models; satisfaction,
nhà phố; môi trường nhà ở; chất lượng sống; thiết kế kiến trúc;... housing, townhouses; housing environment; quality of life;
architectural design;...
I. Đặt vấn đề khảo sát điều tra với một nhóm cư dân sinh sống trên toàn
Trong môi trường cư trú, nhà ở và nhóm nhà ở đã tạo địa bàn thành phố.
thành một không gian sống cơ bản, đáp ứng nhu cầu sống II. Tổng quan nghiên cứu:
và sử dụng nhà ở của cá nhân hoặc hộ gia đình. Mức độ 2.1.Thế giới:
hài lòng về nhà ở đã được ghi nhận là một trong những
Có thể biết đến 2 nghiên cứu của 2 nhóm tác giả Đại
yếu tố quan trọng ảnh hưởng trực tiếp tới chất lượng cuộc
học Kỹ thuật Istanbul (ITU), Thổ Nhĩ Kỹ về “Mô hình
sống của con người.
đánh giá nhà ở” dựa trên các đặc điểm chất lượng của môi
Sự hài lòng về nhà ở là một khái niệm có thể thay đổi trường bên ngoài (Ahsen Ozsoy, Nur Esin Altas, Vildan
theo định nghĩa của mỗi người và nêu lên tầm quan trọng Ok And Gülcin Pulat) và “Các yếu tố quyết định sự hài
tương đối của nhà ở. Điều này thể hiện mong muốn chủ lòng của người dùng về chất lượng nhà ở và môi trường:
quan và nguyện vọng của cá nhân. Nó cho biết mức độ Lấy khu đô thị Istanbul làm mẫu” (Ömer Lütfi Kellekci,
hài lòng, cần thiết của các yếu tố khách quan và chủ quan Lale Berköz).
của nhà ở, môi trường nhà ở đem đến chủ sở hoặc người
Bài nghiên cứu “Các yếu tố ảnh hưởng đến sự hài
đang sống cùng.
lòng của người dân cư bởi loại nhà cho thuê công cộng”
Mặc dù đã có nhiều nghiên cứu điều tra về mức độ hài đăng trên Tạp chí Kiến trúc và Kỹ thuật xây dựng Châu
lòng đối với đối tượng nhà ở trên thế giới, nhưng ở Việt Á của tác giả Gidong Byun & Mikyoung Ha sử dụng bảng
Nam chất lượng nhà ở nhìn chung vẫn chưa có một mô câu hỏi có cấu trúc và một người phỏng vấn được đào tạo
hình hay một thang đánh giá cụ thể, các nghiên cứu về để thực hiện trực tiếp phỏng vấn cá nhân. Nội dung
vấn đề này còn rất ít, đa số chỉ là những nghiên cứu về nghiên cứu được chia thành các mục chung (giới tính, độ
mức độ hài lòng chất lượng dịch vụ của loại hình chung tuổi, giá thuê loại, loại nhà ở, năm xây dựng), sự hài lòng
cư, nhà ở xã hội,… của đơn vị nhà ở và môi trường lân cận. Mức độ hài lòng
Theo chiến lược phát triển nhà ở Quốc gia giai đoạn được đo trên thang điểm 4.
2021-2030, tầm nhìn đến năm 2045 được Thủ tướng Ngoài ra phải kể đến giá trị mà luận văn nghiên cứu
chính phủ ngày 22 tháng 12 năm 2021 đã khẳng định, của Tiến sĩ Şerafettin Keleş “Nhân tố ảnh tưởng đến hài
phát triển nhà ở là một trong những nội dung quan trọng lòng nhà ở của 1 cá nhân: Phân tích mô hình bình đẳng
của chính sách phát triển kinh tế xã hội đồng thời là trách cấu trúc”. Dùng mô hình phương trình cấu trúc để kiểm
nhiệm của Nhà nước, của toàn xã hội và của người dân. tra các mối quan hệ giữa các biến quan sát và biến tiềm
Vì vậy, nghiên cứu này nhằm tập trung nghiên cứu ẩn để đo lường một mối quan hệ lý thuyết nhất định, sử
xây dụng mô hình đánh giá mức độ hài lòng của người dụng các phương trình cấu trúc toán học của mô hình để
dân đối với đối tượng nhà phố - loại hình nhà phổ biến tìm các biến số của mô hình. Kết quả cơ cấu kinh tế xã
nhất ở khu vực thành phố Đà Nẵng dựa trên hình thức hội không ảnh hưởng dến sự hài lòng về nhà ở; cơ cấu
258
nhân khẩu học ảnh hưởng ở mức thấp; vị trí nhà ở, môi
TỈ LỆ ĐỘ TUỔI
trường nhà ở, kiến trúc khu dân cư, đặc điểm nhà ở ảnh
hưởng ở mức độ rất cao. 5%
2.2.Việt Nam: 5%
DƯỚI 25 TUỔI
12%
Luận văn thạc sĩ của tác giả Phạm Văn Định, học viên 25-35 TUỔI
cao học trường Đại học Bà Rịa-Vũng Tàu, đề tài “Đánh 35-50 TUỔI
giá mức độ hài lòng của khách hàng về nhà ở xã hội và 78% TRÊN 50 TUỔI
dịch vụ hỗ trợ của trung tâm quản lý và phát triển nhà ở
trên địa bàn tỉnh Bà Rịa - Vũng Tàu”. Nghiên cứu này đã
chỉ ra được các nhân tố tác động, đo lường mức độ của
từng nhân tố tác động đến chất lượng dịch vụ thông qua Biểu đồ 3 – Phân bố đối tượng nghiên cứu theo độ
kiểm định mối quan hệ giữa chất lượng dịch vụ và sự thỏa tuổi
mãn của khách hàng.
THU NHẬP HẰNG THÁNG
“Sự hài lòng về nhà ở và các mối tương quan của nó:
Nghiên cứu định lượng giữa những cư dân sinh sống 8%
trong căn hộ bình dân ở Hà Nội”. Các phân tích thống kê DƯỚI 5 TRIỆU
11%
chính được áp dụng là mô tả thống kê và phân tích hồi 5-10 TRIỆU
quy bội số. Cho được kết quả không có mối liên hệ giữa 14%
67% 10-20 TRIỆU
loại căn hộ và sự hài lòng của người dân, số ít người
phỏng vấn sẽ không chọn lại cùng căn hộ nếu như được TRÊN 20 TRIỆU
chọn lại.
Có rất ít sự khác biệt trong việc đánh giá các thuộc Biểu đồ 4 – Phân bố đối tượng nghiên cứu theo mức
tính nhà ở giữa hai nhóm. Độ tuổi và giới tính của người độ thu nhập
trả lời không có tác động đến sự hài lòng của người dân.
Thu nhập, trình độ học vấn cũng ảnh hướng đến mức độ 2%
TRÌNH ĐỘ HỌC VẤN
hài lòng về chung cư hiện tại. Các đặc điểm chủ quan của DƯỚI 12/12
nhà và vùng lân cận quan trọng nhất các yếu tố ảnh hưởng
đến sự hài lòng của khu dân cư. 5% 9% 12/12.
III. Nội dung nghiên cứu CAO ĐẲNG- ĐẠI

HỌC
3.1. Đối tượng và phạm vi nghiên cứu: 84% SAU ĐẠI HỌC
Đối tượng nghiên cứu: Những người sử dụng công
trình nhà phố tại thành phố Đà Nẵng.
Qua quá trình khảo sát, nhóm nghiên cứu đưa ra một Biểu đồ 5 – Phân bố đối tượng nghiên cứu theo trình
số miêu tả nhân khẩu học đối tượng nghiên cứu theo các độ học vấn
biểu đồ (biểu đồ 1-7) như sau:
TÌNH TRẠNG HÔN NHÂN
TỈ LỆ PHÂN VÙNG ĐỐI TƯỢNG NGHIÊN
CỨU
2% THANH KHÊ
10%
HÒA VANG- CẨM LỆ ĐỘC THÂN
10% 18%
22% CÓ GIA ĐÌNH
10% HẢI CHÂU
72% KHÁC
19% LIÊN CHIỂU
37%
SƠN TRÀ
NGŨ HÀNH SƠN

Biểu đồ 6 – Phân bổ đối tượng theo tình trạng hôn
Biểu đồ 1 – Phân bổ đối tượng nghiên cứu theo từng nhân
khu vực tại TP Đà Nẵng
VAI TRÒ NGƯỜI KHẢO SÁT ĐỐI VỚI NHÀ
Ở
TỈ LỆ GIỚI TÍNH THAM GIA KHẢO SÁT
17%
CHỦ HỘ
nam
44% KHÔNG LÀ CHỦ HỘ
56% nữ 83%
Biểu đồ 7 –phân bố đối tượng theo vai trò đối với

Biểu đồ 2 – Phân bố đối tượng nghiên cứu theo giới nhà ở
tính
259
SVTH: Nguyễn Cửu Hoàng Lân, Nguyễn Trần Hạ Vy, Lê Võ Thị Trường Giang, Nguyễn Minh Đức, Mai Phước Nhật Kha; GVHD: ThS. KTS. Trương Nguyễn Song Hạ
Dựa vào biểu đồ, có thể thấy rằng, sự phân bố mẫu Biểu đồ 9 – Phân bố đối tượng nghiên cứu theo vị trí
nghiên cứu chủ yếu tập trung ở khu vực trung tâm (quận công trình nhà ở
Hải Châu 37% và Thanh Khê 22%) theo sau đó là các
quận Hòa Vang – Cẩm Lệ, Sơn Trà, Liên Chiểu và Ngũ THỜI GIAN SINH SỐNG TRONG KHU VỰC
Hành Sơn. Về giới tính của các đối tượng được khảo sát
thì tỉ lệ Nam – Nữ tương đương nhau (56% là nữ, 44% là
nam) và chủ yếu phân bố ở lứa tuổi dưới 25 (78%). Vì DƯỚI 5 NĂM
các đối tượng hầu hết là người trẻ tuổi nên còn độc thân 31% 29%
5-10 NĂM
hoặc đang sống chung (không phải chủ hộ).
10-20 NĂM
Phạm vi nghiên cứu: Là các công trình nhà phố nằm 12%
TRÊN 20 NĂM
trong thành phố Đà Nẵng. Không gian và thời gian thu 28%
được từ các mẫu thể hiện qua các biểu đồ như sau: Hầu
hết các hộ gia đình được khảo sát tập trung ở khu vực
trung tâm thành phố. Lấy Chợ Cồn làm mốc thì có tới
55% các căn hộ ở bán kính 5km quanh chợ Cồn, nằm Biểu đồ 10 – Phân bố đối tượng nghiên cứu theo thời
trong các kiệt, hẻm (51%), chỉ có 49% các căn hộ được gian sinh sống tại khu vực
khảo sát nằm ở các đường được quy hoạch. Các hộ gia 3.2. Mục đích nghiên cứu: Xây dựng được mô hình
đình cũng hầu hết sinh sống tại địa phương một thời gian đánh giá mức độ hài lòng của người sử dụng đối với công
khá dài (59% từ 10 năm trơ lên), điều đó cũng chứng tỏ trình nhà ở nhằm nâng cao chất lượng thiết kế kiến trúc
họ có một khoảng thời gian đủ để trải nghiệm về nơi họ để phục vụ người sử dụng công trình nhà ở ngày càng tốt
ở (biểu đồ 8-10). hơn.
TỈ LỆ CÁCH XA TRUNG TÂM TPĐN 3.3. Khái niệm về Sự hài lòng và sự hài lòng đối với
(CHỢ CỒN) công trình nhà ở:
4% 3.3.1. Khái niệm:
DƯỚI 5KM Sự hài lòng:
9%
5-10KM
Sự hài lòng, mãn nguyện hay thỏa mãn là một trạng
32% 55%
10-15KM thái cảm xúc thỏa mãn có thể được xem là trạng thái tinh
TRÊN 15KM thần, có thể có được từ sự thoải mái trong tình huống, cơ
thể và tâm trí của một người.
Theo Philip Kotler, sự hài lòng là mức độ trạng thái
cảm giác của một người bắt nguồn từ việc so sánh kết quả
Biểu đồ 8 – Phân bố đối tượng nghiên cứu theo
thu được từ việc tiêu dùng sản phẩm/dịch vụ với những
khoảng cách từ công trình đến trung tâm thành
kỳ vọng của chính họ.
TPĐN
Sự hài lòng đối với công trình nhà ở: Được hiểu là so
VỊ TRÍ CÔNG TRÌNH sánh sự thỏa mãn của người sử dụng nhà ở đó với mong
muốn mà người sử dụng đề ra.
KIỆT HẼM 3.3.2 Các nhân tố ảnh hưởng đến sự hài lòng của
14%
6% người sử dụng đối với công trỉnh nhà ở:
ĐƯỜNG 3.5M-5.5M
51%
Xét về mặt tổng thể, có 3 nhóm nhân tố chính tác động
ĐƯỜNG 7.5M-
29% 10.5M
đến mức độ hài lòng (MĐHL) của người sử dụng, bao
gồm: đặc điểm của người sử dụng (nhân khẩu học), về
các mối quan hệ xã hội – môi trường sống xung quanh và
công trình nhà ở của người sử dụng.
Bảng1: Các nhân tố tiềm năng ảnh hưởng đến mức độ hài lòng của người sử dụng công trình nhà ở
Đặc điểm của người sử Các mối quan hệ xã hội Công trình nhà ở của người sử dụng
dụng
 Địa chỉ  Nhà ở cách trung tâm TP bao xa  Diện tích công trình nhà ở
 Độ tuổi  Vị trí công trình  Số tầng công trình nhà ở
 Trình độ học vấn  Khả năng tiếp cận với nơi làm việc  Công trình nằm trong vùng chịu ảnh hưởng
của các thành viên trong gia đình của thiên tai
 Nghề nghiệp  Khả năng tiếp cận với cơ sở y tế  Sự hài lóng về kết cấu công trình
 Thu thập theo tháng  Khả năng tiếp cận với cơ sở giáo dục  Phòng cháy chữa cháy của công trình
 Tình trạng hôn nhân  Khả năng tiếp cận với thương mại  Chống chịu thiên tai
 Loại hình gia đình  Khả năng tiếp cận với cơ sở dịch vụ  An ninh trật tự
 Giới tính  Khả năng tiếp cận với không gian  Tình riêng tư
công cộng
 Vai trò với công trình  Khả năng tiếp cận với bãi đỗ xe công  Hài lòng về tiện nghi bố trí nặt bằng chung của
nhà ở cộng nhà
260
 Khả năng tiếp cận với trạm phương  MĐHL phòng khách
tiện công cộng
 Thời gian sinh sống tại khu vực  MĐHL phòng ngủ
 Quan hệ với hàng xóm láng giếng  MĐHL khu bếp
 MĐHL khu vệ sinh
 MĐHL khu giặt phơi
 MĐHL kho
 MĐHL không gian xanh
 MĐHL không gian mở
 MĐHL khả năng thoát hiểm
 MĐHL khả năng thoát nước
 MĐHL giếng trời
 MĐHL không gian vui chơi cho trẻ nhỏ
 MĐHL ban công/logia
 MĐHL thông gió tự nhiên
 MĐHL ánh sáng tự nhiên
 MĐHL hướng công trình
 Phong cách mặt đứng của công trình
 Mặt tiền có phản ánh địa vị và sự phát triển về
tài chính của chính chủ nhà hay không?
 Phong cách nội thất của công trình
3.4. Phương pháp nghiên cứu định lượng: Tiêu chí Hải Thanh Liên Hòa Ngũ
Nghiên cứu này sử dụng các phương pháp nghiên cứu Châu Khê Chiểu Vang- Hành
định lượng sau: Cẩm Sơn
Lệ
- Phương pháp điều tra dữ liệu bằng bảng hỏi.
- Phương pháp phân tích nhân tố khám phá (EFA): để Độ Dưới 25 31 24 11 18 1
tuổi tuổi
xác định các nhân tố chủ yếu ảnh hưởng đến MĐHL cúa 11 2 0 1 1
người sử dụng đối với công trình nhà ở; trên cơ sở đó tạo 25-35 tuổi 2 1 0 3 1
lập một mô hình để có thể biết yếu tố nào quan trọng 35-50 tuổi 3 0 1 2 0
trong sự hài lòng của người sử dụng đối với công trình Trên 50
nhà ở ( loại hình nhà phố). tuổi
- Ngoài ra, nhóm nghiên cứu còn sử dụng thống kê Giới Nam 19 10 7 10 1
mô tả để xác định các giá trị khác như: Suy nghĩ và sở tính Nữ 28 17 5 14 2
thích của các đối tượng nghiên cứu về hình thức hay nội
thất nhà ở. Trình Dưới 12/12 1 1 0 1 0
độ 12/12 2 6 1 2 0
3.4.1. Chọn mẫu: học
Cao đẳng- 41 20 11 19 3
Thông thường dựa vào lượng tổng thể mà ta sẽ có kích vấn
Đại học
thước cỡ mẫu. Nhưng với thời gian ngắn và tài chính hạn 3 0 0 2 0
Sau Đại học
hẹp nên nhóm nghiên cứu khó có thể lấy mẫu theo ước
lượng tổng, do đó nhóm nghiên cứu xác định cỡ mẫu theo Thu Dưới 5 triệu 29 19 10 15 1
tỉ lệ sau: cỡ mẫu tối thiểu để sử dụng EFA là 50, tốt hơn nhập 5-10 triệu 6 5 1 4 1
là 100 trở lên. Có thể chọn tỉ lệ như sau: 5:1 hoặc 10:1 hằng
(số quan sát trên một biến phân tích).1 tháng 10-20 triệu 7 2 1 3 1
Trên 20 5 1 0 2 0
Công thức lấy mẫu: N = 5* số biến đo lường tham gia triệu
EFA
Tình Độc thân 35 18 11 16 1
Mô hình này có 32 biến cần ước lượng, do đó kích trạng Có gia định 8 5 1 6 2
thước mẫu cần thiết cho nghiên cứu chính thức là 160 hôn
(N=5* 32). Để đạt được kích thước này, 226 bảng hỏi đã nhân Khác 4 4 0 2 0
được phát ra. Kết quả thu về 145 phiếu điều tra, có 126
Loại Độc thân 16 11 8 9 1
phiếu điều tra hợp lệ.
hình Nhà 2 thế 21 13 4 14 2
Phương pháp chọn mẫu: Đề tài áp dụng phương gia hệ
đình 10 3 0 1 0
pháp chọn mẫu ngẫu nhiên phân tầng theo các tiêu chí
Trên 2 thế
chọn mẫu bao gồm: Khu vực sinh sống, độ tuổi, giới tính, hệ
loại hình gia đỉnh…. để thu thập thông tin của 126 người
sử dụng công trình nhà ở trên địa bàn thành phố Đà Nẵng Vai Chủ hộ 5 7 2 6 1
với cỡ mẫu được thể hiện qua bảng 2. trò đối Không là 42 20 10 18 2
với chủ hộ
Bảng 2: Phương pháp chọn mẫu điều tra công
trình
261
SVTH: Đặng Trường An, Hồ Văn Ân, Nguyễn Ngọc Tình, Hoàng Kim Tú; GVHD: ThS. KTS. Đỗ Hoàng Rong Ly
3.4.2. Phương pháp thu thập số liệu: trí công trình có nằm trong vùng ảnh hưởng của thiên tai
Thông tin thu thập qua phiếu điều tra khảo sát thực tế hay không.
bào gồm các nội dung: Nghiên cứu chính thức được thực hiện bằng
- Nhân khẩu học: Thông tin cá nhân: độ tuổi, trình độ phương pháp định lượng thông qua phát bảng hỏi với
học vấn, nghề nghiệp, thu thập theo tháng, tình trạng hôn kích thước mẫu điều tra là 226 phiếu (thực tế thu về
nhân, loại hình gia đình, giới tính, vai trò với công trình 126 phiếu hợp lệ).
nhà ở, thời gian sinh sống tại khu vực. 3.4.3. Phương pháp xử lí phân tích:
- Môi trường và mối quan hệ xung quanh: quan hệ Trong nghiên cứu, thang đo Likert 5 mức độ được sử
với hàng xóm láng giếng, vị trí công trình, khả năng tiếp dụng để đánh giá các biến quan sát và chi tiết được mô tả
cận với các dịch vụ, sự an toàn. trong Bảng 1. Có 5 nhóm thang đo tiềm năng ( có tổng số
- Kiến trúc nhà ở: diện tích công trình, về công năng 32 biến quan sát) ảnh hưởng đến mức độ hài lòng của
sử dụng, số tầng, phong cách mặt đứng và nội thất của người sử dụng công trình nhà ở ( loại hình nhà phố) được
công trình. Bên cạnh đó, nghiên cứu còn lấy ý kiến về vị thể hiện ở bảng 3:
Bảng 3: Thang đo các nhân tố ảnh hưởng đết mức độ hài lòng của người sử dụng đối với công trình nhà ở
STT NHÓM CÁC NHÂN TỐ KÝ HIỆU
I KHẢ NĂNG TIẾP CẬN CÁC CÔNG TRÌNH CÔNG CỘNG TC
1 KHẢ NĂNG TIẾP CẬN NƠI LÀM VIỆC CỦA CÁC THÀNH VIÊN TRONG GIA ĐÌNH TC1
2 KHẢ NĂNG TIẾP CẬN CƠ SỞ Y TẾ TC2
3 KHẢ NĂNG TIẾP CẬN CƠ SỞ GIÁO DỤC TC3
4 KHẢ NĂNG TIẾP CẬN THƯƠNG MẠI TC4
5 KHẢ NĂNG TIẾP CẬN CƠ SỞ DỊCH VỤ TC5
6 KHẢ NĂNG TIẾP CẬN KHÔNG GIAN CÔNG CỘNG TC6
7 KHẢ NĂNG TIẾP CẬN BÃI ĐỖ XE CÔNG CỘNG TC7
8 KHẢ NĂNG TIẾP CẬN TRẠM PHƯƠNG TIỆN CÔNG CỘNG TC8
II AN TOÀN TRONG CÔNG TRÌNH AT
1 AN TOÀN KẾT CẤU CÔNG TRÌNH AT1
2 AN TOÀN PHÒNG CHÁY CHỮA CHÁY AT2
3 AN TOÀN CHỐNG CHỊU THIÊN TAI AT3
4 AN NINH TRẬT TỰ AT4
5 SỰ RIÊNG TƯ AT5
III SỬ DỤNG CÔNG NĂNG NHÀ Ở SD
1 SỬ DỤNG CÔNG NĂNG NGÔI NHÀ SD1
2 SỬ DỤNG PHÒNG KHÁCH SD2
3 SỬ DỤNG PHÒNG NGỦ SD3
4 SỬ DỤNG KHU BẾP SD4
5 SỬ DỤNG KHU VỆ SINH SD5
6 SỬ DỤNG KHU GIẶT PHƠI SD6
7 SỬ DỤNG KHO SD7
8 SỬ DỤNG KHÔNG GIAN XANH SD8
9 SỬ DỤNG KHÔNG GIAN MỞ SD9
10 SỬ DỤNG KHẢ NĂNG THOÁT HIỂM SD10
11 SỬ DỤNG KHẢ NĂNG THOÁT NƯỚC SD11
12 SỬ DỤNG GIẾNG TRỜI SD12
13 SỬ DỤNG KHÔNG GIAN VUI CHƠI CHO TRẺ EM SD13
262
14 SỬ DỤNG BAN CÔNG/ LOGIA SD14
IV YẾU TỐ TỰ NHIÊN NHIÊN ẢNH HƯỚNG TỚI CÔNG TRÌNH TN
1 THÔNG GIÓ TỰ NHIÊN TN1
2 ÁNH SÁNG TỰ NHIÊN TN2
3 HƯỚNG CÔNG TRÌNH TN3
V YẾU TỐ CHỦ QUAN KQ
1 HÀI LÒNG VỀ QUAN HỆ HÀNG XÓM QH
2 HÀI LÒNG VỀ DIỆN TÍCH NHÀ Ở HIỆN TẠI DT
Để phân tích nhân tố khám phá EFA, nghiên cứu đã 3.5.1.2 Kết quả phân tích nhân tố khám phá EFA:
sử dụng phần mềm phân tích thống kê SPSS 2.0 để xác a. Kiểm định tính thích hợp của EFA:
định các nhân tố ảnh hướng đến MĐHL. Kết quả thu
Trong bảng 5 , hệ số KMO =0.918> 0.5, sig Barlett’s
được là cơ sở cho việc đưa ra các giải pháp nhằm cải tiến
Test = 0.000 < 0,05 như vậy phân tích nhân tố là phù hợp.
các giải pháp thiết kế ảnh hưởng đến MĐHL của người
sử dụng nhà ở. Bảng 5: Kiểm định KMO và Bartlett’s Test
` 3.5 Phân tích số liệu và kết quả:
3.5.1 Kết quả phân tích mô hình dựa trên
phân tích nhân tố khám phá:
3.5.1.1. Kiểm định chất lượng thang đo bằng
hệ số Cronbach Alpha:
3.6. Kết quả của mô hình:
Hệ số Cronbach’s Alpha: Giúp kiểm tra các biến quan
sát (của một nhân tố) có đáng tin cậy hay không. Một Kết quả ma trận xoay cho thấy, 30 biến quan sát được
thang đo tốt đảm bảo các yêu cầu: các biến có hệ số phân thành 4 nhân tố, tất cả các biến quan sát đều có hệ
tương quan biến tổng (item-total correlation) lớn hơn 0.3 số tải nhân tố Factor Loading lớn hơn 0.5 và không còn
và hệ số Cronbach’s Alpha lớn hơn 0,6. Hơn nữa trong các biến xấu.
phân tích nhân tố khám phá EFA, những biến có hệ số tải Như vậy, phân tích nhân tố khám phá EFA cho các
nhân tố (Factor Loading) nhỏ hơn 0,5 sẽ bị loại khỏi biến độc lập được thực hiện hai lần. Lần thứ nhất, 30 biến
thang đo vì tương quan kém với nhân tố tiềm ẩn. quan sát được đưa vào phân tích, có 1 biến quan sát không
Bảng 4: Tổng hợp kết quả phân tích chất lượng thang đạt điều kiện là TC1- Khả năng tiếp cận nơi làm việc
đo bằng hệ số Cronbach Alpha của các thành viên trong gia đình- được loại bỏ để thực
hiện phân tích lại. Lần phân tích thứ hai (lần cuối cùng),
SỐ CRONBACH’S 29 biến quan sát hội tụ và phân biệt thành 4 nhân tố.
STT NHÓM BIẾN
BIẾN ALPHA b. Kiểm định tương quan của các biến quan sát:
Công năng nhà ở 14 0.992 Trong bảng 5, cho ta kết quả mức ý nghĩa Sig < 0,05,
1 như vậy các biến quan sát có tương quan tuyến tính với
nhân tố đại diện.
Khả năng tiếp 8 0.881 c. Kiểm định mức độ giải thích của các biến quan
2 cận công trình sát đối với nhân tố:
công cộng
Có 4 nhân tố được trích dựa vào tiêu chí eigenvalue
Mức độ an toàn 5 0.96 lớn hơn 1, như vậy 4 nhân tố này tóm tắt thông tin của 30
3 khi dùng công biến quan sát đưa vào EFA một cách tốt nhất. Tổng
trình phương sai mà 4 nhân tố này trích được là 70.317%
> 50%, như vậy, 4 nhân tố được trích giải thích được
4 Yếu tố tự nhiên 3 0.907
70.317% biến thiên dữ liệu của 30 biến quan sát tham
gia vào EFA.
Yếu tố khách 2 0.477
5 Bảng 6: Tổng phương sai được giải thích (Total
quan
Variance Explained)
Kết quả kiểm tra chất lượng thang đo ở bảng 4 ta thấy
hệ số Cronbach’s Alpha của nhóm 1 đến 4 đầu đều lớn
0.6 nên được giữ lại, nhóm thứ 5 có hệ số 0.477 (bé hơn
0.6) nên nhóm này bị loại. Như vậy hệ thang đo được xây
dựng gồm 4 thang đo đảm bảo chất lượng tốt với 30 biến
đặc trưng.
263
Bảng 7: Mô hình điều chỉnh qua kiển định CronBach’s Trong đó:
Alpha và phân tích nhân tích khám phá MĐHL: biến phụ thuộc
STT THANG BIẾN ĐẶC TRƯNG GIẢI THÍCH THANG F1,F2,F3,F4: biến độc lập--
ĐO ĐO Việc xem xét từ yếu tố F1 đén F4, yếu tố nào tác
1 TC (F1) TC2, TC3, TC4, TC5, KHẢ NĂNG TIẾP CẬN động đến MĐHL của người sử dụng đối với công trình
TC6,TC7,TC8 CÁC CÔNG TRÌNH
CÔNG CỘNG
nhà ở một cách trực tiếp sẽ được thực hiện bằng phương
AT (F2) AT1, AT2, AT3, AT4, MỨC ĐỘ AN TOÀN
pháp hồi quy tuyến tính.
AT5 KHI SỬ DỤNG CÔNG Trong đó, các biến đưa vào phân tích hồi quy được
TRÌNH xác định bằng cách tính điểm các nhân tố (Factor score).
3 SD (F3) SD1, SD2, SD3, SD4, SỬ DỤNG CÁC CÔNG
SD5, SD6, SD7, SD8, NĂNG CỦA CÔNG Bảng 8: bảng phân tích hệ số hồi quy tuyến tính
SD9, SD10, SD11, SD12, TRÌNH
SD13, SD14
4 TN (F4) TN1, TN2, TN3 YẾU TỐ TỰ NHIÊN
ẢNH HƯỚNG TỚI
CÔNG TRÌNH
3.7. Phân tích hồi quy đa biến:
Để làm rõ hơn các yếu tố làm ảnh hưởng đến mức Sau khi phân tích hồi quy tuyến tích đối với 4 nhóm
độ hài lòng của người sử dung đối với công trình nhà ở, thì ta thấy chỉ số Sig của nhóm TN (0.497) và TC (0.190)
ta có mô hình tương quan tổng thể: lớn hơn 0.05 nên 2 nhóm này sẽ bị loại, chạy lại --mô hình
MĐHL=f(F1,F2,F3,F4) hồi quy tuyến tính với 2 nhóm còn lại, ta thu được được
kết quả ở bảng 9.
Bảng 9: Tóm tắt mô hình (Model Summary)
Biến Hệ số hồi quy Giá trị Mức ý VIF Hệ số hồi Giá trị Mức độ Tầm
độc chưa chuẩn T-value nghĩa thống quy chuẩn tuyệt đối đóng góp quan
lập (B) kê (P- hoá (Beta) của Beta của biến trọng
value)
SD 0.415 3.242 0.002 2.124 0.316 0.316 43.9% 2
AT 0.499 4.141 0.000 2.124 0.404 0.404 56.1% 1
Tổng 0.72 100%
Biến số phụ thuộc: MĐHL của người sử dụng công trình nhà ở (loại hình nhà phố)
Dung lượng mẫu quan sát 126
F 50.119
Hệ số R-squared 0.449
Hệ số R-squared hiệu chỉnh 0.44
Trong bảng 9, hệ số R2 hiệu chỉnh 0,449. Như vậy, 3.8. Thảo luận kết quả hồi quy:
44.9% sự thể hiện MĐHL của người sử dụng công trình Thông qua việc phân tích nhân tố khám phá EFA
nhà ở (loại hình nhà phố) tại địa bàn thành phố Đà Nẵng bằng phần mềm SPSS 20.0 ta phần nào nắm được cái yếu
được giải thích bởi các biến độc lập của mô hình. tố quan trọng ảnh hưởng tới sự hài lòng của người dùng
Kết quả bảng 7 cho thấy hệ số phóng đại phương sai đối với nhà phố trong khu vực thành phố Đà Nẵng.
(VIF) đều nhỏ hơn 10. Như vậy các biến độc lập không
Các biến SD, AT có quan hệ cùng chiều với HL. Dựa
có tương quan với nhau. Không có hiện tượng đa cộng
vào kết quả phân tích nhân tố khám phá EAF và phân tích
tuyến của các biến độc lập. Với mức ý nghĩa Sig. <0,05,
hồi quy tuyến tính, ta có thể tạo ra được mô hình đánh giá
có thể kết luận rằng mô hình đưa ra là phù hợp với dữ
các yếu tố ảnh hưởng đến MĐHL như sau:
liệu thực tế. Hay nói cách khác, các biến độc lập có tương
quan tuyến tính với biến phụ thuộc với mức độ tin cậy
99%.
264
Dựa vào bảng 9 và mô hình đánh giá mức độ hài lòng
ở trên, ta có thể thấy được mức độ đóng góp của các biến PHONG CÁCH MẶT ĐỨNG HIỆN TẠI
cũng như mức độ quan trọng của các biến đó. Nhóm yếu CỦA NHÀ Ở
tố an toàn trong công trình nhà ở (AT) là quan trọng nhất
với 56.1% đóng góp, tiếp theo là nhóm sử dụng công
năng nhà ở (SD) với 43.9% đóng góp. Sự an toàn trong 8%
HIỆN ĐẠI
công trình nhà ở có ảnh hưởng lớn nhất, sau đó việc sử 24%
CỔ ĐIỂN
dụng công năng của ngôi nhà sẽ ảnh hướng đến sự hài
lòng của những người dân sinh sống trong loại hình nhà TÂN CỔ ĐIỂN
4%
phố tại thành phố Đà Nẵng. Ngược lại, các yếu tố thuộc ĐƠN GIẢN
nhóm yếu tố tự nhiên hay khả năng tiếp cận không ảnh 59%
5%
CẦU KÌ
hưởng đến mức độ hài lòng. Có thể, do các đối tượng
được khảo sát chủ yếu tập trung ở khu vực trung tâm
thành phố nên không mấy khó khăn khi tiếp cận các dịch
vụ, ngược lại họ cần yếu tố an toàn và công năng sử dụng. Biểu đồ 11- Tỉ lệ phong cách mặt đứng được hiện
Ở nhóm SD, các biến được sắp xếp theo thứ tự các nay của các công trình nhà ở
mức độ hài lòng giảm dần theo chỉ số như: sử dụng giếng
trời, sử dụng không gian cây xanh, sử dụng không gian PHONG CÁCH MẶT ĐỨNG ƯA
CHUỘNG CỦA CỦA NHÀ Ở
vui chơi cho trẻ em và sử dụng ban công/ logia, sử dụng
không gian mở, sử dụng khả năng thoát nước,… Ở nhóm 4%
AT cũng được sắp xếp tương tự theo mức giảm dần sự
hài lòng: Sự riêng tự, an toàn phòng cháy chữa cháy, an HIỆN ĐẠI
toàn chống chịu thiên tai, an toàn kết cấu của công trình,
CỔ ĐIỂN
an ninh trật tự. 35%
50% TÂN CỔ ĐIỂN
Bên cạnh đó, dựa vào thống kê mô tả của Google
Form mà nhóm đã khảo sát, những yếu tố khác như: ĐƠN GIẢN
phong cách mặt tiền và nội thất hiện tại của các đối tượng CẦU KÌ
6%
khảo sát, phong cách mặt tiền và nội thất được ưa chuộng
được miêu tả qua các biểu đồ 11- 14. 5%
PHONG CÁCH NỘI THẤT HIỆN TẠI

Biểu đồ 12 – Tỉ lệ phong cách mặt đứng được ưa
CỦA NHÀ Ở
chuộng ngày nay ở Đà Nẵng
Có tới 59% nhà ở hiện tại sử dụng phong cách mặt
đứng đơn giản, phong cách hiện đại chiếm 24% trên khảo
12%
sát và chiếm tỉ lệ ít nhất là phong cách cổ điển với 4%.
Phong cách mặt đứng được ưa chuộng nhất là phong cách
THỊNH HÀNH hiện đại chiếm tới 50% và đơn giản chiếm 35%, lần lượt
CÁ TÍNH là tân cổ điển, cổ điển, cầu kì với tỉ lệ 6%,5% và 4%.
Phong cách nội thất hiện tại được khảo sát thì phong cách
88%
đại chúng chiếm tới 88%, chỉ có số ít nhà ở theo phong
cách cá tính. Nhưng ở mục phong cách nội thất ưa chuộng,
là có xu hướng tăng phong cách cá tính lên tới 32% và
Biểu đồ 13 – Tỉ lệ phong cách nội thất của công trình giảm phong cách đại chúng còn 62%. Điều này cũng dể
nhà ở hiện nay hiểu, vì đối tượng khảo sát chủ yếu là đối tượng trẻ
tuổi( dưới 25 tuổi) nên họ có xu hướng mong muốn mặt
PHONG CÁCH NỘI THẤT ƯA đứng và nội thất thể hiện phong cách riêng của bản thân
CHUỘNG CỦA CỦA NHÀ Ở mình và hiện đại hơn là những phong cách đang được sử
dụng rộng rãi hiện nay, chỉ có số ít mong muốn giữ
nguyên phong cách cũ. Một giá trị khác khi được khảo
sát là “mặt đứng có phản ánh lên được địa vị xã hội
không”, có 56% câu trả lời là có và 44% là không phản
32% THỊNH HÀNH ánh.
IV. Kết luận
CÁ TÍNH
Việc nghiên cứu mức độ hài lòng của người sử dụng
68% đối với công trình nhà ở, cụ thể là loại hình nhà phố đang
ở tại thành phố Đà Nẵng là rất cần thiết sẽ giúp cho việc
xây dựng được mô hình đánh giá nhằm nâng cao chất
lượng thiết kế kiến trúc để phục vụ người sử dụng công
trình nhà ở ngày càng tốt hơn, góp phần cải thiện chất
Biểu đồ 14 – Tỉ lệ phong cách nội thất được ưa lượng cuộc sống của dân cư. Qua nghiên cứu, khảo sát
chuộng ngày nay ở Đà Nẵng-- thực trạng và người sử dụng, tổng hợp tài liệu, nhóm
265
nghiên cứu nhận thấy đây là một nghiên cứu đã đáp ứng Tài liệu tham khảo
được các tiêu chí đề ra, đã tìm hiểu được mức độ hài lòng [1]. Quyết định Số: 2161/QĐ-TTg ngày 22 tháng 12 năm 2021 - Phê
của người dân (chủ yếu tập trung ơ rkhu vực trung tâm) duyệt Chiến lược phát triển nhà ở Quốc gia giai đoạn 2021 - 2030,
hiện nay đối với công trình đó là mức độ an toàn và sử tầm nhìn đến năm 2045.
[2]. Quality Assessment Model for Housing: A Case Study on
dụng công năng của công trình. Outdoor Spaces in Istanbul. - AHSEN OZSOY, NUR ESIN
Ngoài ra, kết quả nghiên cứu đã thu thập những dữ ALTAS, VILDAN OK and GÜTLÇIN PULAT, Istanbul
Technical University, Turkey.
liệu quan trọng mà người thiết kế có thể tham khảo để áp
[3]. Determinants of user satisfaction in housing and environmental
dụng nhằm thiết kế công năng sát với nhu cầu người sử quality: Sample of Istanbul metropolitan area. - ÖMER LÜTFI
dụng. KELLEKCI, LALE BERKÖZ - Istanbul Technical University,
Faculty of Architecture, Department of Urban and Regional
Planning, Taşkışla, 34437, Istanbul, Turkey.
266
KHOA KHOA HỌC VÀ CÔNG NGHỆ
TIÊN TIẾN
HỆ THỐNG CẢNH BÁO KHAI THÁC RỪNG TRÁI PHÉP

WARNING SYSTEM ABOUT ILLEGAL FOREST LOGGING
SVTH: Trương Thị Mỹ Duyên [1], Huỳnh Văn Thạnh [2], Nguyễn Quang Phương [3]
[1] Lớp 19PFIEV, Khoa FAST, Trường đại học Bách Khoa - Đại học Đà Nẵng; Email: duyen4x@gmail.com
[2] Lớp 19PFIEV, Khoa FAST, Trường đại học Bách Khoa - Đại học Đà Nẵng; Email:
vanthanhhuynhtk@gmail.com
[3] Lớp 19ES, Khoa FAST, Trường đại học Bách Khoa - Đại học Đà Nẵng; Email:
ngquangph26012001@gmail.com
GVHD: TS. Lê Quốc Huy [4], ThS. Nguyễn Huỳnh Nhật Thương [5]
[4] Trưởng bộ môn Khoa FAST, Trường đại học Bách Khoa - Đại học Đà Nẵng; Email: lqhuy@dut.udn.vn
[5] Công ty TNHH Kỹ thuật Tapit; Email: nhatthuongqn@gmail.com
Tóm tắt - Ở Việt Nam nói riêng cũng như nhiều nước trên Abstract - In Vietnam in particular as well as for many
thế giới nói chung, khai thác gỗ trái phép là hiện tượng khá phổ countries in the world in general, illegal logging is quite common.
biến. Phá rừng, khai thác gỗ trái phép vẫn đang tiếp diễn và đang Deforestation and illegal logging are still exacerbating and are
gây nhiều hệ lụy đến môi trường sinh thái. Phá rừng là một nhân having grave impacts on climate and geography. Deforestation
tố khiến Trái Đất nóng lên, và được coi là một trong những is one of the main causes leading to dramatic increase in the
nguyên nhân chính làm gia tăng hiệu ứng nhà kính. Do đó, bảo greenhouse effect, hence global warming. Protecting and
vệ rừng đang được xem là nhiệm vụ cấp bách của thế giới nói preserving forest is, therefore, deemed eminently urgent not only
chung, cũng như Việt Nam nói riêng, nhằm mục đích bảo vệ các in Vietnam but also around the globe . For the purpose of
nguồn tài nguyên thiên nhiên và bảo vệ môi trường. Nên nhóm protecting natural resources and protecting the environment, our
chúng tôi đã nghiên cứu phát triển một hệ thống giám sát thu team has researched and developed a monitoring system that
thập dữ liệu sử dụng công nghệ IoT kết hợp trí tuệ nhân tạo nhận collects data using IoT technology combined with artificial
dạng và phân loại âm thanh nhằm mục đích đưa ra kết quả dự intelligence to recognize and classify sounds to provide precise
đoán và phát hiện kịp thời các hành vi khai thác gỗ trái phép. prediction and timely detection related to illegal logging practices.
Từ khóa - IoT, học sâu, nhận diện âm thanh, LoRaWAN, Keywords - IoT, deep learning, sound recognition,
khai thác rừng trái phép. LoRaWAN, illegal forest logging.
1. Đặt vấn đề RW2×H2 sẽ trải qua những bước sau:

Trong học sâu, mạng nơ-ron tích chập (CNN, hoặc - Tính tích chập tại 1 điểm: Tại vị trí đầu tiên trên
ConvNet) là một lớp mạng nơ-ron nhân tạo, được áp cùng của ma trận đầu vào ta sẽ lọc ra một ma trận con
dụng phổ biến nhất để phân tích hình ảnh trực quan [1]. Xsub ∈ RF ×F có kích thước bằng với kích thước của bộ
Chúng còn được gọi là mạng nơ-ron nhân tạo bất biến lọc. Giá trị y11 tương ứng trên Y là tích chập của Xsub
dịch chuyển hoặc bất biến không gian (SIANN), dựa trên với F được tính như sau:
kiến trúc trọng số chia sẻ của các nhân hoặc bộ lọc tích 𝐹 𝐹
chập trượt dọc theo các tính năng đầu vào và cung cấp 𝑦11 = ∑ ∑ 𝑥𝑖𝑗 ×𝑓𝑖𝑗
các phản hồi tương đương dịch được gọi là bản đồ đối 𝑖=1 𝑗=1
tượng [2,3]. Theo trực giác, hầu hết các mạng nơ-ron tích
tụ chỉ tương đương nhau, trái ngược với bất biến, dịch - Tiến hành trượt dọc theo ma trận theo chiều từ trái
[4]. Họ có các ứng dụng trong nhận dạng hình ảnh và qua phải, từ trên xuống dưới theo bước nhảy (stride) S ta
video, hệ thống khuyến nghị [5] phân loại hình ảnh, phân sẽ tính được các giá trị 𝑦𝑖𝑗 tiếp theo. Sau khi quá trình
đoạn hình ảnh, phân tích hình ảnh y tế, xử lý ngôn ngữ tự này kết thúc ta thu được trọn vẹn ma trận Y.
nhiên [6] giao diện não-máy tính [7] và chuỗi thời gian Trong một mạng nơ ron tích chập, các lớp liền sau lấy
tài chính. đầu vào từ lớp liền trước nó. Do đó để hạn chế lỗi trong
Chính vì vậy, chúng tôi đã chọn mô hình mạng nơ- thiết kế mạng nơ-ron chúng ta cần xác định kích thước
ron tích chập để giải quyết bài toán phân loại và nhận đầu ra ở mỗi lớp. Điều đó có nghĩa là dựa vào kích thước
dạng âm thanh tiếng cưa để đưa ra các cách báo về hiện ma trận đầu vào (W1, H1), kích thước bộ lọc (F, F) và
tượng khai thác rừng trái phép. bước nhảy S để xác định kích thước ma trận đầu ra (W2,
H2).
1.1. Cơ sở lý thuyết của mạng nơ-ron tích chập
Ta có công thức tính kích thước (W2, H2) sau bước
1.1.1. Tổng quan mạng nơ-ron tích chập tính tích chập như sau:
Tích chập là một khái niệm trong xử lý tín hiệu số 𝑤1 + 2𝑃 − 𝐹
nhằm biến đổi thông tin đầu vào thông qua một phép tích 𝑤𝛺 = +1
chập với bộ lọc để trả về đầu ra là một tín hiệu mới. Tín 𝑆
𝐻1 + 2𝑃 − 𝐹
hiệu này sẽ làm giảm những đặc trưng mà bộ lọc không 𝐻𝛺 = +1
quan tâm và chỉ giữ những đặc trưng chính. 𝑠
Tích chập thông dụng nhất là tích chập 2 chiều được Với P là kích thước padding của đầu vào.
áp dụng trên ma trận đầu vào và ma trận bộ lọc 2 chiều. Thông thường khi nói về Convolutional Neural
Phép tích chập của một ma trận X ∈ RW1×H1 với một Network (CNN) chúng ta thường liên tưởng đến lĩnh vực
bộ lọc (receptive field) F ∈ RF×F là một ma trận Y ∈ xử lý hình ảnh (Computer Vision) do những tiến bộ vượt
269
SVTH: Trương Thị Mỹ Duyên, Huỳnh Văn Thạnh, Nguyễn Quang Phương; GVHD: TS. Lê Quốc Huy, ThS. Nguyễn Huỳnh Nhật Thương
bậc mà kỹ thuật CNN đem lại trong lĩnh vực này. Tuy
nhiên, gần đây CNN cũng đang dần được nghiên cứu để
áp dụng vào lĩnh vực xử lý ngôn ngữ tự nhiên (NLP).
Mặc dù, với các bài toán NLP thì việc sử dụng RNN
vẫn đem lại kết quả cao hơn so với các kỹ thuật khác
nhưng điểm hạn chế lớn nhất của RNN là phải mất nhiều
thời gian để huấn luyện mô hình (do phải huấn luyện từng
từ một thay vì cả câu văn hay đoạn văn). Do đó, các nhà
nghiên cứu hi vọng có thể sử dụng CNN để giảm thời
gian huấn luyện mà vẫn đạt kết quả tương tự như RNN. Hình 1.2: Ví dụ đơn giản về tích chập.
Thông qua các phép tích chập, các đặc trưng chính từ Convolution hay tích chập là nhân từng phần tử trong
ảnh được chiết xuất và truyền vào các lớp tích chập ma trận. Sliding Window hay còn gọi là kernel, filter
(convolution layers). Mỗi một lớp tích chập sẽ bao gồm hoặc feature detect là một ma trận có kích thước nhỏ như
nhiều đơn vị mà kết quả ở mỗi đơn vị là một phép biến trong ví dụ trên là 3×3.
đổi tích chập từ lớp trước đó thông qua phép nhân tích Bằng cách sử dụng một bộ với một giá trị hợp lý, ta
chập với bộ lọc. có thể phát hiện được một mẫu nhất định trong dữ liệu
Về cơ bản thiết kế của một mạng nơ ron tích chập 2 đầu vào. Ở đây, giá trị của bộ lọc được coi là các tham số
chiều có dạng như sau: (parameters) và được học thông qua quá trình huấn luyện
mô hình.
Ngoài ra, ta cũng có thể sử dụng nhiều bộ lọc để phát
hiện các mẫu khác nhau. Ví dụ như bộ lọc 1 để phát hiện
cạnh nằm ngang còn bộ lọc 2 để phát hiện cạnh nằm dọc,
... Khi đó, ta cũng thu được kết quả ở dạng 3 chiều. Sau
đó, ta thêm giá trị bias vào kết quả đầu ra rồi sử dụng một
hàm kích hoạt (activation function) để tính toán kết quả
cuối cùng. Khi đó, kết quả này cũng chính là đầu ra của
một lớp tích chập.
Hình 1.1: Cấu trúc mạng CNN cơ bản [13] Hình 1.3: Một lớp tích chập với 2 bộ lọc[14]
Trong đó: 1.1.3. Lớp pooling
- Input: lớp đầu vào. Pooling layer thường được dùng giữa các lớp tích
chập, để giảm kích thước dữ liệu nhưng vẫn giữ được các
- Convolution: lớp tích chập.
thuộc tính quan trọng. Kích thước dữ liệu giảm giúp giảm
- ReLU: Lớp biến đổi thông qua hàm kích hoạt relu việc tính toán trong mô hình.
để kích hoạt tính phi tuyến.
Gọi pooling size kích thước K × K. Đầu vào của lớp
- Pool: Lớp tổng hợp, thông thường là Max pooling pooling có kích thước H × W × D, ta tách ra làm D ma
hoặc có thể là Average pooling dùng để giảm chiều của trận kích thước H × W . Với mỗi ma trận, trên vùng kích
ma trận đầu vào. thước F × F trên ma trận ta tìm giá trị tối đa hoặc giá trị
- Fully-Connected: Lớp kết nối hoàn toàn. Thông trung bình của dữ liệu rồi viết vào ma trận kết quả. Quy
thường lớp này nằm ở sau cùng và kết nối với các đơn vị tắc về trượt (stride) và đệm (padding) áp dụng như phép
đại diện cho nhóm phân loại. tính tích chập trên ảnh.
1.1.2. Lớp tích chập
Tương tự như Feed Forward Neural Network thì
CNN cũng là một mạng nơ-ron được hình thành từ nhiều
lớp khác nhau. Tuy nhiên các lớp trong CNN được gọi là
Convolutional layers [8] vì nó sử dụng thuật toán
Convolution thay vì tính từ các trọng số như trong Feed
Forward Neural Network. Ở đây, chúng ta có thể hiểu
tích chập là việc sử dụng một "cửa sổ trượt"để tính toán
giá trị đầu ra từ một ma trận đầu vào như mô tả trong
hình?? Hình 1.4: Max-Pooling với kernel_size = (3, 3), S =
1, P = 0.
270
Nhưng hầu hết khi dùng lớp pooling thì sẽ dùng
kernel_size = (2, 2), S = 2, P = 0. Khi đó W, H của dữ liệu
giảm đi một nửa, chiều sâu thì được giữ nguyên.
Hình 1.8: Giảm số chiều của các ten-xơ global max-

pooling[14]
1.1.5. Lớp fully-connected
Lớp fully-connected là một thành phần thiết yếu của
mạng nơ-ron tích chập. Mạng nơ-ron tích chập thường có
các lớp convolution và pooling ở các lớp phía trước, phân
Hình 1.5: Pooling Layer tích các dữ liệu đầu vào thành các đặc trưng. Những kết
Có 2 loại pooling layer phổ biến là: max pooling và quả ở trên sẽ được đưa vào các lớp fully-connected để
average pooling. Trong đó, max pooling chọn giá trị lớn đưa ra kết quả phân loại cuối cùng.
nhất làm giá trị đầu ra còn average pooling thì chọn giá Lớp đầu ra của các lớp convolution hoặc pooling được
trị trung bình cộng. Trong hình dưới, ta sử dụng filter với chuyển thành vec-tơ giá trị của các trọng số trong mô
kernel size = (2, 2) và S = 2 để tính giá trị pooling. hình, mỗi giá trị đại diện cho một đặc trưng nhất định của
nhãn ở lớp đầu ra. Ví dụ, nếu đầu vào là hình ảnh của một
con mèo, thì các trọng số đại diện cho những thứ như lông
hoặc ria mép sẽ có giá trị lớn cho nhãn đầu ra là "mèo".
Hình ảnh (1.9)mô tả các lớp fully-connected của mạng
nơ-ron tích chập. Chúng được nhân với các trọng số và
đưa qua các hàm kích hoạt (thông thương là hàm ReLU),
tương tự như mạng ANN thông thường. Chúng sẽ được
Hình 1.6: Max pooling và average pooling. đưa qua từng lớp, cho đến đầu ra với hàm kích hoạt là
1.1.4. Lớp global max-pooling softmax cho ta được xác xuất nhận dạng tương ứng với
Một dạng khác của lớp max-pooling đó chính là global các nhãn đầu vào.
max-pooling. Ở đây chúng ta sẽ gán kích thước của bộ
lọc bằng chính đầu vào của nó, do đó giá trị lớn nhất của
toàn bộ đầu vào sẽ là kết quả đầu ra của lớp đó.
Hình 1.7: Global max pooling.

