GIẢI PHÁP PHÁT HIỆN TÌNH TRẠNG BẤT THƯỜNG CỦA ĐỘNG CƠ BA PHA DỰA TRÊN TIẾNG ỒN LÀM VIỆC

Abstract

Đề tài này tập trung vào việc áp dụng mô hình phát hiện tình trạng bất thường của động cơ ba pha dựa trên tiếng ồn vào môi trường thực tế. Trong luận văn tốt nghiệp năm học 2022-2023 [1], đề tài đã triển khai một kiến trúc mạng học sâu nhỏ (TinyML) trực tiếp trên vi điều khiển, đạt đến độ chính xác 95% trong việc nhận diện các lỗi động cơ như mất pha, lệch pha và vỡ bạc đạc. Tuy nhiên, để ứng dụng đề tài vào thực tế, có một số điều cần xem xét. Trong thực tế, các lỗi như mất pha, lệch pha và vỡ bạc đạc thì ít xuất hiện ở các động cơ trong môi trường công nghiệp, do các thợ bảo dưỡng thường thực hiện bảo trì định kỳ hàng tháng để phát hiện và sửa chữa mọi vấn đề, dù nhỏ hay lớn. Hơn nữa, để động cơ phát sinh các lỗi này, hệ thống phải trải qua hỏng hóc nặng và sửa chữa có thể mất rất nhiều thời gian, gây ảnh hưởng đáng kể đến các quy trình sản xuất và lịch trình làm việc trong nhà máy. Trong luận văn này, nhóm sẽ tiếp cận với mục tiêu triển khai mô hình vào thực tế. Đầu tiên, dữ liệu đầu vào của mô hình sẽ là ảnh phổ hai chiều của tiếng ồn từ động cơ, được thu thập từ cả trạng thái âm thanh bình thường và bất thường. Dữ liệu từ các trường hợp mất pha, lệch pha và vỡ bạc đạc của nhóm luận văn đã được đề cập cũng sẽ được sử dụng để kiểm thử độ chính xác của mô hình. Thứ hai, để thực hiện việc quản lý hệ thống và giám sát mô hình theo thời gian thực, nhóm sẽ sử dụng giao thức Modbus TCP/IP để truyền thông giữa PLC S7-1200 và vi điều khiển. Kết quả thử nghiệm cho thấy mô hình triển khai trực tiếp trên vi điều khiển đã có khả năng nhận diện lỗi động cơ với độ chính xác đến 100% với ngưỡng là 99, đồng thời việc truyền thông dữ liệu đến PLC S7-1200 cũng diễn ra chính xác và hiệu quả trên giao diện HMI. Từ khóa: Phát hiện bất thường, mã hóa tự động, máy học nhỏ, ảnh phổ tần số, modbus TCP.