Please use this identifier to cite or link to this item:
https://dspace.ctu.edu.vn/jspui/handle/123456789/104390
Title: | CẢI TIẾN HỆ THỐNG NHẬN DẠNG LỖI ĐỘNG CƠ BA PHA DỰA TRÊN TINYML |
Authors: | Nguyễn, Chí Ngôn Nguyễn, Văn khanh NGUYỄN, HOÀNG PHÚ NHÂN NGUYỄN, LÊ KHANG TRƯƠNG PHAN, GIANG SƠN |
Keywords: | KT Điều khiển & Tự Động Hóa |
Issue Date: | May-2023 |
Publisher: | Trường Đại Học Cần Thơ |
Abstract: | Mục tiêu của đề tài là cải thiện độ chính xác của hệ thống nhận dạng lỗi động cơ ba pha sử dụng mạng học sâu nhỏ (TinyML- Tiny Machine learning) dựa vào tiếng ồn phát ra khi hoạt động (tiếng ồn từ động cơ khác) của luận văn tốt nghiệp HK2 năm học 2021-2022. Mô hình TinyML của luận văn này đã triển khai trực tiếp trên vi điều khiển và đã cho khả năng nhận dạng chính xác 72% các lỗi của động cơ dựa vào tiếng ồn hoạt động. Tuy nhiên, trong luận văn trên, tiếng ồn được thu thập bằng một điện thoại thông minh để tạo dữ liệu huấn luyện mạng, trong khi nhận dạng trên vi điều khiển thì tiếng ồn lại thu bằng một micro. Thêm vào đó, dữ liệu này thu thập trong môi trường không có tiếng ồn khác nên chắc chắn kết quả nhận dạng sẽ giảm độ chính xác hơn nữa khi hoạt động ở môi trường có tiếng ồn từ các nguồn âm thanh khác. Trong luận văn này, sẽ có ba giải pháp đề xuất để cải thiện độ chính xác. Thứ nhất, xây dựng mô hình thu âm thanh trực tiếp trên vi điều khiển để hỗ trợ thu thập dữ liệu cho huấn luyện mạng thay vì sử dụng điện thoại di động để thống nhất các nguồn dữ liệu huấn luyện mô hình và nhận dạng thực tế. Thứ hai, nguồn nhiễu (tiếng ồn phát ra từ máy nén khí) được tạo ra song song với tiếng ồn động cơ, để đánh giá mô hình nhận dạng lỗi trước đó và huấn luyện lại mô hình để đánh giá mức độ cải thiện độ chính xác. Cuối cùng, sử dụng thêm ảnh phổ Spectrogram thông thường để đánh giá cải thiện chất lượng nhận dạng lỗi. Kết quả thực nghiệm cho thấy, kiến trúc mạng TinyML đề xuất trước đó khi được huấn luyện với tập dữ liệu thu trực tiếp từ hệ thống nhúng đã cải thiện 23 %, tăng từ 72 % lên 95 %; khi có nguồn nhiễu khác độ chính xác của mô hình mạng trước đó đã giảm 5 %; khi huấn luyện mô hình với dữ liệu thu bao gồm nhiễu đã có thể nhận dạng chính xác lỗi động cơ đến 98 %. Kết quả cho thấy được khả năng áp dụng mô hình nhận dạng lỗi động cơ ba pha trong môi trường hoạt động thực tế là khá cao. Từ khóa: tinyml, ảnh phổ tần số, mô-đun i2s, chẩn đoán lỗi động cơ ba pha. |
URI: | https://dspace.ctu.edu.vn/jspui/handle/123456789/104390 |
Appears in Collections: | Trường Bách khoa |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
_file_ Restricted Access | 34.36 kB | Microsoft Word XML | ||
Your IP: 13.58.203.104 |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.