Hình 1.9: Các lớp fully-connected.
Global max-pooling có thể được dùng ở nhiều trường hợp
khác nhau. Đặc biệt, nó có thể làm giảm số chiều của các Công thức tính toàn của hàm kích hoạt Softmax:
đặc trưng ở sau các lớp tích chập. Nó có thể thay lớp
flattening hoặc thậm chí có thể thay thế cho lớp fully-
connected ở trong các hệ thống phân loại.
Những năm gần đây, các chuyên gia hàng đầu đã sử dụng
các lớp global max-pooling (GMP) để giảm thiểu việc
gặp phải vấn đề overfitting bằng cách giảm đi số lượng
các tham số ở trong mô hình. Tương tự với lớp max-
pooling, được sử dụng để giảm số chiều của các ten-xơ.
Tuy nhiên, các lớp GMP giảm đi đáng kể số chiều của
các ten-xơ, với một ten-xơ với kích thước H × W × D thì
kích thước của nó sẽ được giảm xuống còn 1 × 1 × D. Hình 1.10: Hàm kích hoạt Softmax
271
1.2. Mạng truyền thông LoRa Thông số khu vực: LoRaWAN hoạt động trong phổ vô
1.1.1. 1.1.2 LoRa tuyến không cần cấp phép, điều này có nghĩa là bất kỳ ai
cũng có thể sử dụng mà không phải trả phí. Nó tương tự
LoRa là viết tắt của Long Range Radio được nghiên cứu
như WiFi, sử dụng băng tần ISM 2.4GHz và 5GHz trên
và phát triển bởi Cycleo và sau này được mua lại bởi công
toàn thế giới. Bất kỳ ai cũng được phép thiết lập bộ định
ty Semtech năm 2012. Với công nghệ này, chúng ta có
tuyến WiFi và truyền tín hiệu WiFi mà không cần giấy
thể truyền dữ liệu với khoảng cách lên hàng km mà không
phép. LoRaWAN sử dụng tần số vô tuyến thấp hơn với
cần các mạch khuếch đại công suất; từ đó giúp tiết kiệm
phạm vi xa hơn. Thực tế là các tần số có phạm vi dài hơn
năng lượng tiêu thụ khi truyền/nhận dữ liệu. Do đó, LoRa
cũng đi kèm với nhiều hạn chế hơn thường mang tính
có thể được áp dụng rộng rãi trong các ứng dụng thu thập
quốc gia cụ thể. Điều này đặt ra một thách thức cho
dữ liệu như sensor network trong đó các sensor node có
LoRaWAN, đó là cố gắng đồng nhất ở tất cả các khu vực
thể gửi giá trị đo đạc về trung tâm cách xa hàng km và có
khác nhau trên thế giới. Do đó, LoRaWAN được chỉ định
thể hoạt động với battery trong thời gian dài trước khi cần
cho một số băng tần cho các vùng này. LoRaWAN có
thay pin.
thông số kỹ thuật khu vực chính thức được quy định bởi
Công nghệ LoRa đã tạo một bước tiến lớn bằng cách cho Liên minh LoRa
phép truyền nhận dữ liệu trong một khoảng cách xa trong
Mạng LoRaWAN luôn được triển khai theo cấu trúc liên
khi tiêu thụ rất ít năng lượng. Các nhược điểm của các
kết hình sao. Không giống như cấu trúc liên kết lưới, cấu
công nghệ không dây khác như là yêu cầu băng thông
trúc liên kết hình sao là lý tưởng cho các nút cuối hạn chế
cao, năng lượng tiêu thụ cao và giới hạn về khoảng cách
năng lượng (tức là hoạt động bằng pin) (cảm biến) vì nó
truyền đều được LoRa khắc phục. Trên thực tế, công
chỉ phải truyền các thông điệp của chính nó và không phải
nghệ LoRa có thể sử dụng rất linh hoạt trong các ứng
lãng phí tuổi thọ pin khi chuyển tiếp các thông báo từ các
dụng như thành phố thông minh, nhà thông minh, nông
nút cuối xung quanh. Mạng LoRaWAN bao gồm một
nghiệp thông minh và chuỗi cung ứng thông minh.[15]
hoặc nhiều cổng LoRaWAN được kết nối với một bộ điều
1.1.2. 1.1.3 Mạng truyền thông không dây diện rộng công phối mạng trung tâm, hay còn được gọi là máy chủ mạng
suất thấp LoRa (NS).
LoRa là một kỹ thuật điều chế (modulation) dựa trên kỹ Không giống như các trạm gốc di động có mức độ phức
thuật Spread-Spectrum và một biến thể của Chirp Spread tạp phần cứng và phần mềm cao và do đó chi phí cao, các
Spectrum (CSS), do đó chúng ta có thể truyền dữ liệu với cổng LoRaWAN là cầu nối giao thức cơ bản với chi phí
khoảng cách lên hàng km mà không cần các mạch khuếch thấp hơn nhiều. Mỗi cổng nhận được các thông điệp vô
đại công suất; từ đó giúp tiết kiệm năng lượng tiêu thụ tuyến được điều chế LoRa từ tất cả các nút cuối
khi truyền/nhận dữ liệu. LoRaWAN trong khoảng cách vô tuyến.[16]
Băng tần làm việc của LoRa từ 430MHz đến 915MHz
cho từng khu vực khác nhau trên thế giới. Hệ thống sử
dụng băng tần 430MHz được cho phép ở khu vực châu
Á.
Nhờ sử dụng chirp signal mà các tín hiệu LoRa với các
chirp rate khác nhau có thể hoạt động trong cùng 1 khu
vực mà không gây nhiễu cho nhau. Điều này cho phép
nhiều thiết bị LoRa có thể trao đổi dữ liệu trên nhiều kênh
đồng thời (mỗi kênh cho 1 chirp rate).
Các ưu điểm của điều chế LoRa:
● Khả năng mở rộng băng thông: Điều chế LoRa
có thể được sử dụng cho cả ứng dụng nhảy tần
băng tần hẹp và ứng dụng băng rộng
● Công suất phát thấp: việc sử dụng các chirp để
điều chế đã giúp cho tín hiệu LoRa có thể dễ Hình 1.11: Mô hình mạng LoRaWAN
dàng thu được vì vậy công suất của tín hiệu phát 1.2.2. 1.3.2 Cấu trúc của hệ thống LoRaWAN
chỉ cần ở mức thấp
1.2.3. Kiến trúc của hệ thống LoRaWAN được triển khai
● Khả năng chống nhiễu tốt. theo cấu trúc liên kết hình sao bao gồm
● Chống lại hiện tượng fading: do các chirp của ● Node: cảm biến lấy dữ liệu từ môi trường, sẽ mã
LoRa có băng thông tương đối rộng.[16] hóa các dữ liệu thu thập được thành các gói tin
1.2. 1.3. Giao thức LoRaWAN rồi gửi về gateway.
1.2.1. 1.3.1. Các khái niệm ● Gateways: đảm nhận vai trò như một thiết bị
Giao thức LoRaWAN là giao thức được xây dựng để trung gian giúp liên kết các Endnode với
truyền nhận dữ liệu giữa các thiết bị sử dụng công nghệ internet. Trong môi trường truyền thì một
truyền thông tầm xa năng lượng thấp với Server. Giao gateway có thể nhận nhiều gói tin từ các node
thức LoRaWAN được xây dựng bởi liên minh LoRa và sensor khác nhau. Việc của gateway là sắp xếp
được chính thức hóa trong đặc tả LoRaWAN tại trang các gói tin nhận được rồi đưa qua network
web của liên minh LoRa. servers để xử lí.
● Network Servers: đây là trung tâm điều khiển,
272
quản lí các gói tin. Bởi trong hệ thống sẽ có
nhiều gateway, các gateway này có thể nhận
trùng gói tin của nhau hoặc việc nhận các gói tin
bị trễ, không đồng thời. Network server sẽ chờ
cho các gói tin được nhận đủ sau đó so sánh để
loại bỏ các gói tin trùng lặp, rồi giải mã chúng
về dạng dữ liệu mà người dùng cần.
● Application Servers: có thể là một website hoặc
app, người dùng chỉ cần truy cần vào để xem
được giá trị mà từ Endnode gửi về.[16]
2. Nội dung nghiên cứu Hình 2.1: Sơ đồ khối của hệ thống
Thu thập dữ liệu và huấn luyện mô hình 2.2. Sơ đồ nguyên lý
● Thu thập cơ sở dữ liệu
● Trích xuất thuộc tính
● Lấy mẫu dữ liệu, tạo cơ sở dữ liệu, phân loại
mẫu
● Chỉnh mẫu
● Training- chọn mô hình, cấu hình phù hợp
● Kiểm thử đánh giá.
Nhúng vào vi điều khiển:
● Nhúng mô hình AI đã huấn luyện vào vi điều
khiển.
● Tính toán và tối ưu tốc độ dao động của vi điều
khiển.
● Tính toán và phân tích các số liệu liên quan đến
độ phức tạp của mô hình AI.
● Thu được âm thanh từ môi trường qua
microphone, đưa vào bộ nhớ, đưa vào mô hình
AI
● Tìm điểm tối ưu dựa trên phương pháp xem xét
độ tin cậy.
● Hậu xử lý kết quả nhận dạng( thu thập tín hiệu
bao nhiêu lần thì phát hiện, trong thời gian bao Hình 2.2 : Sơ đồ nguyên lý
lâu sẽ gửi cảnh báo để tránh báo nhầm) 3. Phương pháp thực hiện và kết quả nghiên cứu
IOT/Truyền nhận dữ liệu: 3.1 Trí tuệ nhân tạo
● Truyền dữ liệu qua LoRa ->LoRaWan->The 3.1.1. Tập cơ sở dữ liệu
Things Network -> Thingsboard-> hiển thị dữ Tập cơ sở dữ liệu được sử dụng trong thực nghiệm lần
liệu, các thông báo cảnh báo. này của chúng tôi là tập hợp các video chứa các nhãn:
● Cấu hình thiết bị từ xa. Chainsaw, stream, wind, vehicle được công bố bới trang
Ổn định hệ thống https://research.google.com/audioset/. Đây là tập cơ sở
dữ liệu chưa qua xử lý, chính vì vậy chúng tôi đã xử lí tập
● Sử dụng Watch Dog Timer để khởi động lại khi
cơ sở dữ liệu này và đưa về tập cơ sở dữ liệu thô với định
hệ thống bị treo.
dạng .wav với kích thước khác nhau và sử dụng tập cơ sở
● Sử dụng Wakeup Timer để khởi động lại hệ thống dữ liệu đã được xử lý để đưa vào nghiên cứu.
khi hệ thống không bị treo nhưng không gửi được
3.1.2. Trích xuất đặc trưng Log-Mel Spectrogram
dữ liệu và Watch Dog không được kích hoạt.
Ngày nay, trong các hệ thống nhận dạng hay xử lý âm
Tiết kiệm năng lượng cho hệ thống:
thanh, có hai cách trích xuất đặc trưng phổ biến nhất đó
● Sử dụng các tính năng Always Locate được tích chính là Log-Mel Spectrogram và MFCC [9], trong đó
hợp sẵn trong GPS để giảm thiểu năng lượng MFCC là cách trích đặc trưng được biến đổi thêm một
tiêu thụ. vài phép toán học từ Log-Mel Spectrogram theo [10]. Ở
● Sử dụng chế độ tiết kiệm năng lượng Sleep đề tài này, bởi vì mô hình đang được chạy trên thiết bị vi
Mode được tích hợp sẵn trong các dòng vi điều điều khiển STM32[11]. Do đó, tốc độ xử lý của thiết bị
khiển của STM32 để giảm năng lượng tiêu thụ. sẽ có giới hạn, vậy nên nhóm quyết định sử dụng Log-
● Mô phỏng mức năng lượng tiêu thụ với công cụ Mel Spectrogram để giảm thiểu thời gian xử lý của vi
STM32Mon. điều khiển, giúp tăng khả năng đáp ứng của hệ thống.
2.1. Xây dựng hệ thống
273
Hình 3.1: Quá trình trích xuất đặc trưng [12]

3.1.3. Cấu trúc mô hình:
Hình 3.2: Cấu trúc mô hình

Cấu trúc mô hình gồm những lớp sau đây:
• Đầu vào của mô hình là Log-Mel Spectrogram tương
đương một hình ảnh với kích thước 30x32 hay 960 điểm
ảnh.
• Tiếp sau đó là 2 lớp tích chập (convolution layer) với
16 bộ lọc (filter) và kích thước bộ lọc kernel_size = (3,
3).
• Tiếp tục có 1 lớp Max-Pooling với kernel_size = (2, 2)
để giảm kích thước của các lớp
đi một nửa và chỉ giữa lại những trọng số cao nhất.
• Sau đó tiếp tục là 2 lớp tích chập tuy nhiên với số bộ lọc
là 32.
• Tiếp tục sẽ là 1 lớp Global Max-Pooling để giữ lại
những trọng số cao nhất của mỗi lớp.
• Cuối cùng sẽ là lớp đầu ra với hàm kích hoạt (activation
function) Softmax cho ta xác suất nhận dạng đối với mỗi
loại âm thanh.
Hình 3.3: Cấu trúc mô hình tổng quát

3.3. Kết quả mô hình
Sau khi huấn luyện mô hình với epochs = 400 ta có kết
quả loss, accuracy của mô hình:
Bảng 1: kết quả mô hình
Loss Accuracy
Training 0.0932 99.3744
Test 0.1741 96.4930
274
Bảng 2: Bảng chọn các tham số cấu hình cho tần số lấy
mẫu và chuyển đổicủa ngoại vi ADC
f_main (Mhz) 184.5
APB2_Prescaler 4
ADC_Prescaler 6
Sampling_time (clock cycles) 480
Với các thông số như trên, ta có được tần số lấy mẫu của
ADC là:
184500000
Hình 3.4: Sai số và độ chính xác của mô hình 𝑓𝐴𝐷𝐶 = = 16.015625(𝐾ℎ𝑧)
4𝑥6𝑥480
Độ sai số giữa tần số lấy mẫu của ADC và tần số của tập
âm thanh huấn luyện là: 0.01%. Sai số này là hoàn toàn
chấp nhận được trong các lĩnh vực kỹ thuật.
1.4. 3.5 Tính toán thời gian thực thi của mô hình
Vấn đề triển khai và thực thi tính toán mô hình trên một
nền tảng vi điều khiển có rất nhiều giới hạn (bộ nhớ trong
RAM, bộ nhớ ngoài FLASH, tốc độ thực thi của kiến trúc
vi điều khiển, tần số xung nhịp). Để thuận tiện cho việc
tính toán và xây dựng hệ thống máy học trên nền tảng vi
điều khiển thì goi X-CUBE-AI của ST hỗ trợ việc ước
lượng độ phức tạp dựa trên đơn vị MACC. Theo tài liệu
của ST, số clock xử lý 1 MACC trên lõi M7 là 6 chu kì
máy [17].
Với vi điều khiển STM32F746NGH6 được chạy ở tần số
như tính toàn ở muc (3.4), ta có thể tính toán được tốc độ
Hình 3.5: Ma trận hỗn loạn CNN trên hoàn bộ thức thi cho một mẫu âm thanh dài 1 giây như sau:
tập dữ liệu
Bảng 3: Thời gian 1 lần thực thi của mô hình AI
Đánh giá mô hình:
Mô hình sau khi huấn luyện có độ chính xác cao và tăng Độ phức tạp (MACC) 6276960
dần theo từng epochs, loss của mô hình thấp và giảm dần Tần số chính (Mhz) 184.5
theo từng epochs. Kết quả của cuối cùng của mô hình sẽ
là cấu trúc của mô hình, các trọng số và bias của mô hình. Thời gian 1 lần thực thi (ms) 204.129
Mô hình cuối cùng sẽ được lưu dưới dạng file ".h5"và 3.6 Phương pháp chọn điểm ngưỡng dựa trên độ tin cậy
đây là mô hình có loss thấp nhất trong quá trình huấn
luyện vì nhóm đã sử dụng Keras Checkpoint. Trong thực tế hoạt động, âm thanh cưa máy có thể bị lẫn
hoặc bị chồng phổ với các loại âm thanh khác[18]. Điều
1.3. 3.4. Tính toán và tối ưu tốc độ cho việc thu âm và này làm cho đầu ra của mô hình là 3 giá trị độ tin cậy
xử lý âm thanh tương ứng với 3 lớp “tiếng cưa máy, tiếng nhiễu môi
Trong đề tài này, âm thanh được thu qua microphone và trường, tiếng xe”. Vì thế, để có thể thực hiện tính năng
xuất tín hiệu analog tới ngoại vi ADC của vi điều khiển cảnh báo của hệ thống, ta phải chọn 1 điểm ngưỡng cho
STM32F746NGH6. Tần số lấy mẫu của ngoại vi ADC độ tin cậy của lớp cưa máy mà trên điểm này hệ thống sẽ
được tính theo công thức sau: thực hiện báo động còn dưới điểm này hệ thống sẽ bỏ qua
𝑓𝐴𝐷𝐶 và không báo động đến người dùng.
𝑓𝑚𝑖𝑛 Để tìm ra điểm ngưỡng này, nhóm đã xây dựng một ứng
=
𝐴𝑃𝐵2_𝑃𝑟𝑒𝑠𝑐𝑎𝑙𝑒𝑟𝑥𝐴𝐷𝐶_𝑃𝑟𝑒𝑠𝑐𝑎𝑙𝑒𝑟𝑥𝑆𝑎𝑚𝑝𝑙𝑖𝑛𝑔_𝑇𝑖𝑚𝑒 dụng trên MATLAB để giao tiếp với vi điều khiển:
Trong đó:
● f_main: Tần số dao động chính của cả hệ thống
● APB2_Prescaler: Hệ số chia tần số cho bus
APB2
● ADC_Prescaler: Hệ số chia tần số từ bus APB2
tới ngoại vi ADC
● Sampling_time: Thời gian lấy mẫu và chuyển
đổi từ analog sang digital của ngoại vi ADC
Trong đề tài này, mô hình AI được huấn luyện với các
tập âm thanh có tần số 16Khz. Để đạt được tần số lấy mẫu Hình 3.6: Ứng dụng MATLAB trong kiểm tra và tìm
gần 16Khz nhất, chúng ta chọn các tham số như sau điểm ngưỡng
275
Hình 3.7: Kết quả thử nghiệm khi đưa dữ liệu vào
STM32F746NGH6 thông qua UART Hình 3.9: Giao diện web hiển thị
3.8 Độ ổn định của hệ thống
Thiết bị phải có khả năng hoạt động độc lập trong thời
gian dài ở trong rừng. Điều này đặt ra vấn đề về việc phải
xử lý các lỗi, xung đột phần mềm xảy ra trong quá trình
hoạt động mà không cần tác động của con người. Để xử
lý 2 vấn đề này, nhóm nghiên cứu sử dụng 2 kỹ thuật là
Independent Watchdog Timer (IWDG) và Wakeup
Timer (WUT). Cả 2 timer đều dùng xung clock từ miền
RTC của vi điều khiển cho phép cả 2 timer thực thi chức
năng của mình kể cả trong trường hợp clock cho bộ vi xử
Hình 3.8: Kết quả thử nghiệm khi thu âm thanh từ MIC lý chính bị lỗi.
và đưa vào vi điều khiển để xử lý
3.8.1 Independent Watchdog Timer (IWDG)
Trong cả 2 hình thì đường màu xanh là đường thể hiện
IWDG được sử dụng để reset hệ thống khi hệ thống bị
độ chính xác khi dữ liệu âm thanh có tiếng cưa máy và
treo cứng vì lỗi phần cứng, ngoại vi, lỗi xung đột bus hay
kết quả trả về là chính xác. Trong khi đó đường màu đỏ
memory dẫn tới lỗi “Hard fault” trong lập trình vi điều
là khi dữ liệu đưa vào không có tiếng cưa máy và kết quả
khiển STM32.
nhận diện là chính xác. Ta chọn điểm giao của 2 đường
là điểm ngưỡng vì tại điểm này, độ chính xác cho cả 2 1.5.1. 3.8.2 Wakeup Timer (WUT)
đường là tối ưu. Wakeup Timer được sử để reset hệ thống trong trường
Từ hai hình ảnh Hình 3.7 và Hình 3.8, ta có được các giá hợp vi điều khiển vẫn thực thi được lệnh nhưng không
trị điểm ngưỡng và độ chính xác tương ứng như sau: gửi được dữ liệu đi do lỗi phần mềm, thư viện LMIC cho
LoRaWAN. Wakeup Timer cho phép thời gian tràn định
Bảng 4: Kết quả điểm ngưỡng và độ chính xác tương
thời từ 1 giây tới 36 tiếng đối với vi điều khiến
ứng
STM32F746NGH6. Điều này cho phép điều chỉnh thời
Điểm ngưỡng (%) Độ chính xác (%) gian hoạt động và gửi dữ liệu của node một cách linh
hoạt.
Qua UART 37.6 81.03
Trong quá trình thực nghiệm, sự phối hợp hai kỹ thuật
Thu qua MIC 34.7 80.28 trên đã giúp hệ thống hoạt động liên tục trong hơn 24
tiếng.
Từ kết quả của bảng trên, ta có thể đánh giá phần nào việc
thu âm qua MEMS MIC ADMP401 không ảnh hưởng 3.9 Tiết kiệm năng lượng
nhiều đến dữ liệu âm thanh so với truyền trực tiếp dữ liệu Vì thiết bị phải hoạt động thời gian dài ở trong rừng và ít
âm thanh qua UART vì độ chính xác và điểm ngưỡng khá có sự can thiệp của con người nên việc kéo dài thời gian
tương đồng. hoạt động của thiết bị là vô cùng quan trọng. Trong đề tài
Trong cả 2 trường hợp độ, chính xác đều cao hơn 80% và này, nhóm nghiên cứu tận dụng 2 tính năng tiết kiệm
điểm ngưỡng vào khoảng 35%. Trong thiết bị thực tế, năng lượng là AlwaysLocate [19] của các module GPS
chúng ta chọn điểm ngưỡng 34.7% của trường hợp thu đến từ Quectel và Sleep mode được hỗ trợ trên các dòng
qua MIC vì đây là trường hợp phù hợp với môi trường vi điều khiển STM32.
thực tế. Để tăng độ chính xác trong thực tế thì thiết bị sẽ Mô phỏng việc tiết kiệm năng lượng với 3 chế độ cho
thu 10 lần âm thành và trong 10 lần nếu có ít nhất 2 lần mỗi chi kì 10 phút:
độ tin cậy vượt ngưỡng 34.7% thì thiết bị sẽ gửi cảnh báo.
1.5. 3.7 Web hiển thị
Phần web của chúng tôi sẽ cho hiển thị các kết quả được
gửi về theo thời gian thực từ các trạm đo và sử dụng thêm
Google Map API để hiển thị vị trí của các trạm.
Phần hiển thị của web: sẽ hiển thị vị trí của từng trạm,
cường độ tín hiệu sóng, %pin, và đèn báo (có tiếng cưa -
màu đỏ, không có tiếng cưa-màu xanh). Hình 3.10: Giản đồ trạng thái của thiết bị
276
● Tích hợp thêm các tính năng khác cho hệ thống
như khả năng cảnh báo sạt lở dựa trên dư chấn,
âm thanh, tính năng cảnh báo cháy rừng.
● Sử dụng phương thức OTAA trong truyền nhận
LoRaWAN giúp tăng cường bảo mật và kích
hoạt tính năng update chương trình hệ thống
thông qua mạng LoRaWAN từ đó cho phép lắp
đặt và cấu hình hệ thống từ xa.
Hình 3.11: Mô phỏng năng lượng tiêu thụ của thiết bị
với chu kỳ đọc và gửi tín hiệu là 10 phút ● Sử dụng các IC chuyên dụng cho việc xử lý âm
thanh đầu vào như IC DSP, ASIC, FPGA để
Bảng 5: Dòng tiêu thụ của thiết bị trong 3 chế độ
giảm thời gian chuyển đổi âm thanh sang dạng
Chế độ Dòng tiêu thụ phổ log mel cũng như giảm thiểu năng lượng
tiêu thụ.
SLEEP (mA) 15.78
Sensing (mA) 143.47 Tài liệu tham khảo
Send data (mA) 172.84 [1]. Valueva, M.V.; Nagornov, N.N.; Lyakhov, P.A.; Valuev, G.V.;
Chervyakov, N.I. (2020). "Application of the residue number
Với kết quả mô phỏng trên, nếu sử dụng pin lithium-ion system to reduce hardware costs of the convolutional neural
network implementation". Mathematics and Computers in
mắc theo cấu hình 3s9p với tổng dung lượng là 27Ah ở
Simulation. Elsevier BV.
điện áp trung bình 11.1V thì thời gian hoạt động của thiết [2]. Zhang, Wei (1988). "Shift-invariant pattern recognition neural
bị là khoảng 1 tháng 8 ngày. network and its optical architecture". Proceedings of Annual
Conference of the Japan Society of Applied Physics.
4. Kết luận [3]. Zhang, Wei (1990). "Parallel distributed processing model with
4.1 Ưu điểm: local space-invariant interconnections and its optical architecture
[4]. Mouton, Coenraad; Myburgh, Johannes C.; Davel, Marelie H.
● Xây dựng được prototype với các chức năng (2020). Gerber, Aurona (ed.). "Stride and Translation Invariance
nhận diện tiếng cưa máy, gửi dữ liệu qua mạng in CNNs". Artificial Intelligence Research. Communications in
LoRaWAN. Computer and Information Science. Cham: Springer
International Publishing.
● Mô hình nhận diện có độ chính xác trên 80% đối [5]. van den Oord, Aaron; Dieleman, Sander; Schrauwen, Benjamin
với âm thanh thu được từ MIC. (2013-01-01). Burges, C. J. C.; Bottou, L.; Welling, M.;
Ghahramani, Z.; Weinberger, K. Q. (eds.). Deep content-based
● Việc triển khai thực tế hệ thống là khả thi với music recommendation.
thời gian hoạt động dự đoán là hơn 1 tháng. [6]. Collobert, Ronan; Weston, Jason (2008-01-01). A Unified
Architecture for Natural Language Processing: Deep Neural
4.2 Nhược điểm
Networks with Multitask Learning. Proceedings of the 25th
● Mạng CNN không phải lựa chọn tốt nhất cho International Conference on Machine Learning.
việc nhận diện âm thanh hoặc các tín hiệu có sự [7]. Avilov, Oleksii; Rimbert, Sebastien; Popov, Anton; Bougrain,
Laurent (July 2020). "Deep Learning Techniques to Improve
liên tục thay đổi theo thời gian. Một mô hình Intraoperative Awareness Detection from
mạng CNN song song RNN sẽ cho kết quả tốt Electroencephalographic Signals".
hơn [20]. [8]. K. J. Piczak, “Environmental sound classification with
convolutional neural networks,” in 2015 IEEE 25th International
● Cơ sở dữ liệu còn hạn chế dẫn đến việc phân biệt Workshop on Machine Learning for Signal Processing (MLSP),
nhiễu tạp âm môi trường không tốt. pp. 1–6, IEEE, 2015.
● Dải đáp ứng biên độ còn hẹp do hạn chế về loại [9]. W. Han, C.-F. Chan, C.-S. Choy, and K.-P. Pun, “An efficient
mfcc extraction method in speech recognition,” in 2006 IEEE
MIC và tập âm thanh huấn luyện dẫn tới việc âm international symposium on circuits and systems, pp. 4–pp,
thanh bị bão hoà hoặc bị bỏ qua khi quá lớn hoặc IEEE, 2006.
quá nhỏ. Từ đó, kết quả nhận diện không còn [10]. J. Dennis, H. D. Tran, and H. Li, “Spectrogram image feature for
chính xác nữa. sound event classification in mismatched conditions,” IEEE
signal processing letters, vol. 18, no. 2, pp. 130–133, 2010.
● Độ bao phủ của mạng LoRa là một vấn đề lớn [11]. J. O. Nordby, “Environmental sound classification on
nếu muốn triển khai trên diện rộng. microcontrollers using convolutional neural networks,” Master’s
thesis, Norwegian University of Life Sciences, ˚As, 2019.
● Sử dụng mô hình mạng LoRaWAN với phương [12]. STMicroelectronics, “Introduction to STM32Cube.AI - 4 NN
thức truyền nhận ABP có nhiều vấn đề trong Model creation using Keras”
việc bảo mật thông tin. [13]. Data Analytics, “Different Types of CNN Architectures
Explained: Examples”
5. Hướng phát triển [14]. J. O. Nordby, “Environmental sound classification on
microcontrollers using convolutional neural networks,” Master’s
● Mở rộng tập dữ liệu huấn luyện, tăng cường khả
thesis, Norwegian University of Life Sciences, ˚As, 2019.
năng nhận diện các nhiễu âm thanh từ môi [15]. Tô Đức Hạnh, Hà Thị Thuý (2019). Sản xuất nông nghiệp bền
trường. vững ở Israel và hàm ý chính sách cho Việt Nam. Tạp chí khoa
học xã hội Việt Nam, số 3 – 2018,
● Tích hợp khả năng nhận diện thêm các tiếng [16]. Smart Industry VN (2021). LoRa là gì ? Ứng dụng của LoRa là
động vật. Từ đó, ta có thể lập bản đồ di chuyển, gì ?, https://smartfactoryvn.com/technology/internet-of-
theo dõi và bảo vệ các động vật quý hiếm hay things/tim-hieu-ve-cong-nghe-lora-va-cach-hoat-dong/
kiểm soát được phạm vi hoạt động của các loài [17]. STMicroelectronics. “Getting started with X-CUBE-AI
Expansion Package for Artificial Intelligence (AI)”. Page 24.
vật trong một khu vực, đánh giá độ đa dạng sinh https://www.st.com/resource/en/user_manual/dm00570145-
học cho một khu rừng. getting-started-with-x-cube-ai-expansion-package-for-artificial-
277
intelligence-ai-stmicroelectronics.pdf content/uploads/2021/03/Quectel_L80_Hardware_Design_V1.5
[18]. E. Dauber; R. Erbacher; G. Shearer; M. Weisman; F. Nelson; R. -1.pdf trang 24
GreenStadt. “ Supervised Authorship Segmentation of [20]. S. H. Bae; I. Choi; N. S. Kim. “Acoustic Scene Classification
OpenSource Code Projects”. Using Parallel Combination of LSTM and CNN”. “Detection and
https://www.researchgate.net/publication/353439301_Supervise Classification of Acoustic Scenes and Events 2016”. 2016.
d_Authorship_Segmentation_of_Open_Source_Code_Projects https://dcase.community/documents/workshop2016/proceeding
[19]. Quectel. “L80 Hardware Design”. https://www.quectel.com/wp- s/Bae-DCASE2016workshop.pdf
278
ỨNG DỤNG PHƯƠNG PHÁP MONTE CARLO MÔ PHỎNG MÔ HÌNH DA

HỖ TRỢ CHẨN ĐOÁN SỨC KHỎE DA
A STUDY ON SKIN MODELING BASED ON MONTE CARLO SIMULATION FOR
SKIN HEALTH DIAGNOSIS
SVTH: Lưu Đinh Đại Đức, Phan Đình Khánh, Nguyễn Thế Nhân, Kiều Thị Phượng
Lớp: 18ES, 21ES, 21ES, 18PFIEV3, Khoa Khoa Học Công Nghệ Tiên Tiến, Trường Đại học Bách Khoa -
Đại học Đà Nẵng; Email: ducluu2201@gmail.com, phandinhkhanh14@gmail.com, thenhan144@gmail.com,
nkkieuphuong232@gmail.com
GVHD: TS. Nguyễn Thị Anh Thư, PGS. TS. Phạm Văn Tuấn, KS. Nguyễn Thanh Thiên
Khoa Khoa Học Công Nghệ Tiên Tiến, Trường Đại học Bách Khoa - Đại học Đà Nẵng;
Email: ntathu@dut.udn.vn, pvtuan@dut.udn.vn, thiennguyenthanh257@gmail.com,
Tóm tắt - Ngày nay, do tác hại của môi trường, nhu cầu chữa Abstract - Due to environmental pollution, there is an
trị và chăm sóc da ngày càng tăng. Một phương pháp tiềm năng increasing need for skin treatment and care. A potential approach
giúp chẩn đoán dấu hiệu và tình trạng da có thể kể đến là chụp to diagnose skin signs and conditions is multi-spectral imaging.
ảnh quang học. Nhờ sự phát triển của khoa học máy tính với các Thanks to the development of computer science with simulation
công cụ mô phỏng, phương thức chẩn đoán này có thể được tools, this type of diagnosis can be performed in a quicker and
thực hiện một cách nhanh chóng và chính xác hơn. Trong nghiên more precise way. This study constructed three-layer human skin
cứu này, nhóm xây dựng các mô hình da người với ba lớp da và models and created a spectral database of skin reflectance using
tạo bộ cơ sở dữ liệu quang phổ phản xạ của da bằng phương the Monte Carlo method. The results show the precision of the
pháp Monte Carlo. Kết quả nghiên cứu cho thấy sự phù hợp của three-layer mathematical model as well as the reliability of the
mô hình toán học ba lớp cũng như sự tin cậy của mô hình mô Monte Carlo simulation approach. This result is a prerequisite for
phỏng Monte Carlo. Kết quả này là tiền đề cho việc mô phỏng a big data simulation of skin light reflectance in combination with
dữ liệu lớn về độ phản xạ ánh sáng của da, kết hợp với trí tuệ artificial intelligence to perform a diagnosis of skin health
nhân tạo để thực hiện chẩn đoán thông số sức khỏe da. parameters.
Từ khóa - Chẩn đoán sức khỏe da; Chụp ảnh quang phổ; Keywords - Skin Health Diagnosis; Multi-Spectral Imaging;
Mô phỏng Monte Carlo; Phản xạ khuếch tán; Chẩn đoán không Monte Carlo Simulation; Diffuse Reflectance; Non-Invasive
xâm lấn. Diagnosis
1. Đặt vấn đề Technology Corp., Gloucester, MA), máy

Da là cơ quan quan trọng của con người. Nó đóng vai Corneometer® CM820 (Courage et Khazaka, Koln,
trò như một lớp bảo vệ, chứa thụ thể cảm ứng để tiếp nhận Germany), và Skicon® 200 (I.B.S. Co., Ltd., Shizuoka-
thông tin từ bên ngoài. Cơ quan làm đẹp này là một phần ken, Japan) [7]. Tuy nhiên các phương pháp trên tốn khá
không thể thiếu trong cuộc sống của chúng ta. nhiều thời gian, chi phí cho máy móc, chẩn đoán và nhân
lực thực hiện [8].
Tuy nhiên, những vấn đề như ô nhiễm môi trường, ánh
sáng mặt trời, chế độ ăn uống không lành mạnh đã khiến cho Từ thực trạng trên, nhóm nghiên cứu tiếp cận kỹ thuật
những bệnh về da trở thành một mối lo ngại của cộng đồng. chẩn đoán không xâm lấn: chụp ảnh quang học. Các mô
Trong một cuộc khảo sát trên 2.400 người Bình Thuận thì hình da người và bộ cơ sở dữ liệu về quang phổ phản xạ
có đến 41% người bị mắc bệnh viêm da dị ứng và 20.6% là của da sẽ được xây dựng bằng phương pháp mô phỏng
bệnh về nấm và ký sinh trùng [1]. Theo một nghiên cứu Monte Carlo, trong dải từ 430 - 650 nm và 900 - 1700nm.
được thực hiện bởi Học Viện Da Liễu Hoa kỳ vào năm Qua đó, dữ liệu này sẽ có thể kết hợp với các mô hình trí
2016, có đến 84,5 triệu trong số 323 triệu người Mỹ bị ảnh tuệ nhân tạo để giúp chẩn đoán tình trạng sức khoẻ của da.
hưởng bởi một số loại bệnh về da [2]. 2. Lý thuyết
Theo AAD, các bệnh da liễu đã tiêu tốn của nước Mỹ 75 2.1. Mô hình da
tỷ đô la [3]. Theo các thống kê gần đây, giá trị mỹ phẩm Da người được cấu thành bởi nhiều lớp khác nhau theo
nhập khẩu vào Việt Nam năm 2011 là 500 triệu USD nhưng thứ tự: lớp sừng, lớp gai, lớp đáy, trung bì nông, trung bì
đến năm 2016 đã tăng lên gần 2 tỷ USD [4]. Có thể thấy chi dưới, mạng lưới mạch máu trung bì trên, trung bì sâu,
phí dành cho việc chăm sóc và chữa trị các bệnh da liễu ngày mạng lưới mạch máu trung bì dưới, lớp dưới da [9].
càng tăng và trở nên đắt đỏ. Tuy nhiên, nhịp sống và làm
việc nhanh của phần lớn người khiến việc đến gặp một bác
sĩ da liễu trở nên rất khó khăn. Vì vậy nhu cầu cho một
phương pháp nhanh và tiện để chẩn đoán sức khỏe da đang
trở nên bức thiết hơn bao giờ hết.
Hiện nay, có nhiều nghiên cứu về đề tài này với các
phương pháp như kỹ thuật chụp đèn Wood [5], kỹ thuật
đo sự mất nước qua các tầng da (Transepidermal Water
Loss) [6], hay kỹ thuật đo hàm lượng nước trong da thông
qua thuộc tính về điện của nó như điện dung và độ dẫn
điện [7]. Các phương pháp này đã tạo ra được một số sản
phẩm trên thị trường như máy Nova DPM® 9003 (Nova Hình 1: Sơ đồ cấu trúc da [10]
279
SVTH: Lưu Đinh Đại Đức, Phan Đình Khánh, Nguyễn Thế Nhân, Kiều Thị Phượng; GVHD: TS. Nguyễn Thị Anh Thư, PGS. TS. Phạm Văn Tuấn, KS. Nguyễn Thanh Thiên
Mô hình da 9 lớp như được nêu ở trên có cấu trúc sử dụng để xác định hiện tượng này trong quang học da.
phức tạp với nhiều thông số tác động. Do đó trong nghiên Hệ số tán xạ được tính bằng công thức:
cứu này, chúng tôi sử dụng mô hình với 3 lớp da chính −4
nhưng vẫn đảm bảo được các cấu trúc và các thông tin 𝜆
𝜇𝑠 = 𝜇𝑠500(𝑛𝑚) ∗ (𝑓𝑟𝑎𝑦 ∗ ( ) + (1 − 𝑓𝑟𝑎𝑦 )
chủ yếu của da. Như trình bày ở hình 1, ba lớp này gồm: 500(𝑛𝑚)
−𝑏𝑚𝑖𝑒
- Lớp biểu bì: là lớp bên ngoài của da, không có 𝜆
∗ ( )
mao mạch và tĩnh mạch. Lớp này có độ dày 500(𝑛𝑚)
trung bình khoảng 0.027 – 0.150 mm [10], được Trong đó:
cấu thành bởi 90% là lớp sừng, có vai trò như
một hàng rào ngăn các chất nguy hiểm xâm nhập 𝜇𝑠500(𝑛𝑚) : hệ số tán xạ đo được ở bước sóng 500 nm
vào cơ thể. Các chất này chủ yếu được đào thải
qua da, 10% còn lại là tế bào melanin đóng vai
𝑓𝑟𝑎𝑦 : phần tán xạ Rayleigh
trò sản xuất và phân phối melanin. Melanin là 1 − 𝑓𝑟𝑎𝑦 : phần tán xạ Mie
loại protein tạo tế bào sắc tố cho da và bảo vệ
khỏi tia UV. 𝑏𝑚𝑖𝑒 : công suất tán xạ thu được bằng các dữ liệu
- Lớp trung bì: có độ dày khoảng từ 0.6 – 3 mm đo được [13].
[10]. Cấu trúc lớp này bao gồm các mô liên kết, 2.2. Độ xâm lấn của ánh sáng vào da
nước, hemoglobin và chủ yếu là collagen. Hình bên dưới biểu diễn độ sâu của sự xâm nhập ánh
Hemoglobin được chia làm 2 loại: oxy- sáng vào da. Ta có thể thấy, ánh sáng đỏ xuyên sâu hơn
hemoglobin có oxy và deoxy-hemoglobin ánh sáng xanh lam. Ánh sáng đỏ chỉ thâm nhập đến
không có oxy. Collagen trong lớp này chiếm đến khoảng khoảng 2 - 3 mm bên dưới bề mặt da trong khi tia
90% tổng số collagen của toàn bộ cơ thể người. cực tím hầu như không xuyên qua được và ánh sáng xanh
Bên trong lớp collagen là các kênh bạch huyết, chỉ xâm nhập chưa đến 1mm vào mô da.
mạch máu, các sợi dây thần kinh và các tế bào
cơ.
- Lớp dưới da: có độ dày từ 1 – 5 mm [10]. Lớp
dưới da bao gồm các lớp mô liên kết (dạng xốp)
xen kẽ với các tế bào mỡ chứa năng lượng.
Những tế bào mỡ này được giữ lại và kết thành
từng nhóm bởi các sợi collagen. Lớp dưới da
xếp xen kẽ với các mạch máu, đảm bảo cung cấp
nhanh chóng dinh dưỡng cần thiết cho cơ thể.
Các lớp của da bị ảnh hưởng bởi các đặc tính quang
học chủ yếu như độ dày, hệ số hấp thụ, hệ số tán xạ, …
Tỉ lệ và tính chất hấp thụ của các chất trong da ảnh hưởng
Hình 2: Độ sâu của sự xâm nhập ánh sáng vào da [11]
đến hệ số hấp thụ photon ở mỗi lớp.
2.3. Mô phỏng Monte Carlo
Với mỗi lớp da được mô hình hóa, độ hấp thụ của lớp
đó là tổng độ hấp thụ của các thành phần chính cấu tạo
nên lớp. Độ hấp thụ ánh sáng của các lớp biểu bì, trung
bì và lớp dưới da lần lượt là:
𝜇𝑎𝑒𝑝𝑖 = 𝐶𝑚 ∗ (𝜇𝑎𝑝ℎ𝑒𝑜 ∗ 𝛽 + 𝜇𝑎𝑒𝑢 ∗ (1 − 𝛽)) + 𝐶𝑤𝑒𝑝𝑖
∗ 𝜇𝑎𝑒𝑝𝑖 + (1 − 𝐶𝑚 − 𝐶𝑤𝑒𝑝𝑖 ) ∗ 𝜇𝑎𝑏𝑎𝑠𝑒
𝜇𝑎𝑑𝑒𝑟 = 𝐶𝑏𝑑𝑒𝑟 ∗ (𝜇𝑎𝑜𝑥𝑦 ∗ 𝑆 + 𝜇𝑎𝑑𝑒𝑜𝑥𝑦 ∗ (1 − 𝑆))

+ (1 − 𝐶𝑏𝑑𝑒𝑟 ) ∗ 𝐶𝑤𝑑𝑒𝑟 ∗ 𝜇𝑎𝑤
+ (1 − 𝐶𝑏𝑑𝑒𝑟 ) ∗ (1 − 𝐶𝑤𝑑𝑒𝑟 ) ∗ 𝜇𝑎𝑏𝑎𝑠𝑒
𝜇𝑎𝑠𝑢𝑏 = 𝐶𝑏𝑠𝑢𝑏 ∗ (𝜇𝑎𝑜𝑥𝑦 ∗ 𝑆 + 𝜇𝑎𝑑𝑒𝑜𝑥𝑦 ∗ (1 − 𝑆))

Hình 3: Cách photon di chuyển trong mô phỏng Monte Carlo
+ (1 − 𝐶𝑏𝑠𝑢𝑏 ) ∗ 𝐶𝑓𝑎𝑡 ∗ 𝜇𝑎𝑓𝑎𝑡
[9]
+ (1 − 𝐶𝑏𝑠𝑢𝑏 ) ∗ (1 − 𝐶𝑓𝑎𝑡 ) ∗ 𝐶𝑤𝑠𝑢𝑏 Phương pháp này mô phỏng lại quá trình chiếu các tia
∗ 𝜇𝑎𝑤 + (1 − 𝐶𝑏𝑠𝑢𝑏 ) ∗ (1 − 𝐶𝑓𝑎𝑡 )photon vuông góc vào da. Những lớp da trong mô phỏng
∗ (1 − 𝐶𝑤𝑠𝑢𝑏 ) ∗ 𝜇𝑎𝑏𝑎𝑠𝑒 này được giả định là những lớp da rộng vô hạn. Các lớp
được mô tả bằng các chỉ số như: độ dày, chiết suất, hệ số
[10]
hấp thụ 𝜇𝑎 , hệ số tán xạ 𝜇𝑠 , hệ số dị biến 𝑔. Trong đó hệ
Trong đó, các hệ số và ký hiệu được mô tả ở bảng 1 bên số tán xạ là tỷ lệ mà photon bị tán xạ trong một đơn vị
dưới. khoảng cách, hệ số khúc xạ là tỷ lệ photon bị hấp thụ
Ngoài sự hấp thụ, hiện tượng tán xạ còn xảy ra liên trong một đơn vị khoảng cách. Từ đó, ta có được hệ số
tục bên trong da. Tán xạ Rayleigh và tán xạ Mie có thể tương tác μt bằng tổng hệ số hấp thụ và hệ số tán xạ. Hệ
280
số dị biến g là giá trị cosine trung bình của góc lệch (hình 12 𝜇𝑎𝑓𝑎𝑡 Độ hấp thụ của mỡ 0.3 - 13.1m-1
3).
Trong quá trình này, photon được cho lan truyền 13 β Tỉ lệ giữa 4.9-36% [15]
trong không gian 3 chiều và lượng photon bị hấp thụ được pheomelanin và
ghi lại. Mô phỏng này sử dụng lấy mẫu ngẫu nhiên biến eumelanin
đổi từ các phân phối xác suất. Để mô phỏng sự lan truyền, 14 S Độ bão hòa của oxy 50-95% [16]
chúng ta sẽ lặp lại ngẫu nhiên một biến số dựa trên bộ tạo trong máu
số giả ngẫu nhiên 𝜉.
Chương trình tiến hành xác định vị trí hiện tại của 3.2. Các bước mô phỏng
photon bằng hệ tọa độ Descartes (𝑥, 𝑦, 𝑧). Trong mỗi Sau khi thu được bộ dữ liệu đầu vào, nhóm khởi chạy
bước di chuyển, photon sẽ bị hấp thụ hoặc phản xạ và chương trình mô phỏng gồm các bước dưới đây:
trọng lượng của chúng có sự thay đổi.
3. Thiết kế
Sơ đồ khối tổng quan:
Hình 4: Sơ đồ thiết kế
3.1. Tạo dữ liệu mô hình da
Trước khi tiến hành thực hiện mô phỏng Monte Carlo,
nhóm tiến hành thiết lập mô hình da và các thông số nồng
độ các chất và độ hấp thụ của nó trong da để tạo ra bộ dữ
liệu với 3000 mẫu. Các thông số này được thay đổi ngẫu
nhiên trong khoảng quy định ở bảng 1 dưới đây.
Bảng 1: Bảng mô tả ký hiệu và định lượng các thông số
trong da
ST Ký Mô tả Giá trị
T hiệu
1 Cm Nồng độ của melanin 1.3 - 43% [13]
ở lớp biểu bì
2 Cwepi Nồng độ của nước ở 10 - 20% [10] Hình 5: Sơ đồ thuật toán mô phỏng Monte Carlo [10]
lớp biểu bì Đầu tiên, chương trình tiến hành xác định vị trí hiện
tại s của photon bằng hệ tọa độ Descartes. Lúc này, các
3 Cbder Nồng độ của máu ở 0.2 - 7% [14] photon sẽ bắt đầu phóng đi. Trước khi phóng đi, mỗi
lớp trung bì photon đều có trọng lượng 𝑊. Bằng cách sử dụng dữ liệu
4 Cwder Nồng độ của nước ở 40 - 90 % [10] ngẫu nhiên, kích thước bước thông qua lấy mẫu phân bố
lớp trung bì xác suất cho đường đi tự do của photon được tính toán.
Trong mỗi bước, các photon có thể có khả năng va
5 Cbsub Nồng độ của máu ở 5 - 20 % [10]
chạm vào thành biên của da hoặc tiếp tục lan truyền. Nếu
lớp dưới da
photon va chạm vào thành biên, chúng ta sẽ kiểm tra
6 Cwsub Nồng độ của nước ở 40 - 90% [10] photon sẽ bị phản xạ hay thoát ra khỏi ra. Việc kiểm này
lớp dưới da dự trên bộ số giả ngẫu nhiên 𝜉 và hệ số phản xạ toàn phần
𝑅(𝛼𝑖 ).
7 Cfat Nồng độ của mỡ ở 40 - 70 % [10]
lớp dưới da Tiếp đó, photon bắt đầu di chuyển bên trong mô với
trọng lượng được cập nhật liên tục. Sau mỗi bước, quá
8 𝜇𝑎𝑚 Độ hấp thụ của 1.70 x 10-12 trình mô phỏng bắt đầu tính toán sự suy giảm của photon
melanin nm-3.48 cm-1 do sự hấp thụ trong mô. Photon tiếp tục bị tán xạ và
hướng của nó sẽ bị thay đổi. Sự thay đổi này phụ thuộc
9 𝜇𝑎𝑤 Độ hấp thụ của nước 10-4 - 9.9 x
10-5 cm-1 vào 2 góc là góc lệch 𝜃 ∈ [0, 𝜋) và góc phương vị 𝜓 ∈
[0,2𝜋), được quyết định dựa trên giá trị ngẫu nhiên.
10 𝜇𝑎𝑜𝑥𝑦 Độ hấp thụ của 0.5 - 1.26cm-1 Sự thay đổi liên tục về trọng lượng này nghĩa là một
oxyhemoglobin số photon mất đi quá nhiều trọng lượng trong quá trình di
11 𝜇𝑎𝑑𝑒𝑜𝑥𝑦 Độ hấp thụ của 0.1 - 3.7cm-1 chuyển, dẫn đến việc chúng không thể mang lại đủ thông
deoxyhemoglobin tin. Kỹ thuật Roulette được sử dụng để kết thúc quá trình
di chuyển của những photon này, giúp đảm bảo sự bảo
281
SVTH: Lưu Đinh Đại Đức, Phan Đình Khánh, Nguyễn Thế Nhân, Kiều Thị Phượng; GVHD: TS. Nguyễn Thị Anh Thư, PGS. TS. Phạm Văn Tuấn, KS. Nguyễn Thanh Thiên
toàn năng lượng và không làm sai lệch sự phân bố của thương mại. Cơ sở này được xây dựng từ 100 mẫu gồm
lắng đọng photon. những dải bước sóng từ 250 đến 2500 nm với mỗi bước
Phương pháp này cho phép photon tiếp tục di chuyển tăng 3 nm. Chúng tôi tái định hình dữ liệu bằng cách sử
với trọng lượng 𝑚𝑊. Nếu trọng lượng photon giảm dụng thuật toán nội suy và hạn chế phạm vi từ 430 đến
xuống dưới ngưỡng quy định, trọng lượng sẽ được giảm 650 nm. Từ đó, chúng tôi đã định dạng lại các mẫu trong
xuống bằng 0 và kết thúc quá trình của photon này. chương trình Monte Carlo và nhận được một phổ phản xạ
mô phỏng.
Nếu đó là photon cuối cùng, quá trình mô phỏng sẽ
dừng lại. Ngược lại, quá trình mô phỏng sẽ tiếp tục với
một photon mới.
3.3. Bộ dữ liệu so khớp thực tế
Sau khi thu được bộ dữ liệu đầu ra, nhóm tiến hành
vẽ đồ thị bằng Matlab và so khớp với hai nguồn dữ liệu
thực tế để đánh giá tính chính xác của dữ liệu mô phỏng:
Một, dữ liệu được công bố bởi National Institute of
Standards and Technology (NIST) được đo bằng một
máy đo quang phổ thương mại. Cơ sở dữ liệu này được
xây dựng từ 100 mẫu da của người da trắng với dải bước
sóng từ 250 đến 2500 nm.
Hai, dữ liệu được đo bằng thiết bị Texas Instruments Hình 4: So sánh phổ phản xạ
DLP NIRscan Nano Evaluation Module (EVM). Cơ sở Kết quả trình bày trong hình 4 cho ta thấy phổ phản
dữ liệu này được nhóm tự thu thập, đo trên 3 tình nguyện xạ nhận được gần sát với bộ dữ liệu thực công bố bởi
viên người da vàng trong phạm vi bước sóng từ 900 – National Institute of Standards and Technology (NIST)
1700 nm. [18]. Sự chênh lệch giữa kết quả mô phỏng và kết quả đo
4. Kết quả nghiên cứu thực đến từ việc điều chỉnh các thông số của lớp biểu bì
và hạ bì. Đồng thời, mô hình da ba lớp được chúng tôi sử
4.1. Kết quả mô phỏng dụng có cấu trúc ít phức tạp hơn so với mô hình da chín
Sau khi đã chạy thành công Monte Carlo, biểu đồ thu lớp và da thực. Tuy nhiên biểu đồ phổ phản xạ vẫn có thể
được trên Matlab biểu diễn sự truyền đi của ánh sáng giữ được hình dạng tương đối đồng nhất và đặc trưng.
trong mô da tại hình 5. Trong đó, vùng có ánh sáng truyền Kết quả thực nghiệm cho thấy phổ phản xạ có xu
đi nhiều nhất được biểu diễn là vùng màu đỏ và vùng ánh hướng tăng trên miền bước sóng 430 - 650 nm. Điều này
sáng không truyền tới được là vùng màu đen . có thể do hệ số hấp thụ của melanin trong khoảng này
giảm dần một cách ổn định, và nồng độ của melanin quá
lớn, chiếm ưu thế hơn so với các chất còn lại trong tầng
trung bì [10]. Bên cạnh đó, giá trị này tỉ lệ nghịch với hệ
số hấp thụ của máu [10], theo đó, dựa vào hình 4 và hình
5, khi nồng độ của hemoglobin và oxy-hemoglobin tăng
trong khoảng 510 - 565 nm, hệ số phản xạ giảm.
Tại bước sóng 450nm, hệ số biến thiên do ảnh hưởng
khi bước sóng đi qua lớp phân cách giữa tầng biểu bì và
trung bì.
Hình 5: Phổ thu được từ dữ liệu mô phỏng
Da bao gồm các tế bào sắc tố có hệ số tán xạ và hấp
thụ phụ thuộc vào bước sóng. Các đặc tính tán xạ này là
do đặc tính suy giảm nội tại và kích thước của các hạt
trong da, cụ thể là tán xạ Mie hoặc Rayleigh. Do đó, khi
độ sâu tăng, mật độ năng lượng của ánh sáng bị giảm đi.
4.2. So khớp dữ liệu mô phỏng với bộ dữ liệu thực
nghiệm NIST
Căn cứ vào các khoảng giá trị của các thông số da
được thu thập ở bảng 1, chúng tôi đã thực hiện mô phỏng
với các thông số da của người da trắng như sau: 𝐶 m = 5%,
𝐶𝑤𝑒𝑝𝑖 = 15%, 𝐶𝑏𝑑𝑒𝑟 = 4%, β= 21%, 𝜇𝑎𝑜𝑥𝑦 = 0.88 𝑐𝑚−1 ,
𝜇𝑎𝑑𝑒𝑜𝑥𝑦 = 1.9 𝑐𝑚−1 . Hình 5: Phổ hệ số hấp thụ của các chất [15]
Quá trình mô phỏng Monte Carlo được tuỳ biến tuỳ Khoảng cách Euclide trung bình giữa chỉ số mô phỏng
thuộc vào các thông số liên quan đặc tính của từng loại và chỉ số đo thực của NIST thu được là 0.02921388.
da, theo cấu trúc da được đề xuất bởi Lihong Wang [17]. Trong đó, độ chênh lệch lớn nhất là 0.05538 tại bước
Cơ sở dữ liệu phản xạ da của NIST đã được sử dụng sóng 649 nm và độ chênh lệch bé nhất là 0.00986 tại bước
để đo phổ phản xạ thực bằng một máy đo quang phổ sóng 430nm.
282
Đồng thời, chúng tôi cũng đã mô phỏng được một mô Từ kết quả này, trong các bước nghiên cứu tiếp theo,
hình da người phương Đông dựa trên những nghiên cứu ta có thể cải thiện mô hình da từ 3 lớp thành 9 lớp và hiệu
trước. Trong đó chúng tôi có thể lấy Cm=12% [10], độ chỉnh độ sai lệch để đạt được kết quả tốt hơn.
dày của lớp biểu bì là 0.0728 nm, và hạ bì là 1.0943 nm Ngoài ra, do quá trình mô phỏng Monte Carlo mất
[19]. Bên cạnh đó, chúng tôi cũng tìm được tỉ lệ giữa nhiều thời gian và cần cấu hình máy tính mạnh, chúng tôi
pheomelanin và eumelanin là β = 6.2125 [20]. hướng đến việc tạo bộ dữ liệu lớn có kết hợp AI để cải
4.3. So khớp dữ liệu mô phỏng với bộ dữ liệu thực tế thiện độ chính xác cũng như là tăng tốc quá trình chuẩn
đo từ thiết bị quang phổ đoán.
Sau khi đã xây dựng được mô hình da của người Đồng thời, trong các nghiên cứu tiếp theo, chúng tôi
phương Đông, chúng tôi cho chạy Monte Carlo trong sẽ tiến hành xây dựng một hệ thống tích hợp với điện
phạm vi bước sóng từ 900 – 1700 nm để so sánh với dữ thoại thông minh để phương pháp này dễ tiếp cận hơn với
liệu mà chúng tôi đo được bằng thiết bị Texas nhu cầu chẩn đoán tình trạng da hiện nay.
Instruments DLP NIRscan Nano Evaluation Module 6. Lời cảm ơn
(EVM).
Chúng tôi xin chân thành cảm ơn công ty TNHH
MTV L.Y.D.I.N.C đã hỗ trợ về tài chính, trang thiết bị
nghiên cứu và tư vấn kỹ thuật cho đề tài này, xin cảm ơn
Viện Công nghệ quốc tế DNIIT - Đại Học Đà Nẵng đã
hỗ trợ mượn thiết bị đo quang phổ cầm tay NIR, xin cảm
ơn Đại học bách khoa - Đại học Đà Nẵng đã hỗ trợ một
phần chi phí nghiên cứu đề tài.
[1] Nguyễn Thạnh, “Mỗi năm người dân chi tới 75 tỷ USD để
điều trị bệnh về da”, 2020.
[2] Henry L., et al, “The burden of skin disease in the United
States”, 2017.
Hình 7: Kết quả đo được và kết quả mô phỏng [3] American Academy of Dermatology, “Burden of skin disease”,
2016.
Nhìn vào hình 7, ta thấy được phổ phản xạ nhận được [4] Hà Mai, “Người Việt chi 2 tỷ cho mỹ phẩm nhập,” 2018.
từ kết quả mô phỏng có hình dạng gần giống với phổ phản [5] Ev V., et al, “Experience With Wood Lamp Illumination and
Digital Photography in the Documentation of Bruises on Human
xạ thu được từ kết quả đo thực. Tuy nhiên, có sự biến Skin,” 2002.
thiên mạnh trong khoảng từ 1100 - 1300nm. [6] Maxwell G., et al, “Transepidermal water loss (TEWL):
Sự chênh lệch này có thể đến từ việc điều chỉnh thông Environment and pollution—A systematic review”, 2022
[7] Lee CM, Maibach HI, ” Bioengineering analysis of water
số của lớp biểu bì, hạ bì và mô hình da ba lớp. Bên cạnh hydration: an overview”, 2002
đó, chúng ta có thể thấy rằng từ bước sóng 1000nm không [8] Bộ Y Tế, “Quy trình chụp và phân tích da bằng máy phân tích
tồn tại hemoglobin và deoxyhemoglobin mà chỉ có nước da,” 2017.
và melanin. Đồng thời trong khoảng đó melanin cũng [9] Maeda, T., Arakawa, N., Takahashi, M., and Aizu, Y., “Monte
carlo simulation of spectral reflectance using a multilayered skin
trong đà giảm mạnh dẫn đến việc chương trình bị nhiễu tissue model”, 2010
sóng và chúng ta cũng thấy sự hấp thụ của nước ở mức [10] Shiwei L., Mohsen A., Abdelmalek Z., “Quantitative Analysis
1100 nm tăng lên mạnh. Vì vậy phổ phản xạ của da thật of Skin using Diffuse Reflectance for Non-invasive Pigments
và da mô phỏng đều có dấu hiệu giảm mạnh. Trong Detection,” 2021
[11] Yi-Han C., Kuo-Cheng H., Ching-Ching Y., Hsin-Yi T.,
khoảng bước sóng này nước trở thành giá trị chiếm nồng "Evaluation of absorbed light dose in human skin tissue during
độ ở trong tầng, do đó đã dẫn đến sự biến thiên đó. Light Therapy by 630nm LED light," pp. 394-398, 2015
Khoảng cách Euclide trung bình giữa chỉ số mô [12] Baranoski G. V. and Krishnaswamy A., “Light and skin
interactions: simulations for computer graphics applications”,
phỏng và chỉ số đo được là 0.0105. Trong đó, độ chênh 2010.
lệch lớn nhất là 0.0316 tại bước sóng 1125 nm và độ [13] Jacques, S. L, “Origins of tissue optical properties in the uva,
chênh lệch bé nhất là 0.0001 tại bước sóng 1689 nm. visible, and NIR regions”, 1996
[14] Flewelling, R. “Noninvasive optical monitoring, in the
5. Kết luận biomedical engineering handbook”, 2000
Nghiên cứu này đã thực hiện mô phỏng cấu trúc da [15] Parsad D., Wakamatsu K., Kanwar A. J., Kumar B., and Ito S.,
“Eumelanin and pheomelanin contents of depigmented and
người với bộ thông số phù hợp với từng loại da được đề repigmented skin in vitiligo patients”, 2003.
xuất trong các nghiên cứu trước đó bằng phương pháp [16] Angelopoulos, E. “Understanding the color of human skin”,
Monte Carlo. Qua đó, chúng tôi so khớp với hai bộ dữ 2001
liệu và đạt được kết quả tương đối: bộ dữ liệu từ viện [17] Lihong Wang, Steven L. Jacques, Liqiong Zheng, “MCML—
Monte Carlo modeling of light transport in multi-layered
NIST và có độ chênh đạt khoảng 0.029, và bộ dữ liệu từ tissues”, 1995
máy đo thực tế và có độ chênh lệch đạt khoảng 0.0105. [18] Catherine C. Cooksey, David W. Allen, and Benjamin K. Tsai,
Bằng việc thay đổi các thông số của da người theo các “Reference Data Set of Human Skin Reflectance”, 2017
[19] Lee Y., Hwang K., “Skin thick of Korean adults”, 2002.
tình trạng sức khoẻ khác nhau của da, các dữ liệu mô [20] Alison H., Carol O., Brian D., Kazumasa W., Shosuke I. and
phỏng được mức độ phản xạ của da trong các tình huống Jonathan R., “Eumelanin and pheomelanin concentrations in
tương ứng sẽ được tái tạo. Đây chính là tiền đề cho việc human epidermis before and after UVB irradiation”, 2005.
mô phỏng để chẩn đoán sức khỏe da người.
283
SVTH: Trần Thị Nguyệt Hà, Hồ Xuân Đạt, Lê Vũ Hoàng Đức, Ngô Hồng Hoàng, Nguyễn Thanh Liêm; GVHD: TS. Nguyễn Thị Anh Thư, PGS. TS. Phạm Văn Tuấn
PHÂN TÍCH ĐẶC TRƯNG VỀ ĐỘ CONG NHÃN CẦU CÁ VỚI HỆ THỐNG

THU THẬP DỮ LIỆU TỰ ĐỘNG VÀ CHI PHÍ THẤP TRONG XÁC ĐỊNH ĐỘ
TƯƠI CỦA CÁ
ANALYZING POTENTIAL FISH CORNEA CURVATURE FEATURE WITH AUTOMATED
AND LOW-COST DATA CAPTURING SYSTEM IN FISH FRESHNESS DETERMINATION
SVTH: Trần Thị Nguyệt Hà, Hồ Xuân Đạt, Lê Vũ Hoàng Đức, Ngô Hồng Hoàng, Nguyễn Thanh Liêm
Lớp: 19ECE, 19ECE, 19PFIEV2, 19PFIEV1, 19PFIEV3, Khoa Khoa Học Công Nghệ Tiên Tiến, Trường Đại học
Bách Khoa - Đại học Đà Nẵng;
Email: ttnguyetha2001@gmail.com, vailvy225@gmail.com, levhoangduc@gmail.com,
honghoangngo@gmail.com, liem1762001@gmail.com
GVHD: TS. Nguyễn Thị Anh Thư, PGS. TS. Phạm Văn Tuấn
Khoa Khoa học Công nghệ tiên tiến, Trường Đại học bách khoa - Đại học Đà Nẵng;
Email: ntathu@dut.udn.vn, pvtuan@dut.udn.vn.
Tóm tắt - Chất lượng thực phẩm, đặc biệt là độ tươi của cá Abstract - The quality of food, especially the freshness of
luôn là vấn đề được quan tâm hiện nay. Trong nghiên cứu trước the fish, is always a concern today. In the previous study, the
đây, nhóm tác giả đã đưa ra giải pháp về phát hiện độ tươi của authors proposed a solution for detecting the freshness of fish by
cá bằng phương pháp xử lý hình ảnh thông qua trích xuất các image processing through the extraction of fisheye
đặc trưng của mắt cá và phân loại dựa trên phương pháp characteristics and classification based on threshold methods
ngưỡng và mạng nơron. Bài báo này nghiên cứu phát triển một and neural networks. This paper studies the development of a
đặc trưng mới - độ cong của nhãn cầu cá với các kỹ thuật nhận new characteristic—the curvature of fish eyeballs with curvature
dạng độ cong như phương pháp vector, độ lệch chuẩn, bình recognition techniques such as the vector method, standard
phương tối thiểu. Nhóm nghiên cứu đã thiết kế và thi công hệ deviation, and coefficient m of first-order derivative. The team
thống chụp và xử lý tự động riêng để xây dựng cơ sở dữ liệu designed and built their own automated capture and processing
gồm 125 hình mắt cá diếc. Kết quả nghiên cứu với mô hình thống system to build a database of 125 fisheye shapes. The results of
kê (trung bình và phương sai) phát triển từ dữ liệu huấn luyện đã the study with statistical modeling (mean and variance)
cho thấy tính khả thi của đặc trưng độ cong nhãn cầu trong ứng developed from training data have shown the feasibility of eyeball
dụng để đánh giá độ tươi của cá và có thể thử nghiệm mở rộng curvature characterization in the application to assess the
trên số lượng dữ liệu lớn và cho các loại cá khác nhau. freshness of fish and can be tested extensively on large amounts
Từ khóa - Nhận dạng độ tươi cá; đặc trưng độ cong nhãn of data and for different types of fish
cầu; thu thập dữ liệu tự động; xử lý hình ảnh. Keywords - Fish freshness determination; feature of the
curved cornea; automatic data collection; processing image.
1. Đặt vấn đề ảnh cá nhìn từ trên xuống. Tuy nhiên, hệ thống này vẫn
Cá là nguồn thực phẩm dinh dưỡng cho con người. còn hạn chế bởi góc đặt máy ảnh và khả năng thu thập dữ
Vấn đề về vệ sinh an toàn thực phẩm và chất lượng của liệu vì chỉ có một mẫu cá trong mỗi lần chụp. Một thiết
loại thực phẩm này ngày càng được quan tâm. Vì lý do kế đã được áp dụng trong một bài báo vào năm 2018 [4]
đó, ngày càng nhiều các nghiên cứu được thực hiện với với khả năng nhận diện và phân đoạn tự động tuy nhiên
những cách tiếp cận khác nhau nhằm xác định độ tươi của vẫn còn tồn tại nhược điểm khi phải thu thập thủ công
cá. bằng điện thoại.
Trong số đó, một nghiên cứu của nhóm tác giả tại Với hướng tiếp cận chẩn đoán không xâm lấn, nhóm
trường đại học Amity, Noida, Ấn Độ vào năm 2016 [1] tác giả đã công bố trong năm 2020 [5] kết quả nghiên cứu
sử dụng phương thức đo lường hình thái qua việc khảo mới về hệ thống xác định được độ tươi của cá dựa trên
sát sự thay đổi về mang cá. Theo bài viết, quan sát bằng phương pháp so sánh ngưỡng và mạng nơron nhân tạo
mắt thường cho thấy mang của cá Rohu ở NIASM, Ấn với những đặc trưng hình ảnh liên quan đến sự thay đổi
Độ có sự thay đổi rõ rệt về màu đỏ của mang cá giữa lúc đặc trưng sinh lý của mắt cá: tập 12 đường cắt (F0), giá
tươi và lúc ươn. Tuy nhiên phương pháp được xây dựng trị nhỏ nhất của tập F0 (F1), biểu đồ tần suất của hình ảnh
ở trên chỉ có thể áp dụng được cho một loài cá Rohu ở mắt cá (F2), độ lệch chuẩn của tập F0 (F3). Những đặc
Ấn Độ. Theo một nghiên cứu khác đến từ trường đại học trưng này được kiểm nghiệm hiệu quả trên cá diếc với cả
Zhejiang, Trung Quốc vào năm 2013 [2] đã áp dụng hai phương pháp. Với kết quả của nghiên cứu đạt được
phương pháp phát hiện độ tươi thông qua qua sự thay đổi sự chính xác 100% trên dữ liệu huấn luyện và 7 trên 9 mô
năng lượng trên hình ảnh mắt cá và đã cho ra kết quả nhận đun đạt 100% trên dữ liệu kiểm thử. Trong đó, đặc trưng
diện được độ tươi của cá nhanh chóng theo như bài báo F2, F4 có độ chính xác 100% trên cả 2 phương pháp, và
đã kết luận. Tuy nhiên, việc chỉ thu 4 hình ảnh cho một F3 có độ chính xác thấp nhất, đạt 100% trên phương pháp
mẫu thử trong vòng 24 giờ khiến cho tính chính xác của mạng nơron nhưng chỉ được 84% cho bộ dữ liệu huấn
nghiên cứu còn hạn chế. Một nghiên cứu khác đến từ luyện và 78% cho bộ thử bằng phương pháp ngưỡng. Đến
trường đại học Natural and Applied Sciences of Dokuz năm 2021, chúng tôi đã mở rộng phạm vi nghiên cứu và
Eylül, Thổ Nhĩ Kỳ [3] vào năm 2013 đã sử dụng một hệ đánh giá được độ khả thi của những đặc trưng đó đối với
thống tự động thu thập dữ liệu với một điện thoại thông bốn loại cá: cá rô, cá diếc, cá đối, cá dìa [6]. Mô hình
minh và một bộ các giá đỡ với dữ liệu thu được là hình mạng nơron đã cho ra kết quả với độ chính xác đạt 94,9%,
284
89,9% và 88,4% cho ba đặc trưng F0, F1, F2. Trong đó, 3.1. Hệ thống chụp tự động
F0 đạt độ chính xác cao nhất và được công nhận là đặc
trưng hiệu quả để đánh giá độ tươi cho mọi loại cá. Thêm
vào đó, khi mở rộng số lượng loại cá, đặc trưng F3 được
xem như đặc trưng riêng để đánh giá độ tươi của một số
loại cá cụ thể. Tuy nhiên, bộ dữ liệu được thu thập thủ
công, chưa đầy đủ là nhược điểm của nghiên cứu này.
Với mục tiêu nâng cao hiệu quả đánh giá độ tươi của
cá thông qua đánh giá các đặc trưng hình ảnh của mắt cá,
bên cạnh việc áp dụng phối hợp các đặc trưng đã được
nghiên cứu trước đó (F0, F1, F2, F3), nghiên cứu này tiếp
tục phát triển một đặc trưng mới về độ cong nhãn cầu của
cá. Qua đó chứng minh giả định độ cong nhãn cầu của cá
biến đổi theo thời gian và có thể được dùng để xác định Hình 2. Hộp chụp tự động.
tình trạng tươi/ươn của một số loại cá, góp phần củng cố
và bổ trợ cho bộ các đặc trưng trước đó. Đồng thời, để có Nhằm đảm bảo điều kiện ánh sáng và góc chụp thống
thể xây dựng một bộ dữ liệu lớn và nhất quán, phục vụ nhất trong suốt quá trình thu thập dữ liệu, hệ thống bao
cho việc nghiên cứu thử nghiệm của đề tài và các nghiên gồm một mặt bàn hình tròn có đường kính 50cm gắn với
cứu khác, bài báo chúng tôi xây dựng một mô hình chụp động cơ bước, cùng hệ thống ánh sáng gồm hộp chụp và
và xử lý ảnh tự động, có khả năng chụp đồng thời nhiều đèn và một thiết bị chụp hình hiệu Rapoo được đặt cách
mẫu cá và chụp liên tục mỗi giờ từ 0-24 giờ từ lúc cá bắt mẫu cá 7cm theo phương ngang cùng với bộ điều khiển
đầu chết, với cùng điều kiện chụp và lưu trữ cũng như xử với thành phần chính là Raspberry Pi 3B được mô tả như
lý tự động. hình 2. Trong đó, camera chụp ngang được đặt hướng vào
đường cong nhãn cầu của cá, camera chụp đứng để chụp
Phần tiếp theo của nghiên cứu này sẽ tập trung vào đồng tử của mắt cá. Mặt bàn được chia thành 5 phần bằng
những nội dung chính sau: giả định về độ cong nhãn cầu bìa trắng để phân biệt 5 mẫu cá trên bàn xoay, đồng thời
cá, thiết kế hệ thống chụp tự động, phương pháp xử lý dữ để cố định nền phía sau ảnh chụp ngang, giúp thấy rõ độ
liệu đường cong, dữ liệu thực nghiệm, kết quả và đánh cong của nhãn cầu.
giá.
3.2. Hệ thống cắt ảnh tự động
2. Giả định về độ cong nhãn cầu cá
Đứng trước nhu cầu về xây dựng một hệ thống giúp
Dựa trên những nghiên cứu về sự biến đổi sinh lý [7] cắt giảm thời gian đáng kể cho việc tiền xử lý ảnh với bộ
của mắt khi cá chuyển từ trạng thái tươi sang ươn, đồng dữ liệu lớn, cũng như ứng dụng hệ thống AI đã xây dựng
thời dựa trên quan sát từ dữ liệu thực nghiệm như mô tả từ giai đoạn trước và trên hết là tạo tiền để để dự án có
trong hình 1, độ cong lồi của nhãn cầu của cá biến thiên thể đi kết quả cuối cùng là triển khai trên thiết bị điện
theo thời gian, thể hiện tương quan với độ tươi của cá. thoại người dùng. Nghiên cứu này đề ra một mô hình học
máy nhằm tự động phân đoạn dữ liệu phục vụ cho mục
đích tiền xử lý ảnh. Việc này bao gồm công đoạn nhận
diện vị trí mắt cá (hình 3a) và tiếp sau đó là phân đoạn
hình ảnh từ dữ liệu ảnh gốc sử dụng công nghệ Instance
Segmentation để phân vùng dữ liệu mắt cá nằm trong ảnh
Hình 1. Ảnh đường cong mắt cá dìa tại những giờ khác nhau
(0h, 5h, 16h, 24h).
(hình 3b). Mục đích thiết kế hệ thống với phần nền phía
sau của cá màu trắng giúp cho việc tự động phân vùng
Cụ thể, khi cá tươi, nhãn cầu cá căng, tròn và lồi, giác trở nên đơn giản hơn và đồng thời đảm bảo độ chính xác
mạc không bị nhăn nheo, nhưng khi cá ươn, nhãn cầu cá cho mô hình học máy. Từ kết quả thu được, ảnh sẽ được
bắt đầu có xu hướng phẳng và lõm. Khi cá ở môi trường chuyển sang dạng ảnh nhị phân (hình 3c).
trên cạn, tách khỏi nước trong một thời gian dài sẽ dẫn
đến hiện tượng mất nước, mắt cá sẽ xẹp dần và không còn
hình dáng tròn như lúc ban đầu. Từ cơ sở đó, chúng tôi
đưa ra giả định rằng: độ cong của nhãn cầu cá có xu
hướng giảm khi chuyển từ tươi sang ươn.
Để chứng minh giả định này, chúng tôi tiến hành xây
Hình 3. Các công đoạn tự động phân đoạn dữ liệu.
dựng một hệ thống chụp ảnh tự động nhằm chụp ảnh mắt
cá liên tục mỗi giờ, từ 0-24 giờ sau khi cá chết và phát 3.3. Phát triển cơ sở dữ liệu
triển các phương pháp xử lý ảnh nhằm xác định tình trạng Bộ dữ liệu này bao gồm 125 ảnh của 5 mẫu cá diếc
cong của nhãn cầu cá, thông qua đó đánh giá độ tươi của được thu thập. Loại cá này khá phổ biến và được tiêu thụ
cá. nhiều tại miền Trung Việt Nam nên được chọn làm
3. Thiết kế hệ thống chụp tự động nghiên cứu. Mỗi mẫu cá được mua từ chợ khi đang ở
trạng thái còn sống, sau đó tách nước và giữ ở nhiệt độ
Để đảm bảo dữ liệu được đủ nhiều và đồng nhất phục vụ
phòng đến khi cá chết. Ngay sau khi chết, hệ thống tự
nghiên cứu, một hệ thống tự động thu thập dữ liệu được
động chụp ảnh được mô tả ở phần hệ thống sẽ bắt đầu thu
chế tạo, bao gồm cơ cấu quay, chiếu sáng, chụp, lưu trữ
thập dữ liệu ảnh cá trong vòng 25 giờ.
và xử lý phân đoạn tự động.
285
4. Phương pháp 4.2.1. Phương pháp bộ 4 vectơ độ dốc

4.1. Phương pháp trích xuất đặc trưng F0-F2 Trong phương pháp này, 4 vectơ độ dốc dọc theo
Ảnh mắt cá 125x125 pixel được phân đoạn cho vùng đường cong nhãn cầu sẽ được xác định để đánh giá độ
đồng tử và mống mắt, cắt xén và tạo thang độ xám. Để cong và từ đó xác định sự tương quan với độ tươi của cá.
xác minh hiệu suất của phương pháp chụp ảnh bằng hệ Với mục đích giảm độ phức tạp và thời gian xử lý của
thống chụp ảnh chi phí thấp tự động so với phương pháp thuật toán, năm điểm đặc trưng trên đường cong được
chụp ảnh iphone thủ công trước đây, một bộ bốn tính chọn và mô tả như hình 5. Đây là những điểm được chọn
năng mắt cá được xác định trước đó (F0, F1, F2, F3) đã bởi vì chúng thể hiện sự thay đổi rõ rệt của mắt khi cá
được trích xuất và phân tích. Đặc biệt, đặc trưng F0, bao chuyển trạng thái từ tươi sang trạng thái ươn.
gồm 12 lát cường độ, được trích xuất từ ảnh mắt cá theo
cách tương tự như nghiên cứu trước đó [6] bằng cách cắt
các đường thẳng trên ảnh mỗi 15 độ, từ 0 đến 180 độ. Các
giá trị tối thiểu của 12 lát cường độ đã được lấy cho tính
năng F1. Với kích thước bước là 1, biểu đồ của mỗi ảnh
mắt cá màu xám được chọn để biểu thị phân bố cường độ
của các pixel ảnh cho tính năng F2. Độ lệch chuẩn được
tính toán tại mỗi điểm pixel liên quan đến 12 lát tạo thành
tính năng F3, đây là tính năng cuối cùng.
4.2. Phương pháp trích xuất đặc trưng từ đường
cong nhãn cầu
Hình 5. Năm điểm được chọn trong phương pháp tính toán độ
Trong nghiên cứu này, phương pháp xử lý hình ảnh dốc.
được ứng dụng để khảo sát và đánh giá sự thay đổi về độ
Vị trí của các điểm đó sẽ được tính theo chiều ngang của
cong của nhãn cầu cá.
bức ảnh như sau:
Đầu tiên, đường cong nhãn cầu được chụp lại, cắt ra
và thay đổi kích cỡ về 125x125 điểm ảnh để phục vụ cho - P1: điểm ở bên trái cùng của ảnh (điểm ảnh số 0);
việc phân tích. Nhằm đơn giản hóa thuật toán, ảnh được - P2: điểm cách P1 một khoảng 1/4 chiều dài ảnh (điểm
chuyển thành ảnh xám (grayscale) thay vì ảnh màu ảnh số 31);
(RGB). Sau đó, sử dụng phương pháp phân vùng ảnh, - P3: điểm chính giữa (điểm ảnh số 62);
vùng mắt cá trong ảnh sẽ được trích xuất và chuyển về - P4: điểm cách P3 một khoảng 1/4 chiều dài ảnh (điểm
dạng ảnh nhị phân. Để đảm bảo phương pháp xử lý có thể ảnh số 93);
áp dụng được cho ảnh chụp với góc độ khác nhau, các
ảnh nhị phân đó tiếp theo sẽ được quay về song song với - P5: điểm ở bên phải cùng của ảnh (điểm ảnh số 124).
trục ngang như hình 4. Sau đó, 4 vectơ độ dốc sẽ được tính từ bộ 5 số trên theo
công thức:
𝑑𝑦 𝑦2 −𝑦1
𝑠 = = (1)
𝑑𝑥 𝑥2 −𝑥1
Trong đó,
- s là độ dốc từ điểm ảnh thứ nhất đến điểm ảnh thứ 2;
- 𝑦2 , 𝑦1 là tọa độ trên trục tung của điểm ảnh thứ hai và
điểm ảnh thứ nhất;
- 𝑥2 , 𝑥1 là tọa độ trên trục hoành của điểm ảnh thứ hai
và điểm ảnh thứ nhất;
Từ 5 điểm 𝑃1 , 𝑃2 , 𝑃3 , 𝑃4 , 𝑃5 bốn vectơ độ dốc giữa
các cặp điểm sau sẽ được tính toán: 𝑃1−3 , 𝑃2−3 , 𝑃3−4 ,
𝑃3−5 và kí hiệu theo thứ tự là S1-3, S2-3, S3-4 và S3-5.
Độ dốc biểu thị sự thay đổi về tọa độ trục tung của
điểm ảnh trên đường cong nhãn cầu cá. Độ dốc lớn sẽ
biểu thị sự thay đổi nhanh chóng, và độ dốc nhỏ biểu thị
Hình 4. Ảnh nhị phân của cá diếc tại những thời điểm (0h, 5h, sự thay đổi ít. Khi giá độ dốc tiến về gần giá trị 0, độ cao
16h, 24h).
của các điểm ảnh gần như không đổi tại vùng điểm ảnh
Vị trí của những điểm ảnh màu đen phía trên bề mặt đang xét. Điều này đồng nghĩa với việc mắt cá không còn
đường cong sẽ được lưu lại dưới dạng tọa độ (y, x) với x độ cong.
là tọa độ trên trục hoành, chiều dương từ trái qua phải và
Vì vậy, bộ 4 vectơ độ dốc sẽ được sử dụng để đánh
y là tọa độ trên trục tung , chiều dương từ trên xuống
giá sự thay đổi về độ cong mắt cá lúc mắt chuyển dần
dưới. Để phục vụ cho xử lý và tính toán, bộ tọa độ này sẽ
sang trạng thái ươn.
được đổi về hệ trục tọa độ xy tiêu chuẩn với trục tung y
có chiều dương hướng lên trên. Bộ số những tọa độ này 4.2.2. Phương pháp xác định độ lệch chuẩn đường cong
sẽ được phân tích theo 3 hướng: bộ 4 vectơ độ dốc, thông nhãn cầu
số độ lệch chuẩn trên đường cong nhãn cầu và bình Độ lệch chuẩn về độ cao của những điểm ảnh trên bề mặt
phương tối thiểu. đường cong nhãn cầu thể hiện mức độ chênh lệch về tọa
286
độ các điểm so với điểm trung vị trên đường cong mắt cá. Tiếp theo, để khảo sát sự thay đổi của những đường
Độ lệch chuẩn có thể được xác định bằng công thức sau: parabol, đạo hàm bậc 1 của chúng sẽ được tính dựa trên
công thức:
𝛴(𝑦𝑖 −𝜇)2
𝜎=√ (2) 𝑑
𝑁 𝑑(𝑥) = 𝑓 −1 (𝑥) = 𝑓(𝑥) = 2𝑎𝑥 + 𝑏 (4)
𝑑𝑥
Trong đó, Trong đó, d(x) là phương trình của đường đạo hàm
- 𝜎 là độ lệch chuẩn; bậc 1, ứng với đa thức bậc 2 f(x).
- 𝑦𝑖 là tọa độ trục tung của điểm ảnh trên đường cong Tuy nhiên vì giá trị hằng số đứng trước 𝑥 trong công
ứng với điểm 𝑥𝑖 ; thức (4) xuất ra là rất nhỏ nên để tiện cho việc khảo sát
- 𝜇 là điểm trung vị của bộ tọa độ điểm ảnh trên trục dữ liệu, các thông số m ứng với từng đường d(x) sẽ được
tung y; tính toán dựa trên công thức:
- N là độ lớn của tập hợp, ở đây N sẽ có giá trị 125 ứng 𝑚 = (2𝑎) × 100 (5)
với 125 điểm ảnh trên đường cong mắt cá. Khi đi theo chiều dương của trục x trên ảnh về đường
Giá trị độ lệch chuẩn 𝜎 sẽ được tính dựa trên công cong mắt cá, độ cao của các điểm ảnh nằm trên đường
thức (2) bằng hàm std trong thư viện numpy của Python. cong của vùng nhãn cầu sẽ thay đổi nhanh chóng, ứng với
Tại thời điểm nhãn cầu có độ cong lớn, sự chênh lệch về trường hợp mắt cá còn cong nhiều. Đồng thời, với độ
độ cao các điểm ảnh trên bề mặt đường cong mắt so với cong thấp, sự thay đổi về độ cao điểm ảnh sẽ ít hơn và
điểm trung vị sẽ có giá trị lớn, độ lệch chuẩn 𝜎 sẽ có giá tiến gần về giá trị 0 khi mắt không còn độ cong.
trị cao. Đường đạo hàm bậc 1 d(x) sẽ cho ta thấy được mức
Theo giả thuyết trên, độ lệch chuẩn 𝜎 sẽ được dùng độ thay đổi về độ cong mắt cá. Với độ cong càng lớn, giá
để đánh giá sự phân bố về độ cao của các điểm ảnh trên trị d(x) sẽ thay đổi càng nhanh chóng. Điều này có nghĩa
đường cong nhãn cầu cá lúc cá đang tươi và ươn. là giá trị độ dốc của đường đạo hàm bậc 1 d(x), sẽ có giá
trị cao hơn.
4.2.3. Phương pháp bình phương tối thiểu
Phương trình biểu thị cho đường d(x) có dạng là
Dữ liệu tọa độ các điểm trên đường cong đã trích xuất đường thẳng biểu diễn bởi đa thức bậc 1. Đường d(x)
ở trên sẽ tiếp tục được sử dụng trong phương pháp bình được đặc tả bởi thông số m và hằng số b. Đối với cá tươi,
phương tối thiểu. Đường cong parabol khớp nhất với dải độ cong nhãn cầu sẽ thấy rõ và hệ số a của đường parabol
dữ liệu điểm ảnh sẽ được tính bằng hàm polyfit của thư khớp với các điểm ảnh trên đường cong sẽ mang giá trị
viện numpy. Phương trình đường cong cần tìm có dạng âm vì hình dạng đồ thị parabol có bề lõm quay xuống
như sau: dưới. Khi cá chuyển sang trạng thái ươn, giá trị a chuyển
𝑓(𝑥) = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐 (3) dần về 0 ứng với nhãn cầu cá có hình dạng phẳng như
Kết quả trả về của hàm polyfit là một phương trình mốc 16h và 24h trong hình 6.
đường parabol bậc 2, đặc trưng bởi bộ ba hệ số a, b, c. Đồ Từ cơ sở trên, nghiên cứu này sẽ đánh giá độ cong
thị thu được sẽ có dạng như hình 6. Trong đó, bộ hệ số nhãn cầu của cá dựa trên thông số m.
(a, b, c) ứng với từng khung giờ lần lượt là: 5. Kết quả và đánh giá
- 0h: (-0.0059, 0.80, 57.92) 5.1. Kết quả
- 5h: (-0.0043, 0.56, 64.38) 5.1.1. Bộ đặc trưng đã đề xuất F0-F2
- 16h: (-0.00020, 0.045, 71.04) Ba đặc trưng bao gồm F0 (12 đường cắt cường độ),
- 24h: (0.00033, 0.0047, 77.31) F1 (Cường độ tối thiểu), F2 (Biểu đồ) của cá diếc và cá
dìa đã được trích xuất và phân loại thành ba nhóm (nhóm
1: 0-5h; nhóm 2: 6- 19h; nhóm 3: 20-24h). Vectơ đặc
trưng trung bình cho cá đã được tính toán và biểu diễn
bởi các đường cong/cột màu tím, vàng và đỏ với các vùng
màu tím, vàng và đỏ xung quanh cho các giá trị độ lệch
chuẩn (Hình 7a,b, c).
Từ Hình 7a, giá trị trung bình của F0 cho thấy sự tăng
giá trị cường độ khi cá trở nên ôi thiu. Ngoài ra, cường
độ tối thiểu của F1 được lấy từ 3 nhóm cũng được tăng
liên tục như trong Hình 7b. Đối với đặc trưng của biểu đồ
F2, có sự chuyển động từ vùng cường độ thấp sang vùng
cường độ cao của nhóm 1 đến nhóm 3, tương ứng.
Hình 6. Đồ thị đa thức bậc 2 khớp với đường nhãn cầu tại
những thời điểm 0h, 5h, 16h, 24h.
(a)
287
Từ hình 8a, có thể thấy rõ ràng về sự tăng giá trị độ

dốc S3-4, S3-5 và xu hướng giảm của S1-3, S2-3. Cụ thể,
từ 0 giờ đến 10 giờ, những thông số này thay đổi đáng kể
và đạt giá trị bằng 0 tại khoảng thời điểm 7 đến 15 giờ.
Hình 8b cho thấy được sự biến động trong độ lệch chuẩn
giá trị tọa độ của đường hàm đa thức bậc 2 trích xuất từ
đường nhãn cầu. Đại lượng này giảm đáng kể từ nhóm 0
giờ đến 10 giờ nhưng lại tăng lên nhẹ ở khung giờ 20-24
giờ. Đối với thông số m ở hình 8c thể hiện được xu hướng
tăng từ giá trị âm đến xấp xỉ bằng không tại khoảng thời
(b) điểm 8 đến 10 giờ. Lúc cá ươn, mắt cá sẽ lõm xuống và
ảnh chụp nhãn cầu cá sẽ cho thấy một đường phẳng như
trong hình 8, khung giờ 16h và 24h. Tuy nhiên, đa thức
quy hồi bậc 2 khớp với những khung giờ với bề mặt
phẳng như đã nói có thể cho ra giá trị hệ số góc a dương
nên hệ số m có thể lớn hơn giá trị 0.
Những kết quả này đúng với giả định đã đặt ra trong
nghiên cứu này và thể hiện được sự thay đổi rõ rệt của
(c)
nhãn cầu cá từ lúc tươi đến ươn.
Hình 7. Giá trị trung bình của (a) Đặc trưng F0, (b) Đặc
trưng F1 (c) Đặc trưng F2 của Cá Diếc 5.2. Đánh giá
5.1.2. Bộ đặc trưng mới về độ cong nhãn cầu 5.2.1. Đánh giá hệ thống thu thập dữ liệu tự động
Với những phương pháp đã trình bày ở trên, dữ liệu Để xác định hiệu quả của hệ thống chụp ảnh cá tự
của 5 mẫu cá được xử lý và trích xuất. Ở mỗi giờ, giá trị động mới, so sánh các thay đổi trong 25 giờ của ba đặc
trung bình và độ lệch chuẩn của mỗi thông số được tính trưng mắt cá được trình bày trong Bảng 1 với hai hình
toán và biểu diễn ở hình 8a,b,c dưới đây. Phần nét đứt thức thu thập dữ liệu khác nhau. Bộ ba thuộc tính đầu tiên
màu đỏ ở hình 8a, c để thể hiện khoảng thời gian giá trị được trích xuất từ hệ thống thủ công của công trình trước
trung bình đạt giá trị bằng 0. đó [6] . Bộ thứ hai được trích xuất từ hệ thống tự động
trong nghiên cứu này. Bảng 1 cho thấy chỉ có đồ thị đặc
điểm F2 là hơi khác do đặc điểm sinh lý cá Diếc thay đổi
từ phân tích trực quan. Nhìn chung, nó cho thấy sự phù
hợp tốt với các giả định được đề xuất, là bằng chứng về
hiệu quả của hệ thống tự động cũng như các đặc trưng
trước đó.
Bảng 1. So sánh xu hướng giá trị dữ liệu qua ba nhóm giữa
hai bộ dữ liệu được thu thập bằng hai cách tiếp cận khác nhau
Phương pháp Phương pháp tự

chụp ảnh thủ động thu thập
Các đặc trưng hình ảnh và độ
(a) công và độ phân
được đề xuất phân giải thấp
giải cao (được đề
xuất trong [6]) (đề xuất mới)
Giá trị trung bình Tăng Tăng
của đặc trưng F0 (từ nhóm 1 đến (từ nhóm 1 đến
(Hình. 7a) nhóm 3) nhóm 3)
Đặc trưng F1 - Tăng Tăng
Cường độ tối
thiểu
(giá trị trung
(b) bình)
Đặc trưng F2 - Dịch chuyển sang Hơi di chuyển đến
Histogram bên phải đồ thị vùng cường độ cao
hơn
5.2.2. Đánh giá bộ đặc trưng mới về độ cong nhãn cầu
cá
Ở nghiên cứu này, có hai phương pháp đánh giá kết
quả của nghiên cứu:
- Dựa trên độ lệch chuẩn của mỗi thông số: Độ lệch
(c) chuẩn thể hiện sự chênh lệch giá trị của dữ liệu, từ đó
Hình 8. Giá trị trung bình của (a) độ dốc, (b) độ lệch chuẩn, đánh giá được tương đồng số liệu và hiệu quả của mỗi
(c) thông số m. phương pháp. Từ hình 8a, S1-3 và S3-5 có độ lệch chuẩn
288
nhỏ hơn S2-3 và S3-4. Vì vậy, thông số độ dốc S1-3 và
S3-5 được xem là hiệu quả hơn sơ với S2-3 và S3-4. Với
phương pháp thứ hai, độ lệch chuẩn từ 10 đến 24 giờ khá
lớn. Phương pháp bình phương tối thiểu tuy từ 10 đến 24
giờ, dữ liệu lệch nhiều hơn so với 0 đến 10 giờ nhưng
nhìn chung, xu hướng của thông số này vẫn ổn định. Từ
đó, có thể kết luận, phương pháp xử lý đường cong thứ
hai (độ lệch chuẩn) có khả năng nhận dạng độ tươi thấp
nhất.
- Dựa trên kết quả mô hình giá trị trung bình và độ
lệch chuẩn của mỗi phương pháp trích thuộc tính, chúng
tôi thực hiện đối sánh thuộc tính trích ra từ 5 mẫu cá với
mô hình và nhận được kết quả như bảng 2.
Bảng 2. Kết quả đối sánh sự phù hợp của mô hình thống kê
với các mẫu cá.
Phương pháp Kết quả đối sánh
Bộ 4 vectơ độ dốc S1-3 80% (khớp được 4 mẫu

trên 5 mẫu)
S2-3 80% (khớp được 4 mẫu
trên 5 mẫu)
S3-4 80% (khớp được 4 mẫu
trên 5 mẫu)
S3-5 100% (khớp được 5 mẫu Hình 10. (a) Giao diện máy ảnh, (b) Giao diện kết quả
trên 5 mẫu)
xử lý
Độ lệch chuẩn 80% (khớp được 4 mẫu 6. Kết luận
trên 5 mẫu)
Nhằm hỗ trợ xây dựng bộ dữ liệu đủ lớn, một cách
Bình phương tối thiểu 100% (khớp được 5 mẫu đồng nhất và tiện lợi hơn, hệ thống tự động thu thập dữ
trên 5 mẫu) liệu được chế tạo và trình bày trong nghiên cứu này.
Từ bảng 2, những phương pháp đã đề xuất đạt từ 80 Trong vòng 25 giờ, hệ thống có thể chụp và xử lý 125
đến 100% độ chính xác, đặc biệt bình phương tối thiểu bức ảnh cho 5 mẫu cá. Dữ liệu thu thập từ hệ thống chụp
đạt 100% trong việc phân loại độ tươi của cá. và xử lý được sử dụng để đánh giá mối tương quan giữa
độ cong nhãn cầu và độ tươi của cá. Để khai thác đặc
5.3. Thiết kế ứng dụng di động
trưng về đường cong, ba phương pháp được ứng dụng
Ứng dụng có giao diện thân thiện với người dùng bao gồm: bộ bốn số độ dốc, độ lệch chuẩn và bình phương
dành cho người dùng di động đã được phát triển bằng lập tối thiểu. Trong đó, phương pháp bình phương tối thiểu
trình JavaScript, như trong Hình 10. Ứng dụng này được mang lại độ chính xác cao nhất. Với sự khả thi của đặc
thiết kế để cho phép người dùng chọn các loại cá khác trưng độ cong nhãn cầu này, chúng tôi dự kiến sẽ phối
nhau để dự đoán độ tươi. Để hướng dẫn người dùng chụp hợp với các đặc trưng đã phát triển để gia tăng khả năng
ảnh mắt cá, một hình ảnh mắt cá mô phỏng đã được tạo phân loại độ tươi cho một số loại cá cụ thể. Từ đó, có thể
để bản địa hóa và trí tuệ nhân tạo sau đó được sử dụng để phát triển một ứng dụng trên điện thoại để nhận diện độ
nhắc người dùng chụp ảnh. Hình ảnh đã chụp được lưu tươi của cá một cách chính xác hơn.
trữ tự động trong máy chủ để xử lý. Kết quả của dự đoán
Lời cảm ơn
cuối cùng đã được hiển thị trên màn hình. Ngoài ra, ứng
dụng còn tích hợp một số chức năng hỗ trợ người dùng Chúng tôi xin chân thành cảm ơn công ty TNHH
như lịch sử tìm kiếm, hướng dẫn thông tin. Hơn nữa, trải MTV L.Y.D.I.N.C đã hỗ trợ về tài chính, trang thiết bị
nghiệm và phản hồi của người dùng về kết quả dự đoán nghiên cứu và tư vấn kĩ thuật cho đề tài này, xin cảm ơn
cũng đã được gửi đến máy chủ để hỗ trợ phát triển hệ Trường Đại học Bách Khoa - Đại học Đà Nẵng đã hỗ trợ
thống AI. một phần chi phí nghiên cứu đề tài.
Trên máy chủ, chúng tôi đã phát triển một hệ thống Tài liệu tham khảo
sử dụng lập trình Python và cơ sở dữ liệu MongoDB có [1]. M. K. Dutta, A. Issac, N. M.s a , B. Sarkar, “Image processing
based method to assess fish quality and freshness”, J. Food Eng.,
thể tương tác với giao diện người dùng và xử lý các yêu vol 177, pp. 50–58, 2016.
cầu xác định độ tươi của cá bằng hình ảnh thông qua việc [2]. Wang Feng, Zang Yue, Wo Qiqi, Zou Chen, Wang Nan,Wang
sử dụng phân đoạn tự động, thuật toán trích xuất dữ liệu Xiaobo, Li Dadong (2013). “Fish freshness rapid detection based
và bộ AI dựa trên bốn đặc trưng được đề xuất. Hệ thống on fish-eye image”. PIAGENG 2013: Image Processing and
Photonics for Agricultural Engineering.
máy chủ cũng lưu trữ kết quả đánh giá của người dùng, [3]. Aydoğan KARAGÖZ “Fish freshness detection by image
giúp xác định các lỗi thuật toán hoặc thu thập dữ liệu để processing”, A Thesis Submitted to the Graduate School of Natural
cải tiến thêm. and Applied Sciences of Dokuz Eylül University In Partial
Fulfillment of the Requirements for the Degree of Master of
Science in Electrical and Electronics Engineering, pp. 24-25, 2013
289
[4]. Ian C.Navotas, Charisse Nadine V.Santos, Earl John GTSD, pp. 60-71.(2020).
M.Balderrama, Francia Emmanuelle B.Candido, Aloysius John [6]. Anh Thu T. Nguyen, Nguyet Ha T. Tran, Phuong Dieu T.
E.Villacanas and Jessica S.Velasco. “Fish identification and Nguyen, Dat Xuan Ho, Uyen Kim Hoang, Nguyen Ba Hoang,
freshness classification through image processing using artificial Thuong H.N. Nguyen, Tuan V. Pham.“The Remarkable
neural networks”. ARPN Journal of Engineering and Applied Enhancement in Fish Freshness Classification on Various
Sciences. vol. 13, no.18, Sep. 2018 Species using Neural Network on Physiological Characteristics
[5]. Anh Thu T. Nguyen, Minh Le, Hai Ngoc Vo, Duc Nguyen Tran Features”. In: The International Conference on Intelligent
Hong, Tuan Tran Anh Phuoc, Tuan V. Pham: Proposed Novel Systems and Networks - ICISN.
Fish Freshness Classification Using Effective Low-Cost [7]. ‘Council Regulation (EEC) No 103/76 of 19 January 1976 laying
Threshold-Based and Neural Network Models on Extracted down common marketing standards for certain fresh or chilled
Image Features. In: Computational Intelligence Methods for fish’ (1976) Official Journal L 20, 29-34.
290
KHOA XÂY DỰNG CẦU ĐƯỜNG
NGHIÊN CỨU ỨNG DỤNG HỢP LÝ TƯỜNG CHẮN ĐẤT CÓ CỐT VỚI CỐT
TỰ CHẾ TẠO CHO ĐƯỜNG DẪN CẦU VƯỢT TẠI CÁC NÚT GIAO THÔNG
KHÁC MỨC THEO QUY HOẠCH TRÊN ĐỊA BÀN THÀNH PHỐ ĐÀ NẴNG
RESEARCH AND RATIONALLY APPLY THE TECHNOLOGY OF
MECHANICALLY STABILIZED EARTH WALLS WITH HOMEMADE CORES FOR
OVERPASS PATHS AT INTERSECTIONS WITH DIFFERENT LEVELS AS
PLANNED IN THE AREA OF DA NANG CITY
SVTH: La Ngọc Trường, Trần Võ Thảo Thạch

Lớp 18X3A, Khoa xây dựng Cầu đường, Trường Đại học Bách khoa Đà Nẵng;
Email: 109180117@sv1.dut.udn, 109180108@sv1.dut.udn.
GVHD: PGS.TS. Châu Trường Linh, ThS.NCS. Nguyễn Thu Hà
Khoa xây dựng Cầu đường, Trường Đại học Bách Khoa;
Email: ctlinh@dut.udn.vn, ntha@dut.udn.vn
Tóm tắt - Bài báo giới thiệu một số kết quả nghiên cứu về Abstract - This paper introduces some research results
lực kéo trong các phần tử cốt, chuyển vị tường, tăng trưởng biến about the tensile force in the core elements, displacement of wall,
dạng cắt trong đất và biểu đồ thể hiện tuổi thọ của công trình shear deformation growth in embankment and a chart showing
tường chắn đất có cốt ứng với từng cấp tải trọng thiết kế khác the service life of a mechanically stable wall construction with
nhau trên mô hình số. Trong điều kiện môi trường khô ráo, xâm reinforcement corresponding to different design load levels on
thực ẩm, nước thấm từ bề mặt và cho môi trường xâm thực nước the digital model. In a dry environment, humid environment,
biển. Đối với cốt tự chế CT5 mạ kẽm với chiều dày 70µm bao water seeps from the surface and in the environment of seawater
gồm 4 loại cốt được nghiên cứu sau: Ø8 - Ø10 - Ø12 – Ø14. intrusion. For homemade cores CT5 galvanized with a thickness
Từ khóa - Tường MSE; mô hình số; cường độ chịu kéo; ăn of 70µm including 4 types of reinforcement are studied as follows.
mòn cốt; ngạnh liên kết. Key words - MSE walls, model number; tensile strength;
corrosion; adherence edge
1. Đặt vấn đề Hình 1. Minh họa về nguyên lí đất có cốt (Vidal,1963)- Sự
hạn chế đất nở hông của cốt
1.1. Giới thiệu:
Trong hình 1 ta có thể thấy được: nhờ có bố trí các lớp
Tường chắn đất có cốt (MSE) đã được ứng dụng rất
cốt bằng giấy bìa mà khối đá cuội trơn nhẵn không có lực
phổ biến trong xây dựng các công trình tường chắn với
dính kết vẫn duy trì được vách thẳng đứng khi được xếp
mái dốc thẳng đứng và các đường đắp cao với nhiều ưu
chồng lên nhau. Điều này có thể giải thích bằng việc xét
điểm nổi bật như: Tuổi thọ cao, giá thành rẻ và đáp ứng
1 khối đất có 2 lớp cốt nằm ngang. Khi khối đất chịu nén
tốt đối với tải trọng động và lún không đều khi công trình
theo phương thẳng đứng với áp lực 𝛿1 nếu như không có
được xây dựng trên nền đất yếu. Cốt gia cố đất thường
được làm bằng lưới địa kỹ thuật hoặc cốt thép. Hiện nay, cốt 𝛿3 = 0 đất sẽ bị phá hoại vì nở hông tự do. Nhưng khi
các loại lưới địa kỹ thuật dùng cho tường chắn có cốt đều có bố trí cốt và giả thiết giữa đất và cốt có đủ sức neo
phải nhập ngoại với giá thành rất cao, làm tăng giá trị xây bám cần thiết (tức là đất và cốt bám chặt cùng chuyển vị
lắp của công trình. Chính vì vậy, việc sử dụng cốt thép với nhau) thì khi chịu nén, đất chỉ có chuyển vị ngang
xây dựng phổ biến trên thị trường vừa tiết kiệm chi phí trong phạm vi chuyển vị ngang của cốt. Vì môđun biến
xây lắp, vừa tận dụng năng lực sản xuất của các doanh dạng của vật liệu cốt cao hơn rất nhiều so với mô-đun
nghiệp trong nước. Tuy nhiên, hiện nay về tuổi thọ công biến dạng của đất nên trị số biến dạng ngang 𝜀𝑛 của khối
trình thì chưa được tổng hợp một cách tổng thể để giúp đất coi như không đáng kể 𝜀𝑛 ≈ 0 và do đó đất được xem
cho việc thiết kế, thi công, quản lý khai thác đề xuất lựa như chịu nén 3 trục có hạn chế nở hông với trị số áp lực
chọn loại cốt phù hợp. Do đó việc tổng hợp các biểu đồ hông 𝛿3
thể hiện tuổi thọ của công trình tường chắn đất có cốt với 𝛅𝟑 = 𝐊. 𝛅𝟏
cốt tự chế ứng với từng cấp tải trọng thiết kế là thiết thực, Trong đó: K: là hệ số áp lực ngang của đất: nếu ở trạng
và có ý nghĩa quan trọng. thái tĩnh K = K0; K0: là hệ số áp lực đất ở trạng thái tĩnh
theo Jaky thì K0 =1- sin𝛗
1.2. Nguyên lý làm việc của tường chắn đất có cốt Áp lực hông 𝜹𝟑 chính là do cốt tác dụng vào đất thông
Nguyên lí làm việc của tường chắn đất có cốt có thể qua lực ma sát giữa đất và cốt. Khối đất sẽ ổn định nếu
giải thích bằng mô hình đơn giản của H.Vidal 1963. [1] 𝜹𝟑 không vượt quá sức chịu kéo của cốt làm cốt đứt hoặc
1 không vượt quá sức neo bám giữa đất và cốt làm cốt bị
Armature
Cèt
tuột khỏi khối đất hoặc không vượt quá áp lực bị động
Massif de terre
Khèi ®Êt n  Cèt
Armature
của đất làm đất bị phá hoại. Như vậy, trị số do cốt đặt
trong đất tạo ra sẽ bị hạn chế bởi sức chịu kéo đứt của
bản thân cốt, sức chống kéo trượt của cốt (phụ thuộc vào
1 khả năng đeo bám giữa đất và cốt) và bởi sức chống cắt
của đất. Áp dụng vào mô hình (Hình 1) khối đá cuội
293
SVTH: La Ngọc Trường, Trần Võ Thảo Thạch; GVHD: PGS.TS. Châu Trường Linh, ThS.NCS. Nguyễn Thu Hà
không bị sụp đổ là do các lớp cốt bằng giấy bìa đã tạo ra
một áp lực hông thông qua ma sát giữa chúng với các
viên đá cuội.
1.3. Cơ sở lý thuyết tính toán ma sát đất – cốt
Vai trò của cốt chính là nhằm tạo ra áp lực hông ngay
từ bên trong khối đất có bố trí cốt. Điều này cũng tương
đương với việc tạo ra được lực dính c lớn hơn bên trong
khối đất. Hình 2. Khoan triết giảm
Khi khối đất chịu nén theo phương thẳng đứng, nếu Với: dp ≤ 3,5Φ0,2 và Sp = dp A cos (dp/ Φ) [3]
không có cốt đất sẽ bị phá hoại vì nở hông tự do. Nhưng Bảng 1. Triết giảm tỉ lệ tương ứng với chiều sâu mũi
khi có bố trí cốt và giả thiết giữa đất và cốt có đủ sức neo khoan
bám cần thiến thì khi chịu nén, đất và cốt sẽ cùng tham Chiều
gia chịu lực. Do đó, khối đất bị xem như chịu nén 3 trục % triết Diện Diện
% cường sâu
có hạn chế nở hông với trị số áp lực hông chính là do cốt giảm tích triết tích còn
độ còn mũi
tác dụng vào đất thông qua lực ma sát giữa đất và cốt tiết giảm lại
lại khoan
được ký hiệu là µ (µ*) hay f (f*) [2][3]. diện (mm2) (mm2)
(mm)
Hệ số ma sát µ giữa bề mặt vật liệu xây dựng với cát
Cốt CT5, Ø8
và đất bụi thường bằng (0,5 - 0,6) lần hệ số nội ma sát
của bản thân loại đất đó, hay hệ số ma sát giữa đất và cốt 100 0 0 50,3 0
(f*) được tính như sau: 85 13 6,53 43,7 2,25
65 30 15,08 35,2 4,25
50 43 21,61 28,7 5,75
Cốt CT5, Ø10
100 0 0 78,5 0
85 13 10,21 68,3 3,32
65 30 23,56 55 6,45
50 43 33,77 44,8 5,73
Cốt CT5, Ø12
100 0 0 113,1 0
85 13 14,7 98,4 4,13
65 30 33,93 79,2 8,63
𝑧 𝑧
f ∗ = 𝑓0∗ . (1 − )+ 𝑡𝑎𝑛φ
𝑧0 𝑧0 50 43 48,63 64,5 9,09
Khi z < zo = 6m; f* = tanφ Cốt CT5, Ø14
Khi z > zo = 6m ; 𝑓0∗ = 1,2 + log10 (𝐶𝑢) 100 0 0 153,9 0
Với 𝑓0∗ : Hệ số ma sát đơn vị giữa đất và cốt; Cu: Hệ số 85 13 20,01 133,9 5,343
không đồng đều của đất đắp; z: độ sâu của lớp cốt tính từ
đỉnh tường chắn. 65 30 46,18 107,8 11,465
Tuy nhiên, vì quá trình biến dạng khi chịu cắt trượt, 50 43 66,19 87,7 11,984
đất dạng hạt có thể bị xốp nở, do ứng xuất pháp hữu hiện 2.1.2. Kế quả thí nghiệm kéo cốt thép
tác dụng trên bề mặt cốt sẽ biến đổi tùy theo các dụng
tương hổ giữa đất với cốt, vì vậy thường phải sử dụng hệ Sau quá trình kéo thép chúng ta có các số liệu về mô
số ma sát xác định được bằng thí nghiệm[2]. đun đàn hồi, khả năng chịu kéo cũng như độ giãn dài của
cốt thép ứng với các tỉ lệ ăn mòn từ đó ta có các biểu đồ
𝐹
𝜇∗ = quan hệ giữa các loại cố thép khác nhau như sau:
2𝑏. 𝐿. 𝜎𝑣
Trong đó: L: Chiều dài cốt; Lực kéo trong cốt; B: Chiều
rộng quy đổi bề mặt tiếp xúc với đất
2. Kết quả nghiên cứu và khảo sát
2.1. Nghiên cứu trên mô hình số với các đường kính
khác nhau của lưới cốt
2.1.1. Mô phỏng sự ăn mòn cục bộ
Thí nghiệm mô phỏng các lớp cốt thép chịu các điều
kiện tác động và bị ăn mòn giảm tiết diện theo các tỉ lệ triết Hình 3. Biểu đồ quan hệ giữa lực kéo đứt cốt và % tỉ lệ ăn
giảm cường độ cốt thép về 100-85-65-50% cường độ. mòn Ø8- Ø 14
294
Hình 4. Biểu đồ quan hệ giữa độ giãn dài và % tỉ lệ ăn mòn

Ø8- Ø 14
Hình 6. Biểu đồ thể hiện tỷ lệ ăn mòn của cốt theo thời gian
2.1.3. Mô hình số tính toán tuổi thọ và khả năng làm việc
của công trình
Giả xử sau khi đưa công trình vào sử dụng, cốt thép
chỉ bị ăn mòn do tính chất cơ lý của vật liệu đắp, toàn bộ
phần cốt thép của tường chắn đất bị ăn mòn với cùng một
tốc độ như nhau [3].
𝛥𝑆 = 𝑆0 −𝑆 ′ : 𝑙à 𝑑iện tích tiết diện bị ăn mòn
𝜋∅2
𝑆0 = : là diện tích ban đầu
4
𝜋(∅ − 2𝛥𝑒)2
S′ = : 𝑙à 𝑑iện tích còn lại
4
K: là hệ số phản ánh tính không đồng nhất của sự ăn Hình 7. Biểu đồ thể hiện chiều rộng và dày cốt đã quy đổi còn
mòn, với ăn mòn cục bộ đối với thép mạ kẽm, theo NF lại theo các năm
EN P94-270 đề xuất lấy K = 2,0 [3]. Vậy diện tích ăn Từ các biểu đồ trên ta có thể rút ra được các phương
mòn lớn nhất là: trình quan hệ, từ đó thiết lập đoạn mã nguồn mở lập trình
KΔS = 2. π. (∅ − Δe). Δe bổ sung vào chương trình FLAC.
Mô hình số: mô phỏng tường chắn đất có chiều cao
cao 3m (tương ứng với chiều cao của 4 tấm panel), gia cố
bởi 4 cốt lưới cốt thép dài 2.1m [8] và phía sau là 1 khối
đất rắn không được gia cố giới hạn phạm vi 0.9m. Nghiên
cứu bao gồm một lớp đất dày 5m dưới tường và móng
của tường chắn. Các dữ liệu hình học tóm tắt trong hình
10 dưới đây:
Hình 5. Sự giảm tiết diện không đều do tính không đồng
nhất của sự ăn mòn
Sự mất mát ăn mòn lớn trong năm năm đầu tiên sau
khi chôn cốt, sau đó nó giảm đến một giá trị gần không
đổi (theo Romanoff), công thức thực nghiệm tính toán
tổn thất tiết diện do ăn mòn của thời gian như sau [4][5]:
∆e = P = Atn
Trong đó:∆elà bề dày tổn thất trung bình (trên một mặt
cốt) tại thời điểm t (µm); t là thời gian, tính bằng năm; A
là sự mất mát trong năm đầu tiên (µm); n là một tham số
nhỏ hơn 1, là đại diện cho sự giảm tốc độ của ăn mòn của Hình 8. Quan hệ lực kéo đứt của lưới cốt thép theo thời gian
vật liệu theo thời gian
Các thông số A và n phụ thuộc vào môi trường và loại
của lớp phủ. Với kịch bản ăn mòn đề xuất các kịch bản
như sau [3]:
- TH1: Điều kiện khô ráo (A = 30, n = 0,65)
- TH2: Điều kiện xâm thực ẩm (A = 40, n = 0,65)
- TH3: Điều kiện nước thấm từ bề mặt (A = 50, n =0,65)
- TH4: Điều kiện xâm thực nước biển (A = 70, n = 0,8)
Xét với Với A=30 (μm), n=0,65, ta tính được các kết
quả về tỷ lệ ăn mòn theo thời gian, lực kéo đứt còn lại
theo thời gian và độ giãn dài theo thời gian như sau : Hình 9. Biểu đồ quan hệ suy giảm độ giãn dài cốt theo thời
295
gian  Chuyển vị tường
Hình 14. Chuyển vị ngang của tường với cốt Ø8- Ø10
Hình 10. Hình học mô phỏng mô hình số

2.1.4. Kết quả hiệu quả làm việc của tường chắn đất có
cốt tự chế tạo
a. Lực kéo trong các phần tử cốt, chuyển vị tường và
tăng trưởng biến dạng cắt của đất
 Lực kéo trong các phần tử cốt
Hình 15. Chuyển vị ngang của tường với cốt Ø12- Ø14
b. Theo cấp áp lực lớn nhất và tiêu chuẩn cho phép
Hình 11. Lực kéo trong cốt từ mô hình số năm đầu tiên
Hình 16. Khả năng chịu tải trọng của công trình sử dụng cốt
Ø8 theo thời gian
Hình 12. Lực kéo trong cốt từ mô hình số năm bắt đầu phá
hoại
 Tăng trưởng biến dạng cắt của đất
Hình 13. Đưa công trình vào khai thách và khi công trình bắt Hình 17. Khả năng chịu tải trọng của công trình sử dụng cốt
đầu phá hủy Ø10 theo thời gian
296
Ø12 theo thời gian
Ø12 theo thời gian đối với các trường hợp ăn mòn
Hình 19. Khả năng chịu tải trọng của công trình sử dụng cốt Hình 23. Khả năng chịu tải trọng của công trình sử dụng cốt
Ø14 theo thời gian Ø14 theo thời gian đối với các trường hợp ăn mòn
3. Bàn luận
c. Theo các kịch bản ăn mòn khác nhau
3.1. Chuyển vị vỏ tường
Trong Hình 14, Hình 15 thể hiện rõ sự vận động của
vỏ tường theo thời gian. Với cấp tải trọng đang xét ở
20kN/m2 (tải trọng thường dùng) giá trị chuyển vị đạt lớn
nhất 13,63mm với cốt Ø8 và nhỏ nhất đạt 8,17 mm với
cốt Ø14 với thép. Tất cả các trường hợp sử dụng cốt đều
chưa vượt chuyển vị cho phép của tường H/100 [6].
3.2. Vận động của lực kéo trong cốt và hiệu quả ngạnh
liên kết
Lực kéo trong cốt tăng dần trong quá trình sử dụng và
đạt giá trị cực đại tại năm bắt đầu phá hoại Hình 12. Tại
thời điểm này lực kéo trong cốt bị suy biến, cốt thép
không còn khả năng chịu lực. Các ngạnh liên kết tăng khả
Hình 20. Khả năng chịu tải trọng của công trình sử dụng cốt năng neo bám của lưới cốt với đất đắp, giảm khả năng
Ø8 theo thời gian đối với các trường hợp ăn mòn tuột cốt thép trong tường. Đồng thời, lăng thể phá hoại
đất trong tường phát triển trên toàn bề rộng tường (Hình
13)
3.3. Khả năng chịu tải của các loại cốt theo cấp áp lực
lớn nhất và theo tiêu chuẩn cho phép
Hình 16 đến 19 thể hiện tuổi thọ công trình đạt được
ứng với các cấp tải trọng thiết kế khác nhau.
 Đường biểu đồ màu xanh (Pmax) thể hiện tại đó, công
trình tường chắn mất hoàn toàn khả năng chịu lực do
nguyên nhân đứt cốt và tuột cốt gây ra.
 Đường biểu đồ đỏ (chuyển vị = h/100) thể hiện cấp
áp lực cho phép công trình tường chắn có thể đáp ứng
được phù hợp với tiêu chuẩn cho phép [6].
 Hình 16 ví dụ cho áp lực thiết kế 80kN/m2 dóng theo
Hình 21. Khả năng chịu tải trọng của công trình sử dụng cốt biểu đồ (đường mũi tên) ta biết được tuổi thọ công trình
Ø10 theo thời gian đối với các trường hợp ăn mòn
297
đạt được ≈ 150 năm. Với biểu đồ Hình 17 áp lực thiết được kiểu biến dạng, tốc độ biến dạng vỏ tường ở các
kế 60 kN/m2 ≈ 265 năm. kịch bản ăn mòn khác nhau và sử dụng các loại cốt có
3.4. Khả năng chịu tải của các loại cốt thép các kịch kích thước khác nhau. Từ đó đưa ra khuyến cao về độ an
bản ăn mòn khác nhau toàn trong quá trình khai thác tường MSE. Tuy nhiên cần
Hình 20 đến Hình 23 thể hiện tuổi thọ tường ứng với ở đây chỉ mới xem xét yếu tố ăn mòn trên cốt thép và các
các trường hợp ăn mòn khác nhau A = (30;40;50;70), với cấp áp lực gây phá hoại tường; thực tế là tổng hợp với
các cấp áp lực khác nhau cho từng loại cốt khác nhau. nhiều tác nhân khách quan và chủ quan khác, như tác
Tuổi thọ lớn nhất đạt được cho tất cả các loại cốt thép dụng động của xe chạy trên đường, biến dạng của tấm bê
tại trường hợp điều kiện khô ráo (A=30) và tuổi thọ thấp tông tường do nhiệt độ, lún móng, …
nhất tại trường hợp điều kiện xâm thực nước biển (A=70)
Tại trường hợp A=70 cho tuổi thọ cho toàn bộ loại Tài liệu tham khảo
lưới cốt nghiên cứu có tuổi thọ lớn nhất 57 năm cho cốt [1] H. Vidal (1966), La Terre Armée, in Annales de l'Institut
Technique du Bâtiment et des Travaux Publics, p. 890-938.
Ø14, các loại cốt còn lại tuổi thọ nhỏ hơn 50 năm. [2] Bourgeois E., Corfdir A., and Chau, T.-L. (2013). Analysis of
Biểu đồ Hình 20 ví dụ cho tải trọng thiết kế 20kN/m2. long-term deformations of MSE walls based on various
Ta dễ dàng biết được tại A=30, tuổi thọ tường đạt ≈ 220 corrosion scenarios. Soils and Foundations. Vol. 53(2): pp. 259-
271.
năm, A=40 ≈ 141 năm, A=50 ≈ 100, A=70≈ 28 năm. [3] AFNOR (2009), NF P94-270 : Calcul géotechnique Ouvrages de
4. Kết luận soutènement Remblais renforcés et massifs en sol cloué.
Các loại cốt thép Ø8 - Ø10 - Ø12 - Ø14 hoàn toàn có [4] V. Elias (2009), FHWA-NHI-09-087: Corrosion/Degradation of
Soil Reinforcements for Mechanically Stabilized Earth Walls
thể đáp ứng tốt về các điều kiện cường độ trong xây dựng and Reinforced Soil Slopes, National Highway Institute Federal
công trình tường chắn đất có cốt. Tuy nhiên tại điều kiện Highway Administration U.S. Department of Transportation
xâm thực nước biển thì không đáp ứng được thời gian Washington, D.C.
[5] Romanoff M. (1957), Underground corrosion, U. S. Department
phục vụ cần có các biện pháp chống ăn mòn cốt hoặc of Commerce, Editor, National Bureau of Standards, Circular
hoặc chống xâm thực tường. 579: Houston, TX.
Hiểu được sự làm việc của các loại cốt tự chế khác [6] BS 8006-1:2010 Code of practice for strengthened/reinforced
soils and other fills
nhau trong kết cấu tường chắn đất có cốt, từ đó ứng dụng [7] E. Bourgeois T.L. Chau, and A. Corfdir, (2012), ""Finite element
hợp lý cốt tự chế vào công trình tường chắn đất có cốt. analysis of the effect of corrosion on the behavior of reinforced
Đề tài đã nghiên cứu khả năng làm việc và tuổi thọ earth walls"", International Journal for Numerical and Analytical
Methods in Geomechanics. 36(15), pp. 1741–1756.
của các loại cốt thép Ø8-Ø10- Ø12- Ø14 dẫn đến sự phá [8] TCVN 11823-11:2017 Thiết kế cầu đường bộ - Phần 11
hủy tường MSE. Kết quả xuất từ phần mềm FLAC bao [9] GS.TS Dương Ngọc Hải (2009), Thiết kế và thi công tường chắn
gồm ứng lực kéo, chuyển vị, biến dạng của các lớp cốt; đất có cốt, Nhà xuất bản xâydựng, Hà Nội.
[10] Bộ Giao thông vận tải (2005), 22 TCN 272-05: Tiêu chuẩn thiết
ứng suất, biến dạng của tường. Trong thực tế khai thác, kế Cầu, in Chương 11: Mố trụ & tường chắn, p. 11.1-11.32.
việc quan trắc chuyển vị tường MSE là quan trọng, trực [11] TCVN 7937-1:2013 (ISO 15630-1:2010) về Thép làm cốt bê
quan, và thường được sử dụng nhất. Đề tài đã dự kiến tông và bê tông dự ứng lực - Phương pháp thử - Phần 1: Thanh,
dảnh và dây dùng làm cốt.
298
PHÂN TÍCH YẾU TỐ TÁC ĐỘNG ĐẾN VIỆC THỰC HIỆN HÀNH VI LÁI XE
KHÔNG AN TOÀN CỦA CÁC NHÓM ĐỐI TƯỢNG XE MÁY KHÁC NHAU -
ỨNG DỤNG LÝ THUYẾT HÀNH VI DỰ ĐỊNH VÀ THUYẾT RĂN ĐE
ANALYSIS OF FACTORS AFFECTING THE IMPLEMENTATION OF UNSAFE
DRIVING BEHAVIOURS OF DIFFERENT MOTORCYCLE SUBJECTS - APPLICATION
OF THEORY OF PLANNED BEHAVIOUR AND DETERRENCE THEORY
SVTH: Nguyễn Văn Biên, Hoàng Nhật Linh

Lớp 18X3B, Khoa Xậy dựng cầu đường, Trường Đại học Bách khoa - Đại học Đà Nẵng;
Email: 109180129@sv1.dut.udn.vn, 109180150@sv1.dut.udn.vn
GVHD: Nguyễn Phước Quý Duy, Trần Thị Phương Anh
Khoa Xây dựng cầu đường, Trường Đại học Bách khoa - Đại học Đà Nẵng;
Email: npqduy@dut.udn.vn, ttpanh@.dut.udn.vn
Tóm tắt - Với sự phát triển nhanh chóng của loại hình dịch Abstract - With the rapid development of commercial
vụ xe máy thương mại (xe giao hàng) đang làm cho vấn đề tai motorcycle services (e.g…delivery vehicles), the problem of
nạn giao thông liên quan đến xe máy nói chung và xe máy traffic accidents related to motorcycles in general and
thương mại nói riêng trở nên phức tạp hơn. Do đó việc nghiên commercial motorcycles in particular becomes more
cứu về hành vi lái xe không an toàn của người sử dụng xe máy complicated. Therefore, research on unsafe driving behaviour of
là rất cấp thiết nhằm đưa ra những cơ sở để xây dựng chính motorbike users is very urgent since it can provide evidence for
sách hiệu quả, giảm thiểu hành vi lái xe không an toàn, từ đó developing effective policies to reduce unsafe driving
giúp cải thiện vấn đề về tai nạn giao thông. Dữ liệu của nghiên behaviours, thereby helping to improve traffic safety. The data of
cứu được thu thập tại thành phố Đà Nẵng sử dụng phương pháp the study were collected in Da Nang city using questionnaire
khảo sát bằng bảng hỏi. Tổng cộng 867 người tham gia bao gồm survey. A total of 867 participants including 433 delivery and 434
433 tài xế giao hàng và 434 xe máy thông thường đã được thu private motorcycles were collected. The study integretes the
thập. Nghiên cứu kết hợp mô hình lý thuyết hành vi dự định theory of planned behavior (TPB) and deterrence theory (DT) to
(TPB) và lý thuyết răn đe (DT) để phân tích các yếu tố tâm lý tác analyze psychological factors affecting unsafe driving behavior
động đến hành vi lái xe không an toàn của hai nhóm đối tượng among two groups of subjects above. The research results show
trên. Kết quả nghiên cứu cho thấy các yếu tố trong mô hình TPB that the factors in the TPB model have a positive and significant
có ảnh hưởng tích cực và đáng kể đến hành vi lái xe không an influence on the unsafe driving behavior of the delivery riders.
toàn của nhóm đối tượng xe giao hàng. Ý định thực hiện hành vi Intention to perform unsafe driving behavior (ITT) is positively
lái xe không an toàn (ITT) bị tác động tích cực bởi các yếu tố affected by initial TPB factors such as motorcycle rider’s attitude
TPB ban đầu như thái độ của người điều khiển phương tiện (ATT) and perceived behavioral control (PBC). In contrast to the
(ATT) và kiểm soát hành vi nhận thức (PBC). Ngược lại với nhóm delivery riders, in the TPB model, all the model's elements
đối tượng xe giao hàng thì trong mô hình TPB tất cả các yếu tố including attitude (ATT), subjective norms (SUN), perceived
của mô hình bao gồm thái độ (ATT), chuẩn mực chủ quan (SUN), behavioural control (PBC) have a positive effect on intention to
kiểm soát hành vi nhận thức (PBC) đều có tác động đến ý định perform unsafe driving behavior. For the results of the theoretical
thực hiện hành vi vi phạm luật giao thông của người lái xe thông deterrent model, only the swiftness of sanction (SOS) has an
thường. Đối với kết quả của mô hình lý thuyết răn đe chỉ có yếu impact on the unsafe driving behaviour of this group of subjects.
tố tính tức thời của hình phạt (SOS) là có tác động đến hành vi For private motorcycle, the factors in the deterrence theory model
lái xe không an toàn của nhóm đối tượng này. Đối với người lái have no impact on the intention to perform the behaviour (ITT).
xe thông thường thì các yếu tố trong mô hình lý thuyết răn đe Key words – unsafe riding behaviour; theory of planned
không có tác động đến ý định thực hiện hành vi (ITT). behaviour; deterrence theory; SEM model; Vietnam
Từ khoá – hành vi lái xe không an toàn; lý thuyết hành vi dự
định; lý thuyết răn đe; mô hình cấu trúc tuyến tính; Việt Nam
1.
Giới thiệu tuyến quốc lộ, tốc độ đi lại cao cũng là nguyên nhân góp
Vấn đề tai nạn giao thông đường bộ (TNGTĐB) diễn phần tăng tần suất va chạm và mức độ thương tích do tai
ra ở xe máy hiện nay đang trong tình trạng báo động, nạn tăng lên [3].
chiếm 24% số vụ tử vong so với tổng số người chết do Ở Việt Nam, xe máy chiếm tỷ lệ cao trong hệ thống
TNGTĐB nói chung [1]. Khu vực Đông Nam Á được coi giao thông đường bộ, với tỷ lệ giữa xe máy và ô tô vào
là nơi xảy ra nhiều vụ tai nạn giao thông liên quan đến xe năm 2020 là 26,7 : 1 [4, 5]. Theo thống kê của Duc [6],
máy nhất thế giới với hơn 43% số vụ tử vong [1]. Chấn số lượng xe máy đã đăng ký từ năm 2010 – 2021, đạt đến
thương giao thông đường bộ (cách gọi chung theo báo hơn 66 triệu chiếc vào năm 2021 [7]. Với sự phát triển
cáo của WHO) được xem là “Đại dịch thầm lặng” ở Đông của khoa học trong những năm gần đây, việc sử dụng xe
Nam Á. Thái Lan và Việt Nam là hai quốc gia có tỷ lệ tử máy làm phương tiện vận chuyển trong các mô hình dịch
vong do TNGTĐB cao nhất với tỷ lệ lần lượt là 32,2 và vụ đang trở nên phát triển và phổ biến hơn, đặc biệt ở các
30,5 người trên 100.000 người vào năm 2019 [2]. Trong nước đang phát triển. Nhiều loại hình giao thông mới đã
khi đó, điều kiện cơ sở hạ tầng giao thông và mạng lưới và đang xuất hiện đó là “xe ôm công nghệ” và “tài xế giao
đường bộ yếu kém tiếp tục là nguyên nhân góp phần gây hàng”. Sự xuất hiện và phát triển các loại hình xe máy
ra thương tích và tử vong do giao thông. Một số nơi có dịch vụ này đã góp phần trực tiếp và gián tiếp làm cho
điều kiện đường xá được cải thiện, đặc biệt là trên các tình hình TNGT xe máy ngày càng trở nên phức tạp, khó
299
SVTH: Nguyễn Văn Biên, Hoàng Nhật Linh; GVHD: Nguyễn Phước Quý Duy, Trần Thị Phương Anh
kiểm soát, tiềm ẩn nguy cơ TNGT cho cả người sử dụng Trong bối cảnh khó khăn ảnh hưởng đại dịch đối với
và phương tiện tham gia. Hơn nữa hiện nay, tài xế giao các hoạt động kinh doanh nói chung, cùng với đó là sự phát
hàng đang là loại hình mới nổi ở Việt Nam, kết quả của triển ngày càng mạnh mẽ của công nghệ, nhu cầu sử dụng
một số nghiên cứu của [8, 9] cho thấy cạnh tranh trong dịch vụ giao đồ ăn tận nơi bằng ứng dụng di động tăng cao.
công việc có ảnh hưởng đáng kể đến hành vi lái xe của Xu hướng này được dự đoán sẽ vẫn phát triển mạnh, làm
đối tượng này. Do đó, cần xem xét và có những nghiên thay đổi toàn bộ ngành dịch vụ ăn uống (Food and
cứu chi tiết về hành vi đi lại của đối tượng này. Beverage - F&B) [19]. Hơn nữa những năm gần đây, dịch
Kết quả phân tích về hiện trạng xe máy ở Việt Nam bênh cũng làm ảnh hưởng đến mô hình kinh doanh của
[6] cho thấy, có thể chia nguyên nhân tại nạn giao thông nhiều doanh nghiệp sỉ lẻ, cụ thể mô hình kinh doanh được
điều chỉnh và tập trung vào kênh bán hàng trực tuyến kết
làm hai nhóm chính, nhóm nguyên nhân liên quan đến
hợp với dịch vụ giao hàng (Nowfood, Loship) để phù hợp
điều kiện đường, môi trường bên ngoài (yếu tố bên ngoài)
với nhu cầu của người tiêu dùng. Dịch vụ xe máy giao hàng
và nhóm nguyên nhân liên quan đến hành vi của người
do đó cũng tăng mạnh. Một số nghiên cứu khác nhau trên
tham gia giao thông (yếu tố bên trong). Những yếu tố bên
thế giới đã phân tích những hành vi lái xe không an toàn
trong và bên ngoài này có thể thay đổi ngay khả năng
của nhóm đối tượng giao hàng. Chẳng hạn như một nghiên
đánh giá rủi ro của cùng một người lái xe và tác động đến
cứu được thực hiện ở Hy Lạp về mối liên hệ giữa công việc
việc đưa ra các quyết định xử lý tình huống. Ví dụ trong
và đặc điểm nhân khẩu học với các hành vi vi phạm giao
một nghiên cứu về hành vi không sử dụng mũ bảo hiểm, thông khác nhau của những người đi giao đồ ăn. Kết quả
các tác giả đã chứng minh rằng việc không sử dụng mũ này cho thấy vượt đèn đỏ và không đội mũ bảo hiểm dường
bảo hiểm gia tăng khi trời quang, đi xe vào cuối tuần và như có liên quan đến những áp lực và hoặc động cơ khác
xuất hiện trên các đường lớn [10], hay vào thời gian các nhau đối với người đi giao hàng [20]. Tương tự nghiên cứu
ngày trong tuần và buổi sáng, tại các khu vực trung tâm của nhóm tác giả Grisci, Scalco [21] về các yếu tố tác động
[11]. Một nghiên cứu khác về hành vi lái xe sau khi sử đến lái xe không an toàn bằng phương pháp phỏng vấn bởi
dụng rượu bia cũng cho thấy lái xe sau khi sử dụng bia 20 tài xế cũng cho thấy mối quan hệ làm việc căng thẳng
rượu là hành vi rất phổ biến ở các khu vực nông thôn [12]. trong nhiều giờ, không có thời gian nghỉ ngơi, căng thẳng
Ngoài ra, hành vi của người lái xe cũng được tìm thấy trong công việc, mệt mỏi trong công việc và các hành vi
là nguyên nhân thứ hai dẫn đến TNGT. Hành vi của lái xe không an toàn.
người lái xe được hiểu là sự mô tả các đặc điểm và hành Nhìn chung, nhiều nghiên cứu liên quan được thực
động có chủ ý và không chủ ý mà người lái xe thực hiện hiên, tuy nhiên, hầu hết các nghiên cứu chưa dựa trên một
khi điều khiển xe cơ giới. Việc phân bổ sự chú ý của nền tảng lý thuyết cụ thể và chỉ mới tập trung vào một
người lái xe phụ thuộc vào tình huống lái xe tức thời và đối tượng, chưa có sự so sánh giữa các nhóm đối tượng
động cơ của người lái xe, bao gồm mức độ rủi ro và các với nhau. Trong nghiên cứu này, mô hình cấu trúc tuyến
động cơ khác liên quan đến mục đích của chuyến đi [13]. tính kết hợp giữa hai lý thuyết hành vi dự định và lý
Một nghiên cứu ở Thái Lan, Satiennam [14] cho thấy tính thuyết răn đe được áp dụng nhằm xác định các yếu tố tác
tự chủ nhận thức và năng lực nhận thức mỗi hành vi có động đến hành vi lái xe không an toàn của hai nhóm đối
ảnh hưởng đến ý định thực hiện hành vi lái xe của người tượng tài xế giao hàng và tài xế xe máy thông thường.
trẻ tuổi. Tương tự, Shen, Zhang [15] cũng tìm thấy các Kết quả nghiên cứu có ý nghĩa đối với các nhà hoạch định
yếu tố đó ở đối tượng tài xế giao hàng tại Trung Quốc. chính sách giao thông và các cơ quan chức năng liên
2. Tổng quan tài liệu và phát triển mô hình quan.
2.1. Tổng quan tài liệu 2.2. Mô hình lý thuyết và phát triển giả thuyết
Ở các nước có thu nhập thấp và trung bình, phương 2.2.1. Lý thuyết hành vi dự định
tiện sử dụng chính ở đây là xe máy. Nhiều nghiên cứu đã Lý thuyết về hành vi dự định (Theory of planned
chỉ ra rằng người lái xe máy thường xuyên thực hiện các behaviour – TPB) là một mô hình tâm lý xã hội để giải
hành vi lái xe không an toàn ở các khu vực này. Trong thích hành vi của con người được phát triển bởi Ajzen
đó, chủ yếu là hành vi không sử dụng mũ bảo hiểm khi [22]. Các yếu tố chính của mô hình là thái độ (Attitude),
lái xe. Nghiên cứu của tác giả Rusli, Oviedo-Trespalacios chuẩn mực chủ quan (Subjective Norms) và kiểm soát
[10] tại Malaysia cho thấy người lao động tại các khu hành vi nhận thức (Perceived Behavioural Control) để dự
công nghiệp và khi trời quang thì thường không sử dụng đoán trực tiếp đến ý định thực hiện một hành vi. Thái độ
mũ bảo hiểm. Tỷ lệ đội mũ bảo hiểm cao hơn được phát có nghĩa là ý định có thực sự sẵn sàng của một cá nhân
hiện có liên quan đáng kể đến giới tính nữ cũng được phát để tham gia hoặc không tham gia vào một hành vi cụ thể.
hiện ở khu vực Gana [11]. Hay trình độ học vấn cao hơn Ví dụ về việc có ý định vượt đèn đỏ khi đang lái xe hay
(có bằng đại học trở lên) được coi là những yếu tố quyết không. Trong mô hình TPB, chuẩn mực chủ quan được
định chính có liên quan đến việc sử dụng mũ bảo hiểm xác định bởi mức độ áp lực xã hội đối với một cá nhân
của người lái xe tại Việt Nam [16]. Việc sử dụng điện khi thực hiện một hành vi. Ngoài ra, chuẩn mực chủ quan
thoại khi đang lái xe hiện nay cũng được xem là một vấn đồng nghĩa với áp lực xã hội đối với một người bởi một
nạn rất phổ biến. Nghiên cứu tại Indonesia cho thấy độ nhóm cá nhân được coi là gần gũi hoặc đủ quan trọng để
tuổi có ảnh hưởng đến đáng kể đến việc sử dụng điện ảnh hưởng đến quyết định của họ. Cấu trúc cuối cùng ảnh
thoại di động trong quá trình lái xe mô tô [17]. Tại Ấn Độ hưởng đến ý định thực hiện hành vi là kiểm soát hành vi
nhận thức, hoặc nhận thức của một cá nhân về có hay
việc uống rượu lái xe và không tuần thủ pháp luật là hành
không có sự rủi ro khi thực hiện một hành vi cụ thể [22].
vi khá phổ biến [18].
300
2.2.2. Lý thuyết răn đe năng lực để biết được hậu quả về hành động của mình và
Đây là lý thuyết xuất hiện vào thế kỷ XVIII trong thời họ đủ nhận thức để điều chỉnh hành vi của mình đến mức
đại khai sáng bởi các học giả mà ngày nay chúng ta coi thích hợp [23], [24]. Có 3 mức độ đo lường của thuyết
là đại diện của trường phái tội phạm học và luật cổ điển, răn đe là mức độ nghiêm trọng của hình phạt (Severity),
tội phạm. Lý thuyết răn đe (Deterrence theory – DT) dựa sự chắc chắn về việc bị phạt (Certainty) và sự nhanh
trên giả định rằng con người là sinh vật đủ lý trí, họ có đủ chóng của quá trình xử lý hình phạt (Swiftness of
sanctions) [25], [26].
Lý thuyết răn đe
Tính chắc Mức độ Tính tức

chắn xử phạt thời của hình
phạt
H
1 H4 H2 H5 H3 H6
Ý định thực
Thái độ hiện hành vi lái xe
H7 không an toàn
H10, H11,
H12
H
9
H8
Chuẩn Kiểm soát
mực chủ quan hành vi nhận
Lý thuyết hành vi dự thức
định
Hình 1: Mô hình lý thuyết được đề xuấ
2.2.3. Kết hợp hai mô hình và xây dựng các giả thuyết Lý thuyết răn đe được sử dụng để dự báo đến ý định
Nghiên cứu này kết hợp lý thuyết dự định và thuyết thực hiện lái xe không an toàn. Các nghiên cứu đã cho ra
răn đe vào dự báo hành vi lái xe không an toàn của các những kết quả tương đồng. Một nghiên cứu có thể kể đến
nhóm đối tượng. như nghiên cứu về hành vi sử dụng ma túy khi lái xe. Kết
quả nghiên cứu này cho thấy đối với hành vi sử dụng ma
Trước đây đã có những nghiên cứu kết hợp lý thuyết
túy khi lái xe thì yếu tố khả năng bị phạt của hình phạt có
răn đe và thuyết hành vi dự định để dự báo hành vi. Kết
tác động đến hành vi [29]. Khi yếu tố khả năng bị phạt
quả của các nghiên cứu này cho thấy khả năng bị phạt và
tăng lên thì ý định thực hiện hành vi lái không an toàn
tính nghiêm khắc của hình phạt là yếu tố ảnh hưởng đến
của người lái xe sẽ giảm. Hay là nghiên cứu khác về hành
thái độ dẫn tới hành vi vi phạm bản quyền phần mềm hay
vi uống rượu và lái xe ở Úc. Kết quả nghiên cứu đã chứng
nói cách khác là sao chép bản quyền mà chưa được sự
tỏ khả năng bị phạt là yếu tố dự báo đến hành vi [30]. Từ
cho phép [27]. Hay nghiên cứu về hành vi sai trái về an
kết quả nghiên cứu tổng quan, giả thuyết về tác động của
toàn thông tin trong các tổ chức. Kết quả của phân tích
khả năng bị phạt như sau:
thống kê cho thấy mức độ chắc chắn và mức độ nghiêm
trọng của hình phạt được nhận thức ảnh hưởng đến thái H4: Khả năng bị phạt ảnh hưởng tiêu cực đến việc
độ của các cá nhân đối với việc ngăn chặn các hành vi sai ngăn chặn ý định thực hiện hành vi lái xe không an toàn.
trái về an toàn thông tin trong tổ chức [28]. Dựa vào Liên quan đến các yếu tố tác động đến hành vi lái xe
những nghiên cứu trước, đưa ra các yếu tố tác động. không an toàn của các nhóm đối tượng, một số nghiên
H1: Khả năng bị phạt có ảnh hưởng tiêu cực đến thái cứu có thể kể đến nghiên cứu về hành vi tài xế uống rượu
độ với hành vi lái xe không an toàn của người lái xe. bị phạt và có hành vi tái phạm [25] hay nghiên cứu về
hành vi sử dụng điện thoại khi lái xe [31]. Kết quả các
H2: Tính nghiêm khắc của hình phạt ảnh hưởng tiêu
nghiên cứu này cho thấy tính nghiêm khắc là yếu tố duy
cực đến thái độ với hành vi lái xe không an toàn.
nhất được xác định để dự đoán ý định tái phạm đồng thời
H3: Tính tức thời của hình phạt ảnh hưởng tiêu cực cũng tác động đến ý định. Một nghiên cứu khác về hành
đến thái độ với hành vi lái xe không an toàn. vi sử dụng ma túy và lái xe cũng cho thấy đối với hành vi
301
sử dụng ma túy khi lái xe tính nghiêm khắc của hình phạt dựa trên sự tổng hợp các tài liệu hiện có để xem xét các
là những yếu tố có tác động chủ yếu đến hành vi [29]. giả thiết nghiên cứu. Cụ thể, phần một giới thiệu ngắn
Khi hình phạt cho hành vi lái xe không an toàn càng tăng gọn về mục đích bảng hỏi, phần hai gồm 31 câu hỏi để
hay hình phạt cao ảnh hưởng cao đến đời sống của họ thì đo lường tám cấu trúc, tất cả các thang đo lường được sử
sẽ làm giảm ý định thực hiện hành vi lái xe không an toàn dụng trong phần này có dạng Likert 7 (mức độ đồng ý
của họ. tằng dần từ 1 = “rất không đồng ý” đến 7 = “rất đồng ý”)
H5: Tính nghiêm khắc của hình phạt ảnh hưởng tiêu và cuối cùng là phần câu hỏi liên quan đến thông tin cơ
cực đến ý định thực hiện hành vi lái xe không an toàn. bản của những người tham gia (gồm: tuổi, giới tính, nghề
nghiệp, trình độ học vấn, thu nhập) và thông tin liên quan
Đối với tính tức thời của hình phạt việc nhận được
đến chuyến đi (thời gian sử dụng xe máy hàng ngày, mức
hình phạt ngay sau khi bị cảnh sát bắt hay sau một khoảng
độ sử dụng).
thời gian mới nhận được hình phạt được tìm thấy không
hoặc ít có tác động đến ý định lái xe không an toàn. Tính Ban đầu, bảng câu hỏi được thiết kế bằng tiếng Anh,
tức thời của hình phạt không phải là yếu tố dự báo trực sau đó được dịch và chuyển thể sang tiếng Việt. Trước
tiếp đến hành vi [30]. khi khảo sát đại trà, bảng hỏi được hiệu chỉnh và hoàn
thiện (lỗi chính tả, câu không rõ nghĩa, điều chỉnh thời
H6: Tính tức thời của hình phạt ảnh hưởng tiêu cực
gian trả lời trung bình của bảng hỏi) sau khi tiến hành
đến ý định lái xe không an toàn.
khảo sát thử nghiệm với 30 sinh viên Đại học Bách khoa
Đối với mô hình TPB dự báo đến ý định thực hiện Đà Nẵng.
hành vi lái xe không an toàn, nhiều nghiên cứu trước đã
3.2. Thu thập số liệu
đưa ra các kết quả về yếu tố trong mô hình TPB tác động
đến hành vi. Chẳng hạn như nghiên cứu về ý định băng Áp dụng phương pháp khảo sát tự báo cáo dựa trên
qua đường của người đi bộ trong lúc đang mất tập trung lấy mẫu thuận tiện được xác định bởi Tanner, McIntosh
[32] hay nghiên cứu về hành vi vi phạm giao thông của [35] trong điều tra khảo sát của nghiên cứu này. Kỹ thuật
người đi xe máy điện tài Trung Quốc [33]. Kết quả các lấy mẫu này có những hạn chế về tính đại diện và độ
nghiên cứu này cho thấy, thái độ và kiểm soát hành vi chêch lệch. Tuy nhiên, do quy mô dân số của đối tượng
nhận thức có ảnh hưởng tính cực đến hành vi. nghiên cứu không xác định, nên lấy mẫu thuận tiện được
coi là kỹ thuật thích hợp nhất.
H7: Thái độ của cá nhân người lái xe ảnh hưởng tích cực
liên quan đến ý định lái xe không an toàn. Trong tháng 8 năm 2022, một nhóm khảo sát gồm hai
sinh viên đại học được đào tạo đã tiến hành khảo sát trực
Chuẩn mực chủ quan xuất phát từ ý định của người
tiếp tại các điểm có sự tập trung nhiều tài xế dịch vụ gọi
lái xe có thực hiện hành vi hay không nếu được chấp
xe hoặc ở những nơi đông người như quán coffee, trung
thuận (và không chấp thuận) của gia đình, bạn bè, đồng
tâm thương mại thuộc địa bàn thành phố Đà Nẵng.
nghiệp hoặc những người mà họ tin tưởng và có ảnh
Những người trả lời tiềm năng được chọn ngẫu nhiên,
hưởng đến họ. Nghiên cứu về ý định vi phạm giao thông
những người sau đó được tiếp cận và mời tham gia cuộc
của người đi xe điện tại Trung Quốc, kết quả đưa ra yếu
khảo sát. Những người khảo sát luôn ở gần trong trường
tố kiểm soát hành vi nhận thức tác động tích cực đến hành
hợp người được hỏi có thắc mắc. Các bảng câu hỏi được
vi [33]. Tương tự nghiên cứu về hành vi uống rượu và lái
thu thập bởi những người khảo sát sau khi họ hoàn thành.
xe thì yếu tố chuẩn mực chủ quan ảnh hưởng tích cực đến
Tổng cộng 433/480 bảng câu hỏi được phản hồi từ các tài
hành vi uống rượu và lái xe [34].
xế giao hàng, đạt tỷ lệ 90,21%. Đối với tài xế xe máy
H8: Chuẩn mực chủ quan ảnh hưởng tích cực đến thông thường, 434/492 phản hổi thu được, đạt tỷ lệ tương
hành vi lái xe không an toàn. ứng 88,21%.
Khả năng thực hiện hành vi do tác động từ yếu tố bên Để giảm thiểu sự sai lệch trong phản hồi được thu
ngoài hoặc do bản thân người lái xe (yếu tố bên trong). thập từ cuộc khảo sát, một số chiến lược đã được thực
Chẳng hạn người lái xe có thể kiểm soát được hành vi của hiện để làm sạch dữ liệu. Thứ nhất, những người trả lời
mình có đúng hay không để thực hiện hành vi lái xe đã hoàn thành khảo sát sớm hơn nhiều so với thời gian
không an toàn. Nghiên cứu về ý định băng qua đường của hoàn thành dự kiến được coi là 'skimmer' tiềm năng và
người đi bộ trong lúc đang mất tập trung cho thấy việc dữ liệu do họ cung cấp sẽ được kiểm tra cẩn thận. Thứ
kiểm soát hành vi nhận thức có ảnh hưởng tích cực đến hai, các quan sát không có giá trị đối với bất kỳ biến kết
hành vi [32]. Hay nghiên cứu về ý định vi phạm giao quả quan trọng nào cũng bị loại bỏ khỏi phân tích sâu
thông của người đi xe điện tại Trung Quốc cũng khẳng hơn. Thứ ba, những người trả lời đã chọn cùng một giá
định ra yếu tố kiểm soát hành vi nhận thức có tác động trị câu trả lời cho tất cả các câu hỏi theo thang điểm Likert
tích cực đến hành vi [33]. được xem là “người đọc lướt” nghiêm trọng và cũng được
H9: Kiểm soát hành vi nhận thức ảnh hưởng tích cực xóa khỏi tập dữ liệu cuối cùng. Cuối cùng, sử dụng biểu
đến hành vi lái xe không an toàn. đồ hộp (boxplot) để lọc ra những câu trả lời không đúng
3. Phương pháp hay khác biệt so vơi phần còn lại (dữ liệu ngoại vi –
outliers). Kết quả các mẫu bao gồm 412 phiếu hợp lệ đối
3.1. Bảng câu hỏi khảo sát và thang đo
với tài xế giao hàng và 415 phiếu đối với tài xế xe máy
Trên cơ sở lý thuyết và mô hình được thiết kế ở thông thường, tương đương với tỷ lệ lần lượt là 95,15%
trên. Một bảng câu hỏi ba phần tự quản lý được thiết kế và 95,62% được sử dụng trong các phân tích sâu hơn
302
Quá trình phân tích số liệu trong phần này sử dụng Đa số các đặc điểm giữa hai mẫu đều có tỷ lệ tương ứng,
phương pháp bình phương nhỏ nhất từng phần dựa trên không có sự khác biệt giữa hai mẫu về giới tính, độ tuổi.
mô hình cấu trúc tuyến tính (Partial least square 4.2. Đánh giá mô hình đo lường
Structural Equation Model – PLS-SEM).
Thứ nhất, độ tin cậy nhất quán nội bộ được kiểm tra
4. Kết quả bằng hệ số Cronbach’s alpha và độ tin cậy tổng hợp (CR).
4.1. Thống kê mô tả Đối với tài xế giao hàng, giá trị CR trong Bảng 2 lượt dao
Tổng số mẫu gồm 867 người tham gia được cung cấp động từ 0,827 đến 0,938. Còn ở tài xế xe máy thông
cho mục đích phân tích, trong đó 433 người (49,9%) là thường, giá trị CR từ 0,845 đến 0,963. Tất cả đều thỏa
tài xế giao hàng và 434 người (50,1%) là xe máy thông mãn giá trị giới hạn 0,7 do Hair Jr, Hult [36] đề xuất. Do
thường. Đặc điểm mẫu dữ liệu được mô tả trong Bảng 1. đó, độ tin cậy của cấu trúc đã được chứng minh là tốt
.Bảng 1: Thống kê mô tả đặc điểm người trả lời khảo sát
Tài xế Tài xế xe máy Tài xế Tài xế xe máy
Đặc điểm giao hàng thông thường giao hàng thông thường
n % n % n % n %
Giới tính Nghề nghiệp
Học sinh –
Nam 429 99,08 429 99,08 150 34,64 134 30,88
Sinh viên
Công việc toàn
Nữ 4 0,92 5 0,92 118 27,25 187 43,09
thời gian
Công việc bán
Độ tuổi thời gian
148 34,18 106 24,42
18-24 239 55,20 233 53,69 Khác 17 3,93 7 1,61

25-39 174 40,18 183 42,17
40-54 19 4,39 18 4,15
Thu nhập
55+ 1 0,23 0 0,00
(VND)
Không có thu
Trình độ học vấn nhập
22 5,08 136 31,34
Trung học cơ sở 31 7,16 18 4,15 <=5 triệu 118 27,25 64 14,75
Trung học phổ
196 45,27 263 60,60 5 - 10 triệu 200 46,19 100 23,04
thông
Cao đẳng 93 21,48 38 8,76 10 - 15 triệu 74 17,09 90 20,74
Đại học 109 25,17 100 23,04 >= 15 triệu 19 4,39 44 10,14
Trên đại học 4 0,92 15 3,46
Bảng 2: Bảng kết quả phân tích CFA
Tài xế giao hàng Tài xế xe máy thông thường
Biến tiềm ẩn Hệ số
CA CR AVE Hệ số tải CA CR AVE
tải
Thái độ (ATT) 0,710 0,838 0,635 0,716 0,874 0,776
ATT1 0,830 -
ATT2 0,830 -
ATT3 - 0,914
ATT4 0,725 0,847
Chuẩn mực chủ quan (SUN) 0,743 0,851 0,656 0,774 0,864 0,680
SUN1 0,795 0,852
SUN2 0,782 0,765
303

Biến tiềm ẩn Hệ số
CA CR AVE Hệ số tải CA CR AVE
tải
SUN3 0,851 0,854
Kiểm soát hành vi nhận thức
0,754 0,890 0,802 0,758 0,862 0,676
(PBC)
PBC1 0,880 0,850
PBC2 0,910 0,849
PBC3 - 0,763
Ý định thực hiện hành vi lái xe
0,836 0,890 0,671 0,729 0,831 0,551
không an toàn (ITT)
ITT1 0,837 0,771
ITT2 0,877 0,705
ITT3 0,824 0,786
ITT4 0,732 0,706
Tính chắc chắn (CER) 0,925 0,940 0,757 0,904 0,926 0,676
CER1 - 0,719
CER2 0,904 0,856
CER3 0,898 0,860
CER4 0,844 0,844
CER5 0,860 0,829
CER6 0,843 0,816
Mức độ xử phạt (SEV) 0,868 0,937 0,882 0,909 0,956 0,915
SEV1 0,954 0,945
SEV2 0,924 0,968
SEV3 - -
Tính tức thời của hình phạt
0,707 0,834 0,628 0,822 0,894 0,737
(SOS)
SOS1 0,737 0,814
SOS2 0,860 0,910
SOS3 0,775 0,849
Ghi chú: “-“ Hệ số tải < 0,7. .
Bảng 3: Tỷ lệ Heterotrait-Monotrait của các mối tương quan của mô hình
Cấu trúc ATT CER ITT PBC SER SUN SOS

ATT 0,196 0,651 0,638 0,239 0,398 0,329
CER 0,201 0,306 0,217 0,488 0,245 0,461
ITT 0,763 0,154 0,654 0,295 0,441 0,257
PBC 0,507 0,092 0,579 0,151 0,499 0,175
SER 0,221 0,464 0,176 0,091 0,178 0,439
SUN 0,450 0,104 0,400 0,483 0,117 0,127
SOS 0,203 0,293 0,223 0,166 0,211 0,040
Ghi chú: HTMT: tài xế giao hàng, HTMT: tài xế xe máy thông thường.
304
Bảng 4: Tác động trực tiếp trong mô hình
Tác động trực tiếp
Hệ số t-value p-value Hệ số t-value p-value
H1: CER  ATT -0,169*** 3,265 0,001 -0,048ns 0,828 0,408
H2: SER  ATT -0,137** 2,571 0,010 -0,104ns 1,174 0,087
H3: SOS  ATT 0,205*** 4,529 0,000 -0,202*** 3,406 0,001
H4: CER  ITT -0,043ns 1,173 0,241 -0,084ns 1,376 0,169
H5: SER  ITT -0,041 ns
1,009 0,313 -0,093 ns
1,469 0,142
H6: SOS  ITT 0,089** 2,420 0,016 -0,009ns 0,145 0,884
H7: ATT  ITT 0,447 ***
7,719 0,000 0,269 ***
4,926 0,000
H8: SUN  ITT 0,082ns 1,632 0,103 0,115** 2,018 0,044
H9: PBC  ITT 0,253*** 5,053 0,000 0,290*** 5,372 0,000
Ghi chú: ns p>0,05, * p <0,05, ** p <0,01, *** p <0,001
Bảng 5: Tác động gián tiếp trong mô hình

Tác động gián tiếp
H10: CER  ATT  ITT -0,075*** 2,897 0,004 -0,013ns 0,813 0,416
H11: SER  ATT  ITT -0,061 **
2,346 0,019 -0,028 ns
1,589 0,112
H12: SOS  ATT  ITT 0,092*** 3,533 0,000 -0,054ns 2,660 0,008
ns p>0,05,
Ghi chú: * p <0,05, ** p <0,01, *** p <0,001
Bảng 6: Tác động tổng hợp trong mô hình
Tác động gián tiếp
CER  ITT -0,075 ***
2,897 0,004 -0,013 ns
0,813 0,416
SER  ITT -0,061** 2,346 0,019 -0,028ns 1,589 0,112
-
SOS  ITT 0,092*** 3,533 0,000 2,660 0,008
0,054***
Ghi chú: ns p>0,05, * p <0,05, ** p <0,01, *** p <0,001
Bảng 7: Mức độ chính xác của dự đoán – mức độ liên quan của dự đoán

Biến tiềm Mức độ Mức độ Mức độ
Mức độ chính liên quan chính xác liên quan
ẩn R 2
Q² R 2
Q²
xác của dự đoán của dự của dự của dự
đoán đoán đoán
ATT 0,085 Yếu 0,066 Yếu 0,082 Yếu 0,059 Yếu
ITT 0,437 Trung bình 0,229 Trung bình 0,360 Trung bình 0,254 Trung bình
Thứ hai, tính hợp lệ hội tụ được đánh giá thông qua này đã chứng minh rằng mô hình đo lường đã thiết lập
hệ số tải ngoài (outer loading) và phương sai trung bình giá trị hội tụ.
được trích xuất (AVE). Bảng 2 trình bày các giá trị AVE Thứ ba, việc đánh giá tính hợp lệ phân biệt được kiểm
của tám biến tiềm ẩn, được sử dụng để đánh giá phương định bởi tỷ lệ Heterotrait-Monotrait về mối tương quan.
sai chung trong một cấu trúc cụ thể, kết quả phân tích giá Bảng 3 cho thấy giá trị HTMT cho tất cả các cặp cấu trúc
trị nằm trong khoảng từ 0,616 đến 0,872 ở nhóm tài xế ở định dạng ma trận rõ ràng thấp hơn giá trị ngưỡng 0,85.
giao hàng và từ 0,582 đến 0,929 ở nhóm xe máy thông Điều này đáp ứng tiêu chí hợp lệ phân biệt của mô hình
thường, cao hơn giá trị ngưỡng 0,5 [37]. Những phát hiện đo lường.
305
4.3. Đánh giá mô hình cấu trúc Q2 dương, xác nhận mức độ phù hợp dự đoán đầy đủ của
4.3.1. Độ phù hợp mô hình mô hình đã phát triển trong nghiên cứu hiện tại.
Phần dư trung bình bình phương căn bậc hai 5. Thảo luận
chuẩn hóa (SRMR) được sử dụng làm tiêu chí cho mục Kết quả cho thấy các yếu tố trong mô hình TPB có
đích xác định tính phù hợp của mô hình được đề xuất ảnh hưởng tích cực và đáng kể đến hành vi lái xe không
trong nghiên cứu này. Phát hiện cho thấy giá trị SRMR = an toàn của nhóm đối tượng xe giao hàng. Ý định thực
0,062 ở tài xế giao hàng và SRMR = 0,069 ở xe máy hiện hành vi vi phạm luật giao thông (ITT) bị tác động
thông thường, thấp hơn giá trị ngưỡng (0,08) do Byrne tích cực bởi các yếu tố TPB ban đầu như thái độ của
[38] đề xuất, cho thấy mô hình cấu trúc được phát triển người điều khiển phương tiện (ATT) và kiểm soát hành
phù hợp tốt với dữ liệu thu thập được. vi nhận thức (PBC). Những kết quả này phù hợp với các
4.3.2. Kiểm tra giả thuyết nghiên cứu trước đây của tác giả Paris and Van den
Broucke [40] về thái độ, chuẩn mực chủ quan và kiểm
4.3.2.1. Tác động trực tiếp
soát hành vi nhận thức đã góp phần đáng kể vào dự đoán
Kết quả chi tiết trong Bảng 4 ở cả tài xế giao hàng ý định tiếp tục lái xe với tốc độ cao khi tham gia giao
và xe máy thông thường các yếu tố của lý thuyết TPB thông. Ngoài ra, yếu tố chuẩn mực chủ quan (SUN) được
như ATT và PBC có tác động tích cực đến ITT. Các yếu tìm thấy không có tác động đến hành vi lái xe không an
tố SUN, CER, SER có tác động đến ITT đối với xe máy toàn của nhóm đối tượng xe giao hàng tráu ngược với các
thông thường, nhưng không có tác động đối với tài xế nghiên cứu trước [33]. Điều này có thê được giải thích
giao hàng. Trong khi, yếu tố ITT còn bị tác động tích cực rằng nhóm đối tượng xe giao hàng có xu hướng không
yếu tố SOS đối với tài xế giao hàng (βSOSITT = 0,089, t nghe những lời khuyên bảo của những người thân xung
= 2,420, p = 0,016) thì ở xe máy thông thường đây là tác quanh. Ngược lại với nhóm đối tượng xe giao hàng, trong
động tiêu cực (βSOSITT = -0,202, t = 3,406, p = 0,001). mô hình TPB tất cả các yếu tố của mô hình bao gồm thái
4.3.2.2. Tác động gián tiếp độ (ATT), chuẩn mực chủ quan (SUN), kiểm soát hành
Các tác động gián tiếp giữa các cấu trúc cũng được vi nhận thức (PBC) đều có tác động đến ý định thực hiện
kiểm tra thông qua phương pháp bootstrap [39]. Mối liên hành vi vi phạm luật giao thông của người lái xe thông
kết dàn xếp giữa các cấu trúc có giá trị t vượt quá ngưỡng thường. Kết quả này cùng quan điểm với nhóm tác giả
1,65 ở mức ý nghĩa 10% có thể được công nhận là có ý Chan, Wu [34]. Điều này cũng có nghĩa là người lái xe
nghĩa đóng góp cho nghiên cứu. Bảng 5 thể hiện tất cả thông thường đều bị tác đông bởi thái độ của bản thân,
các mối quan hệ trung gian đáng kể chính giữa bốn biến tác động của những người thân xung quanh và nhận thức
tiềm ẩn (CER, SER, SOS và ATT) và ITT ở tài xe giao về chính những rủi ro có thể xảy ra khi có những ý định
hàng. Theo đó, kết quả đã chỉ ra rằng các tác động trung vi phạm luật lệ giao thông.
gian của ATT trong mối liên hệ nhân quả giữa CER và Đối với kết quả của mô hình lý thuyết răn đe chỉ có
ITT (βCERITT = -0,075, t = 2,897, p = 0,004), SER và ITT yếu tố tính tức thời của hình phạt (SOS) là có tác động
(βSERITT = -0,061, t = 2,346, p = 0,019) và SOS và ITT đến hành vi lái xe không an toàn của nhóm tài xế giao
(βSOSITT = 0,092, t = 3,533, p < 0,001). Trong khi đó, đối hàng. Kết quả này được tìm thấy có sự khác biệt với các
với xe máy thông thường các tác động gián tiếp qua ATT giả thuyết và trong các nghiên cứu trước, trong đó tính
này đều tác động không có ý nghĩa thống kê. tức thời của hình phạt được tìm thấy là yếu tố ít hoặc
4.3.2.3. Tác động tổng hợp không có tác động đến hành vi [30]. Ngoài ra, khác với
các nghiên cứu trước, trong nghiên cứu này, thì yếu tố
Bảng 6 cung cấp thông tin về tác động tổng hợp (trực
tính nghiêm khắc (CER) và khả năng bị phạt (SER) là
tiếp và gián tiếp) của các biến tiềm ẩn khác nhau đến ý
những yếu tố không có tác động đến hành vi lái xe không
định thực hiện hành vi vi phạm luật giao thông (ITT).
an toàn đối với nhóm đối tượng giao hàng. Điều này có
Theo mô hình được đề xuất, CER và SER có tác động thể được giải thích rằng do nhóm đối tượng này thường
trực tiếp và gián tiếp đến ITT ở nhóm tài xế giao hàng, chấp nhận khả năng bị phạt và có thể vì hình phạt không
nhưng không có tác động ở nhóm xe máy thông thường.
đáng kể so với thu nhập và mong muốn thực hiện công
Trong khi, yếu tố ITT còn bị tác động tích cực yếu tố SOS
việc giao hàng. Tuy nhiên thời gian đưa ra hình phạt lại
đối với nhóm tài xế giao hàng (βSOSITT = 0,092, t =
là yếu tố có tác động ý nghĩa có lẽ vì nó ảnh hưởng đến
3,533, p < 0,001) thì ở nhóm xe máy thông thường đây là
thời gian giao hàng thậm chí cả công việc của nhóm đối
tác động tiêu cực (βSOSITT = -0,054, t = 2,660, p = 0,008). tượng này. Đối với người lái xe thông thường thì các yếu
4.3.3. Đánh giá khả năng dự báo tố trong mô hình lý thuyết răn đe không có tác động đến
Một phần quan trọng trong việc đánh giá SEM là ý định thực hiện hành vi lái xe không an toàn (ITT). Điều
kiểm tra sức mạnh giải thích của mô hình, được đánh giá này có thể do mức xử phạt và khả năng sẽ bị phạt đối với
thông qua hai tiêu chí: “độ chính xác của dự đoán” (R2) người lái xe thông thường là không cao, kể cả tính tức
và “mức độ liên quan của dự đoán” (Q2). Kết quả trình thời của hình phạt.
bày trong Bảng 7 đối với nhóm tài xế giao hàng và nhóm Ngoài ra các yếu tố của mô hình lý thuyết răn đe đều
xe máy thông thường cho thấy giá trị R2 của ý định thực được tìm thấy có tác động đến thái độ của người lái xe.
hiện hành vi vi phạm luật giao thông lần lượt là 0,437 và Kết quả cũng cho thấy tính chắc chắn của hình phạt
0,360, đạt mức độ chính xác dự đoán trung bình (> 0,33), (CER) và mức độ xử phạt (SER) ảnh hưởng tiêu cực đến
trong khi cấu trúc thái độ có giá trị R2 tương ứng là 0,085 thái độ của người điều khiểu phương tiện. Và thái độ của
và 0,082, đạt mức độ yếu về độ chính xác của dự đoán. người điều khiển phương tiện cũng bị tác động tích cực
Tương tự, kết quả thống kê cũng chỉ ra tất cả các giá trị bởi yếu tố tính tức thời của hình phạt (SOS). Điều này
306
đúng với giả thuyết ban đầu và cùng quan điểm với các major Vietnamese cities. Case studies on transport policy, 2022.
10(3): p. 1735-1742.
nghiên cứu trước [28].
[9] Nguyen-Phuoc, D.Q., et al., Deadly meals: The influence of job-
Các phát hiện cho thấy việc nâng cao nhận thức và related factors on burnout and risky riding behaviours of food
thái độ đối với sự mất an toàn khi tham gia giao thông delivery motorcyclists. 2022.
của nhóm đối tượng tài xế giao hàng là một vấn đề [10] Rusli, R., O. Oviedo-Trespalacios, and S.A. Abd Salam, Risky
nghiêm trọng vì nó ảnh hưởng đến những người tham gia riding behaviours among motorcyclists in Malaysia: A roadside
giao thông xung quanh và chính bản thân những tài xế. survey. Transportation research part F: traffic psychology and
behaviour, 2020. 74: p. 446-457.
Do đó, các công ty quản lý cần có những biện pháp để
[11] Akaateba, M.A., R. Amoh-Gyimah, and I. Yakubu, A cross-
nâng cao thái độ của những tài xế giao hàng về những rủi sectional observational study of helmet use among motorcyclists
ro có thể xảy ra đối với những hành vi lái xe không an in Wa, Ghana. Accident Analysis & Prevention, 2014. 64: p. 18-
toàn đó. Ví dụ như, cần tiến hành cải tiến quy trình tuyển 22.
dụng và đào tạo tài xế trong dịch vụ giao hàng hay người [12] German, C.A., et al., A systematic review on epidemiology and
lái xe nên được yêu cầu tham gia các khóa đào tạo an toàn promotion of motorcycle helmet use in Thailand. Asia Pacific
Journal of Public Health, 2019. 31(5): p. 384-395.
dài hạn hơn bao gồm các chủ đề về lái xe an toàn. Đối
với các cơ quan chức năng cần có những biện pháp mạnh [13] Ranney, T.A., Models of driving behavior: a review of their
evolution. Accident analysis & prevention, 1994. 26(6): p. 733-
hơn về cách thức xử phạt đối với nhóm đối tượng này. 750.
Đối với nhóm đối tượng lái xe thông thường, kết quả [14] Satiennam, W., et al., Red light running by young motorcyclists:
nghiên cứu cho thấy việc cần nâng cao ý thức, thái độ và Factors and beliefs influencing intentions and behavior.
tác động của những người xung quanh đối với nhóm đối Transportation research part F: traffic psychology and behaviour,
2018. 55: p. 234-245.
tượng này. Cụ thể, cần có những tuyên truyền mạnh mẽ
[15] Shen, X., et al., The application and extension of the theory of
hơn để hạn chế các hành vi lái xe không an toàn hay điều planned behavior to an analysis of delivery riders’ red-light
chỉnh nhiều hơn về mức xử phạt đối với những hành vi running behavior in China. Accident Analysis & Prevention,
cụ thể, tăng tính khả năng bị phạt. 2020. 144: p. 105640.
6. Kết luận [16] Hung, D.V., M.R. Stevenson, and R.Q. Ivers, Barriers to, and
factors associated, with observed motorcycle helmet use in
Nghiên cứu này xem xét các yếu tố ảnh hưởng đến ý Vietnam. Accident Analysis & Prevention, 2008. 40(4): p. 1627-
định thực hiện hành vi lái xe không an toàn của hai đối 1633.
tượng nhóm tài xế giao hàng và nhóm xe máy thông [17] Widyanti, A., et al., Mobile phone use among Indonesian
thường ở thành phố Đà Nẵng, Việt Nam. Mô hình cấu motorcyclists: prevalence and influencing factors. Traffic injury
prevention, 2020. 21(7): p. 459-463.
trúc tích hợp giữa mô hình theo lý thuyết TPB và mô hình
[18] Sreedharan, J., et al., Determinants of safety helmet use among
theo lý thuyết DT được áp dụng trong nghiên cứu, kết quả motorcyclists in Kerala, India. Journal of injury and violence
nghiên cứu này cho thấy: thái độ có ảnh hưởng đáng kế research, 2010. 2(1): p. 49.
đến ý định thực hiện hành vi lái xe không an toàn của tài [19] Phat, Xu hướng đặt đồ ăn online tại Việt Nam tác động thế nào
xế giao hàng và xe máy thông thường; tính chắc chắn và đến ngành F&B. Công ty kỹ thuật Toàn Phát, 2019.
mức độ xử phạt ảnh hưởng tiêu cực đến thái độ của tài xế [20] Papakostopoulos, V. and D. Nathanael, The complex
giao hàng; ngoài ra khoảng thời gian bị phạt có ảnh interrelationship of work-related factors underlying risky
hưởng tích cực đến thái độ và ý định thực hiện hành vi driving behavior of food delivery riders in Athens, Greece.
Safety and health at work, 2021. 12(2): p. 147-153.
không an toàn của tài xế giao hàng.
[21] Grisci, C.L.I., P.D. Scalco, and M.S. Janovik, Modes of working
Những phát hiện này có ý nghĩa cung cấp cơ sở khoa and being of motoboys: contemporary space-time experience.
học cho các cơ quan chức năng và đơn vị quản lý các dịch Psicologia: ciência e profissão, 2007. 27(3): p. 446-461.
vụ tài xế giao hàng giúp định hướng việc đề xuất các [22] Ajzen, I., The theory of planned behavior. Organizational
chính sách, giải pháp nhằm hạn chế các hành vi lái xe behavior and human decision processes, 1991. 50(2): p. 179-211.
không an toàn khi tham gia giao thông của người sử dụng [23] Brown, S.E. and F.-A. Esbensen, Thoughts on deterrence:
xe máy. Từ đó, hạn chế những nguy cơ tiềm ẩm TNGT Evolution of a theoretical perspective. International journal of
offender therapy and comparative criminology, 1988. 32(3): p.
nói chung và TNGT xe máy nói riêng. Điều đó góp phần 219-232.
tích cực trong việc nâng cao ATGT toàn thành phố. [24] Bruinsma, G.J., Classical theory: The emergence of deterrence
Tài liệu tham khảo theory in the age of enlightenment, in Deterrence, choice, and
crime. 2018, Routledge. p. 3-28.
[1] WHO, Global status report on road safety 2018. 2018.
[25] Freeman, J., P. Liossis, and N. David, Deterrence, defiance and
[2] HUTT, D., Southeast Asia’s roads more dangerous than Covid.
deviance: An investigation into a group of recidivist drink
2022. drivers' self-reported offending behaviours. Australian & New
[3] Ngo, A.D., et al., Road traffic related mortality in Vietnam: Zealand Journal of Criminology, 2006. 39(1): p. 1-19.
evidence for policy from a national sample mortality
[26] Davey, J.D. and J.E. Freeman, Improving road safety through
surveillance system. BMC public health, 2012. 12(1): p. 1-9. deterrence-based initiatives: A review of research. Sultan
[4] Vietnamnet, Vietnam sees motorbike market declined as vehicles Qaboos University Medical Journal, 2011. 11(1): p. 29.
become more popular. 2022.
[27] Peace, A.G., D.F. Galletta, and J.Y. Thong, Software piracy in
[5] Hung, K.V., Education influence in traffic safety: A case study the workplace: A model and empirical test. Journal of
in Vietnam. IATSS research, 2011. 34(2): p. 87-93. Management Information Systems, 2003. 20(1): p. 153-177.
[6] Duc, Nghiên cứu hiện trạng giao thông xe máy Việt Nam. 2019. [28] Safa, N.S., et al., Deterrence and prevention-based model to
[7] Đức, N.H., Nghiên cứu hiện trạng giao thông xe máy Việt Nam. mitigate information security insider threats in organisations.
2019. Future Generation Computer Systems, 2019. 97: p. 587-597.
[8] Ngoc, A.M., H. Nishiuchi, and N.T. Nhu, Ensuring traffic safety [29] Watling, C.N., et al., Applying Stafford and Warr's
of cargo motorcycle drivers in last-mile delivery services in reconceptualization of deterrence theory to drug driving: Can it
307
predict those likely to offend? Accident Analysis & Prevention, planned behavior. Accident Analysis & Prevention, 2010. 42(6):
2010. 42(2): p. 452-458. p. 1549-1555.
[30] Szogi, E., et al., Does getting away with it count? An application [35] Tanner, A., et al., The water Utility Adoption Model (wUAM):
of Stafford and Warr’s reconceptualised model of deterrence to Understanding influences of organisational and procedural
drink driving. Accident Analysis & Prevention, 2017. 108: p. innovation in a UK water utility. Journal of Cleaner Production,
261-267. 2018. 171: p. S86-S96.
[31] Truelove, V., et al., Does awareness of penalties influence [36] Hair Jr, J.F., et al., A primer on partial least squares structural
deterrence mechanisms? A study of young drivers’ awareness equation modeling (PLS-SEM). 2021: Sage publications.
and perceptions of the punishment applying to illegal phone use [37] Fornell, C. and D.F. Larcker, Structural equation models with
while driving. Transportation research part F: traffic psychology unobservable variables and measurement error: Algebra and
and behaviour, 2021. 78: p. 194-206. statistics. 1981, Sage Publications Sage CA: Los Angeles, CA.
[32] Barton, B.K., S.M. Kologi, and A. Siron, Distracted pedestrians [38] Byrne, B.M., Structural equation modeling with EQS: Basic
in crosswalks: An application of the Theory of Planned concepts, applications, and programming. 2013: Routledge.
Behavior. Transportation research part F: traffic psychology and
behaviour, 2016. 37: p. 129-137. [39] Zhao, X., J.G. Lynch Jr, and Q. Chen, Reconsidering Baron and
Kenny: Myths and truths about mediation analysis. Journal of
[33] Tang, T., et al., Understanding electric bike riders’ intention to consumer research, 2010. 37(2): p. 197-206.
violate traffic rules and accident proneness in China. Travel
behaviour and society, 2021. 23: p. 25-38. [40] Paris, H. and S. Van den Broucke, Measuring cognitive
determinants of speeding: An application of the theory of
[34] Chan, D.C., A.M. Wu, and E.P. Hung, Invulnerability and the planned behaviour. Transportation Research Part F: Traffic
intention to drink and drive: An application of the theory of Psychology and Behaviour, 2008. 11(3): p. 168-180.
308
KHOA XÂY DỰNG
CÔNG TRÌNH THUỶ
APPLICATION OF ARTIFICIAL INTELLIGENCE AND BLOCKCHAIN IN

AUTOMATIC ARCHITECTURE DESIGN IN CONSTRUCTION
Students: Nguyen Dinh Huy1, Nguyen Le Anh Minh2

1
Class: 18THXD, Faculty of Water Resource Engineering, Da Nang Unversity of Science and Technology;
Email:111180019@sv1.dut.udn.vn
2
Class: 18T2, Faculty of Information Technology, Da Nang University of Science and Technology;
Email: 102180083@sv1.dut.udn.vn
Supervisor: Dr.Pham Thanh Hung
Faculty of Water Resource Engineering, Da Nang Unversity of Science and Technology;
Email: pthung@dut.udn.vn
Abstract - We introduce a learning framework for automated graph, via a graph neural network (GNN), and the input building
floorplan generation which combines generative modeling using boundary, as well as the raster floorplan images, via conventional
deep neural networks and userin-the-loop designs to enable image convolution. We demonstrate the quality and versatility of
human users to provide sparse design constraints. Such our floorplan generation framework in terms of its ability to cater
constraints are represented by a layout graph. The core to different user inputs. We conduct both qualitative and
component of our learning framework is a deep neural network, quantitative evaluations, ablation studies, and comparisons with
which converts a layout graph, along with a building boundary, state-of-the-art approaches. Our findings will be used to
into a floorplan that fulfills both the layout and boundary construct a website employing this architecture and blockchain
constraints. Given an input building boundary, we allow a user to to assist individuals in establishing the house they want to build
specify room counts and other layout constraints, which are used faster while also saving more time and money. Blockchain is the
to retrieve a set of floorplans, with their associated layout graphs, place to identify information and establish fixed limits that enable
from a database. For each retrieved layout graph, along with the access to required identifiers, while AI aids in setting up
input boundary, our model first generates a corresponding raster automatic operations and efficiently supports user processes.
floorplan image, and then a refined set of boxes representing the Key words - floorplan; boundary constraints; deep neural
rooms. This deep neural networks is trained on RPLAN, a large- networks; RPLAN; GNN; blockchain
cale dataset consisting of 80K annotated floorplans. The network
is mainly based on convolutional processing over both the layout
1. INTRODUCTION amenable a given floorplan is to adaptive reuse or which

The International Energy Agency (IEA) estimates walls could be load bearing while supporting good
that the global built floor area will increase by some 235 daylighting etc.
billion m2 until 2050, to accom-modate a growing A number of reviews on computational layout
population and rising standards of living [1]. The automation have been conducted that included industrial
enviromental, economic, and ethical implications of this facility layouts [2], focused on specific computational
prediction are momentous. At a time when humanity has methods, such as evolutionary algorithms [3] [4]or agent
around 580 Gt CO2e left to burn to keep global warming based methods [5]. Furthermore methods have been
below 1.5°C, the “plan” to double the size of the building surveyed with a focus on methods optimizing for energy
sector in a single generation seems risky. While one may usage [6] [7]. In this manuscript, we initially review
expect significant efficiency gains in terms of area- which professions have thus far used automated space
weighted resource use and construction costs face off layout methods and for what purpose. We then introduce
with today’s building practices, the crucial question is a new approach that productively combines these
whether humanity really needs that indoor space? methods with a specific focus on early-stage architectural
The construction sector – and especially the high- massing studies and existing building stock
performance design community – have long embraced characterization.
computer-based performance analysis methods for 2. RELATED WORK
embodied and operational energy use associated with The first automated floorplan generation methods
construction materials and building use. However, space were introduced close to half a century ago. The
efficiency evaluations are far less common. Usually, underlying motivation has changed over time and still
there is a design brief provided to the architect that varies significantly between different projects and tools
stipulates a certain amount of program including a set today. This section provides an account of significant
percentage for circulation and space conditioning historic precedents followed by contemporary use cases,
equipment. The sum of these space uses adds up to an in which the authors see exciting, new applications of the
overall building volume that can then be explored via underlying technologies.
massing studies. The spatial relationship between a
2.1. Past and current approaches
massing volume or a floorplan and the distribution of
program is, of course, quite complex, ranging from Automatic space layout creation methods were
desired adjacencies to minimal width or depth introduced as artistic speculations on the future role of
requirements. In terms of future reuse opportunity, the computers and artificial intelligence in architecture in the
design team would ideally also like to know how 1970s. Yona Friedman proposed the Flatwriter [8] to
generate apartment layouts that would accommodate
311
SVTH: Nguyen Dinh Huy, Nguyen Le Anh Minh; GVHD: Dr.Pham Thanh Hung
usage preferences of all neighbors in cooperative housing the design and spatial qualities of existing buildings such
projects. Automating the layout creation process was as Palladian villas [11] or Frank Lloyd Wright’s prairie
seen as an enabler for participatory design. Cedric Price houses [12], the underlying patterns could be deployed to
proposed the “Generator”: A reconfigurable voxel based recreate buildings of the same type. Similarly,
spatial unit that could be reconfigured by visitors into Christopher Alexander represented spatial relationships
different layouts [9]. Both pre-computational proposals in traditional architectural floorplans via relational
envisioned floorplans designed by a modular kit of parts graphs and tree structures [13]. These abstractions were
in a bottom-up process. essential first steps necessary for automating the
During the late 1970s, George Stiny started working on generation of floorplans and continue to play a
the analysis and reproduction of building layouts via so- foundational role in contemporary computational
called parametric shape grammars [10]. By understand approaches.
Fig 1.. Overview of our framework for automated floorplan generation, which combines generative modeling using deep neural
networks and user-in-the-loop design. (a) The user inputs a building boundary and can also specify constraints on room numbers,
locations, and adjacencies. (b) We retrieve possible graph layouts from a dataset based on the user input. (c) Once graphs have
been retrieved, we automatically transfer and adjust the graphs to the input boundary. The user can then interactively edit the
room locations and adjacencies on the adjusted graphs. (d) The graphs guide our network in generating corresponding floorplans,
encoded as a set of room bounding boxes and a floorplan raster image. (e) We post-process this output to obtain the final, vectorized
floorplan.
Grammar based design methods have been estate industry or conceived as inhouse software tools in
successfully implemented into computational workflows architecture and engineering firms, most current
to rocedurally compute building volumes with detailed approaches tackle layout automation on the scale of a
facades. Notably Esri’s City Engine [14] which integrates single building massing. They include different
the CGA ++ shape grammar language [15] that enables apartment (or in the case of hospitality, hotel room)
the generation of differentiated building envelopes for mixes and simplified core placements with single or
visualization purposes of urban design proposals. double loaded corridors.
As of today, automated building-level layout tools 2.2. Future application
have not made much headway into mainstream We note that there is currently no technical
architectural practice where, their use is mainly reserved implementation of automatic space layout creation
for speculative design exercises or specific niche available that can fully replace a skilled human designer.
applications such as office furnishing and electric lighting More importantly, given the crucial role that architecture
layouts in interior design [16] or complex programming can play to provide more socially equitable and
exercised for hospitals, airports or large scale residential environmentally responsible spaces, we do not believe
and commercial developments [17]. For such applications, that the end goal of automated floor-plan generator
automatically generated design options can augment or methods should be to replace the human architect.
replace conventional manual design processes by offering Instead, we have identified three broad use cases that go
not a single optimal solution but a family of directions for beyond efficiency maximization and rather focus on
further design exploration [18]. improving the quality of the design process and resulting
In contrast to architectural design, the real estate architecture. These use cases are design feedback, design
sector has enthusiastically embraced and supported the guidance/optimization, and inventory characterization.
creation of a plethora of floorplan and building 3. OVERVIEW
automation software and practice. Several companies of
An overview of our floorplan generation framework
varying size now focus on the creation of automatic
is given in Error! Reference source not found.Fig 1,
layout tools to assist property developers and decision
with each component outlined below. Fig 2 details the
makers. They promise to maximize the potential
architecture of the core component, the network, which
buildable area and perform automatic analysis of a site,
is trained on the RPLAN dataset [19].
creating semi-automatic feasibility studies that can
inform investment opportunities for land acquisition and 3.1. Initial user input
maximize rentable area. Whether geared towards the real The user first enters a building boundary for which
312
the floorplan should be generated, and a set of constraints incorporating human design principles. Specifically, in
that guide the layout retrieval and floorplan generation pre-processing, we first extract all the layout graphs from
(Fig 1(a)). The user is allowed to provide as initial the dataset. Next, to retrieve relevant layout graphs, we
constraints the number of rooms of each type that should filter the graphs based on the user constraints and then
appear in the floorplan, the locations of specific rooms, rank the graphs based on how well the source floorplan
and desired adjacencies between rooms. The rooms have of the graph matches the boundary input by the user; see
types such as MasterRoom, SecondRoom, Kitchen, etc. Fig 1(b). Note that, if the user did not provide any layout
For example, a constraint could require 1 MasterRoom constraints, then the retrieval is based on the building
and 1 BathRoom. boundary alone. After this step, the user can select one or
3.2. Layout graphs more of the presented layout graphs as input for the next
step. Our system also provides an interface that allows
To obtain the layout graphs from user-specified
the user to interactively modify the retrieved graphs to
constraints, we adopt a more traditional retrieve-and-
further fulfill his/her constraints. The output of this step
adjust paradigm utilizing the large-scale floorplan dataset
is a set of candidate layout graphs that guide the floorplan
RPLAN [19]. The key advantage of this approach is that
generation; see Fig 1(c).
the layout graphs are derived from real floorplans
Fig 2, Architecture of our network. The network takes as input a layout graph and building boundary, and outputs initial room
bounding boxes {𝐵𝑖0 }, refined room boxes {𝐵𝑖1 }, and a raster image I of the floorplan. The processing is carried out with a graph
neural network (GNN), convolutional neural network (CNN), fully-connected layers (Box), and a BoxRefineNet (detailed in Fig 1).
3.3. Floorplan generation building boundary, and generates a bounding box for
Given a layout graph associated with a retrieved each room; see Fig 1(d). These bounding boxes may not
floorplan, our goal is to generate a new floorplan which be perfectly aligned and there may be some overlap
instantiates the layout graph within the input building between the boxes of different rooms. Thus, to ensure
boundary. While the retrieved floorplan does provide a that the bounding boxes of all rooms can be composed
spatial realization of the layout graph, its boundary is into a valid floorplan, our network also predicts a raster
different from the input boundary. Retrofitting the layout floorplan image that assigns a single room label to each
graph into the new boundary corresponds to a “structural pixel inside the boundary. Finally, we solve an
retargetting” problem. This problem is highly non-trivial optimization problem that combines the raster floorplan
without a clearly defined objective function, and simple image and bounding boxes to provide the final, valid
heuristics to determine the room locations, sizes, and alignment of room bounding boxes and a vectorized
shapes will likely yield various conflicts. To this end, we floorplan; see Fig 1(e). As discussed in Section 2, we
train a deep neural network, to solve the problem, where require this additional refinement step since it is difficult
the network learns how to perform the retargeting based to encode alignment constraints and enforce them during
on design principles embedded in the floorplan dataset the floorplan generation with the input building
used as training data. boundaries taking on arbitrary shapes.
4. LAYOUT GRAPH RECOMMENDATION
In this section, we explain how the layout graphs are
extracted from the large-scale floorplan dataset RPLAN
[19], and how relevant graphs are retrieved based on user
constraints. The retrieved layout graphs are first adjusted
automatically to ensure that all the nodes are inside the
user-provided building boundary. Then, the user can
further edit the retrieved layout graphs, especially when
some of the user constraints are not fully satisfied.
Fig 3. Fig 1. Network architecture of the BoxRefineNet: the 4.1. Layout graph extraction
network produces a feature map of the input boundary with a
CNN. A RoI Pooling layer then extracts a feature vector from The RPLAN dataset provides floorplans represented
the feature map and input bounding box. The feature vector is as raster images with semantic annotations at the pixel
concatenated with the room features, and fed into fully- level [19]. Each image has four channels, which indicate
connected layers (Box2) that output a refined box position and the pixels that are inside/outside, on the boundary, and
size. the room labels and instance indexes. To extract a layout
The network takes as input a layout graph and graph for a given floorplan, we represent each room as a
313
graph node and add an edge between any two nodes if the any constraints, we skip the filtering step.
corresponding rooms are adjacent in the floorplan. We opt to rank graphs based on matching boundaries
For each room node, we encode three pieces of since buildings with similar boundaries will be more
information: room type, room location, and room size, likely to have compatible floorplan designs that can be
illustrated in Fig 4(a). The room type can be one of the transferred to each other. However, even for two
Nt = 13 following types: LivingRoom, MasterRoom, buildings with exactly the same boundary, different front
SecondRoom, GuestRoom, ChildRoom, StudyRoom, door locations can lead to a significant change of the
DiningRoom, Bathroom, Kitchen, Balcony, Storage, floorplan, implying that we need to take the front door
Wall-in, and Entrance. For encoding the room location, location into consideration when comparing two
we first divide the bounding box of the building boundary boundaries. To achieve this, we first convert the 2D
into a K × K grid, and then find the grid cell where the polygonal shape of each boundary into a 1D turning
room center is located. We set K = 5. For encoding the function [20], which records the accumulation of angles
room size, we compute the ratio between the room area of each turning point (corner) of a polygon. Specifically,
and the whole building area. we start the sequence on one side of the front door and
To find the adjacent room pairs, we first find all the record the angles in a clockwise order; see Fig 9 for an
interior doors encoded in the floorplan and then consider example. Then, to compare two boundaries, we measure
any rooms on the two sides of a door as adjacent pairs. the distance between turning functions [20]. Fig 5 shows
Next, to find additional adjacent pairs, we check whether one retrieval example.
the distance between any two rooms is smaller than a
given threshold relative to the room bounding box. For
each pair of adjacent rooms, we encode one piece of
information: the pair’s spatial relation type according to
how the rooms are connected, which can be one of left
of, right of, above, below, left-above, right-above, left- Fig 5 Example of retrieval and adjustment of a layout
below, right-below, inside, or outside, illustrated in Fig graph: (a) Input boundary, (b) Retrieved graph, (c) Transferred
graph, (d) Adjusted graph, (e) Generated floorplan.
4(b). Since these spatial relations are directed, for each
pair of adjacent rooms, we randomly sample one 4.3. Layout graph adjustment
direction and assign the corresponding relation type to We show each retrieved graph inside the input
the edge. building boundary, so that the user can better analyze the
fit of the layout to the boundary. To transfer a given
layout graph to the input boundary, we first rotate the
source plan of the graph so that its boundary aligns to the
input boundary, rotating the graph as a consequence.
Next, we transfer the nodes from the rotated graph to the
boundary. For the boundary alignment, since the
boundary distance measure is based on the turning
Fig 4.Information encoded in the layout graph: (a) The
nodes encode the room type, size, and location relative to a 5 ×
function starting from the front door, the front door
5 grid. (b) The edges encode the spatial relation type between serves as a reference point for the alignment. Thus, we
two rooms. In the example, the spatial relations are relative to first align the front doors of the two boundaries, which
the large yellow room on the bottom-right of the floorplan. (c) also prevents the front door from being blocked by any
All the room relation types that we consider in our framework. room. To ensure that the transformed floorplan is still a
After extracting more than 80K layout graphs out of valid floorplan with axis-aligned boundary edges, we
the 120K floorplans in the RPLAN dataset [19], we find constrain the transformation to be a rotation with k × 90
that the extracted subset shows enough variety of degrees, where k ∈ N. The variable k is optimized so that
floorplan designs and can be used as an informative the angle between the two front door directions is less
template set to help users in designing their own than 45 degrees, where the front door direction is the
floorplan. vector connecting the center of the building bounding
box to the center of the door. See Fig 5(a)-(c) for an
4.2. Layout graph retrieval
example.
Users can specify layout constraints by providing the
Once the floorplan is aligned to the building
number of different room types that should appear in the
boundary, we transfer the graph nodes. The position of
floorplan, location of rooms, and adjacencies between
each room node is encoded relative to the bounding box
rooms. For simplicity, we cluster different kinds of
of the building boundary. Thus, we position a node inside
bedrooms appearing in the dataset into one category, and
the input boundary in the same relative position as it
only allow the users to add location and adjacency
appears in the source floorplan. However, since the
constraints on five types of rooms, as shown in the legend
boundary of different buildings may differ significantly,
of Fig 1(a). However, users have the option to specify
this direct transfer of node positions may cause some of
room numbers for finer categories. We filter out graphs
the nodes to fall outside of the building. Thus, the node
that do not satisfy all of the user constraints, and then
locations need to be adjusted during their transfer. Since
show the graphs to the user ranked by how well the
we represent a node position relative to a 5 × 5 grid, the
boundary of the graphs’ source floorplans matches the
adjustment can be restricted to the grid. For each room
boundary provided by the user. If the user did not provide
node falling outside of the building, we move it to the
314
closest empty grid cell. If there is already a node inside applied to B, whose output is concatenated with each of
this cell, we move the already existing node along the the room features. Then, for each room, the concatenated
same direction to an adjacent cell. If needed, this process features are used to generate a corresponding bounding
is iterated until the movement of nodes reaches the other box through the network denoted as Box. All the
side of the boundary. If the movement reached the last predicted room boxes are then used to guide the
cell along the direction and there is already a node in the composition of room features for the generation of the
cell, we keep two nodes in the last cell. Note that this does floorplan image I through a cascaded refinement network
not cause a problem since we still place nodes in their (CRN) [23]. For overlapping regions, we sum up the
relative positions, and thus two nodes will not occupy the corresponding room features. To make use of the global
same position in space. See Fig 5(d) for an example of information gathered in the floorplan image I, inspired by
an adjusted graph. Fig 5(e) shows the corresponding works on object detection [24], we consider the
floorplan generated for the graph. previously predicted boxes as regions of interest (RoIs)
We present the input boundary and aligned graph to the and refine each box one by one through an additional
user in an interactive interface, where the user can edit network, which we denote BoxRefineNet. The network
the retrieved graph and adapt it as needed. The user can architecture of BoxRefineNet is shown in Fig 3. More
add or delete room nodes and/or adjacency edges, or specifically, BoxRefineNet first processes the whole
move nodes around to change the layout. image with several convolutional and max pooling layers
5. GRAPH-BASED FLOORPLAN GENERATION to produce a feature map. Then, for each room box, a RoI
pooling layer extracts a fixedlength feature vector from
In this section, we introduce our network for graph-
the feature map and initial bounding box. This feature
based floorplan generation , and explain how the result
vector is then concatenated with the room features and
are refined to provide the final vector representation of
fed into a new Box network consisting of a sequence of
the generated floorplans.
fully connected layers that output a refined box position
5.1. Network input and output and size.
The input to the network is the input building 5.3. Loss functions
boundary B and user-constrained layout graph 𝐺 =
To train the network, we design suitable loss
{𝑁, 𝐸}. The input boundary B is represented as a 128 ×
functions to account for each type of output. Let us recall
128 image with three binary channels encoding three
that the network predicts a raster floorplan image I, initial
masks, as in the work of [19]. These masks capture the
boxes {𝐵𝑖0 } , and refined boxes {𝐵𝑖1 } . The loss function
pixels that are inside the boundary, on the boundary, and
is then defined as:
on the entrance doors.
For the layout graph, the nodes and edges are encoded 𝐿 = 𝐿𝑝𝑖𝑥 (𝐼) + 𝐿𝑟𝑒𝑔 ({𝐵𝑖0 }) + 𝐿𝑔𝑒𝑜 ({𝐵𝑖0 }) +
in a similar manner as Ashual and Wolf [2019] [21]. 𝐿𝑟𝑒𝑔 ({𝐵𝑖1 }),(1)
Specifically, each room i in the floorplan is associated where 𝐿𝑝𝑖𝑥 (𝐼) is the image loss that is simply defined as
with a single node 𝑛𝑖 = [𝑟𝑖, 𝑙𝑖, 𝑠𝑖], where 𝑟𝑖 ∈ 𝑅 𝑑1 is a the cross entropy of the generated floorplan image and
learned encoding of the room category, 𝑙𝑖 ∈ {0,1}𝑑2 is a the ground truth floorplan image, 𝐿𝑟𝑒𝑔 ({𝐵𝑖0 }) is the
location vector, and 𝑠𝑖 ∈ {0,1}𝑑3 is a size vector. The regression loss, which penalizes the L1 difference
room category embedding ri is one ofc possible between ground-truth and predicted boxes, and
embedding vectors, c = 13 being the number of room 𝐿𝑔𝑒𝑜 ({𝐵𝑖0 }) is the geometric loss, which ensures the
categories, and ri is set according to the category of room geometric consistency among boxes and between boxes
i. This embedding is learned as part of the network and the input boundary. Note that the geometric loss is
training, and the embedding size d1 is set arbitrarily to only applied to the initial boxes; since the refined boxes
128. d2 is set to be 25 to denote a coarse image location are only adjusted locally, optimizing their geometric
using a 5 × 5 grid, and d3 is set to be 10 to denote the size consistency leads to little improvement.
of a room using different scales. The edge information
𝑒𝑖𝑗 ∈ 𝑅 𝑑1 also encodes a learned embedding for the The geometric loss of the initial boxes {𝐵𝑖0 } is defined as:
relations between the nodes. In other words, the values of 𝐿geo({𝐵𝑖0 }) = 𝐿coverage({𝐵𝑖0 }) + 𝐿interior({𝐵𝑖0 }) +
𝑒𝑖𝑗 are taken from a learned dictionary with ten possible 𝐿mutex({𝐵𝑖0 }) + 𝐿match({𝐵𝑖0 }), (2)
values, each associated with one type of pairwise where 𝐿coverage and 𝐿interior both constrain the spatial
relation. consistency between the boundary B and the room
The output of the network is a 128 × 128 floorplan bounding box set {𝐵𝑖 }, 𝐿mutex constrains the spatial
image I and two sets of room bounding boxes: an initial consistency between any two room boxes 𝐵𝑖 and 𝐵𝑗 , and
set of boxes {𝐵𝑖0 }, and a refined set {𝐵𝑖1 }, with 𝛽𝑖 = 𝐿match({𝐵𝑖 }) ensures that the predicted boxes match the
[𝑥𝑖 , 𝑦𝑖 , 𝑤𝑖 , ℎ𝑖 ]being the predicted bounding box for room ground-truth boxes. The first three terms are inspired by
𝑛𝑖 . the work of Sun et al. [25] and ensure the proper coverage
5.2. Network architecture of the building interior by the boxes. We extend their
formulation with the last term that compares the boxes to
A diagram of the full architecture of our network is the ground-truth, and thus ensures that the prediction of
shown in Figure 6. The layout graph G is first passed to box locations and dimensions is also improved during
a graph neural network (GNN) [22] that embeds each training. Error! Reference source not found. illustrates
room in the layout into a feature space. The boundary the geometric loss. Before giving more details about the
features are obtained through a conventional encoder
315
terms of the geometric loss, we first define two distance The final output of network is a raster floorplan image
functions, 𝑑𝑖𝑛 (𝑝, 𝐵) to measure the coverage of a point 𝑝 and one bounding box for each room. An issue that may
by 𝑎 box 𝐵, and 𝑑𝑜𝑢𝑡 (𝑝, 𝐵) to measure how far a point 𝑝 occur with the output boxes is that they may not be well
is from a box B: aligned and some boxes may overlap in certain regions.
0, 𝑖𝑓 𝑝 ∈ Ω𝑖𝑛 (𝐵); Thus, in the final vectorization step, we use the raster
𝑑𝑖𝑛 (𝑝, 𝐵) { floorplan image to determine the room label assignment
𝑚𝑖𝑛𝑞𝜖Ω𝑏𝑑 (𝐵)||𝑝−𝑞|| , 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒
in the regions with overlap, i.e., we determine the layer
0, 𝑖𝑓 𝑝 ∉ Ω𝑖𝑛 (𝐵); ordering of different rooms and at the same time improve
𝑑𝑜𝑢𝑡 (𝑝, 𝐵) {
𝑚𝑖𝑛𝑞𝜖Ω𝑏𝑑 (𝐵)||𝑝−𝑞|| , 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒 the alignment of room boundaries with a heuristic
method.
Fig 6. Illustration of the geometric loss: (a) Coverage term

that ensures that the building is covered by the union of all
boxes, (b) Interior term that constrains boxes to the interior of
the boundary, (c) Mutex term that prevents overlap among
room boxes, and (d) Match term constraining boxes to cover
the same region as their ground-truth counterpart. The input Fig 7. Example of room alignment. (a) Given the boxes
boundary is shown in black color, predicted boxes are in grey, predicted by the network, (b) we align the boxes to the building
ground-truth boxes have a blue boundary, and the red areas are boundary, and then (c) align adjacent boxes to each other.
used to calculate the loss terms.
We first align the rooms with the building boundary
5.3.1. Coverage loss and then align adjacent rooms with each other. More
The input building B should be fully covered by the specifically, for each edge of a room box, we find the
union of all the room boxes. Specifically, any point 𝑝 ∈ nearest boundary edge with the same orientation, i.e.,
Ω𝑖𝑛(𝐵) should be covered by at least one room box. Thus, horizontal or vertical, and align the box edge with the
the coverage loss is defined as follows: boundary edge if their distance is smaller than a given
Σ𝑝∈Ω𝑖𝑛(𝐵) 𝑚𝑖𝑛𝑖 𝑑𝑖𝑛 (𝑝, 𝐵)2 threshold τ . Furthermore, we align adjacent room pairs
𝐿coverage ({𝐵𝑖 }) = (3) based on their encoded spatial relation in the layout
|Ω𝑖𝑛 (𝐵)| graph. For example, if room A is on the left of room B,
5.3.2. Interior loss we snap the right edge of room A with the left edge of
Each of the room bounding boxes should be located room B. In addition, we also snap the top and bottom
inside of the boundary bounding box 𝐵̂ . Thus, the interior edges of the two rooms if they are also close enough
loss can be defined as follows: according to the threshold τ , since it is better for rooms
2 that are placed side by side in a floorplan to have aligned
Σ𝑖 Σ𝑝∈Ω𝑖𝑛 (𝐵𝑖 ) 𝑑𝑖𝑛 (𝑝, 𝐵̂ ) walls in order to minimize the number of corners. Note
𝐿interior ({𝐵𝑖 }) = (4)
Σ𝑖 |Ω𝑖𝑛 (𝐵𝑖 )| that one room box may be adjacent to different room
5.3.3. Mutex loss boxes. Thus, the edges have to be updated several times.
To avoid breaking previously refined alignments, we set
The overlap between room boxes should be as small
a flag to indicate whether a box edge has already been
as possible so that the rooms are compactly distributed
updated or not. If any of the edges has already been
inside the building. Thus, the mutex loss can be defined
updated, it remains fixed and we align the other edge to
as follows:
the fixed edge. If both edges are not fixed, we update
𝐿mutex ({𝐵𝑖 }) them to their average position. Error! Reference source
2
Σ𝑖 Σ𝑝∈Ω𝑖𝑛 (𝐵𝑖 ) Σ𝑗≠𝑖 𝑑𝑖𝑛 (𝑝, 𝐵𝑗 ) not found. shows an example of room alignment.
= (5)
Σ𝑖 Σ𝑝∈Ω𝑖𝑛(𝐵𝑖) Σ𝑗≠𝑖 1 Moreover, we need to determine the room category
label for regions covered by overlapping boxes and
5.3.4. Match loss
determine the drawing order of those room boxes. To
Each of the room bounding boxes 𝐵𝑖 should cover the achieve that, for each pair of rooms, we check if they
same region as the corresponding ground-truth box 𝐵𝑖∗ ∗, overlap and use the generated floorplan image 𝐼 to
that is, Bi should be located inside of Bi∗ and Bi∗ should determine their relative order. In more detail, for each
be located inside of Bi . Thus, the match loss can be room pair, we count the number of pixels inside the
defined as follows: region with overlap that has the label of each room, and
Σ𝑖 Σ𝑝∈Ω𝑖𝑛 (𝐵𝑖 ) 𝑑𝑖𝑛 (𝑝, 𝐵𝑖 )2 determine that the room with the smaller count should be
𝐿mutex ({𝐵𝑖 }) = drawn first. If two rooms get the same vote, the one with
Σ𝑖 |Ω𝑖𝑛 (𝐵𝑖 )|
larger area will be drawn first. Following this procedure,
Σ𝑖 Σ𝑝∈Ω𝑖𝑛 (𝐵𝑖∗) 𝑑𝑖𝑛 (𝑝, 𝐵𝑖 )2
+ (6) we build a graph by adding one node to represent each
Σ𝑖 |Ω𝑖𝑛 (𝐵𝑖∗ )| room, and one directed edge from room 𝑅2 to room 𝑅1 ,
5.4. Room alignment and floorplan vectorization if 𝑅1 and 𝑅2 overlap and 𝑅1 should be drawn before 𝑅2 .
Then, our goal is to find an order of all the graph nodes
316
satisfying the ordering constraints imposed by the 6.3. User interface
directed edges. To find such an ordering, we first Fig 8 shows a snapshot of our interface for floorplan
randomly select any node with outdegree equal to 0, and design. Once an input boundary is loaded on the left
then remove all edges pointing to the node from the rest panel, the user can specify room constraints with the
of the graph. Here, the outdegree is the number of dropdown boxes on the top bar or by creating a partial
directed edges starting from the node which equals the graph on the left panel. Then, the best matching
number of rooms that need to be drawn before the room floorplans are retrieved and shown in the middle panel.
node. We continue removing nodes with outdegree equal The user can inspect a retrieved result by clicking on it
to 0 until the graph becomes empty. Note that, if there is and seeing a zoomed-in version of the floorplan and
a loop in the graph, we cannot find a linear order for the layout graph on the right panel. If the user likes the
nodes in the loop. Thus, we randomly select the node suggested design, they can click the transfer button to
with minimal outdegree to delete and break the loop. An transfer the graph to the input boundary and
example of determining room ordering. Overlapping automatically adjust the node locations so that they fit
room pair. Then, (c) a corresponding directed edge is into the boundary. The user can further edit the
added to the room graph to indicate that one room needs transferred graph by moving nodes around, deleting or
to be drawn before the other. In this example, the only adding edges, and even deleting or adding new nodes.
constraint is that room 7 should be drawn before room 1. Once the user is satisfied with the layout graph, they can
Then, we find the final draw ordering of the rooms click a button to generate a corresponding floorplan.
respecting the constraints. After that, the process can be iterated by further editing
Finally, we add windows and internal doors to the the graph and regenerating the floorplan.
floorplan based on the heuristics proposed by Wu et al. Given an input boundary, it takes 99ms to retrieve the
[82], i.e., add doors between connected rooms and list of similar floorplans from the database, 11ms for
windows along exterior wall segments. layout graph transfer, 68ms for floorplan generation
6. RESULT AND EVALUATION using the pre-trained network, and 200ms for the post-
We discuss the creation of training data for network, processing step. Thus, in total, generating a floorplan
and then evaluate our results qualitatively and from an input boundary takes less than 0.4 seconds. In
quantitatively. contrast, it takes about 4 seconds to generate a floorplan
with the method of Wu et al. [26]. Note that the
6.1. Training data preparation
initialization of our system to open the interface and load
The training data for the network is derived from all the data takes around 10 seconds.
RPLAN [27]. The input data is composed of the building
boundary and layout graph of each floorplan, while the
output data is composed of the room bounding boxes and
raster image. The input boundary of each floorplan can
be easily extracted from the annotated floorplan data and
the layout graph extraction is explained in 4.1. The room
bounding boxes can also be easily extracted from the
annotated floorplans. However, these boxes cannot be
used directly since our method only generates rooms
without walls, while the boxes extracted from RPLAN
have gaps between rooms after the walls are removed. To
fill the gaps between rooms, we use our alignment
method described in 5.4. Note that, after alignment, 99% Fig 8 Our interface for user-in-the-loop design of
of the areas of original room boxes are inside the refined floorplans. Left: input boundary. Middle: retrieved floorplans.
room boxes, and the average IoU between the original Right: floorplan and layout graph of a retrieved result. Please
refer to the text for more details.
room boxes and refined room boxes is 0.86. Thus, the
refined room boxes used as our ground-truth are quite 6.4. Qualitative results
consistent with the original data. Once we refined the Our method accepts different types and numbers of
room box locations, we use them to regenerate the raster user constraints and generates the corresponding
floorplan image I without interior walls. The training- floorplans. Error! Reference source not found. shows
validation-test split of the data is 70%–15%–15%. a set of example results generated from different
6.2. Network training boundary inputs and different user constraints. Each row
shows the results of different layout constraints applied
Our network is trained progressively since the later
to the same boundary, while each column shows the
stages of the network depend on good initial predictions
results obtained when the same layout constraints are
of room boxes. Thus, we train the network in three steps.
applied to different boundaries. The selected constraints
In the first step, we train the portion of the network that
are the desired numbers of three room types: bedroom,
predicts initial room boxes from the input boundary and
bathroom, and balcony. The corresponding constraint on
graph, using the loss terms 𝐿𝑟𝑒𝑔 ({𝐵𝑖0 }) and 𝐿𝑔𝑒𝑜 ({𝐵𝑖0 })
the room number is shown on the bottom of each column.
from (1). Next, we also train the generation of the raster
image, adding the corresponding loss. Finally, we also By examining each row, we see how the generated
train the BoxRefineNet, using all the terms of (1). floorplans satisfy the given room number constraints and
adapt to the input boundary. Different numbers of
317
bedrooms, bathrooms, and balconies are generated based the typical balcony design in apartments. Thus, their
on the constraints, and the location of these rooms location changes depending on the input boundary. All of
changes to best conform the floorplan to the input the floorplans also have a living room, as it is present in
boundary. Note how the balconies in green usually have buildings with complex boundaries like these, and can
two or three faces on the building boundary, reflecting have additional rooms.
Fig 9. Gallery of floorplans generated with our method. The rows show results generated for different input boundaries, while
the columns show results generated for different constraints. The constraints are the desired number of three room types: bedroom
(in yellow), bathroom (blue), and balcony (green). The constraints are shown on the bottom of each column.
Fig 10. Each row shows multiple floorplans generated from the same boundary and constraints (at least 2 bedrooms, 1
bathroom, and 1 balcony).
From the results shown on each column, we see how Furthermore, different front door locations can lead
the same number of rooms with the same type distribute to significantly different floorplans, even with a building
differently inside the buildings with different boundaries. boundary of the same shape. Fig 6 shows example results
For example, the two bathrooms in the third column are for the same input boundary shape but with different
sometimes adjacent to each other and sometimes not, but front door locations. In this example, we did not add any
always adjacent to bedrooms. In the fifth column, user constraints so that the floorplan with the most
balconies are never adjacent to each other, and usually similar boundary defined by the turning function starting
appear at different locations in the building, showing a from the door is retrieved and used to define the graph.
range of variation in the resulting floorplans. Note how the room arrangement changes with the
Moreover, for each set of layout constraints, our different door locations.
method can retrieve more than one floorplan that satisfies To test how our method deals with complex inputs,
all the constraints, and then automatically transfer the we show example results with complex input boundaries
graph to the input boundary to guide the floorplan in the last two rows of both Error! Reference source not
generation. Fig 10 shows multiple results generated for found. and Error! Reference source not found., where
the same boundary and same constraints, i.e., the the boundaries have many corners. Furthermore, we also
floorplans should have at least 2 bedrooms, 1 bathroom, show example results with complex input constraints in
and 1 balcony. Note the diversity of the results even when the second row of Fig 11, where we retrieve layout
generated from the same input boundary and set of layout graphs with the maximal number of nodes (8) in the
constraints. dataset to constrain the generation. We see that our
318
method provides reasonable results for both complex selections of users who passed the filter tasks were
input boundaries and input constraints. considered valid responses.
Fig 13. Examples of floorplans presented in our user study.

In each example, our result is shown on the left and the ground-
Fig 11. The first row shows floorplans generated for input truth (GT) floorplan is on the right, while the user selection is
boundaries with the same shape but different front door indicated in the caption.
locations (in yellow). The second row shows floorplans We asked 30 participants to do the user study, all of
generated for the same boundary but with more complex layout which are graduate students in computer science, and
constraints by setting the required number of rooms to 8. collected 600 answers in total. The votes for the options
6.4.1. Graph adjustment “GT/ours/cannot tell” are 304/218/78, respectively.
Error! Reference source not found. shows a few Thus, for 50.7% of the questions, participants think that
example results before and after the user edits the graph. the ground-truth floorplans are more plausible than our
From (a) to (b), the user broke the link between the pink results, while for 49.3%, participants think that our
and yellow nodes on the top-left corner and then moved results are at least as plausible, if not more plausible, than
the pink node to the bottom-left corner. Note how, after the GT, which indicates the high plausibility of our
regenerating the floorplan, the left part of the room layout results. Fig 13 shows examples of user selections for
has been changed while the right part has been kept the different floorplans. In (a), users tend to like more regular
same. From (b) to (c), the user added a new green node rooms; in (b), users prefer larger rooms (kitchen and
(for Balcony) between two rooms on the top, and a new bedrooms); in (c), the only difference between the two
room is generated in the corresponding space. From (c) layouts is the size of the kitchen, which is either aligned
to (d), the user added an edge between the new green with one of the boundary corners or with an adjacent
node and the top-left yellow node to enforce the two bathroom, where users could not decide which floorplan
rooms to be aligned. is more plausible. Moreover, as shown in (b) and (c), the
room layout generated by our method is similar to the
Note how the corresponding changes appear in the
ground truth, which indicates that implicitly there exist
floorplan.
design constraints in the dataset which are transferred
from the retrieved floorplan to the generated floorplan.
6.6. Quantitative evaluation
6.6.1. The network evaluation.
To evaluate our network quantitatively, we take each
building boundary and corresponding layout graph from
the test set, and compare the room bounding boxes
generated by to the ground-truth boxes extracted from the
Fig 12. Floorplan update after the user adjusted the layout source floorplan. We compare the boxes with the
graph. (a) Initial graph and generated floorplan. (b) Node Intersection over Union (IoU) measure. On average, our
moved and edge removed. (c) New node added. (d) New edge method obtains IoU scores of 0.65, which indicate good
added. prediction, given that the optimum value for IOU is 1. Fig
6.5. Qualitative evaluation 14 shows examples where we visually compare the
predicted boxes (Setting 5 column) to the ground-truth
We evaluate the quality of a sample of floorplans
(GT columns).
generated by the network in a user study where we asked
users to compare generated floorplans with ground-truth
(GT) floorplans taken from the test set. For the study, we
randomly selected 20 GT floorplans and set the room
types and numbers of the GT floorplans as the constraints
for retrieval and floorplan generation with our method. In
the study, we showed the generated floorplan besides the
corresponding GT, and asked users which floorplan is
more plausible without revealing each source. Users
could select either of them as more plausible or “Cannot
tell”. Note that the boundary, room type and numbers are
the same in the two floorplans, while the only difference
is the room layout. We presented the floorplans to the
users in random order. We also generated two additional
Fig 14. Ablation study demonstrating the role of each
filter tasks comparing GT floorplans to floorplans component of the network in generating high-quality
generated from randomly placed boxes, which are floorplans. Each setting evaluates the isolated effect of one or
obviously less plausible than GT floorplans. Only the
319
more terms of the loss function, which correspond to specific performance is improved significantly with the box
components of the network. Please refer to the text for details refinement step. We see in Fig 14 that the room boxes
on each setting. are significantly tighter after the refinement. To further
Fig 14. Ablation study demonstrating the role of each justify the necessity of the box refinement component in
component of the network in generating high-quality the network and show the effectiveness of our post-
floorplans. Each setting evaluates the isolated effect of processing step for room alignment and floorplan
one or more terms of the loss function, which correspond vectorization, we also compare the generation results
to specific components of the network. Please refer to the obtained before the post- rocessing step to those obtained
text for details on each setting. after this step. We find that the IoU before the post-
We see that, overall, the predicted room boxes are processing step is initially 0.54 and then 0.66 with
similar to the ground-truth, appearing in the same refinement, while the IoU after the post-processing step
location as the ground-truth boxes and with similar size. is initially 0.75 and then 0.80 with refinement. From
However, small differences close to the room boundaries these results, we conclude that: 1) the vectorization step
can occur, e.g., some rooms are slightly shorter than in works well; 2) the refinement component in the network
the ground-truth. is useful and the results before and after vectorization are
both improved.
6.6.2. Ablation study
7. APPLICATION
To justify our network design, we perform four
ablation studies with different combinations of network 7.1. AI model
components and loss functions, and compare them to the The AI model that we build will be deployed to build a
results with the full network and loss function, resulting practical application product that we call it Homelab.Ai
in five evaluation settings. The settings and with this product, the user can adjust the parameters to
corresponding IoUs are: improve the home as desired.
 Setting 1: box regression only, using
𝐿𝑟𝑒𝑔 ({𝐵𝑖0 }). IoU = 0.43.
 Setting 2: box regression + geometry constraint, using
𝐿𝑟𝑒𝑔 ({𝐵𝑖0 }) + 𝐿𝑔𝑒𝑜 ({𝐵𝑖0 }).IoU = 0.47.
 Setting 3: box regression + image composition,
using
𝐿𝑟𝑒𝑔 ({𝐵𝑖0 }) + 𝐿𝑝𝑖𝑥 (I) . IoU = 0.54.
 Setting 4: box regression + geometry constraint +
image composition, using Fig 15 app home page
𝐿𝑟𝑒𝑔 ({𝐵𝑖0 }) +𝐿𝑔𝑒𝑜 ({𝐵𝑖0 })+𝐿𝑝𝑖𝑥 (I) . IoU = 0.56.
 Setting 5: our complete network with box regression
+ geometry constraint + image composition+ box
efinement, using
𝐿𝑟𝑒𝑔 ({𝐵𝑖0 }) +𝐿𝑔𝑒𝑜 ({𝐵𝑖0 })+𝐿𝑝𝑖𝑥 (I) +𝐿𝑟𝑒𝑔 ({𝐵𝑖1 }) .IoU=
0.66.
Note that Setting 3 can be seen as the adaptation of
the method of Ashual and Wolf [28] to our problem. In
the comparison between Setting 1 and 3, we see that
using the predicted box to compose the raster image for Fig 16.Our interface for user-in-the-loop design of
global guidance improves the generated floorplans. floorplans
Examples can be found in Error! Reference source not
found.. We see that a few rooms can
go missing without the image guidance (rows 2 and 4).
When comparing Settings 1 and 2, and 3 and 4, we see
that adding the geometric loss on the initial boxes can
slightly improve the box IoU. Note that the first three
terms of the geometric loss, i.e., coverage, interior, and
mutex term, do not take any ground-truth information
into consideration, and just aim to make the box
distribution inside the boundary look better, i.e., less Fig 17. 2D Model
overlap and more coverage. Thus, it is reasonable that
these three terms alone do not improve the IoU
performance much. However, with these three terms, the
box distribution looks better in general, as shown in Fig
9. E.g., in Setting 3, more boxes are extending to the
exterior of the buildings, which are adjusted in Setting 4.
Finally, when comparing our complete network
(Setting 5) to all the other settings, we see that the
320
Fig 18. 3D Model
Fig 22. The application aggregates into one invoice,

helping to handle issues related to material traceability and
price aggregation
Fig 19. 3D view. 8. REFERENCES
7.2. Blockchain [1]. ¨. T. G. J. D. T. A. C. D. P. J. K. L. P. M. Worsd ¨ orfer,
AI models provide recommendations based on users' "Perspectives for the Clean Energy Transition – The Critical
Role of Buildings," in www.iea.org, Paris, 2019.
ideas, but the traceability of furniture products and [2]. M. Rehm, "Complicit: the creation of and collaboration with
drawings is difficult, so the research team proceeds to intelligent machines," in Architectural Design 89.
apply the combination of blcokchain to retrieve attributes [3]. S. M. A. C. M. Del Campo, "Imaginary plans the potential of 2D
and product identifiers. Through the application, to 2D style transfer in planning processes, in: Ubiquity Auton.,"
in Architecture ACADIA 412–418, (2019).
customers and product users can easily access the product [4]. R. Liggett, "Automated facilities layout: past, present and
as quickly as possible. future," in Automation in Construction 9 , 2000.
[5]. G. C. V. Calixto, "A literature review for space planning
optimization using an evolutionary algorithm approach," in
Siggradi, Blucher Design, , 2015.
[6]. S. S. K. Dutta, "Architectural space planning using evolutionary
computing approaches: a review," in Artificial Intelligence
Review 36, 2011.
[7]. R. K. P. V. J. R. R. K. J. Rhee, "Multi-agent space planning a
literature review “Hello, Culture”," in Republic of Korea, 2019,
ISBN 978-89-89453-05-5..
[8]. M. T. S. J. A. v. d. D. J. F. T. Du, "Gaps and requirements for
automatic generation of space layouts with optimised energy
performance," in Automation in Construction 116, 2020.
[9]. S. J. M. T. A. v. d. D. T. Du, "Effects of architectural space
Fig 20. using blockchain to retrieve furniture layouts on energy performance: a review," in Sustainability, 12
(2020).
[10]. Y. Friedman, "Flatwriter: choice by computer,," in Progressive
Architecture 03, (1971).
[11]. S. D. M. D. M. P. A. P. A. T. d. C. B. C. T. Riley, "The Changing
of the Avant-Garde, The Museum of Modern Art, D.A.P./," in
Distributed Art Publishers , New York, , 2002, ISBN
0870700049..
[12]. G. Stiny, " Introduction to shape and shape grammars
Environment and Planning," in B, Planning & Design 7, 1980.
[13]. W. M. G. Stiny, "The Palladian grammar, Environment and
Planning.," in Planning & Design 5, 1978.
[14]. J. E. H. Koning, "The language of the prairie: Frank Lloyd
Fig 21. the application calculates the price for all Wright’s prairie houses Environment and Planning," in Planning
& Design 8, 1981.
proposed products
[15]. C. Alexander, " A city is not a Tree, Parts 1 & 2,," in
Architectural Forum 122, 1965,, 1965,.
[16]. Esri, "ArcGIS CityEngine," in https://www.esri.com/en-
us/arcgis/products/arcgis-c, 2022.
[17]. P. M. M. Schwarz, "Advanced procedural modeling of
architecture ACM," in Transactions on Graphics 34 , 2015.
[18]. A. Heuman, "Innovator Spotlight: Part I - “Designing Design
Tools”.," in
https://www.youtube.com/watch?v=MicmKkkM_3o&t=1375s,
2020.
[19]. X.-M. F. R. T. Y. W. Y.-H. Q. a. L. L. Wenming Wu, "Data-
driven Interior Plan Generation for Residential Buildings.," in
ACM Trans. on Graphics (Proc. SIGGRAPH Asia), 2019.
321
[20]. L. P. C. D. P. H. K. K. a. J. S. B. M. E. M. Arkin, "An efficiently [31]. G. C. V. Calixto, "A literature review for space planning
computable metric for comparing polygonal shapes," in IEEE optimization using an evolutionary algorithm approach: 1992-
Trans. Pattern Analysis & Machine Intelligence 13, 1991. 2014," in in: Siggradi, Blucher Design, 2015.
[21]. O. A. a. L. Wolf, "Specifying Object Attributes and Relations in [32]. S. S. K. Dutta, "Architectural space planning using evolutionary
Interactive Scene Generation," in In Proc. Int. Conf. on computing approaches: a review," in Artificial Intelligence
Computer Vision, 2019. Review 36 , 2011.
[22]. M. G. A. C. T. M. H. a. G. M. F. Scarselli, "The Graph Neural [33]. R. K. P. V. J. R. R. K. J. Rhee, "Multi-agent space planning a
Network Model," in IEEE Trans. on Neural Networks 20, 2009. literature review (2008-2017)," in "Hello , Culture" 18th
[23]. Q. C. a. V. Koltun, " Photographic image synthesis with International Conference, Korean, 2019.
cascaded refinement networks," in n Proc. Int. Conf. on [34]. M. T. S. J. A. v. d. D. J. F. T. Du, "Gaps and requirements for
Computer Vision. 1511–1520., 2017. automatic generation of space layouts with optimised energy
[24]. R. Girshick., "Fast R-CNN," in In Proc. Int. Conf. on Computer performance," in Automation in Construction 116, 2020.
Vision. 1440–1448, 2015. [35]. S. J. M. T. A. v. d. D. T. Du, "Effects of architectural space
[25]. Q.-F. Z. X. T. a. Y. L. Chun-Yu Sun, "Learning adaptive layouts on energy performance: a review," in Sustainability, 12
hierarchical cuboid abstractions of 3D shape collections," in (2020).
ACM Trans. on Graphics, 2019. [36]. M. R. G. Staib, "Components and Systems," 2008.
[26]. X.-M. F. R. T. Y. W. Y.-H. Q. a. L. L. Wenming Wu, "Data- [37]. J. Sanchez, "Architecture for the Commons: Participatory
driven Interior Plan Generation for Residential Buildings," in Systems in the Age of Platforms," in Routledge, 2020.
ACM Trans. on Graphics, 2019. [38]. G. Retsin, "Toward discrete architecture: automation takes
[27]. X.-M. F. R. T. Y. W. Y.-H. Q. L. L. W. Wu, "Data-driven interior command," in Auton - Paper Proceedings of the 39th Annual
plan generation for residential buildings," in ACM Transactions Conference of the Association for Computer Aided Design in
on Graphics 38, 2019. Architecture ACADIA 2019, 2019.
[28]. O. A. a. L. Wolf., "Specifying Object Attributes and Relations in [39]. D. M. P. Merrell, "Model synthesis: a general procedural
Interactive Scene Generation," in In Proc. Int. Conf. on modeling algorithm," in IEEE Transactions on Visualization and
Computer Vision., 2019. Computer Graphics 17 , 2011.
[29]. ¨. T. G. J. D. T. A. C. D. P. J. K. L. M. Worsd ¨ orfer, [40]. A. Newgas, "Tessera: A Practical System for Extended
"Perspectives for the Clean Energy Transition - The Critical Role WaveFunctionCollapse," in Association for Computing
of Buildings," www.iea.org, Paris, 2019. Machinery, 2021.
[30]. R. Liggett, "Automated facilities layout: past, present and future, [41]. M. Gumin, "Wave Function Collapse," in
Automation in," in https://doi.org/10.1016/S0926-5805(99), 9 https://github.com/mxgmn/WaveFunctionCollapse, 2021.
(2000).
322
NGHIÊN CỨU CHẾ TẠO THIẾT BỊ ĐO MƯA TỰ ĐỘNG ĐỘ CHÍNH XÁC CAO
DÙNG CẢM BIẾN QUANG HỌC
RESEARCH AND MANUFACTURING HIGH ACCURACY AUTOMATIC PRINCIPAL
RATING EQUIPMENT USING OPTICAL SENSOR
SVTH: Trần Ngọc Hùng, Lương Hữu Công, Võ Phi Hùng, Nguyễn Trần Anh Tuấn
Lớp 17X2, 18X2, 19THXD, 21THXD1, Khoa Xây dựng Công trình thủy, Trường Đại học Bách khoa – Đại học Đà
Nẵng; Email: 111170071@sv1.dut.udn.vn, 111180071@sv1.dut.udn.vn, 111190015@sv1.dut.udn.vn,
111210057@sv1.dut.udn.vn
GVHD: PGS. TS. Nguyễn Văn Hướng, ThS. Ngô Thanh Vũ, ThS. Võ Nguyễn Đức Phước, ThS. Phạm Lý Triều
Khoa Xây dựng Công trình thủy, Trường Đại học Bách Khoa – Đại học Đà Nẵng; Email: nvhuong@dut.udn.vn,
nthvu@dut.udn.vn, pltrieu@dut.udn.vn, vnducphuoc@dut.udn.vn
Tóm tắt – Ngày nay, các phương pháp nhận biết khí hậu Abstract – Today, climate detection methods are in a
đang trong giai đoạn chuyển tiếp khi dữ liệu vệ tinh chưa được transitional period where satellite data are not yet perfectly
hiệu chỉnh hoàn hảo, cho nên các trạm thời tiết trên mặt đất vẫn calibrated, therefore ground-based weather stations are still the
là phương pháp phát hiện đáng tin cậy nhất. Lượng mưa là một most reliable detection methods. Precipitation is one of the most
trong những thông số khí hậu quan trọng nhất, nhưng đồng thời important climatic parameters, but at the same time it is complex
cũng rất phức tạp để đo chính xác bằng vệ tinh. Hệ thống đo to measure accurately. Rainfall measurement system varied
lượng mưa theo thời gian và không gian quan trọng cho các lĩnh during time and space are very important for different fields. In
vực khác nhau. Việt Nam là nước nhiệt đới gió mùa, đo lượng tropical country such as Vietnam, rainfall measurement for
mưa phục vụ cho nông nghiệp và hệ thống dự báo thời tiết là rất agricultural and weather forecasting system is very important.
quan trọng. Trong bài báo này, một hệ thống đo mưa quang học Therefore, precipitation observation is still a scientific challenge.
với phần mềm thu thập và hiển thị dữ liệu hoàn chỉnh được thiết In the present paper, a optical rain gauge system with
kế và phát triển. Công nghệ cảm biến quang học khắc phục được comprehensive data manipulation is designed and developed.
nhiều nhược điểm của thiết bị đo mưa dạng xô nghiêng truyền The optical sensing technology overcomes many of the
thống. Cảm biến hoạt động được trong môi trường di động, shortcomings of conventional tipping bucket rain gauges. The
không có phễu thu nên không gây tắc và với hình dạng cầu nên sensor works in mobile environments, there is no collecting
về cơ bản có khả năng tự làm sạch. Ngoài ra, với độ chính xác funnel to clog, the round shape makes it essentially self-cleaning.
cao và kích thước nhỏ gọn khiến chúng trở nên lý tưởng cho các However, with high accuracy and the compact size makes them
hệ thống thông báo thời tiết ẩm ướt hoặc thiết bị đo lượng mưa ideal for wet weather notification systems or remote rain gauges
từ xa, nơi không thể bảo trì định kỳ. where periodic maintenance is not possible.
Từ khóa - hệ thống đo mưa; hệ thống đo mưa quang học; Key words - Rainfall measurement system; optical rain
biến đổi khí hậu; cảm biến quang học; truyền ánh sáng. gauge system; climate change; optical sensor; light transmission.
1. Đặt vấn đề Thiết bị đo mưa truyền thống phát triển đầu tiên được
Việt Nam là nước dễ bị tổn thương trước tác động của cho là năm 1418, cho đến nay công nghệ đo mưa được
biến dổi khí hậu (BĐKH). Theo đánh giá hàng năm về cải tiến rất nhiều [5]. Cho đến nay, trên thế giới và ở Việt
những nước chịu ảnh hưởng nặng nhất bởi các hiện tượng Nam, các thiết bị đo mưa phổ biến là dạng cơ [6], dạng
thời tiết cực đoạn giai đoạn 1997-2016, Việt Nam đứng quang [7], dạng điện [5], dạng camera [8] và dạng radar
thứ 5 về Chỉ số rủi ro khí hậu toàn cầu năm 2018 và thứ [9].
8 về Chỉ số rủi ro khí hậu dài hạn (CRI) [1]. Những diễn Ở nước ta, hiện nay sử dụng dụng cụ đo mưa có thể
biến của BĐKH tại Việt Nam bao gồm các hiện tượng được đọc một cách thủ công (Vũ lượng kế đơn giản với
thời tiết cực đoan đang ngày càng gia tăng về tần suất và dụng cụ chính gồm: thùng đo mưa và cốc đo mưa và đo
thường khó dự đoán. Lượng mưa tháng cao nhất tăng từ thủ công (người đo trực tiếp)) hoặc đo mưa tự ghi (Vũ
270 mm trong giai đoạn 1901-1930 lên 281 mm trong lượng kế tự ghi với nguyên lý hoạt động chao lật, cảm
giai đoạn 1991-2015 [2]. Đặc biệt, gần đây nhất, mưa lớn ứng từ và tự ghi lượng mưa trên giản đồ và sau đó được
bắt đầu trút xuống thành phố Đà Nẵng từ 15h ngày 14/10 quy toán để biết lượng mưa) hay đo mưa tự động bằng
và kéo dài liên tục đến tối. Chỉ trong vòng 2 giờ (18h- trạm quan trắc tự động (Vũ lượng kế tự động với nguyên
20h), tổng lượng mưa ghi nhận được lên tới 270 mm và lý hoạt động chao lật và tự động ghi lượng mưa trên các
tổng lượng mưa trong khoảng 16 tiếng lên tới 795 mm, thiết bị điện tử, tự ghi lượng mưa, lưu lại trong bộ nhớ và
cao hơn cả tổng lượng mưa trung bình 1 tháng. Con số khi cần thì truy xuất dữ liệu mưa bằng các phần mềm
795 mm, đây có thể là trận mưa kỷ lục chưa từng có ở Đà chuyên dụng. Đến cuối năm 2016, Công ty Cổ phần Tư
Nẵng, người dân ở đây cho biết họ chưa từng trải qua vấn và Phát triển kỹ thuật tài nguyên nước (WATEC) đã
trận mưa nào khủng khiếp như vậy [3]. Do đó, các dữ liệu nghiên cứu và phát triển thành công Hệ thống đo mưa tự
quan trắc mưa được quan trắc và truyền liên tục, kịp thời động Vrain theo công nghệ chao lật (tipping-bucket
trong mùa lũ có vai trò hết sức quan trọng cho công tác gage), đến năm 2021 Vrain đã được lắp đặt ở tất cả các
dự báo, cảnh báo lũ để ứng phó và giảm nhẹ thiên tai. tỉnh thành trên cả nước với trên 1.200 trạm đo mưa tự
Lượng mưa là số liệu đầu vào cơ bản cho xác định các động chuyên dùng, số liệu của Vrain trở thành số liệu đo
đặc trưng thủy văn (dòng chảy). Tuy nhiên, việc xác định mưa của cả quốc gia, riêng Tổng cục Khí tượng Thủy văn
lượng mưa chính xác là cực kỳ khó do tính chất không đã cho lắp đặt 370 trạm để thay thế trạm đo mưa nhân
liên tục, sự thay đổi theo không gian và thời gian của nó dân [10].
[4].
323
SVTH: Trần Ngọc Hùng, Lương Hữu Công, Võ Phi Hùng, Nguyễn Trần Anh Tuấn; GVHD: PGS. TS. Nguyễn Văn Hướng
Máy đo mưa chao lật truyền thống là một đại diện 3. Hệ thống đo
điển hình của máy đo mưa loại cơ học, có ưu điểm là cấu Hệ thống đo mưa bao gồm hai thành phần chính: hệ
trúc đơn giản, chi phí thấp và khả năng tương thích cao thống trạm đo sử dụng cảm biến quang học, một máy chủ
với các kiểu mưa khác nhau [11]. Việc giảm công suất (server) tích hợp phần mềm thu nhận và trích xuất dữ liệu.
của thùng lật là một cách hiệu quả để nâng cao độ phân Ngoài ra nhóm tác giả cũng phát triển một website để cho
giải của thiết bị này, nhưng việc tăng tần suất lật sẽ dễ cơ quan chức năng, người dùng cuối có thể truy cập và
gây ra sai lệch cơ học (hỏng hóc do mỏi của vật liệu) sử dụng các dữ liệu thu thập.
trong điều kiện mưa lớn [12].
Hệ thống trạm đo sẽ thu thập dữ liệu tự động và liên
Trong nghiên cứu này, một hệ thống đo mưa quang tục lượng mưa và gửi lên máy chủ theo chu kỳ 10 phút/lần
học với phần mềm thu thập và hiển thị dữ liệu hoàn chỉnh đo, theo QCVN 46:2022/BTNMT. Ngoài ra bên trong
được thiết kế và phát triển. Công nghệ cảm biến quang cảm biến cung cấp chức năng đánh thức hệ thống khi bắt
học khắc phục được nhiều nhược điểm của thiết bị đo đầu mưa, và có thể gửi câu lệnh điều khiển đến bộ vi xử
mưa dạng xô nghiêng truyền thống. Cảm biến hoạt động lý để đưa hệ thống vào trạng thái ngủ đông khi hết mưa,
được trong môi trường di động, không có phễu thu nên hoặc không có mưa. Bởi vì các trạm đo này được thiết kế
không gây tắc và với hình dạng cầu nên về cơ bản có khả sử dụng nguồn năng lượng mặt trời, nên đây là một tính
năng tự làm sạch. Ngoài ra, với độ chính xác cao và kích năng vô cùng quan trọng nhằm tối ưu hóa mức tiêu thụ
thước nhỏ gọn khiến chúng trở nên lý tưởng cho các hệ năng lượng, kéo dài tuổi thọ và thời gian thu thập dữ liệu
thống thông báo thời tiết ẩm ướt hoặc thiết bị đo lượng của hệ thống.
mưa từ xa, nơi không thể bảo trì định kỳ.
2. Cảm biến đo mưa quang học (Optical Rain Gauge
-ORG)
Cảm biến bao gồm bốn thành phần chính: Bộ phát
hồng ngoại, bộ thu tín hiệu hồng ngoại, khối cầu quang
học và bộ vi xử lý. Khối cầu quang học sẽ giúp phản xạ
các tín hiệu hồng ngoại từ bộ phát hồng ngoại đến bộ thu
hồng ngoại. Khi mưa rơi xuống bề mặt khối cầu, nước sẽ
làm thay đổi quang học của khối cầu, làm cho các chùm
tia hồn ngoại thoát ra ngoài môi trường. Bộ vi xử lý dựa
trên cường độ của chùm tia hồng ngoại thu được mà tính Hình 3: 3D view của bảng mạch trạm đo
toán được lượng mưa, và vi xử lý cũng tự động tính toán
để bù sau số khi có sự ngưng tụ của hơi nước hoặc những Trạm đo được thiết kế và chế tạo nhỏ gọn, các tính
hạt mưa nhỏ. năng thu thập dữ liệu, tính toán, quản lý truyền tin, giám
sát điện áp pin lưu trữ, điều khiển màn hình hiển thị…
đều được thực hiện thông qua bộ vi điều khiển ESP32.
Ngoài ra, hệ thống được thiết kế để có thể sử dụng một
trong 2 phương thức truyền thông 3G/4G hoặc
LORA/LORAWAN tùy thuộc vào vị trí địa lý, mật độ
trạm và cơ sở hạ tầng khu vực đặt trạm. Độ phủ của hệ
thống 3G-4G ngày càng cao nên việc sử dụng giao thức
3G-4G được ưu tiên để gửi các tham số quan trắc về máy
chủ. Tuy nhiên, tại một số điểm dân cư, chúng ta có thể
sử dụng phương thức LORA/LORAWAN để tiết kiệm
chi phí. Đặc biệt, tại Đà Nẵng, hệ thống FreeLora cũng
đã được xây dựng, phát triển và đưa vào sử dụng từ năm
2021, hệ thống này nhằm giúp tạo cơ sở hạ tầng để phát
triển các công cụ, ứng dụng phục vụ mục tiêu xây dựng
Hình 1: Nguyên lý hoạt động của cảm biến đo mưa quang học thành phố thông minh. Hệ thống này đặc biệt hiệu quả
Ưu điểm của cảm biến đo mưa quang học là thiết bị đối với các trạm đo chỉ yêu cầu băng thông thấp như các
chuyên dụng nhỏ gọn (như Hình 2), không sử dụng cơ hệ thống IoT phục vụ quan trắc môi trường mực nước
cấu cơ khí, yêu cầu lắp đặt, bảo trì và bảo dưỡng đơn giản. sông, nồng độ muối trong nước, …Đặc biệt hệ thống IoT
Ngoài ra cảm biến có độ phân giải cao lên đến 0.02mm đo mưa sử dụng cảm biến quang học đang được nghiên
(so với độ phân giải 0.2mm của TBRG), và có thể đo cứu hoàn toàn phù hợp với phương thức truyền tin
được lượng mưa lớn lên đến 24mm/phút. LORA/LORAWAN.
Hình 2: Kích thước cảm biến Hình 4: Nguyên lý hoạt động của hệ thống
324
Pin năng lượng mặt trời sẽ là nguồn cung cấp năng 4. Kết quả:
lượng chính cho trạm đo, và cho pin Lithium/Acqui. Pin Các kết quả thu được từ trạm đo thử nghiệm tại trường
Lithium/Acqui sẽ là nguồn lưu trữ dự phòng để cung cấp Đại học Bách khoa – Đại học Đà Nẵng ngày 25/11/2022
năng lượng cho trạm đo vào ban đêm hoặc là những ngày được hệ thống thu được và gửi về máy chủ (như Hình 6, 7).
không có nắng. Tín hiệu thu thập từ cảm biến quang học
sẽ được bộ vi điều khiển ESP32 tiếp nhận và xử lý, sau
quá trình này, dữ liệu sẽ được gửi về Gateway thông qua
module truyền thông 3G/4G hoặc LORA/LORAWAN.
Từ Gateway, dữ liệu sẽ được gửi lên máy chủ/điện toán
đám mây, máy chủ sẽ lưu trữ và trích xuất các dữ liệu này
theo định dạng thời gian theo yêu cầu của người sử dụng,
như trích xuất mưa theo giờ, 12h giờ, hoặc mưa trận… Hình 6: Biểu đồ đo mưa trích xuất từ trạm đo mưa ngày
Bảng 1: Bảng tiêu thụ năng lượng của hệ thống 25/11/2022
Thành phần Tiêu thụ năng lượng
ESP32 250mA
Cảm biến đo mưa 60mA
SD card 150mA
Màn hình Oled 20mA
Đồng hồ thời gian thực 0.1mA
RTC
LORA/LORAWAN 100mA
Tổng 580.1mA ~ 1.9Wh
Mức tiêu hao năng lượng của hệ thống khi hoạt động
là 1.9Wh, và khi hệ thống đi vào chế độ ngủ đông là
0.2Wh. Với mức tiêu hao năng lượng này thì bộ pin năng
lượng mặt trời công suất 15W và hệ pin lưu trữ 12V 6Ah
có thể giúp cho hệ thống hoạt động ổn định, và có thể Hình 7: Dữ liệu đo mưa trích xuất từ trạm đo mưa ngày
cung cấp năng lượng dự phòng trong 14 ngày. 25/11/2022
5. Kết luận
Trong nghiên cứu này, các trạm đo mưa tự động bằng
cảm biến quang học đã được lắp đặt thành công. Các trạm
đo này thiết kế nhỏ gọn, hoạt động bằng pin năng lượng
mặt trời, dễ lắp đặt, bảo dưỡng.
Tất cả các thông số, chỉ số từ trạm đo mưa thu nhận
được sẽ được truyền phát tự động qua hệ thống không
dây về trung tâm để các phần mềm chuyên dụng phân
tích, đánh giá và xử lý đưa ra giá trị lượng mưa trong thời
gian thực, tự động cập nhật qua máy tính hoặc điện thoại
thông minh.
Trạm đo mưa tự động là một trong số các thiết bị quan
trắc thuộc được phát triển bởi nhóm nghiên cứu thuộc
trường Đại học Bách khoa – Đại học Đà Nẵng. Giải pháp
này đáp ứng được các quy định của quy chuẩn kỹ thuật
quốc gia QCVN 46:2022/BTNMT về quan trắc khí tượng
thủy văn, phục vụ trực tiếp cho nhu cầu của địa phương
cũng như việc quản lý, khai thác, sử dụng, trao đổi thông
tin, dữ liệu khí tượng thủy văn, phục vụ phát triển kinh tế
– xã hội…
Đây là một giải pháp tổng thể, phối hợp giữa thiết bị
quan trắc thông minh để lấy số liệu đầu vào cộng với
thông tin dự báo thời tiết cho lưu vực có độ chính xác
cao, lập trình các thuật toán xử lý thông tin dữ liệu, cho
ra các sản phẩm thông tin đầu ra cung cấp cho cơ quan
quản lý và người dùng. Phục vụ cho công tác vận hành
hồ chứa, vận hành thủy điện, cung cấp các kênh cảnh báo
Hình 5: Sơ đồ khối hoạt động của hệ thống kịp thời đến các đối tượng theo nhu cầu.
325
SVTH: Trần Ngọc Hùng, Lương Hữu Công, Võ Phi Hùng, Nguyễn Trần Anh Tuấn; GVHD: PGS. TS. Nguyễn Văn Hướng
Tài liệu tham khảo Brysiewicz, “A robust microwave rain gauge,” IEEE Trans.
Instrum. Meas., vol. 59, no. 8, pp. 2204–2210, 2009.
[1] S. Kreft, D. Eckstein, and I. Melchior, “Global climate risk [8] P. Allamano, A. Croci, and F. Laio, “Toward the camera rain
index 2017. Who suffers most from extreme weather events? gauge,” Water Resour. Res., vol. 51, no. 3, pp. 1744–1757,
Weather-related loss events in 2015 and 1996 to 2015,” 2016. 2015.
[2] ODV, “Biến đổi khí hậu,” 2018. [9] E. Ha, C. Yoo, and J. Yoon, “Effect of threshold on the
https://vietnam.opendevelopmentmekong.net/vi/topics/clima comparison of radar and rain gauge rain rate,” KSCE J. Civ.
te-change/ (accessed Dec. 01, 2022). Eng., vol. 19, no. 2, pp. 392–400, 2015.
[3] VTV, “Mưa lụt lịch sử tại Đà Nẵng: Người dân bất ngờ và [10] Phạm Yến, “https://baotainguyenmoitruong.vn/ he-thong-do-
bất lực,” 2022. https://vtv.vn/xa-hoi/mua-lut-lich-su-tai-da- mua-tu-dong-vrain-cung-cap-du-lieu-do-mua-de-canh-bao-
nang-nguoi-dan-bat-ngo-va-bat-luc- mua-lu-va-van-hanh-ho-chua-318939.html,” 2021.
20221017183206541.htm (accessed Dec. 01, 2022). https://baotainguyenmoitruong.vn/he-thong-do-mua-tu-
[4] M. Savina, B. Schäppi, P. Molnar, P. Burlando, and B. dong-vrain-cung-cap-du-lieu-do-mua-de-canh-bao-mua-lu-
Sevruk, “Comparison of a tipping-bucket and electronic va-van-hanh-ho-chua-318939.html (accessed Dec. 03, 2022).
weighing precipitation gage for snowfall,” Atmos. Res., vol. [11] D. A. Segovia-Cardozo, L. Rodríguez-Sinobas, A. Díez-
103, pp. 45–51, 2012. Herrero, S. Zubelzu, and F. Canales-Ide, “Understanding the
[5] M. M. Rashid, M. R. bin M. Romlay, M. M. Ferdaus, and A. Mechanical Biases of Tipping-Bucket Rain Gauges: A Semi-
Al-Mamun, “Development of electronic rain gauge system,” Analytical Calibration Approach,” Water, vol. 13, no. 16, p.
Int. J. Electron. Electr. Eng., vol. 3, no. 4, pp. 245–249, 2015. 2285, 2021.
[6] T. O. Keefer, C. L. Unkrich, J. R. Smith, D. C. Goodrich, M. [12] E. Habib, W. F. Krajewski, and A. Kruger, “Sampling errors
S. Moran, and J. R. Simanton, “An event‐based comparison of tipping-bucket rain gauge measurements,” J. Hydrol. Eng.,
of two types of automated‐recording, weighing bucket rain vol. 6, no. 2, pp. 159–166, 2001.
gauges,” Water Resour. Res., vol. 44, no. 5, 2008.
[7] T. J. Mansheim, A. Kruger, J. Niemeier, and A. J. B.
326
DỰ BÁO KHẢ NĂNG KHÁNG THỦNG CỦA TẤM SÀN BTCT CƯỜNG ĐỘ CAO
(UHPC) SỬ DỤNG MÔ HÌNH MÁY HỌC
PREDICT PUNCHING SHEAR CAPABILITY OF ULTRA-HIGH STRENGTH
PERFORMANCE CONCRETE SLAB (UHPC) USING MACHINE LEARNING
SVTH:Trần Chí Công

Lớp 19THXD, Khoa Xây dựng Công trình thủy, Trường Đại học Bách Khoa -ĐHĐN;
Email:tranchitran1@gmail.com
GVHD: TS.Lê Trần Minh Đạt
Khoa Xây dựng Công trình thủy, Trường Đại học Bách Khoa – ĐHĐN;
Email:ltmdat@dut.udn.vn
Tóm tắt: Bài báo này nhằm mục đích nghiên cứu phương Abstract: This paper aims to study an effective approach
pháp tiếp cận hiệu quả dựa trên mạng nơ- ron nhân tạo (ANN) based on artificial neural network (ANN) to predict the punching
để dự đoán khả năng cắt đột lỗ của tấm bê tông cường độ cao ability of high strength concrete slabs (UHPC). In this regard, a
(UHPC). Về vấn đề này, một bộ dữ liệu gồm 84 mẫu đã được thu dataset of 84 samples was collected from the literature to train
thập từ các tài liệu [1],[5] để đào tạo và thử nghiệm mô hình ANN. and test the ANN model. The input variables are slab depth,
Các biến đầu vào là chiều sâu tấm, chiều dài hoặc bán kính của length or radius of the bearing plate or column, compressive
tấm đệm hoặc cột chịu tải, cường độ nén của bê tông, tỷ lệ cốt strength of concrete, reinforcement ratio, and fiber ratio. The
thép và tỷ lệ sợi. Cường độ cắt đột lỗ của tấm được đặt làm mục punching strength of the plate is set as the output target. The test
tiêu đầu ra. Kết quả thử nghiệm chỉ ra rằng mô hình ANN được results show that the ANN model used with the Adam
sử dụng với tính năng tối ưu hóa Adam và hàm mất mát lỗi bình optimization feature and the mean squared error loss function
phương trung bình có thể lưu trữ hiệu suất dự đoán tốt nhất là can store the best prediction performance of 98%. The proposed
98%. Mô hình được đề xuất so với các phương pháp tiếp cận model versus the benchmark approaches used by SVM and
điểm chuẩn được sử dụng của SVM và MLP. Kết quả cho thấy MLP. The results show that the DLNN model has the most
mô hình DLNN có dự đoán chính xác nhất trong số đó với hệ số accurate prediction among them with the coefficient of
xác định (R2) cho bộ thử nghiệm 0,984. determination (R2) for the test set 0.984.
Sàn UHPC hiện nay được sử dụng rộng rãi trong các
tòa nhà nhiều tầng như văn phòng hay bãi đỗ xe. Các tấm
sàn chế tạo từ UHPC dùng trong các công trình có thể
được giảm tiết diện, kích thước kết cấu, tăng nhiều khả
năng chịu lực và độ bền cực cao so với các cấu kiện chế
tạo từ bê tông cốt thép thông thường
Hình 1-2. Hình ảnh sau khi sụp đổ của cửa hàng bách
hóa sampoong
Phá hoại do cắt đột lỗ tấm sàn [1] điển hình được đặc
trưng vởi việc cột bị đục qua một phần xung quanh của
tấm.Hình 1-3 cho thấy một ví dụ về sự cố khi cắt đột dập.
Loại hư hỏng này là một trong những cân nhắc quan trọng
Hình 1-1. Tòa nhà sàn phẳng. nhất khi xác định chiều dày của tấm phẳng bê tông có tầm
Một trong những vấn đề thiết kế chính đối với kết cấu quan trọng lớn và việc dự doán chính xác cường độ cắt
sàn phẳng nằm ở mô men uốn và lực cắt lớn được tạo ra đột là mối quan tâm lớn đối với thiết kế tấm sàm.
tại điểm giao nhau giữa bản sàn và các cột đỡ. Trọng tâm
trong nghiên cứu này là ứng suất cắt đột dập. Sự cố do
cắt đột dập là một hiện tượng cục bộ thường xảy ra theo
phá hoại giòn ở tải trọng tập trung hoặc vùng đỡ cột. Loại
hư hỏng này rất nghiêm trọng vì không có dấu hiệu bên
ngoài hay có thể nhìn thấy được trước khi xảy ra hỏng
hóc. Các thảm họa hỏng hóc do cắt đột dập đã xảy ra
nhiều lần trong những thập kỷ qua. Vào ngày 30/6/1995,
một cửa hàng bách hóa 5 tầng ở Hàn Quốc đã bị sập do
sự cố cắt đột dập. Trong thảm họa này, 500 người đã thiệt
mạng và gần 1000 người bị thương, xem Hình 1-2 Hình 1-3. Sự cố cắt đột trong sàn
327
SVTH: Trần Chí Công ; GVHD: TS.Lê Trần Minh Đạt
2.2. Bê tông hiệu suất cực cao (UHPC).
Kiến thức nâng cao và sự hiểu biết về hoạt động của
bê tông ở cấp độ cấu trúc vi mô đã dẫn đến sự phát triển
của thế hệ bê tông tiếp theo, cụ thể là Bê tông hiệu suất
siêu cao (UHPC).
UHPC là một vật liệu tương đối mới trên thị trường,
dựa trên các nguyên tắc tương tự như bê tông thông
thường, nhưng cung cấp các đặc tính cơ học được cải
thiện do thay đổi thành phần hỗn hợp. Cường độ nén của
UHPC từ 6 đến 10 lần của bê tông thông thường.
Hình 1-4. Tấm bị chọt thủng tại điểm tiếp xúc với cột
Ngoài ra, UHPC với sợi thể hiện cường độ kéo chưa
2. Dữ liệu và phương pháp nghiên cứu. từng có trong bê tông thông thường, cho phép khả năng
2.1.1. Dữ liệu và phân tích dữ liệu. loại bỏ cốt thép truyền thống trong một số ứng dụng.
Bộ dữ liệu bao gồm 5 đầu vào: chiều sâu tấm (X1),
chiều dài hoặc bán kính của tấm đệm hoặc cột (X2), cường
độ chịu nén của bê tông(X3), tỷ lệ cốt thép( X4) và tỷ lệ
sợi( X5). Biểu đồ tần suất xuất hiện của các biến trong bộ
dữ liệu được thể hiện trong Hình 2-1. Để kiểm chứng tính
hiệu quả của mô hình ANN, phần thử nghiệm chiếm 20%
( 17 mẫu) trên tổng sổ 84 mẫu. Tập dữ liệu huấn luyện
được sử dụng để xác định các trọng số( hoặc tham số)
ANN của mô hình chứa 80% tập dữ liệu (67 mẫu).
Việc sử dụng UHPC cho phép giảm thiểu kích thước

mặt cắt, tận dụng các đặc tính vật liệu được cải thiện trong
khi giảm thiểu việc sử dụng vật liệu và chi phí. Ngoài các
đặc tính cường độ được cải thiện, UHPC duy trì độ thấm
rất thấp, làm cho vật liệu có khả năng chống ăn mòn và
hư hỏng thường được kết hợp với bê tông cốt thép thông
thường và thép cấu trúc. Sức đề kháng tương quan trực
tiếp đến tuổi thọ sử dụng lâu hơn có thể đạt được khi sử
dụng UHPC, làm cho nó trở thành vật liệu lý tưởng cho
một số ứng dụng kết cấu.
Lợi ích của UHPC là khá đáng kể, nhưng được bù đắp
bởi chi phí cao của vật liệu. Với việc vật liệu tương đối
mới, chỉ có một số ứng dụng kết cấu hạn chế và chi phí
vẫn cao do vật liệu này vẫn được coi là một sản phẩm đặc
biệt. Kỳ vọng là khi thiết kế với UHPC trở nên phổ biến
hơn; chi phí sẽ giảm khi ngành công nghiệp trở nên quen
thuộc hơn với vật liệu này.
2.3. Mạng lưới nơ ron trong trí tuệ nhân tạo
Mạng lưới nơ ron trong trí tuệ nhân tạo(ANN) là một
mô hình toán, chúng được xây dựng dựa trên cấu trúc và
chức năng của mạng lưới nơ ron trong sinh học ( mặc dù
cấu trúc của ANN sẽ bị ảnh hưởng bởi một số luồng thông
tin). Do đó, mạng nơ ron này sẽ thay đổi, chúng phụ thuộc
vào đầu vào và đầu ra.
Chúng ta có thể coi ANN là dữ liệu thống kê phi
tuyến. Điều này đồng nghĩa với một mối quan hệ phức
tạp được xác định giữa đầu vào và đầu ra. Kết quả là
Hình 2-1. Biểu đồ tần suất xuất hiện của các biến trong chúng tôi sẽ có nhiều mẫu khác nhau
bộ dữ liệu
328
ANN lấy ý tưởng từ cách hoạt động của bộ não con Mô hình sử dụng hàm kích hoạt relu, Số lượng tế bào
người tạo ra các kết nối phù hợp. Do đó, ANN đã sử dụng thần kinh tối ưu cho mô hình ANN được xác định bằng
các silicon và dây điện để làm nơ ron và đuôi gai sống cách thực hiện xác thực chéo 5 lần bằng tập huấn luyện.
cho mình Mô hình ANN ổn định; lần lượt chứa 11, 8 và 3 nơ-ron
Trong cơ thể con người, 1 phần não đã bao gồm 86 tỉ trong các lớp ẩn, với 5 nơ-ron ở lớp đầu vào và một nơ-
tế bào thần kinh và chúng được kết nối với hàng nghìn tế ron ở lớp đầu ra. Kiến trúc hoàn chỉnh của mô hình ANN
bào khác thông qua Axons. Bởi vì con người có tất nhiều được thể hiện trong Hình 2-4
đào vào thông tin khác nhau từ các giác quan, nên cơ thể 2.4. Mô hình Multilayer Perceptron.
cũng có nhiều đuôi gai để giúp truyền thông tin này. Multilayer Perceptron (MLP) là một lớp mạng nơ-ron
Chúng sẽ tạo ra xung điện để di chuyển, truyền thông nhân tạo chuyển tiếp có thể mô hình hóa bất kỳ chức năng
tin trong mạng lưới nơ ron thần kinh này. Và điều này nào để giải quyết nhiều vấn đề phức tạp. Kiến trúc thành
cũng tương tự cho mạng nơ ron nhân tạo ANN – Khi cần công của mô hình MLP để dự đoán cường độ nén của RC
xử lý các vấn đề khác nhau, nơ ron sẽ gửi một thông điệp có lớp đầu vào, lớp đầu ra và lớp ẩn đơn với 80 nơ-ron.
đến nơ ron khác. Mỗi lớp bao gồm các nút được kết nối đầy đủ với tất cả
các nút trong lớp tiếp theo. Chức năng ReLu được sử
dụng như một chức năng kích hoạt. Thuật toán Bộ nhớ
giới hạn Broyden-Fletcher-Goldfarb-Shanno (LBFGS)
với động lượng = 0,2 được chọn để giải quyết tối ưu hóa
trọng số.
2.5. Mô hình Support Vector Machine
Support Vector Machines (SVM) là một tập hợp các
phương pháp học có giám sát được sử dụng để phân
loại , hồi quy và phát hiện giá trị ngoại lệ. Mô hình được
tạo bởi Support Vector Machine (SVM) chỉ phụ thuộc
Hình 2-2. Cấu trúc cơ bản của mạng nơ ron nhân tạo
vào một tập hợp con của dữ liệu đào tạo, bởi vì hàm chi
Do đó, chúng ta có thể nói rằng ANN sẽ bao gồm phí để xây dựng mô hình không quan tâm đến các điểm
nhiều nút bên trong, chúng bắt chước các tế bào thần kinh đào tạo nằm ngoài lề. Tương tự, mô hình được tạo bởi
sinh học bên trong não người. Các mạng ANN sẽ kết nối Support Vector Regression chỉ phụ thuộc vào một tập
các nơ ron này bằng các liên kết mà chúng có tương tác hợp con của dữ liệu đào tạo, bởi vì hàm chi phí bỏ qua
với nhau các mẫu có dự đoán gần với mục tiêu của chúng.
Các nút trong ANN được sử dụng để lấy dữ liệu đầu 3. Kết quả và thảo luận
vào. Hơn nữa, việc thực hiện các thao tác với dữ liệu, các
3.1. Đánh giá hiệu năng của mô hình máy học
hoạt động này được chuyển cho các tế bào thần kinh
khác. Đầu ra tại mỗi nút được gọi là giá trị kích hoạt hoặc Đối với mô hình ANN với ba lớp ẩn, SVM và MLP,
giá trị nút của nó. hiệu suất của các chỉ số thống kê R2, MAE, RMSE cho
phần đào tạo và kiểm tra được trình bày trong Bảng . Kết
Mỗi liên kết trong mạng ANN đề có liên quan với
quả cho thấy mô hình ANN được đề xuất với ba lớp ẩn
trọng lượng. Ngoài ra, chúng có khả năng học hỏi. Điều
được lưu trữ có giá trị cao hơn của R2 (0,942) và các giá
đó sẽ diễn ra bằng cách thay đổi các giá trị trọng lượng.
trị thấp hơn của RMSE và MAE (lần lượt là 49,4 và
Dưới đây là một hình minh họa về một ANN đơn giản:
42,67) trên tập dữ liệu thử nghiệm. Mặc dù các hệ số xác
định R2 được quan sát là gần giống nhau đối với mô hình
ANN và MLP trong tập huấn luyện.
Bảng 3-1:Giá trị chỉ số thống kê của các mô hình ANN,
RF, MLP cho 200 mô phỏng
Tập Huấn Luyện Tập Thử Nghiệm
R2 RMSE MAE R2 RMSE MAE
Hình 2-3. Mô hình ANN đơn giản ANN 0,99 13,5 9,27 0,94 49,4 42,67
MLP 0,98 17,93 12,13 0,92 58,4 43,48
SVM 0,95 33,41 27,99 0,91 60,5 50,57
Hiệu suất đánh giá có sự khác biệt giữa mô hình ANN

và SVM. Các chỉ tiêu thống kê quan sát cho thấy sự vượt
trội của mô hình ANN (R2 = 0,942 , RMSE = 49,4, MAE
= 42,67) so với MLP (R2 = 0,92, RMSE = 58,04 , MAE
= 43,48) trong tập thử nghiệm. Điều này có thể dẫn đến
kết luận rằng ANN với ba lớp ẩn có thể đạt được khả năng
dự đoán và ổn định tốt hơn so với mô hình MLP, chứa
Hình 2-4. Mô hình ANN sử dụng trong bài nghiên cứu. một lớp ẩn.
329
3.2. Phân tích độ nhạy của mô hình
Như đã đề cập trước đó, tập hợp đào tạo và kiểm tra
được chọn ngẫu nhiên từ tập dữ liệu với tỷ lệ lần lượt là
80% và 20%. Hiệu suất tương ứng của các chỉ số thống
kê là khác nhau đối với mỗi mô phỏng. Với mục đích này,
một phân tích độ nhạy đã được thực hiện để kiểm tra tính
mạnh mẽ và ổn định của ANN và hai kỹ thuật học máy.
200 cách sắp xếp khác nhau của tập dữ liệu được tạo ra
bằng cách sử dụng phân phối đồng đều và giá trị của các
chỉ số R2, RMSE trong mỗi trường hợp được thu thập và
vẽ biểu đồ
Hình 3-1: Biểu đồ độ lệch của giá trị dự đoán so với

đường hồi quy tốt nhất của tập kiểm tra
Hình 3-2: Biểu đồ độ lệch của giá trị dự đoán so với đường
hồi quy tốt nhất của tập huấn luyện
Hình 3-5: Phân tích độ nhạy của mô hình ANN
Hình 3-3: Biểu đồ so sánh giữa giá trị thực tế và giá trị dự
báo của tập kiểm tra
Hình 3-4: Biểu đồ mật độ xác suất sai số giữa tập huấn luyện
và kiểm tra Hình 3-6: Phân tích độ nhạy của mô hình MLP
330
Hình 3-8. Giao diện người dùng

4. Kết luận
Trong nghiên cứu này, mô hình ANN với ba lớp ẩn
đã được đề xuất và so sánh với hai kỹ thuật máy học, đó
là Support Vector Machine và Multilayer Perceptron, để
dự đoán cường độ nén chọc thủng của sàn UHPC. Một
tập dữ liệu bao gồm 84 mẫu được thu thập từ tài liệu và
phục vụ cho việc lập mô hình. Việc xác nhận các mô hình
đã đạt được bằng cách sử dụng các chỉ số thống kê như
RMSE, MAE và R2. Mô hình ANN lưu trữ giá trị R2 cao
nhất là 0,984 và các giá trị RMSE và MAE thấp nhất lần
lượt là 49,4, 42,67 cho tập thử nghiệm. Phân tích độ nhạy
với 200 mô phỏng đã được thực hiện để xác nhận các mô
hình này. Kết quả cho thấy ANN có thể cho kết quả hơn
so với các mô hình khác và có thể được coi là một cách
Hình 3-7: Phân tích độ nhạy của mô hình SVM tiếp cận phù hợp để dự đoán cường độ nén của tấm sàn
UHPC
Sự thay đổi của các chỉ số này trong phần đào tạo của
mô hình MLP và SVM là nhỏ hơn so với mô hình ANN. Tài liệu tham khảo
Trong trường hợp của mô hình MLP, bộ thử nghiệm có [1]. Hussein Abbas Azeez Al-Quraishi, Punching Shear Behavior of
sự thay đổi mạnh xung quanh giá trị trung bình, tức là UHPC Flat Slabs
[2]. Ghafur H. Ahmed, Omar Qarani Aziz, Punching Shear Strength
RMSE = 53,08 và R2 = 0,93. Đối với mô hình SVM trong and Behavior of UHPC Flat Plate Slabs
tập huấn luyện, kết quả trung bình là RMSE = 28,26, R2 [3]. Majid M.A. Kadhim, Abdul Ridah Saleh, Lee S. Cunningham,
= 0.968, trong khi tập kiểm tra là RMSE = 47,7, R2 = Ali A. Semendary, Numerical investigation of non-shear-
0.944. Về mô hình ANN, không có sự khác biệt rõ ràng reinforced UHPC hybrid flat slabs subject to punching shear
[4]. Roya Solhmirzaei, Hadi Salehi, Venkatesh Kodur, M.Z. Naser,
của các giá trị R2 trong tập huấn luyện so với mô hình Machine learning framework for predicting failure mode and
MLP nhưng kết quả trong tập thử nghiệm cho thấy sự shear capacity of ultra high performance concrete beams
vượt trội về các giá trị này. Điều này cho thấy ANN hoạt [5]. Jianan Qi, Zhao Cheng, Kai Zhou,Yutong Zhu, Jingquan Wang
động tốt hơn hai mô hình ML. PhD, Yi Bao, Experimental and theoretical investigations of
UHPC-NC composite slabs subjected to punching shear-flexural
3.3. Giao diện người dùng failure
[6]. D.K. Harris, Characterization of Punching Shear Capacity of
Để người dùng dễ dàng dự đoán cường độ nén chọc Thin UHPC Plates M.S.thesis Virginia Polytechnic Institute and
thủng của tấm sàn UHPC. Chúng tôi đã tạo ra giao diện State Univ., Blacksburg, VA, 2004
cho phép người dùng nhập các giá trị đầu vào như: chiều [7]. C. Joh, H. Hwang, B. Kim, Punching shear and flexural strengths
sâu tấm (X1), chiều dài hoặc bán kính cột (X2), cường độ of ultrahigh performance concrete slabs, High Performance
Structures and Materials IV 97 (2008) 97–106
nén của bê tông (X3), tỷ lệ thép (X4), tỷ lệ sợi (X5). Để [8]. C. Joh, H. Hwang & B. Kim, Punching shear and flexural
đưa ra kết quả dự đoán cường độ chọc thủng của tấm sàn. strengths of ultra high performance
331
332
KHOA XÂY DỰNG DÂN DỤNG VÀ
CÔNG NGHIỆP
TỐI ƯU HÓA THIẾT KẾ KẾT CẤU NHÀ NHIỀU TẦNG BÊ TÔNG CỐT THÉP
BẰNG THUẬT TOÁN JAYA
OPTIMIZATION OF STRUCTURAL DESIGN FOR MULTI-STORY REINFORCED
CONCRETE BUILDING USING JAYA ALGORITHM
SVTH: Phan Văn Sang
Lớp 18X1B, Khoa Xây dựng DD&CN, Trường Đại học Bách khoa – Đại học Đà Nẵng; Email:
phanvansang18x1@gmail.com
GVHD: GVC.TS. Phan Đình Hào
Khoa Xây dựng DD&CN, Trường Đại học Bách khoa – Đại học Đà Nẵng; Email: phandinhhao2007@gmail.com
Tóm tắt – Nghiên cứu này phân tích tối ưu hóa thiết kế kết Abstract - This study analyzes and optimizes the design of
cấu khung bê tông cốt thép (BTCT) nhằm giảm thiểu lượng vật reinforced concrete (RC) frame structures in order to minimize
liệu bê tông và cốt thép sử dụng trong xây dựng công trình. Thuật the amount of concrete and reinforcement materials used in
toán Jaya được phát triển dựa trên cơ sở của thuật toán tiến hóa bulding construction. Jaya algorithm is developed based on the
được sử dụng để xây dựng mô hình tối ưu hóa kết cấu. Hàm evolutionary algorithm used to build the structural optimization
mục tiêu với biến số là tiết diện cột, dầm khung được thiết lập model. The objective function with the variables being the column
với các điều kiện ràng buộc về nội lực và chuyển vị. Ngôn ngữ and beam cross section is set up with the constraints of internal
lập trình Visual Basis for Application (VBA) trong Excel dùng để force and displacement. The Visual Basis for Applications (VBA)
viết chương trình con kết nối bài toán tối ưu với phần mềm phân programming language in Excel is used to write a subroutine that
tích kết cấu ETABS. Kết cấu khung BTCT nhà ba tầng được lựa connects the optimization problem with the structural analysis
chọn để phân tích tối ưu hóa với ba quy mô số thế hệ khác nhau software ETABS. The three-storey RC frame structure was
(20, 35, và 50). Kết quả nghiên cứu cho thấy rằng khi áp dụng selected for optimization analysis with three different generation
tối ưu hóa thiết kế, chi phí vật liệu giảm 22.85 % so với khi thiết numbers (20, 35, and 50). The study results show that when
kế thông thường. Chương trình con chứng tỏ độ tin cậy cao với applying design optimization, the material cost is reduced by
sai số giữa ba lần phân tích khoảng 0.4-0.7 %. 22.85% compared to the conventional design. The subroutine
Từ khóa – Tối ưu hóa chi phí; Khung bê tông cốt thép proved to be highly reliable with an error between three analyzes
(BTCT); Thuật toán tiến hóa; Thuật toán Jaya; VBA và ETABS; of about 0.4-0.7 %.
Số thế hệ. Key words - Cost optimization; Reinforced concrete (RC)
frame; Evolutionary algorithm; Jaya algorithm; VBA and ETABS;
Number of generations
1. Đặt vấn đề tầng còn là biểu tượng cho sự phát triển và phồn vinh của
Hiện nay, ở Việt Nam, các nghiên cứu về tối ưu hóa các thành phố. Với nhu cầu trong việc xây dựng nhà
thiết kế kết cấu trong xây dựng còn hạn chế, chủ yếu thực nhiều tầng ở Việt Nam hiện nay, kết cấu BTCT được sử
hiện trên mô hình phẳng (2D) cho các kết cấu khung, dàn dụng phổ biến. Việc tối ưu hóa chi phí trong giai đoạn
dạng phẳng hoặc các cấu kiện riêng rẽ như cột, dầm [1,2]. thiết kế kết cấu công trình mang lại nhiều lợi ích kinh tế,
Trong khi đó, trên Thế giới, các nghiên cứu về tối ưu hóa với quy trình tính toán thiết kế tối ưu trước đây chủ yếu
thiết kế kết cấu công trình được quan tâm và thực hiện thực hiện trên các khung dạng phẳng 2D dẫn đến kết quả
nhiều hơn trong những năm gần đây. Các nghiên cứu này thu được trong các phân tích tối ưu hóa không đủ chính
được thực hiện cho cả kết cấu thép và kết cấu bê tông cốt xác và khó áp dụng được trên các công trình xây dựng
thép (BTCT) nhưng cũng chủ yếu thực hiện trên các mô thực tế. Vì vậy, quy trình tối ưu hóa chi phí xây dựng
hình phẳng 2D [3,4], chỉ có một vài nghiên cứu thực hiện trong giai đoạn thiết kế theo quy trình tự động với sự trợ
tối ưu hóa được áp dụng cho các tòa nhà thực trên mô giúp của các phần mềm tích hợp sử dụng các thuật toán
hình không gian 3D [5,6]. Các quy trình tối ưu hóa được tối ưu hiện đại vừa là giải pháp, và đó cũng là xu hướng
thực hiện tự động với sự trợ giúp của các phần mềm phân tất yếu trong thiết kế tối ưu hóa công trình.
tích kết cấu tích hợp với các ngôn ngữ lập trình 2. Xây dựng mô hình tối ưu hóa kết cấu khung BTCT
(SAP2000-OAPI-MATLAB, v.v.) sử dụng các thuật toán Giới thiệu về bài toán tối ưu hóa kết cấu
metaheuristic ứng dụng các hiện tượng tự nhiên như thuật
Bài toán thiết kế kết cấu công trình xây dựng cần đảm
toán tối ưu hóa bầy đàn (Partical Swarm Optimization
bảo các điều kiện liên quan như độ bền, độ cứng và độ ổn
Algorithm), thuật toán bầy đom đóm (Firefly Algorithm),
định của kết cấu dưới tác dụng của tải trọng. Bên cạnh đó
thuật toán di truyền (Genetic Algorithm), v.v. Các thuật
các yêu cầu khác cũng cần cân nhắc gồm chi phí, khả
toán này được áp dụng cho các bài toán tối ưu hóa trong
năng xây dựng, an toàn, thẩm mỹ và bền vững. Đó chính
lĩnh vực xây dựng và cho được các kết quả tương đối khả
là sự thách thức cho người kỹ sư khi thiết kế. Phương
quan.
pháp thiết kế truyền thống phụ thuộc vào trực giác, kinh
Ngày nay cùng với quá trình đô thị hóa diễn ra một nghiệm và kỹ năng của kỹ sư (Hình 1) nên có thể kết quả
cách mạnh mẽ, sự gia tăng dân số ở các thành phố lớn thiết kế chưa thật sự mỹ mãn.
như Hà Nội, Đà Nẵng, Tp. Hồ Chí Minh và các tỉnh,
Ngày nay, trong môi trường cạnh tranh và khan hiếm
thành khác dẫn đến quỹ đất ngày càng thu hẹp, tạo nên
tài nguyên buộc các kỹ sư phải đặc biệt quan tâm nhiều
áp lực lớn về nhu cầu chỗ ở trong đô thị. Vì vậy, nhà
hơn đến giá thành. Do vậy, việc thiết kế kết cấu công trình
nhiều tầng là giải pháp hữu hiệu nhằm giải quyết nhu cầu
có xét đến yếu tố tối ưu hóa là thực sự cần thiết. Đa số
chỗ ở cho người dân, tiết kiệm quỹ đất, tăng diện tích cây
các bài toán tối ưu hóa cho kết cấu công trình đều khá
xanh và các công trình công cộng. Hơn nữa, nhà nhiều
phức tạp, có tính phi tuyến cao và yêu cầu các biến số rời
335
SVTH: Phan Văn Sang; GVHD: GVC.TS. Phan Đình Hào
rạc. Thông thường, các phương pháp tối ưu hóa truyền kế tối ưu hệ khung BTCT trên mô hình không gian 3D
thống không đáp ứng được khả năng và thời gian tính nhằm mục đích giảm lượng bê tông và cốt thép sử dụng
toán cho các công trình quy mô lớn mà các biến quyết cho hệ khung, từ đó giảm chi phí vật liệu xây dựng công
định thường là diện tích mặt cắt ngang của cấu kiện trình. Hàm mục tiêu là hàm chi phí vật liệu, có biến số là
thanh. Gần đây, các thuật toán hiện đại như thuật toán diện tích mặt cắt ngang của cột và dầm. Các điều kiện
tiến hóa (Evolutionary Algorithm, EA) đã được ứng dụng ràng buộc bao gồm các điều kiện liên quan đến độ bền,
vào quá trình tự động hóa và hợp lý hóa quá trình thiết kế độ cứng và kích thước hình học của các cấu kiện như cột,
tối ưu hóa công trình. Với nhiều ưu điểm như đơn giản, dầm trong khung BTCT.
dùng số thực, dễ dàng đánh giá hàm mục tiêu và hội tụ Tối thiểu hóa hàm mục tiêu:
nhanh. Tuy nhiên tùy thuộc vào đặc điểm của từng dạng n
bài toán tối ưu khác nhau mà hiệu quả của các thuật toán Fcos t   Cs ,iWs ,i  Cc ,iWc ,i (1)
cũng khác nhau. i 1
với các điều kiện ràng buộc:

1  Si  0

 f i  f u ,i

 ds s
 u  1  0; u  1  0 (2)
 ds s
A  A 
 i i
 AL  Ai  AU
Trong đó: i là số thứ tự của các phần tử kết cấu, cột
và dầm; Wc,i và Ws,i lần lượt là khối lượng bê tông (m3) và
cốt thép (tấn) của các cấu kiện cột và dầm; Cc,i và Csi lần
lượt là đơn giá vật liệu của bê tông (triệu đồng/ m3) và
cốt thép (triệu đồng/ tấn); [Ai] là tập hợp các tiết diện
được sử dụng của biến thiết kế (là tiết diện của phần tử
kết cấu); f và fu lần lượt là độ võng và độ võng cho phép
của dầm thứ i; Δs và Δds lần lượt là chuyển vị đỉnh và
chuyển vị lệch tầng; Δsu và Δdsu lần lượt là chuyển vị đỉnh
và chuyển vị lệch tầng giới hạn; Si = R/U - hệ số chịu tải
tối đa của kết cấu, là tỷ lệ giữa khả năng chịu tải của cấu
kiện i (R) và hiệu ứng do tải trọng gây ra (U). Các điều
kiện ràng buộc về thông số hình học thường là các yêu
cầu về kích thước bề rộng của cột và dầm, bề rộng của
cột bên dưới và cột bên trên.
Thuật toán tối ưu hóa Jaya
Hình 1: Nguyên tắc thiết kế kết cấu theo phương pháp
truyền thống và tối ưu Thuật toán Jaya [9] được phát triển dựa trên sự tiến
EA là khái niệm dùng để chỉ thuật toán tìm kiếm và hóa và trí thông minh bầy đàn. Tiêu chí của thuật toán
tối ưu hóa dựa trên nguyên lý tiến hóa tự nhiên. EA nói này dựa trên khái niệm rằng giải pháp thu được cho một
chung dựa trên quan niệm cho rằng, quá trình tiến hóa tự vấn đề nhất định phải hướng đến giải pháp tốt nhất và
nhiên là quá trình hoàn hảo nhất, hợp lý nhất, và tự thân tránh xa giải pháp tồi tệ. Ưu điểm của thuật toán Jaya là
đã mang tính tối ưu. Xuyên suốt quá trình tiến hóa tự tính đơn giản nhưng mạnh mẽ trong giải quyết các bài
nhiên, các thế hệ mới luôn được sinh ra để bổ sung và toán tối ưu có điều kiện ràng buộc và không có điều kiện
thay thế cho thế hệ cũ. Cá thể nào phát triển hơn, thích ràng buộc.
ứng hơn với môi trường sẽ tồn tại. Cá thể nào không thích Tất cả các thuật toán tối ưu dựa trên sự tiến hóa và trí
ứng được với môi trường sẽ bị đào thải. Một số EA tiêu thông minh bầy đàn đều là thuật toán xác suất và yêu cầu
biểu được ứng dụng phổ biến trong thiết kế tối ưu hóa kết các tham số điều khiển chung như quy mô quần thể, số
cấu như thuật toán tối ưu hóa bầy đàn (Particle Swarm thế hệ, v.v. Ngoài ra, các thuật toán khác nhau yêu cầu
Optimization, PSO) [6] mô hình hóa việc đàn chim, đàn các tham số điều khiển riêng theo từng thuật toán cụ thể.
cá đi tìm thức ăn, thuật toán di truyền (Genetic Ví dụ như thuật toán GA sử dụng xác suất đột biến, thuật
Algorithm, GA) [7] mô phỏng theo quá trình thích nghi toán PSO sử dụng trọng lượng quán tính (w), v.v. Việc
tiến hóa của các quần thể sinh học dựa trên học thuyết điều chỉnh thích hợp các thông số cụ thể của thuật toán là
Darwin, giải thuật đàn ong nhân tạo (Artificial Bee một yếu tố quan trọng ảnh hưởng đến hiệu suất của các
Colony, ABC) [8], thuật toán tìm kiếm sự hài hòa thuật toán. Trong khi đó, thuật toán Jaya không yêu cầu
(Harymony Search, HS) [3], v.v. tham số điều khiển cụ thể, ngoại trừ tham số điều khiển
Do sự đa dạng của các bài toán kết cấu, tối ưu hóa kết chung là các cá thể trong quần thể và số vòng tiến hóa tối
cấu có thể được phân loại thành tối ưu hóa tiết diện, tối đa cho mô hình tối ưu.
ưu hóa hình dạng và tối ưu hóa cấu trúc. Trong bài báo Dựa trên thuật toán Jaya, mô hình tối ưu hóa kết cấu
này, bài toán tối ưu hóa tiết diện được áp dụng trong thiết khung BTCT được xây dựng với các bước chính sau:
336
Bước 1: Thiết lập hàm mục tiêu được trình bày theo
công thức (1) và các điều kiện ràng buộc theo công thức
(2). Xác định hai thông số cơ bản là số lượng cá thể trong
quần thể (NP), cụ thể là số giải pháp cho diện tích mặt cắt
ngang của cột, dầm, và số vòng tiến hóa cho mô hình tối
ưu (Iter.).
Bước 2: Xác lập quần thể ban đầu một cách ngẫu
nhiên gồm NP cá thể (cá thể ở đây có thể hiểu là giá trị
cho các biến số của hàm mục tiêu).
Bước 3: Đánh giá các cá thể tốt nhất và xấu nhất thông
qua sự tương tác ban đầu giữa các cá thể, bằng cách sử
dụng giá trị của hàm mục tiêu theo công thức (1).
Bước 4: Xây dựng quần thể mới dựa trên kỹ thuật đột
biến. Lần lượt, từng cá thể trong quần thể hiện tại được
chọn là cá thể mục tiêu để xây dựng nên một cá thể mới
tương ứng. Các cá thể trong quần thể mới được xây dựng
dựa trên công thức (3) như sau:
  
X 'j ,k ,i  X j ,k ,i  r1, j ,i X J ,best ,i  X j ,k ,i  r2 , j ,i X j ,worst ,i  X j ,k ,i  (3)
Trong đó: Xj,k,i là giá trị biến thiết kế thứ j trong giải
pháp thứ k ở vòng lặp thứ i; X’j,k,i là giá trị biến thiết kế
thứ j trong giải pháp thứ k ở vòng lặp thứ i trong quần thể
mới; XJ,best,i là giá trị tốt nhất của biến thiết kế j ở vòng
lặp i trong cả quần thể; Xj,worst,i là giá trị xấu nhất của biến
thiết kế j ở vòng lặp i trong cả quần thể; r1,j,i, r2,j,i là các
giá trị được tạo ngẫu nhiên trong phạm vi [0-1]. Hình 3: Sơ đồ khối mô tả quy trình thuật toán Jaya
Bước 5: Đánh giá các cá thể mới trong quần thể mới. Quy trình tối ưu hóa tự động
Nếu cá thể mới này có giá trị hàm mục tiêu tốt hơn so với Trong thời kỳ công nghệ 4.0 hiện nay, các công nghệ
cá thể mục tiêu, thì nó được lựa chọn thay thế cho cá thể thông minh được ứng dụng rất nhiều trong các lĩnh vực kỹ
mục tiêu trong quần thể mới. Trong trường hợp ngược thuật, giúp giải quyết nhanh chóng các vấn đề đặt ra. Với
lại, cá thể mục tiêu vẫn tiếp tục được giữ lại. lĩnh vực xây dựng, việc sử dụng các phần mềm phân tích,
Bước 6: Kết thúc quá trình tối ưu hóa. Bước 2 được tính toán kết cấu với sự hỗ trợ của các chương trình tích
thực hiện cho đến khi số vòng tiến hóa đạt đến giá trị Iter. hợp đang là xu hướng và cũng là điển hình cho việc ứng
sẽ dừng. Lúc này, kết quả tối ưu thu được là cá thể tốt dụng công nghệ thông minh vào trong việc thiết kế và thi
nhất trong quần thể cuối cùng. công công trình xây dựng. Một số phần mềm phân tích kết
cấu phát triển rất mạnh và quen thuộc với các kỹ sư xây
Để giải quyết mô hình tối ưu đặt ra, nhóm nghiên cứu
dựng như là SAP2000, ETABS, Robot Structural,
tiến hành xây dựng một chương trình con được kết nối
STAAD.Pro, v.v. Cụ thể, ngoài việc chia sẻ kết quả phân
với phần mềm phân tích kết cấu. Quá trình trao đổi các
tích kết cấu, các phần mềm này còn hỗ trợ tính toán, đưa
dữ liệu cần thiết phục vụ cho phân tích tối ưu như thông
ra khối lượng bê tông và cốt thép được tính toán phù hợp
số về phần tử, đặc trưng hình học, nội lực, ứng suất,
theo những Tiêu chuẩn thiết kế của các nước tiên tiến. Với
chuyển vị, v.v. được thực hiện một các tự động. Đoạn
khối lượng bê tông và cốt thép nhận được, người dùng có
chương trình con, viết bằng ngôn ngữ lập trình Visual
thể xác định được chi phí vật liệu bằng việc nhân kết quả
Basis for Application (VBA), và sơ đồ khối mô tả thuật
khối lượng với đơn giá của vật liệu tương ứng. Tuy nhiên,
toán tối ưu hóa Jaya được thể hiện lần lượt như trên Hình
với quy trình đó thì người dùng chủ yếu phân tích bằng thủ
2 và Hình 3.
công và có nhiều thắc mắc là liệu rằng mô hình thiết kế đó
đã là mô hình rẻ nhất, tối ưu nhất hay chưa.
Khi xem xét một số mô hình tối ưu hóa trong thiết kế
kết cấu công trình trước đây. Các quy trình tiếp nhận, xử
lý và trao đổi các dữ liệu tối ưu hóa (tiết diện, nội lực,
ứng suất, v.v.) được thực hiện thủ công, quy trình này
hoàn toàn không phù hợp và khó áp dụng được trong thực
tế. Hiện nay, các mô hình tối ưu hóa được xây dựng tích
hợp với các phần mềm phân tích kết cấu (ETABS,
SAP2000, v.v.) bằng cách sử dụng các ngôn ngữ lập trình
để thực hiện quy trình tối ưu hóa một cách tự động. Ở
đây, dữ liệu tối ưu hóa được tự động tiếp nhận từ phần
mềm phân tích kết cấu, các dữ liệu này được xử lý thông
qua thuật toán tối ưu và sau đó lại gửi đến chương trình
phân tích kết cấu. Các phân tích này lặp đi lặp lại và tìm
Hình 2: Đoạn chương trình con mô tả thuật toán Jaya
ra giải pháp thích hợp nhất.
được viết bằng ngôn ngữ lập trình VBA
337
Trong bài báo này, giải pháp thiết kế phù hợp nhất và nhà trở lên lần lượt là 4.5 m, 3.6 m, 3.6 m. Mô hình kết
chi phí thấp nhất được xây dựng trên mô hình không gian cấu bao gồm 48 cột và 72 dầm, trong đó mặt cắt ngang
3D với sự trợ giúp của phần mềm tích hợp nhằm giải của cột và dầm đều là tiết diện chữ nhật (Hình 6).
quyết bài toán tối ưu hóa. Phần mềm tích hợp được viết
cho chương trình phân tích kết cấu ETABS với tính năng
OAPI do nhà phát hành hỗ trợ và được lập trình bằng
ngôn ngữ VBA via Excel. Thuật toán Jaya được sử dụng
cho quy trình tối ưu hóa chi phí bằng cách trao đổi dữ liệu
qua lại giữa VBA và ETABS (Hình 4).
Hình 6: Mô hình hệ khung BTCT từ phần mềm ETABS

3.1.2. Thông số tải trọng tác động và tổ hợp tải trọng
Tải trọng và các trường hợp tổ hợp tải trọng được xác
định theo tiêu chuẩn thiết kế tải trọng và tác động hiện
hành, TCVN 2737: 1995 [10]. Số liệu về các trường hợp
Hình 4: Tóm tắt quy trình tối ưu hóa với kết nối giữa ngôn
ngữ lập trình VBA Excel và ETABS
tải trọng và tổ hợp tải trọng được trình bày lần lượt trên
Bảng 1 và Bảng 2. Hình 7 thể hiện trường hợp tải trọng
3. Phân tích tối ưu hóa chi phí thiết kế hệ khung gió tác động lên công trình được mô hình hóa (ETABS).
BTCT nhà ba tầng
Bảng 1: Các tải trọng tác động lên công trình
Quy trình phân tích tối ưu hóa bài toán đặt ra được
thực hiện theo trình tự như tóm tắt trên Hình 5. TĨNH TẢI (DL)
STT Tải trọng Ptc n Ptt

2
(kN/m ) - (kN/m2)
1 Trọng lượng Máy tính 1.1 Máy tính
bản thân
2 Các lớp hoàn 1.1 1.26 1.39
thiện
TẢI TRỌNG TƯỜNG XÂY
STT Chiều cao Ptc n Ptt

tường
(m) (kN/m) - (kN/m)
1 4.2 12.96 1.25 16.2
2 3.3 10.368 1.25 12.96
3 3.3 10.368 1.25 12.96
HOẠT TẢI (LL)
STT Công năng Ptc n Ptt
(kN/m2) - (kN/m2)
1 Mái 0.5 1.3 0.65
2 Văn phòng 2 1.2 2.4
TẢI TRỌNG GIÓ (WL)
STT Tầng Cao độ Wđón gió Whút gió
Hình 5: Tóm tắt quy trình phân tích tối ưu hóa chi phí (kN/m) (kN/m)
thiết kế cho hệ khung BTCT
1 1 4.5 2.665 1.999
Thiết lập các thông số kỹ thuật cho mô hình tối ưu
hóa 2 2 8.1 2.633 1.975
3.1.1. Thông số hình học 3 3 11.7 1.407 1.055

Hệ khung BTCT được áp dụng cho tòa nhà ba tầng có
diện tích sàn 256 m2, chiều cao tầng tính từ cao trình nền Bảng 2: Các tổ hợp tải trọng tác động lên công trình
338
ĐIỀU KIỆN VỀ CƯỜNG ĐỘ (ULS) 3.1.4. Tiêu chuẩn thiết kế kết cấu BTCT và các điều kiện
ràng buộc
Ký hiệu Trường hợp tải trọng
STT Trong nghiên cứu này, diện tích cốt thép được tính
Comb1 DL + LL toán tự động bằng phần mềm phân tích kết cấu ETABS
1
theo tiêu chuẩn thiết kế BTCT, TCVN 5574-2012 [11].
Comb2 DL + WLX
2 Các thông số thiết kế tương ứng được thể hiện ở Hình 9.
3 Comb3 DL + WLXX
4 Comb4 DL + WLY
5 Comb5 DL + WLYY
6 Comb6 DL + 0.9*(LL+WLX)
7 Comb7 DL + 0.9*(LL+WLXX)
8 Comb8 DL + 0.9*(LL+WLY)
9 Comb9 DL + 0.9*(LL+WLY)
ĐIỀU KIỆN VỀ SỬ DỤNG (SLS)

STT Ký hiệu Trường hợp tải trọng
1 Comb10 DL + WL
2 Comb11 DL + LL
3.1.3. Thông số tiết diện cột và dầm

Các tiết diện dầm và cột cho giải pháp ban đầu của
mô hình phân tích được lựa chọn tự động thông qua phần
mềm tích hợp đã được xây dựng. Trong mô hình phân
tích này, các cột và dầm có vị trí đối xứng hoặc có đặc
điểm chịu lực tương đương nhau thì được nhóm chung
Hình 9: Thông số thiết kế kết cấu BTCT theo tiêu chuẩn
một tiết diện (Ví dụ: cột góc, cột biên, cột giữa, dầm giữa,
TCVN 5574-2012 từ phần mềm ETABS
dầm biên, v.v.). Việc nhóm các tiết diện này giúp thuận
lợi cho quá trình thi công công trình (Hình 8). Các thông số giới hạn của điều kiện ràng buộc được
tuân thủ theo tiêu chuẩn thiết kế BTCT, TCVN 5574-
2018 [12] (Bảng 3).
Bảng 3: Thông số giới hạn của điều kiện ràng buộc
STT Nội dung Tổ hợp kiểm Kết quả
tra
1 Chuyển vị đỉnh Comb10 hb/500
2 Chuyển vị lệch tầng Comb10 hsi/500
3 Độ võng dầm Comb11 Li/200
Kí hiệu:
- hb là chiều cao của tòa nhà
- hsi là chiều cao của tầng thứ i trong tòa nhà
- Li là chiều dài của cấu kiện dầm thứ i
Hình 7: Mô hình tải trọng gió tác động lên công trình xuất từ
3.1.5. Thông số thiết lập cho mô hình tối ưu hóa
phần mềm ETABS
Theo quy trình phân tích tối ưu hóa chi phí thiết hệ
khung BTCT (Hình 5), các thông số về vật liệu, số lần
tiến hóa, số giải pháp ban đầu v.v. được thiết lập trong
chương trình con, có giao diện như ở Hình 10 và Hình
11, nhằm phục vụ cho quá trình phân tích.
Hình 8: Các nhóm cấu kiện trong hệ kết cấu khung BTCT
Ghi chú: Những cấu kiện chung một nhóm sẽ có màu
giống nhau (7 nhóm) Hình 10: Thông số vật liệu cho mô hình phân tích
339
Bảng 4: Kết quả tiết diện ngang của các cấu kiện được tối ưu
hóa
Đơn vị : cm
Nhóm Ký Tiết diện

cấu hiệu
kiện Iter. = 20 Iter. = 35 Iter. = 50
Ban Tối Ban Tối Ban Tối

đầu ưu đầu ưu đầu ưu
Group1 50x35 30x30 30x70 30x30 40x45 30x30
Group2 35x30 30x30 35x50 30x35 30x30 30x30
Group3 80x35 35x30 30x30 35x30 30x75 30x35
Group4 20x50 20x50 30x40 20x50 20x40 20x55

Hình 11: Thông số tối ưu cho mô hình phân tích
Group5 30x30 20x40 20x50 20x35 25x30 20x30
Thực hiện bài toán tối ưu và phân tích kết quả
Group6 25x60 20x40 30x40 20x30 20x45 20x30
3.2.1. Kết quả thực hiện bài toán tối ưu hóa
Group7 25x45 20x30 20x50 20x30 25x50 20x30
Thực hiện phân tích tối ưu hóa chi phí thiết kế hệ
khung BTCT nhà ba tầng, lần lượt với quy mô số thế hệ Bảng 5: Kết quả chi phí vật liệu xây dựng cho các giải pháp
khác nhau (20, 35 và 50) để so sánh và đánh giá kết quả tối ưu
mô hình tối ưu hóa đã xây dựng. Iter. = 20
140 Nhóm cấu Cấu Bê tông Thép Thép Kiểm tra

Chi phí vật liệu (triệu đồng)
kiện kiện (m3) dọc ngang

130 (tấn) (tấn)
120 Group1 Cột 4.212 0.419 0.138 Thỏa mãn
90 Group4 Dầm 11.28 0.783 0.218 Thỏa mãn
Group5 Dầm 5.472 0.64 0.101 Thỏa mãn

80
0 5 10 15 20 Group6 Dầm 9 0.868 0.185 Thỏa mãn
Số lần tiến hóa Group7 Dầm 4.086 0.682 0.083 Thỏa mãn
(a) Quy mô số thế hệ: 20 Tổng chi phí vật liệu: 104.820.200 VNĐ
Iter. = 35
140
Nhóm cấu Cấu Bê tông Thép Thép Kiểm tra

130 kiện kiện dọc ngang
(m3)
120 (tấn) (tấn)
Group1 Cột 4.212 0.386 0.138 Thỏa mãn

110
100
90
80
0 5 10 15 20 25 30 35
Số lần tiến hóa Group6 Dầm 6.732 0.876 0.153 Thỏa mãn
(b) Quy mô số thế hệ: 35 Group7 Dầm 4.086 0.682 0.083 Thỏa mãn
Tổng chi phí vật liệu : 104.052.150 VNĐ

140
Iter. = 50
130 Nhóm cấu Cấu Bê tông Thép Thép Kiểm tra
kiện kiện (m3) dọc ngang
120
(tấn) (tấn)
110
80 Group4 Dầm 12.408 0.808 0.234 Thỏa mãn

0 5 10 15 20 25 30 35 40 45 50
Số lần tiến hóa
(c) Quy mô số thế hệ: 50
Hình 12: Biểu đồ thể hiện mối quan hệ giữa chi phí vật
Tổng chi phí vật liệu : 104.416.100 VNĐ
liệu và số lần tiến hóa
340
3.2.2. Phân tích, đánh giá kết quả tối ưu hóa phút, nghĩa là thời gian chênh lệch giữa hai phương án
Với các kết quả thu được từ mô hình tối ưu hóa sau khoảng 20 đến 30 lần. Do đó, thời gian phân tích cũng là
khi thực hiện cho tòa nhà ba tầng hệ khung BTCT được một kết quả tối ưu mà nghiên cứu này mang lại, ngoài các
trình bày ở mục 3.2.1 (xem Hình 12, Bảng 4 và Bảng 5), lợi ích về kinh tế đã đạt được.
ta tiến hành đưa ra các nhận xét và đánh giá. Dựa vào ba Hiện nay, các nghiên cứu và ứng dụng tối ưu hóa thiết
biểu đồ thể hiện đường cong hội tụ của mô hình tối ưu kế kết cấu trong xây dựng còn hạn chế với hai lý do chính
trên Hình 12, có thể thấy rằng tốc độ hội tụ của thuật toán là khối lượng tính toán và thời gian tính toán khá lớn.
Jaya tương đối tốt ở những vòng lặp đầu tiên, kết quả tối Hơn nữa, bài toán tối ưu trong thiết kế kết cấu công trình
ưu hội tụ tương đối nhanh trong các vòng lặp từ 15 đến là bài toán tối ưu phi tuyến, có biến số là diện tích mặt cắt
20 đối với cả ba lần phân tích với quy mô số thế hệ khác ngang của các cấu kiện chịu lực (cột, dầm, v.v.) và đây là
nhau (20, 35 và 50). Các tiết diện ban đầu trong mỗi lần những biến số rời rạc chỉ nhận các giá trị nguyên. Do đó,
tối ưu hóa được chọn ngẫu nhiên từ phần mềm tích hợp, với các phương pháp quy hoạch toán học trước đây chưa
nhưng sau khi được xử lý tự động qua mô hình tối ưu hóa có phương pháp nào chứng tỏ được tính hữu hiệu để giải
sử dụng thuật toán Jaya, đa số các tiết diện ban đầu được quyết bài toán đặt ra. Trong nghiên cứu này, thuật toán
làm mới và tiến đến cận dưới của các tiết diện cột và dầm Jaya được áp dụng để giải các bài toán tối ưu phi tuyến
(Bảng 4). Đồng thời, các giải pháp sau mỗi lần tiến hóa, có các biến số rời rạc. Trong đó, chương trình con đã
đa phần tốt hơn so với các giải pháp trước đó và các giải được xây dựng thành công giúp trao đổi và xử lý dữ liệu
pháp này sẽ tiến dần đến kết quả tối ưu cho bài toán đặt tối ưu hóa một cách tự động. Với kết quả đạt được, có thể
ra. Điều này thể hiện đúng những mô tả được trình bày đánh giá rằng đề tài nghiên cứu đã giải quyết được phần
của thuật toán Jaya [9] và cũng thể hiện được rằng quy lớn các hạn chế trước đây trong việc ứng dụng tối ưu hóa
trình xây dựng mô hình bài toán tối ưu hóa đặt ra là hợp cho thiết kế kết cấu công trình.
lý. Từ kết quả ở Bảng 5, chi phí vật liệu xây dựng tối ưu
nhất được tìm thấy là 104.052.150 VNĐ (giảm 22.85 %
so với chi phí của phương án thiết kế ban đầu). Kết quả
[1]. xP. V. Trung, “Bài toán tối ưu hóa theo phương pháp chuyển vị”,
tối ưu thu được trong ba lần phân tích với quy mô số thế Tạp chí Khoa học Công nghệ Hàng hải, 28, pp. 48- 51, 11.2011.
hệ được tạo ra khác nhau chênh lệch 0.4-0.7 %, điều này
[2]. H. M. Hùng, “Bài toán tối ưu kết cấu dàn phẳng sử dụng phân
cho thấy độ ổn định của mô hình tối ưu qua các lần phân tích trực tiếp có xét đến điều kiện ràng buộc về tần số dao động
tích là khá tốt. riêng”, Tạp chí Khoa học và Công nghệ Việt Nam, 62(6), pp. 24-
28, 6.2022.
4. Kết luận
[3]. Niaki MI, Maheri MR, Bagheri M, “Optimum Design of 2-D
Dựa vào kết quả phân tích tối ưu hóa được áp dụng reinforced concrete frames”, The Turkish Online Journal of
cho trường hợp khung BTCT nhà ba tầng trong nghiên Design, Art and Communication-TOJDAC 2016:1909–19.
cứu này, một số kết luận được rút ra như sau: [4]. Kaveh A, Sabzi O, “Optimal design of reinforced concrete
frames using big bang-big crunch algorithm”, Int J Civ Eng
Nhóm nghiên cứu đã xây dựng thành công mô hình 2012.
tối ưu hóa sử dụng thuật toán Jaya và phát triển thành một
[5]. Mangal M, Cheng JCP, “Automated optimization of steel
chương trình con (Add-ins) được ứng dụng để giảm chi reinforcement in RC building frames using building information
phí vật liệu cho các cấu kiện cột, dầm của hệ kết cấu modeling and hybrid genetic algorithm”, Autom Constr 2018;
khung không gian BTCT. Hiệu quả của mô hình tối ưu 90:39–57.
hóa được đánh giá thông qua việc phân tích một tòa nhà [6]. Esfandiari MJ, Urgessa GS, Sheikholarefin S, Manshadi SHD,
ba tầng, với quy mô số thế hệ được tạo ra khác nhau (20, “Optimum design of 3D reinforced concrete frames using
DMPSO algorithm”, Adv Eng Softw 2018;115: 149-60.
35, 50). Kết quả thu được từ chương trình với chi phí vật
[7]. Camp CV, Pezeshk S, Hansson H, “Flexural design of reinforced
liệu tối ưu nhất là 104.052.150 VNĐ (giảm 22.85 % so concrete frames using a genetic algorithm” J. Struct. Eng,
với chi phí ban đầu) và chênh lệch giữa ba lần phân tích 2003;129(1):105-115.
với số thế hệ khác nhau là (0.4-0.7 %). Kết quả này thể [8]. Mustafa Alpay Tunay, “Optimum Design of Shallow
hiện hiệu quả của mô hình tối ưu và độ ổn định của Foundations by Meta- Heuristic Methods” Akdeniz University,
chương trình con qua các lần phân tích. Institute of Science, PhD. Thesis, 2019.10.1017.
Việc xây dựng một quy trình thiết kế tối ưu hóa tự [9]. Venkata RR., “Jaya: a simple and new optimization algorithm
for solving constrained and unconstrained optimization
động bằng cách tích hợp ngôn ngữ lập trình VBA với problems”, Int J Ind Eng Comput 2016; 7:19-34.
phần mềm phân tích kết cấu ETABS giúp rút ngắn thời [10]. TCVN 2737: 1995, “Tiêu chuẩn thiết kế tải trọng và tác động”,
gian thực hiện cho các phân tích tối ưu. Với chương trình Hà Nội, 1996.
con, thời gian trung bình để thực hiện, tiếp nhận và xử lý [11]. TCVN 5574: 2012 “Kết cấu Bê tông và Bê tông cốt thép – Tiêu
dữ liệu tối ưu cho một giải pháp về tiết diện của một tòa chuẩn thiết kế”, Hà Nội, 2012.
nhà ba tầng là 25 đến 30 giây. Trong khi đó, phương án [12]. TCVN 5574: 2018 “Thiết kế kết cấu Bê tông và Bê tông cốt
thực hiện thủ công cần thời gian tương ứng từ 10 đến 15 thép”, Hà Nội, 2018
341
SVTH: Nguyễn Triệu Nhân, Ngô Hữu Toán, Hoàng Lê Anh Tuyến; GVHD: PGS.TS. Nguyễn Văn Chính
ĐÁNH GIÁ ẢNH HƯỞNG CỦA VỊ TRÍ TẦNG CỨNG ĐẾN NỘI LỰC MỘT SỐ
CẤU KIỆN TRONG NHÀ CAO TẦNG
PERFORMANCE EVALUATION OF OUTTRIGGER LOCATION ON THE INTERNAL
FORCES OF SOME MEMBER IN THE HIGH-RISE BUILDING
SVTH: Nguyễn Triệu Nhân, Ngô Hữu Toán, Hoàng Lê Anh Tuyến
Lớp 18X1CLC, Khoa XXDD&CN, Trường đại học bách khoa; Email: ntnhan1607@gmail.com, email 2, email 3
GVHD: PGS.TS. Nguyễn Văn Chính
Khoa XXDD&CN, Trường đại học bách khoa; Email: nvchinh@dut.udn.vn
Tóm tắt – Bài báo tập trung trình bày kết quả ảnh hưởng của Abstract - This paper focuses on presenting the results of
vị trí tầng cứng đến nội lực của một số cấu kiện và chuyển vị của the evaluation of outtrigger location on the internal forces of some
toà nhà, phần tính toán được thực hiện theo phương pháp phần member in the building, the calculation is done by the finite
tử hữu hạn thông qua sử dụng phần mềm Autodesk Robot element method using Autodesk Robot Structural Analysis
Structural Analysis (hay Robot). Công trình được đưa vào để commercial software (or Robot). The work included for survey is
khảo sát là toà nhà 38 tầng (với 3 tầng ngầm) sử dụng hệ kết a 38-storey building (with 3 underground floors) using a frame-
cấu khung – vách. Các vị trí tầng cứng được chọn đảm bảo cho wall structure system. The selected outtrigger location ensure
các tầng cứng của từng phương án có đặc điểm giống nhau. that the outtrigger of each model option have the same
Qua đó rút ra được các kết luận về việc bố trí tầng cứng trong characteristics. Thereby drawing conclusions about the
nhà cao tầng. arrangement of outtrigger in high-rise buildings.
Từ khóa – tầng cứng; vách cứng; chuyển vị; nội lực; phương Key words – outtrigger; displacement; internal forces; finite
pháp phần tử hữu hạn; hệ kết cấu khung – vách. element method; frame-wall structure system.
1. Đặt vấn đề cánh đòn của tầng cứng. Những dầm cứng này được phát
Cùng với sự phát triển của công nghệ xây dựng, các triển ra dàn đai biên (belt truss) cho phép các cột biên
kết cấu nhà cao tầng, nhà chọc trời ngày càng được sử tham gia vào chịu mômen lật. Do đó, khi tải trọng ngang
dụng nhiều trên thế giới bởi ưu điểm tiết kiệm diện tích tác động lên công trình, tầng cứng, các cột biên kết hợp
đất và tận dụng được không gian bầu trời. Tuy nhiên, việc cùng với đai biên ngăn cản góc xoay và làm giảm chuyển
tăng chiều cao công trình lại làm cho các toà nhà nhạy vị theo phương ngang của kết cấu. Ngoài tác dụng hạn
cảm với các kích thích động học của tải trọng gió và động chế chuyển vị ngang, việc bố trí dầm cứng cũng làm giảm
đất, từ đó ảnh hưởng xấu đến kết cấu công trình, gây ra đáng kể chu kỳ dao động của công trình.Hệ tầng cứng
chuyển vị lớn, gây xoắn công trình. trong nhà cao tầng làm tăng độ cứng của công trình so
với hệ kết cấu không dùng tầng cứng. Tầng cứng đóng
Giải pháp tầng cứng là một trong những đề xuất làm
vai trò quan trọng trong việc kết nối lõi và các cột ngoài
giảm chuyển vị đỉnh đối với các nhà cao tầng, bên cạnh
cùng chịu lực. Hệ thống này còn có tác dụng hạn chế sự
việc sử dụng vật liệu nhẹ và có cường độ cao. Tầng cứng
khác nhau về việc co ngắn lại giữa cột ngoài và lõi do tác
trong nhà cao tầng thông thường được thiết kế như một
động môi trường và lực dọc gây ra.
hệ dầm ngang, rất cứng (thường gọi là dầm cứng) hay
tầng cứng kết nối lõi với các tường và cột ở phía ngoài.
Phần lõi có thể nằm ở vị trí trung tâm với các dầm nối ra
ngoài ở cả hai bên, hoặc có thể nằm ở một phía của tòa
nhà với các dầm nối ra ngoài đến các cột ngoài của tòa
nhà.
Hình 2: Cách làm việc của tầng cứng

Cơ chế làm việc trên chỉ ra rằng, sự làm việc của hệ
kết cấu phụ thuộc vào số lượng tầng cứng và các đai biên
(belt truss). Vì vậy, vị trí của tầng cứng bố trí trong nhà
cao tầng ảnh hưởng rất lớn đến sự làm việc tổng thể của
Hình 1: Cấu tạo của tầng cứng
tòa nhà. Vị trí tối ưu cho hệ có 1 tầng cứng có thể không
phải ở đỉnh nhà. Sự suy giảm chuyển vị ngang khi tầng
Nguyên lý làm việc của hệ thống này là sử dụng lõi cứng đặt ở vị trí đỉnh nhà là khoảng 50%, trong khi sự
để chịu hầu hết tải trọng ngang, đồng thời phân khả năng giảm chuyển vị ngang đạt được 75% khi vị trí tầng cứng
chịu cắt theo phương đứng từ lõi ra cột ngoài thông qua ở khoảng giữa chiều cao nhà. Tuy nhiên xét ở nhiều khía
342
cạnh khác liên quan yêu cầu kiến trúc được ưu tiên hàng Từ công thức (3) lấy đạo hàm theo x ta có thể xác định
đầu thì lợi ích của việc đặt hệ tầng cứng tại đỉnh nhà vẫn vị trí có Δ nhỏ nhất tại x = 0,445λ.
tốt nhất. Phương pháp phần tử hữu hạn và Robot Tools
Hệ kết cấu 2 tầng cứng cho nhiều lựa chọn hơn trong Phương pháp phần tử hữu hạn 3 chiều (3D-FEM) dựa
việc chọn vị trí tầng cứng. Việc giảm biến dạng ngang trên mô hình chuyển vị được sử dụng để so sánh các
gần bằng giá trị tối ưu khi tầng cứng đặt tại những vị trí phương án được đặt ra.
hoàn toàn khác so với vị trí tối ưu. Tuy nhiên vị trí tối ưu
Trong nghiên cứu này, nhóm chọn công trình toà nhà
của hệ kết cấu 2 tầng cứng đó là ở hai vị trí 1/3 và 2/3
thuộc khu nhà hỗn hợp cao tầng Sông Đà để đưa vào khảo
chiều cao nhà. Đối với hệ 3 tầng cứng, khi đó ta nên bố
sát. Toà nhà có 38 tầng (với 3 tầng ngầm) sử dụng hệ kết
trí tầng cứng ở các vị trí 1/4, 2/4 và 3/4 và ….
cấu khung – vách. Các mô hình công trình thực tế có xét
Tóm lại để đạt được hiệu quả tối ưu thì các tầng cứng giảm tiết diện cột theo độ cao để phù hợp yêu cầu kinh
nên đặt ở các vị trí (1/n+1), (2/n+1), (3/n+1),…(n/n+1) tế. Qua sơ bộ kích thước các cấu kiện dầm, cột, sàn, vách,
chiều cao. Ví dụ nhà 60 tầng với hệ thống 3 tầng cứng thì nhóm tiến hành mô hình công trình trong phần mềm
các vị trí tối ưu là ở tầng 15, 30 và 45. Revit để có thể chuyển qua tính toán trên Phần mềm
2. Cơ sở lý thuyết toán học Robot.
Nhà cao tầng có 1 tầng cứng
Đối với nhà cao tầng có 1 tầng cứng, dựa trên các giả
thiết sau đây:
 Tầng cứng được liên kết ngàm với lõi;
 Lõi được liên kết ngàm với cột;
 Bỏ qua ảnh hưởng của lực kéo;
 Đặc trưng mặt cắt của lõi, cột và dầm cứng không
thay đổi trên toàn bộ chiều cao của công trình;
 Kết cấu làm việc đàn hồi tuyến tính.
Taranath [2] đã đưa ra công thức xác định vị trí tầng
cứng tối ưu là:
M x w ( x 3   3 ) M y (  x )
 
Kx 6EI EI
(1)
Hình 4: Mô hình phương án 2/3h trên phần mềm Revit

Trên mô hình sau khi chuyển sang phần mềm Robot,
nhóm xác định và gán được các tải trọng bản thân (phần
mềm tự gán), các loại tải trọng hoàn thiện, hoạt tải và tải
gió tĩnh, gió động lên công trình. Với 38 tầng, nhóm chọn
bố trí 1 tầng cứng vào toà nhà và thay đổi vị trí tầng cứng
trong toà nhà 5 lần để chọn 5 phương án, thoả mãn điều
kiện các tầng cứng trong các phương án có cấu tạo như
nhau, cùng chiều cao tầng và chỉ khác nhau duy nhất về
cao trình. Với h là chiều cao tính từ mặt móng lên đỉnh
toà nhà, các phương án vị trí tầng cứng được chọn để bố
trí vào toà nhà gồm 1/5h, 1/3h, 1/2h, 2/3h, 4/5h.
Hình 3: Vị trí tầng cứng có chuyển vị đỉnh tối ưu nhất
Trong đó, w là tải trọng gió tác dụng lên công trình
theo chiều cao, Mx là mô men tại vị trí x (vị trí tầng
cứng), I là mô men quán tính của lõi, E là mođun đàn hồi
của lõi, Kx là độ cứng đàn hồi tại vị trí x được xác định
như sau:
AE d 2
x
(  x ) 2
(2)
Trong đó, λ là chiều cao công trình, d là khoảng cách
Hình 5: Mô hình các phương án trên phần mềm Revit
giữa các cột ngoài, A là diện tích tiết diện của các cột
biên, chuyển vị ở đỉnh của công trình (Δ) được xác định 3. Kết quả nghiên cứu và khảo sát
theo công thức sau: Nội lực cấu kiện
Mx Trong phần so sánh nội lực các cấu kiện, nhóm chọn
 (  x)(  x) nội lực của 3 cấu kiện ngẫu nhiên gồm 1 cột, 1 vách và 1
2EI
(3) dầm để so sánh giữa 5 phương án.
343
Max (kN; kN; kNm)

Phương án
Case Fx Case Fz Case My
1/5h 18 (C) 36126,7 14 (C) 459,86 13 (C) 2490,79
1/3h 18 (C) 35894,3 14 (C) 449,41 13 (C) 2500,27
Chân cột
1/2h 16 (C) 35903,7 14 (C) 455,31 13 (C) 2646,84
2/3h 18 (C) 36077 14 (C) 457,08 13 (C) 2765,65
4/5h 18 (C) 36240,6 14 (C) 456,03 13 (C) 2800,24

1/5h 18 (C) 35930,8 14 (C) 459,86 13 (C) 1266,55
1/3h 18 (C) 35698,4 14 (C) 449,41 13 (C) 1310,48
Đỉnh cột
1/2h 16 (C) 35707,8 14 (C) 455,31 13 (C) 1437,47
2/3h 18 (C) 35881,1 14 (C) 457,08 13 (C) 1550,25
4/5h 18 (C) 36044,7 14 (C) 456,03 13 (C) 1588,35
PA Fx PA Fz PA My
Max 4/5h 36240,6 1/5h 459,86 4/5h 2800,24
Chân cột
Min 1/3h 35894,3 1/3h 449,41 1/5h 2490,79
Max 4/5h 36044,7 1/5h 459,86 4/5h 1588,35
Đỉnh cột
Min 1/3h 35698,4 1/3h 449,41 1/5h 1266,55
Bảng 1: Giá trị nội lực lớn nhất của cột tầng hầm 3 theo 5 phương án nghiên cứu
Min (kN; kN; kNm)

Phương án
1/5h 13 (C) 25527,5 11 (C) 41,19 12 (C) -26,61
1/3h 13 (C) 25817 11 (C) 41,31 12 (C) -20,95
Chân cột
1/2h 11 (C) 25857,2 11 (C) 41,23 12 (C) -19,77
2/3h 13 (C) 25722,5 11 (C) 41,14 16 (C) -15,97
4/5h 13 (C) 25546,2 11 (C) 41,51 16 (C) -4,77

1/5h 13 (C) 25331,6 11 (C) 41,19 12 (C) 141,43
1/3h 13 (C) 25621,1 11 (C) 41,31 12 (C) 146,64
Đỉnh cột
1/2h 11 (C) 25661,3 11 (C) 41,23 12 (C) 148,01
2/3h 13 (C) 25526,6 11 (C) 41,14 12 (C) 151,44
4/5h 13 (C) 25350,3 11 (C) 41,51 12 (C) 161,46
PA Fx PA Fz PA My
Max 1/2h 25857,2 4/5h 41,51 1/5h -26,61
Chân cột
Min 1/5h 25527,5 2/3h 41,14 4/5h -4,77
Max 1/2h 25661,3 4/5h 41,51 4/5h 161,46
Đỉnh cột
Min 1/5h 25331,6 2/3h 41,14 1/5h 141,43
344
Bảng 2: Giá trị nội lực bé nhất của cột tầng hầm 3 theo 5 phương án nghiên cứu
Max (kN; kNm; kN)

Phương án
Case NRx Case MRz Case Try
1/5h 18 (C) -14503 11 (C) -97,79 11 (C) -392,37
1/3h 18 (C) -10512 11 (C) -85,76 11 (C) -398,1 Chân
1/2h 18 (C) -11127 11 (C) -81,96 14 (C) -478,57 vách
2/3h 18 (C) -12149 11 (C) -87,71 14 (C) -524,4
4/5h 18 (C) -12549 13 (C) -89,09 14 (C) -533,67

1/5h 18 (C) -14532 12 (C) -377,46 14 (C) -387,93
1/3h 18 (C) -10731 12 (C) -346,57 11 (C) -350,77 Đỉnh
1/2h 18 (C) -11134 12 (C) -356,8 14 (C) -489,66 vách
2/3h 18 (C) -12232 12 (C) -356,93 14 (C) -531,55
4/5h 18 (C) -12659 12 (C) -358,78 14 (C) -538,88
PA NRx PA MRz PA Try
Max 1/5h -14503 1/5h -97,79 4/5h -533,67 Chân
Min 1/3h -10512 1/2h -81,96 1/5h -392,37 vách
Max 1/5h -14532 1/5h -377,46 4/5h -538,88 Đỉnh
Min 1/3h -10731 1/3h -346,57 1/3h -350,77 vách
Bảng 3: Giá trị nội lực lớn nhất của vách tầng 10 theo 5 phương án nghiên cứuz
Min (kN; kNm; kN)
Phương án
1/5h 13 (C) -3223,8 9 (C) -24,69 9 (C) -74,34
1/3h 13 (C) -8913,7 14 (C) -13,63 13 (C) -44,23 Chân
1/2h 13 (C) -8355,6 18 (C) 12,7 9 (C) -56,67 vách
2/3h 13 (C) -7102,5 10 (C) -18,47 9 (C) -57,19
4/5h 13 (C) -6560,6 16 (C) 9,71 9 (C) -60,31

1/5h 13 (C) -3173,2 13 (C) -60,88 9 (C) -73,18
1/3h 13 (C) -8575,4 17 (C) 49,25 14 (C) -95,73 Đỉnh
1/2h 13 (C) -8360,3 13 (C) -34,83 9 (C) -54,38 vách
2/3h 13 (C) -7009,5 13 (C) -39,12 9 (C) -55,26
4/5h 13 (C) -6428 13 (C) -42,17 9 (C) -58,76
PA NRx PA MRz PA Try
Max 1/3h -8913,7 1/5h -24,69 1/5h -74,34 Chân
Min 1/5h -3223,8 4/5h 9,71 1/3h -44,23 vách
Max 1/3h -8575,4 1/5h -60,88 1/3h -95,73 Đỉnh
Min 1/5h -3173,2 1/2h -34,83 1/2h -54,38 vách
345
Bảng 4: Giá trị nội lực bé nhất của vách tầng 10 theo 5 phương án nghiên cứu
Max (kN; kNm; cm)

Phương án
x FZ x MY x UZ
1/5h 8,70 (+) 393,33 8,70 (+) -753,71 4,35 (-) -1,7
1/3h 8,70 (+) 399,28 8,70 (+) -774,69 4,35 (-) -1,7
1/2h 8,70 (+) 412,01 8,70 (+) -819,26 4,35 (-) -1,7
2/3h 8,70 (+) 422,39 8,70 (+) -855,46 4,35 (-) -1,8
4/5h 8,70 (+) 425,53 8,70 (+) -866,34 4,35 (-) -1,8
PA FZ PA MY PA UZ
Max 4/5h 425,53 4/5h -866,34 2/3h, 4/5h -1,8
Min 1/5h 393,33 1/5h -753,71 1/5h, 1/3h, 1/2h -1,7
Bảng 5: Giá trị nội lực lớn nhất của dầm tầng 4 theo 5 phương án nghiên cứu
Min (kN; kNm; cm)

Phương án
x FZ x MY x UZ
1/5h 20,55 (+) -68,74 0 0 24,9 -1,1
1/3h 20,55 (+) -70,21 0 0 24,9 -1,1
1/2h 20,55 (+) -73,68 0 0 24,9 -1,1
2/3h 20,55 (+) -76,28 0 0 24,9 -1,1
4/5h 20,55 (+) -76,88 0 0 24,9 -1,1
Bảng 6: Giá trị nội lực bé nhất của dầm tầng 4 theo 5 phương án nghiên cứu
PA FZ PA MY PA UZ
Max 4/5h -76,88 - 0 - -1,1
Min 1/5h -68,74 - 0 - -1,1
Chuyển vị tại đỉnh

Trong phần so sánh chuyển vị đỉnh, nhóm chọn các giá trị chuyển vị lớn nhất tại đỉnh của các phương án để so
sánh.
Phương X Phương Y
UX (cm) UY (cm) UZ (cm) UX (cm) UY (cm) UZ (cm)
Vị trí 1/5 14,7 21,7 0 13,6 20,8 -0,2
Tầng 7
Nút 22720 33530 14062 33538 33538 22957
Vị trí 1/3 13,3 19,1 0 12,3 18,3 -0,2
Tầng 11
Nút 945 1012 79 33531 33531 22957
Vị trí 1/2 14,6 19,6 0,1 13,5 18,8 -0,2
Max Tầng 17
Nút 945 1012 15512 33531 33531 22957
Vị trí 2/3 16,4 20,4 0,1 15,1 19,5 -0,2
Tầng 24
Nút 945 1012 32993 33539 33539 22957
Vị trí 4/5 15,7 21,9 0,1 14,3 20,7 -0,2
Tầng 29
Nút 951 14733 33000 33531 33531 22957
UX (cm) UY (cm) UZ (cm) UX (cm) UY (cm) UZ (cm)
Vị trí 1/5 -14,8 -19 -6,7 -14,7 -15,6 -4,2
Tầng 7
Min Nút 27344 14719 27226 33538 33538 33538
Vị trí 1/3 -13,7 -16,7 -6,6 -13,6 -13,5 -4,2 Tầng 11
346
Nút 27344 938 27226 33531 33531 33531

Vị trí 1/2 -15 -17,5 -6,6 -15 -14,2 -4,2
Tầng 17
Nút 27344 938 27226 33531 33531 33531
Vị trí 2/3 -16,7 -19,1 -6,6 -16,7 -15,4 -4,1
Tầng 24
Nút 1017 938 27228 33539 33539 33539
Vị trí 4/5 -16 -20,9 -6,8 -16 -16,7 -4
Tầng 29
Nút 27344 938 27072 33531 33531 33531
Bảng 7: Chuyển vị đỉnh lớn nhất (Max) và bé nhất (Min) của 5 phương án nghiên cứu
Chuyển vị giữa các tầng Kết quả thể hiện sẽ so sánh theo 2 trường hợp là gió
Để thể hiện chuyển vị giữa các tầng trong 1 phương dọc nhà và gió ngang nhà. Bên cạnh đó, các nút được xét
và giữa các phương án, biểu đồ so sánh chuyển vị bên đến sẽ được lấy gần tâm hình học của mỗi tầng và giữa
dưới sẽ chỉ xét đến các nút có cùng vị trí (có cùng toạ độ các nút khác nhau chỉ thay đổi độ cao Z phụ thuộc vị trí
X, Y) và đều sử dụng tổ hợp gây ra chuyển vị đỉnh lớn. các tầng trong công trình.
1/5h 1/3h 20,8 1/5h 1/3h 2,5
19,5 1/2h 2/3h 2,4
1/2h 2/3h
4/5h 4/5h 2,2
18,8
40 40 2,1
18,3
Đánh số tầng (không theo số tầng trên kiến trúc)

35 20,7 35 2,8
30 30
25 25
20 20
15 15
10 10
5 5
0 0
0 3 6 9 12 15 18 21 (cm)
24 0 0,5 1 1,5 2 2,5 3
(cm)
Hình 6: Biểu đồ chuyển vị phương Y (Gió dọc nhà) Hình 8: Biểu đồ chuyển vị phương Y (Gió ngang nhà)
1/5h 1/3h
1/2h 2/3h -16,7 1/5h 1/3h
-0,9 -0,8 4/5h -16 1/2h 2/3h
40 -15 4/5h
-14,7 40
35 -13,6 35
30
30
25
25
20
20
15
15
10 10
5 5
0 0
-1
(cm) -0,8 -0,6 -0,4 -0,2 0 -18
(cm) -15 -12 -9 -6 -3 0
Hình 7: Biểu đồ chuyển vị phương X (Gió dọc nhà) Hình 9: Biểu đồ chuyển vị phương X (Gió ngang nhà)
347
4. Kết luận Từ các kết quả nội lực và biểu đồ so sánh thể hiện sự
 Đối với cột: Sự thay đổi của vị trí tầng cứng theo chênh lệch về chuyển vị của cả 5 trường hợp vị trí tầng
độ cao ít ảnh hưởng đến giá trị lực dọc và lực cắt ở cứng, ta thấy các kết quả chênh lệch không quá nhiều.
cột được chọn, tuy nhiên giá trị của Moment ở chân Nguyên nhân có thể do hệ lõi khá nhỏ, sự kháng chuyển
và đầu cột có sự thay đổi. Cụ thể là nếu tầng cứng vị ngang của lõi vì thế cũng khá ít tác động so với hệ vách
càng lên cao thì giá trị Moment càng lớn ở cả chân và cột lớn, mà tầng cứng mục đích là sự kết nối giữa lõi với
đầu cột. Theo phỏng đoán của nhóm, nếu xem công các cột, vách biên dẫn đến vị trí tầng cứng có thay đổi thì
trình là một công xôn chịu ngàm ở chân cột thì nguyên cũng không ảnh hưởng lớn đến độ cứng ngang của công
nhân dẫn đến sự thay đổi đó là sự thay đổi chiều dài trình.
cánh tay đòn (vị trí tầng cứng càng lên cao thì chiều Dù vậy nhưng qua đó, ta có thể kết luận phương án
dài cánh tay đòn càng lớn). bố trí vị trí tầng cứng ở 1/3 tòa nhà cho kết quả tối ưu
 Đối với dầm: Vị trí tầng cứng càng lên cao thì giá nhất (với điều kiện thay đổi tiết diện cột theo độ cao
trị Moment và lực cắt có sự thay đổi. Cụ thể là giá trị tầng), phương án này là phương án có vị trí ngăn cản sự
Moment tầng cứng 1/5h (thấp nhất) so với 4/5h (cao chuyển vị của công trình tốt hơn và cho ra chuyển vị tại
nhất) chênh lệch khoảng 17,89%. Nguyên nhân gây đỉnh bé hơn các phương án còn lại.
ra sự thay đổi có thể giống với trường hợp của cột, Tài liệu tham khảo
liên quan đến sự thay đổi vị trí của tầng cứng. [1]. CTBUH, Case study - Shanghai tower. The Council on Tall
 Đối với vách: Trong trường hợp tầng cứng nằm ở Buildings and Urban Habitat, 2010.
1/5h thì vách nằm trên tầng cứng, lúc này vách chịu [2]. TARANATH, B. S. Optimum belt truss locations for high rise
structures. The structural engineer, 53, 345-348, 1975..
lực dọc lớn hơn nhiều so với các trường hợp còn lại, [3]. Nguyễn Hồng Hải, Nguyễn Xuân Chính - Tầng cứng trong nhà
đặc biệt trong trường hợp 1/3h, giá trị lực dọc của cao tầng.
vách bé nhất lúc vách nằm ngay dưới tầng cứng.
Nguyên nhân có thể do lực dọc được phân phối bớt ra
các cột biên thông qua tầng cứng.
348
PHÂN TÍCH DAO ĐỘNG CỦA DẦM FGM SANDWICH LÕI XỐP BẰNG TIẾP
CẬN GIẢI TÍCH
VIBRATION ANALYSIS OF FGM SANDWICH BEAM WITH POROUS CORE USING
ANALYTICAL APPROACH
SVTH: Đinh Hữu Pháp, Trần Thị Ly Na, Nguyễn Văn Ngọc
Lớp 20X1B, Khoa Xây dựng DD&CN, Trường đại học bách khoa Đà Nẵng; Email: 110200074@sv1.dut.udn.vn.
GVHD: Đỗ Minh Đức
Khoa Xây dựng DD&CN, Trường đại học bách khoa Đà Nẵng; Email: ducdhbk@gmail.com
Tóm tắt - Báo cáo này trình bày cách tiếp cận giải tích để Abstract – This paper aims to present an analytical solution
phân tích các đặc tính dao động tự do và cưỡng bức dầm to analyze free and forced vibration characteristics of functionally
sandwich có lớp mặt bằng vật liệu có cơ tính biến thiên và lớp lõi graded sandwich beam with a foam core. Material properties of
bằng bột kim loại. Cơ tính vật liệu của hai lớp mặt biến thiên theo the two face layers are assumed to vary according to the power
quy luật hàm lũy thừa trong khi của lớp lõi tuân theo quy luật hàm law rule and those of the core follow the cosine rule so that they
cosin một cách liên tục trên toàn miền của dầm. Nguyên lý are smooth in the whole domain of the beam. Hamilton principle
Hamilton được sử dụng để dẫn ra phương trình cân bằng của is employed to derive the governing equation of motion. After
dầm. Tiếp đó, lời giải giải tích được phát triển để giải phương that, an analytical approach is developed to solve this equation.
trình này. Tính chính xác của lời giải được khẳng định bằng cách The correctness of the solution is verified by a comparison with
so sánh với kết quả nghiên cứu của các tác giả khác cho một số previous authors’ results. Effects of material and geometrical
trường hợp riêng. Ảnh hưởng của các tham số vật liệu, hình học, parameters, and excited loading on the free and forced vibration,
tải trọng kích thích đến các ứng xử động như tần số dao động tự beat and resonance phenomenon are investigated and
do, dao động cưỡng bức, hiện tượng cộng hưởng và hiện tượng discussed in detail.
phách điều hòa được xem xét và bàn luận chi tiết. Key words – fee and forced vibration, analytical solution,
Từ khóa – dao động tự do và cưỡng bức, nghiệm giải tích, functionally graded material, porous material, beat and
vật liệu có cơ tính biến thiên, vật liệu xốp, hiện tượng phách và resonance phenomenon.
hiện tượng cộng hưởng.
1. Đặt vấn đề hơn trong việc tạo ra các kết cấu bằng vật liệu xốp với
Gần đây, khoa học vật liệu đã giới thiệu một lớp vật hình dạng, lỗ rỗng tối ưu [4], hay FGM với cơ tính thay
liệu composite mới, gọi là vật liệu có cơ tính biến thiên - đổi tùy ý [6].
Functionally Graded Materials (FGM) [1]. Nguyên lý chế Vật liệu FGM/xốp/kết hợp giữa chúng là một lựa
tạo chính của loại vật liệu này là kết hợp giữa hai/nhiều chọn hợp lý cho các yêu cầu của kết cấu hiện đại. Nó đã
pha vật liệu khác nhau nhưng sao cho cơ tính của nó thay và đang mở ra nhiều cơ hội cho các ứng dụng trong nhiều
đổi một cách trơn tru từ bề mặt này sang bề mặt khác. ngành công nghiệp như hàng không, ô tô, đóng tàu, xây
Điều này đạt được bằng cách phân tán các hạt vật liệu cấu dựng dân dụng, v.v.[7].
thành FGM theo một quy luật toán học mong muốn một Dầm là kết cấu/cấu kiện chịu lực cơ bản nhất đối với
cách liên tục. Nhờ vậy, FGM có thể loại trừ các nhược công trình. Những kiến thức cơ học về nó có ý nghĩa rất
điểm như hiện tượng tập trung ứng suất, ứng suất dư quan trọng, giúp ích cho việc thiết kế, thí ngiệm, vận
trong khi vẫn sở hữu những đặc tính tốt của vật liệu hành, v.v. một cách hiệu quả. Vì vậy, nghiên cứu các ứng
composite lớp/sandwich composite truyền thống. Ngoài xử cơ học của nó luôn nhận được sự quan tâm và thường
ra, vật liệu này còn có những ưu thế như cường độ cao, đi trước một bước so với giai đoạn ứng dụng. Đối với
chịu được nhiệt độ cũng như sự ăn mòn của môi trường, dầm bằng vật liệu tiên tiến mới như, FGM, xốp, v.v. gần
v.v.. Ý tưởng của vật liệu với cơ tính thay đổi là không đây đã thu hút sự quan tâm rất mạnh mẽ, các công bố mới
mới và đã có nhiều trong tự nhiên như quan sinh học như được xuất bản thường xuyên. Tuy vậy, kết cấu dầm
xương, răng, đậu, tre, tế bào của lá, v.v.. Và nhờ đặc tính sandwich lớp mặt bằng FGM, lõi bằng vật liệu xốp chỉ
này đã phát huy tốt sự chống chịu của sinh vật đối với mới quan tâm gần đây, các công bố còn rất khan hiếm,
môi trường bên ngoài. các hiểu biết về cơ học chưa đầy đủ.
Vật liệu xốp (porous materials) là loại vật liệu có chứa Khi nghiên cứu mô phỏng các bài toán cơ học bằng
lỗ rỗng, nhẹ, có khả năng hấp thụ năng lượng, cách âm, toán học, có nhiều phương pháp khác nhau có thể khai
cách nhiệt tốt. Ở vật liệu xốp, các lỗ rỗng (pores) còn có thác/phát triển như phương pháp giải tích, phương pháp
thể được chế tạo/thiết kế sao cho nó được phân bố với bán giải tích, các phương pháp số với nghiệm xấp xỉ,
một mật độ biến thiên liên tục trong kết cấu tạo nên sự phương pháp của lý thuyết đàn hồi. v.v.. Trong số chúng,
thay đổi liên tục các đặc trưng cơ học của vật liệu. Loại phương pháp giải tích với nghiệm chính xác là một lựa
vật liệu này đáp ứng yêu cầu đối với kết cấu nhẹ, đa chức chọn quan trọng, được các nhà nghiên cứu quan tâm. Lời
năng trong nhiều lĩnh vực như hàng không, giao thông, giải của chúng sẽ rất tin cậy và có thể dùng làm cơ sở
công trình xây dựng, v.v. [2-5]. kiểm chứng cho các phương pháp khác.
Cùng với sự phát triển không ngừng của các kỹ thuật Trong báo cáo này, một lời giải giải tích được phát
và công nghệ vật liệu giúp giá thành chế tạo sản phẩm vật triển để giải bài toán cơ học, từ đó tìm hiểu các đặc tính
liệu FGM/vật liệu xốp ngày càng hợp lý. Chẳng hạn, với dao động tự do và cưỡng bức dầm sandwich có lớp mặt
sự hỗ trợ của công nghệ in 3D đã dễ dàng và chính xác bằng vật liệu có cơ tính biến thiên và lớp lõi bằng bột kim
349
loại. Cơ tính vật liệu của hai lớp mặt biến thiên theo quy cưỡng bức, hiện tượng cộng hưởng và hiện tượng phách
luật hàm lũy thừa trong khi của lớp lõi tuận theo quy luật điều hòa được xem xét và bàn luận chi tiết.
hàm cosin một cách liên tục trên toàn miền của dầm. 2. Cơ sở lý thuyết
Nguyên lý Hamilton được sử dụng để dẫn ra phương trình
Xét dầm sandwich có kết cấu gồm 3 lớp, kích thước hình
cân bằng của dầm. Độ tin cậy của nghiện cứu này được
học (L×h×b), được họa như trên Hình 1. Hai lớp mặt bằng
khẳng định bằng cách so sánh với kết quả nghiên cứu của
vật liệu FGM bao phủ một lõi bằng vật liệu xốp. Hệ trục
các tác giả khác cho một số trường hợp riêng. Ảnh hưởng
tọa độ Oxyz với trục x trùng với mặt trung bình, trục z có
của các tham số vật liệu, hình học, tải trọng kích thích
chiều hướng lên.
đến các ứng xử động như tần số dao động tự do, dao động
qo(x,t)
z Vật liệu FGM z
hf h4 = h/2
x h3
hc o Vật liệu xốp y h
h2
hf h1=-h/2
Vật liệu FGM
L b
(a) kích thước hình học và hệ trục tọa độ (b) mặt cắt
Hình 1: Dầm P-FGM sandwich

Đặc trưng cơ tính vật liệu Trường chuyển vị, biến dạng và định luật Hooke
Phân bố đặc trưng cơ học hữu hiệu cho môđun đàn Lý thuyết dầm Euler – Bernoulli
hồi E
 wo ( x, t )
 (h4  z ) k u ( x, z , t ) = -z
 Ec , z   h3 ; h4   x
 E  z  = (Em  Ec )
(4)
 h4  h3  w( x, z , t ) = wo ( x, t )

  z 
 E  z  = Em 1  e0 cos  , z   h2 ; h3  (1) trong đó t là thời gian, w0 là độ võng tại trục dầm.
  h3  h2  Trường biến dạng:
 ( z  h1 ) k
 E  z  = (Em  Ec )  Ec , z   h1 ; h2  u  2 w0
x =  z (5)
 h2  h1 x x 2
Phân bố đặc trưng trưng cơ học hữu hiệu cho khối
lượng riêng  Định luật Hooke
 (h4  z ) k  2 w0
z   h3 ; h4   x =  x E( z)  E  z  z
  ( z ) = ( m   c )  c (6)
h4  h3 x 2

 Năng lượng trong dầm và nguyên lý Hamilton
 z 
  ( z ) =  m 1  em cos  z   h2 ; h4  (2) a. Biến phân của nội năng do biến dạng của dầm
  h3  h2 

L L
 2 w0
  ( z ) = ( m   c )
( z  h1 ) k
 c z   h1 ; h2 
U =     dxdA    
x x x z
x 2
dxdA
0 A 0 A (7)
 h2  h1 L
 2 w  2 w0 L
 2 w
=   z 2 E  z  20 dAdx =  M x 2 0 dx
ở đây lớp FGM của 2 lớp bề mặt được phối trộn 2 loại 0 A x x 2
0  x
vật liệu khác nhau là ceramic (gốm) và kim loại. Chữ “c” trong đó A là diện tích của tiết diện dầm
là ký hiệu cho ceramic, “m” là cho kim loại. k là hệ số
 2 w0 2w
0.5 h
biểu thị cho sự phối trộn của ceramic và kim loại của
FGM Lớp lõi xốp bằng kim loại với e0 là hệ số rỗng, em
Mx = b 
0.5 h
z 2 E( z)
 x
2
dz = D11 2 2o t
 x
(8)
là hệ số rỗng của khối lượng riêng, em có thể xác định 0.5 h
theo e0: Với D11 = b  z 2 E ( z )dz
em  1  1  e0 0.5 h
(3) b. Biến phân động năng
350
 I 2 2  I 2 4  4 D11 I 0 2
L
K     ( z)(u u  w w)dAdx
0 A
(9) s2 
2 D11
   2  0 (17b)
Thay (4) vào phương trình (9), ta được: Suy ra nghiệm của (15):
 I 2 2  I 2 4  4 D11 I 0 2
k1,2    ;
L
w0 w0
 K =  ( I 0 w0 w0  I 2 )dx (10) 2 D11
0
x x
I 2 2  I 2 4  4 D11 I 0 2
0,5 h 0,5 h k3,4  i  i 
trong đó I 0 = b 
0,5 h
 ( z )dz; I 2 = b 
0,5 h
z 2  ( z )dz 2 D11
Suy ra nghiệm của (14) có dạng:
c. Biến phân của tải trọng (ngoại lực) W  x   C1 sin  x  C2 cos  x  C3 sinh  x  C4 cosh  x (18)
L
 V = -  q w0 dx (11) Các hệ số C1, C2, C3, C4 không đồng thời bằng 0 và
0 được xác định theo điều kiện biên của dầm. Với dầm 2
Phương trình chuyển động của dầm được xây dựng đầu khớp, ta có:
dựa trên nguyên lý Hamilton:  W  0  W  L   0
 2
 W  0   2W  L 
t2
0 =  ( U   V   K )dt   0
t1  x 2 x 2
t2 L
  2 w L
 Sau khi áp đặt 4 điều kiện biên, cho kết quả:
0 =    M x 2 0 dx   q w0 dx 
t1 0   x 0  C2  C3  C4  0

t2 L
 w  w0  C1 sin  L  0
    I 0 w0 w0  I 2 0
x x 
dx
t1 0  Từ đây, ta thu được tần số dao động riêng:
L
  Mx 2
 w  2
m 2 2  m 2 2 
0    w0  q w0  I 0 w0 w0  I 2 20  w0 dx m  D11 /  I 0  I 2 2  , m  1, 2,3... (19)
0
x 2
x  L2  L 
 Mx
2
 w0
2
Tần số dao động cơ bản là tần số nhỏ nhất trong số
  q  I 0 w0  I 2 0 các tần số dao động riêng thu được, với dầm liên kết hai
x 2 x 2
đầu khớp, khi m = 1:
Thự hiện tích phân từng phần, rút gọn và thay Mx từ
phương trình (8) vào sẽ dẫn ra phương trình chuyển động 2  2 
của dầm: cb  1  2
D11 /  I 0  I 2 2  (20)
L  L 
 4 w0  2 w0
D11  q  I 0 w0  I 2 0 (12) Biên độ dao động của dầm có dạng
x 4 x 2
m x
Phân tích dao động riêng W  x   C1 sin (21)
L
Bỏ qua tải trọng q và giả sử nghiệm của phương trình
Dầm chịu lực kích thích: q  0, q=Qsint
(12) có dạng
w0  x, t   W  x  sin t    (13) D11
 4 w0
 I 0 w0  I 2
 2 w0
 Q sin t (22)
x 4
x 2
trong đó  là tần số dao động riêng và W(x) là biên độ
Khai triển Furier:
dao động của dầm.
4Q0 m x
Thay (13) vào (12), ta được: Q sin t   sin sin t ; m=1,3,5,... (23)
m L
 4 w0 2  w0
2
Thay vào phương trình (22)
D11  I   I 0 2 w0  0 (14)
x 4 x 2
2
 4 w0  4 w0 4Q m x
D11  I 0 w0  I 2   0 sin sin t (24)
Đây là phương trình vi phân cấp 4, phương trình đặc x 4
x 2 m L
trưng có dạng: Giả sử nghiệm thứ “m”
D11k 4  I 2 2 k 2  I 0 2  0 (15) m x
Wm  A sin
sin t
Đặt s = k2, phương trình (15) viết lại L
D11 s 2  I 2 2 s  I 0 2  0 (16) Thay vào phương trình (24), ta được
 m   m  m
4
Nghiệm của (16)  
D11 A   sin t.sin  x   I 0  2 A sin  x  sin t
 L   L   L 
 I 2  I 2  4 D11 I 0
2 4 2
s1    2  0 (17a)  m  2
2
 m  4Q  m 
2 D11 I2 A   sin  x  sin t  0 sin  x  sin t
 L   L  m  L 
351
4Q0 được Hung và cộng sự [8], Vo và cộng sự [9] nghiên cứu.
A
 Kết quả số cho một vài dữ liệu phân tích với chỉ số k = 5
 m    2
2
m  I 0  I 2    m   
2
được trình bày trong Bảng 1. Kết quả cho thấy độ chính
  L    xác cao. Một chênh lệch nhỏ của kết quả so với [9] vì các
Nghiệm riêng: tác giả này dùng lý thuyết biến dạng cắt trong khi nghiên
(25) cứu này không xét đến.
4Q0 m x
Wm  sin sin t Tiếp theo, kết quả ba tần số dao dộng đầu tiên cùng
  m    2
2
L
m  I 0  I 2       
2
với dạng dao động của nó được trình bày trên Hình 2. Ta
  L   
nhận thấy dạng 1, 2, 3 ứng với một phần hai bước, một
Nghiệm tổng quát bước và một bước rưỡi sóng.
m x Bảng 1: So sánh kết quả tần số dao động riêng thứ nhất
W0  W0thn  W0r  C1m sin sin mt   m   Wm ̂1 .
L
m x
= C1m sin sin mt   m  (26)
L/h = 5 L/h = 20
L Nguồn hc/hf = hc/hf = hc/hf = hc/hf =
4Q0 m x 1 2 1 2
 sin sin t Nghiên
  m    2
2
L 3.0741 3.4517 3.1149 3.4972
m  I 0  I 2    m   
2
cứu
  L    Bài báo
3.0741 3.4517 3.1149 3.4972
[8]
Giả thiết điều kiện ban đầu của bài toán là tại t = 0 là
Bài báo
w0 = 0 và w0 = 0 trên chiều dài dầm L. Do đó, ta thu được 3.0181 3.3771 3.1111 3.4921
[9]
 m  0

  / m m (27)
Wm  2   2 Fm
 m
Thay vào phương trình (26), xét với dầm liên kết hai
đầu khớp ta xác định được độ võng tại chính giữa nhịp
dầm (x = L/2)
 
 / m  sin m x
w  L / 2, t   Fm  sin  t
 m
 2   2 2 m
 L
 (28)
 1  m x
+Fm  2 sin t  sin
 m   Hình 2: Ba dạng dao động đầu tiên (eo = 0.4, k =
2
 L
1, hc/hf = 8, L/h = 5).
Qm
Với Fm  Ảnh hưởng của hệ số rỗng eo, hệ số mũ k và tỉ số độ
m2  2 dày lớp hc/hf đến tần số dao dộng riêng không thứ nguyên
I0  I2
L2 thứ nhất được tính toán và trình bày trong Bảng 2 và 3,
3. Ví dụ số cũng như được đồ họa một cách trực quan trên các Hình
3 và 4. Các nhận xét (1) tăng eo hoặc k thì tần số tăng; (2)
Trên cơ sở lý thuyết toán học được thiết lập, trong
tăng chiều dày lớp lõi (tăng hc/hf), tần số tăng khi hc/hf bé,
phần này một ví dụ được thực hiện ở dạng số nhằm đạt
sau đó tần số giảm.
hai mục đích. Đầu tiên, nhằm để khẳng định sự đúng đắn
của nghiên cứu, bằng cách so sánh với kết quả của nghiên
cứu này với các công bố của các tác giả khác trước đây.
Sau đó, các ví dụ phân tích tìm hiểu ảnh hưởng của các
tham số đến ứng xử của dầm để có cái nhìn sâu về đặc
tính của kết cấu, giúp khai thác điểm tốt. Vật liệu và
thông số các đặc trưng cơ học: ceramic là alumina - Al2O3
(Ec = 380 GPa, c = 3960 kg/m3) và metal là aluminum -
Al (Em = 70 GPa, c = 2402 kg/m3) - tham khảo [1]. Giá
trị của các đại lượng phân tích được biễu thị dưới dạng
không thứ nguyên như phương trình (29)
100 Embh3 L2 m
wˆ  x, t   w  x, t  ; ˆ i  i (29)
q0 L4 h Em
Kiểm chứng
Dầm nghiên cứu sẽ được hiệu chỉnh về dầm không có Hình 3: Biến thiên của tần số ̂1 theo eo và hc/hf (eo
lỗ rỗng bằng cách cho eo = 0. Đổi vai trò của ceramic và = 0.5, L/h = 20)
metal trong các phương trình (1) và (3). Kiểu dầm này đã
352
Hình 5 đồ họa độ võng không thứ nguyên giữa nhịp tương đương với chu kỳ của lực kích thích (T = 2×/ 
dầm theo thời gian khi dầm chịu lực kích thích với tần số 0.1257 rad/s).
 = 50 (rad/s) cho các trường hợp hệ số rỗng eo khác
nhau. Ta nhận thấy tăng eo, biên độ độ võng tăng vì độ
cứng của dầm giảm. Chu kỳ của độ võng (theo thời gian)
Bảng 2: Giá trị tần số dao động riêng không thứ nguyên thứ nhất ̂1 theo eo và hc/hf (k = 2, L/h = 20).
hc/hf
eo
0 1 2 3 4 5 6 7 8 9 10
0 5.5513 5.4811 5.2884 5.0879 4.9064 4.7474 4.6093 4.4890 4.3836 4.2908 4.2085
0.2 5.5642 5.5309 5.3608 5.1703 4.9925 4.8343 4.6953 4.5732 4.4656 4.3704 4.2855
0.4 5.5720 5.5895 5.4479 5.2712 5.0998 4.9440 4.8051 4.6819 4.5725 4.4750 4.3877
0.6 5.5813 5.6618 5.5587 5.4026 5.2419 5.0914 4.9547 4.8317 4.7214 4.6223 4.5330
0.8 5.5935 5.7610 5.7167 5.5952 5.4552 5.3169 5.1873 5.0681 4.9595 4.8606 4.7706
Bảng 3: Giá trị tần số dao động riêng không thứ nguyên thứ nhất ̂1 theo k và hc/hf (eo = 0.5, L/h = 20).
hc/hf
k
0 1 2 3 4 5 6 7 8 9 10
0 2.8589 2.9289 2.9547 2.9602 2.9585 2.9542 2.9491 2.9439 2.9389 2.9343 2.9300
0.5 4.8838 4.7916 4.6305 4.4730 4.3335 4.2131 4.1094 4.0197 3.9416 3.8731 3.8127
1 5.3374 5.2931 5.1336 4.9592 4.7975 4.6538 4.5276 4.4169 4.3195 4.2331 4.1563
2 5.5764 5.6234 5.4995 5.3319 5.1652 5.0115 4.8733 4.7500 4.6400 4.5416 4.4532
5 5.6316 5.8036 5.7448 5.6051 5.4486 5.2964 5.1552 5.0265 4.9099 4.8044 4.7087
10 5.6028 5.8375 5.8173 5.6970 5.5501 5.4024 5.2628 5.1341 5.0164 4.9092 4.8115
Hình 6: Hiện tượng phách điều hòa (eo = 0.5, k = 2, L/h = 10,
Hình 4: Biến thiên của tần số ̂1 theo k và hc/hf (k = 2, L/h = hc/hf = 8).
20).
Hình 7: Hiện tượng cộng hưởng (eo = 0.5, k = 2, L/h = 10,

hc/hf = 8).
Hình 5: Biến thiên của độ võng giữa nhịp dầm theo t (k = 2, Cuối cùng, nghiên cứu đi khảo sát dầm với các tham
L/h = 10, hc/hf = 8). số eo = 0.5, k = 2, hc/hf = 8, L = 5 (m), L/h = 10. Tần số
353
SVTH Nguyễn Văn Huy, Nguyễn Văn Hoàng; GVHD: ThS Nguyễn Tấn Hưng
dao động riêng thứ nhất của dầm 1 = 470.5857 (rad/s). Tài liệu tham khảo
Hình 6 và Hình 7 lần lượt biểu diễn độ võng không thứ [1] F. Ebrahimi, Advances in functionally graded materials and
nguyên giữa nhịp dầm theo thời gian khi tần số lực kích structures. BoD–Books on Demand, 2016.
thích   0.9 1 = 423 rad/s và   0.98 1 = 461 (rad/s). [2] J. Banhart, "Manufacture, characterisation and application of
cellular metals and metal foams," Progress in materials science,
Ta nhận thấy rằng hiện tượng phách điều hòa xảy ra vol. 46, no. 6, pp. 559-632, 2001.
khi tần số lực kích thích gần với tần số dao động riêng [3] B. Smith, S. Szyniszewski, J. Hajjar, B. Schafer, and S. Arwade,
(Hình 6) và hiện tượng cộng hưởng xảy ra khi tần số lực "Steel foam for structures: A review of applications, manufacturing
and material properties," Journal of Constructional Steel Research,
kích thích xấp xỉ tần số dao động riêng (Hình 7). Chu kỳ vol. 71, pp. 1-10, 2012.
phách điều hòa Tđh = 2/( - 1)  0.1337 (s) như thể [4] A. A. Gokhale, N. E. Prasad, and B. Basu, Light Weighting for
hiện trên Hình 6. Điều này phản ảnh đúng bản chất dao Defense, Aerospace, and Transportation. Springer, 2019.
động cơ học của một hệ kết cấu. [5] F. García-Moreno, "Commercial applications of metal foams:
Their properties and production," Materials, vol. 9, no. 2, p. 85,
4. Kết luận 2016.
Bài báo đã trình bày một lời giải giải tích cho bài toán [6] B. Saleh et al., "30 Years of functionally graded materials: An
overview of manufacturing methods, Applications and Future
cơ học đối với vấn đề dao động tự do và cưỡng bức của Challenges," Composites Part B: Engineering, vol. 201, p. 108376,
dầm sandwich lõi xốp và hai lớp mặt bằng vật liệu FGM. 2020.
Cơ tính hữu hiệu của vật liệu lớp mặt được giả thiết thay [7] V. Birman and G. A. Kardomateas, "Review of current trends in
đổi theo quy luật hàm lũy thừa trong khi cơ tính của lớp research and applications of sandwich structures," Composites Part
lõi thay đổi theo quy luật hàm cosin. Độ tin cậy của B: Engineering, vol. 142, pp. 221-240, 2018.
[8] D. X. Hung and H. Q. Truong, "Free vibration analysis of sandwich
phương pháp phát triển được đánh giá bằng sự so sánh beams with FG porous core and FGM faces resting on Winkler
với nghiên cứu của các tác giả khác. Ảnh hưởng của các elastic foundation by various shear deformation theories," Journal
tham số hệ số rỗng (eo), hệ số lũy thừa (k) và tỉ số độ dày of Science Technology in Civil Engineering -NUCE, vol. 12, no. 3,
lớp (hc/hf) đến tần số dao động riêng được khảo sát. Sau pp. 23-33, 2018.
cùng, độ võng động, hiện tượng phách điều hòa và hiện [9] T. P. Vo, H.-T. Thai, T.-K. Nguyen, A. Maheri, and J. Lee, "Finite
element model for vibration and buckling of functionally graded
tượng cộng hưởng của dầm khi chịu lực kích thích tuần sandwich beams based on a refined shear deformation theory,"
hoàn được minh họa. Kết quả nghiên cứu cho thấy khả Engineering Structures, vol. 64, pp. 12-22, 2014.
năng giải bài toán mô phỏng hiện tượng cơ học của
phương pháp giải tích, cũng như có các hiểu biết sâu về
các ứng xử động học của dầm sandwich lõi xốp.
354
ÑAÏI HOÏC ÑAØ NAÜNG
TRÖÔØNG ÑAÏI HOÏC BAÙCH KHOA
THEUNIVERSITYOFDANANG-UNIVERSITYOFSCIENCEANDTECHNOLOGY
KỶ YẾU HỘI NGHỊ

Sinh viên
Nghiên cứu khoa học
NĂM 2023
NhÀ XUẤT BẢN ĐÀ NẴNG

Số 03 - Đường 30 tháng 4 - Quận Hải Châu - Thành phố Đà Nẵng
ĐT: (0236) 3797814 - 3797823 * Fax: (0236) 3797875
www.nxbdanang.vn
Chịu trách nhiệm xuất bản:
Giám đốc NGUYỄN THÀNH
Chịu trách nhiệm nội dung:
Tổng biên tập NGUYỄN KIM HUY
Biên tập:
VŨ THỊ TƯƠI
Thiết kế mỹ thuật:
CÔNG TY TNHH IN ẤN - QC & TM THÀNH TÍN
Bìa:
NGÔ VĂN THÀNH
Sửa bản in:
TRẦN THỊ TUYẾT TRANG
Thực hiện liên kết xuất bản:

Trường Đại học Bách Khoa Đà Nẵng
54 Nguyễn Lương Bằng - Thành phố Đà Nẵng
In 350 cuốn, khổ 21x30cm. Tại Công ty TNHH In Ấn - QC&TM Thành Tín
Địa chỉ: 12 Nguyễn Phi Khanh, Quận Thanh Khê, Thành phố Đà Nẵng
Số ĐKXB: 32-2021/CXBIPH/2-01/ĐaN
Số QĐXB: 05/QĐ-NXBĐaN Nhà xuất bản Đà Nẵng, cấp ngày 11/ 01/2021
Mã ISBN: 978-604-84-5581-1
In xong nộp lưu chiểu quý 01 năm 2022
THE UNIVERSITY OF DANANG
UNIVERSITY OF SCIENCE AND TECHNOLOGY
Add: 54 Nguyen Luong Bang, Danang, Vietnam

Tel: (84) 236 3841292; Fax: (84) 236 3842 771
Website: http://www.dut.udn.vn /
Email: khcnhtqt.dhbk@dut.udn.vn

Ky Yeu SV NCKH - nh2022-2023

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Ky Yeu SV NCKH - nh2022-2023

Uploaded by

Copyright:

Available Formats

ÑAÏI HOÏC ÑAØ NAÜNG

TRÖÔØNG ÑAÏI HOÏC BAÙCH KHOA

KỶ YẾU HỘI NGHỊ

Nguyễn Thiện Chí, Hoàng Anh Huy

Lê Đình Nhiệm, Nguyễn Quốc Khánh

Nguyễn Đức Phúc, Trương Hoàng Quân

Đào Duy Ngữ, Lê Văn Thiện

Bùi Hữu Nghĩa, Lý Thị Hằng Nga

Lê Mạnh Khôi, Trần Nhật Hào, Lê Ngọc Thành

Nguyễn Thị Thu Phương

Nguyễn Thị Phượng, Nguyễn Viết Sỹ

Nguyễn Tuấn Vượng

Hoàng Tú Uyên, Nguyễn Thị Kỳ Duyên

Phan Thị Hoài Giang, Nguyễn Nhật Nam, Võ Thị Khánh Vy

La Ngọc Trường, Trần Võ Thảo Thạch

Nguyễn Văn Biên, Hoàng Nhật Linh

Nguyen Dinh Huy, Nguyen Le Anh Minh

Trần Chí Công

Phan Văn Sang

Nguyễn Triệu Nhân, Ngô Hữu Toán, Hoàng Lê Anh Tuyến

1. Đặt vấn đề 2.3. Phương án thiết kế

3. Kết quả đạt được

Hình 3.3 Ảnh toàn máy sau khi gia công

Tài liệu tham khảo

Hình 1. (2) Gói bột cà phê và màng bao dùng

Hình 3. Cơ cấu định lượng bằng thể tích.

Hình 8. Cơ cấu kéo bao

Hình 10. Sơ đồ grafcet của máy

Hình 14. Sơ đồ kết nối của máy

Hình 11. Sơ đồ grafcet độc lập của động cơ M1

Hình 12 biểu đồ trạng thái của máy

Hình 3. Sơ đồ quá trình đùn nhựa

Hình 1. Cấu tạo sơ bộ máy đùn trục vít đơn [12]

Hình 6. Thiết kế khâu đùn nhựa

Hình 10. Bản vẽ 3D của khâu dẫn hướng

Hình 9. Hình chiếu bằng khâu định hình và làm mát

Hình 14. Một sơ đồ mạch điện điều khiển động cơ

Hình 13. Một sơ đồ mạch điện trung tâm

THIẾT KẾ MÁY ĐÓNG GÓI SẢN PHẨM DẠNG NẰM NGANG

Hình 3. Một số sản phẩm được đóng gói (Nguồn:

Hình 9. Kết quả mô phỏng tần số riêng của khung

Chọn động cơ có kí hiệu: SGM7J-01A7D61, 𝑃𝑑𝑐 =

Hình 13. Cụm cơ cấu kéo bào và hàn dọc bao

Tài liệu tham khảo

Hình 4. Máy cắt ống Plasma 3 trục [20]

Hình 9. Kết quả mô phỏng biến dạng của con lăn

2.1.4. Tính toán cụm vít me trượt

Hình 10. Cụm vít me trượt và gối đỡ

𝑑2 ≥ 4,93 (𝑚𝑚) 2.1.6. Thiết kế tính toán bộ truyền động trục X

Hình 14. Kết cấu bộ truyền trục X

Hình 16. Kết cấu cụm mâm sau

Hình 17. Momen cản trên trục quay mâm sau

Hình 7: Sơ đồ phân phối điện trong cụm máy.

Hình 10: Biểu đồ kết quả huấn luyện.

Tài liệu tham khảo

MÔ PHỎNG VÀ THỰC NGHIỆM SẢN XUẤT SYNGAS TỪ KHÍ HÓA RDF

Từ các quan hệ này chúng ta xây đựng được các

1 Trong tính toán mô phỏng, chúng ta chọn trước giá trị

Thiết bị thí nghiệm được trình bày trên hình 3. Lò ga

Nắp lò khí hóa

Hình 3: Hệ thống thực nghiệm lò khí hóa RDF

CO, CO2, CH4, H2 (%Wt)

CO, CO2, CH4, H2 (%Wt)