ỨNG DỤNG TINYML TRONG CHUẨN ĐOÁN HƯ HỎNG ĐỘNG CƠ ĐIỆN KHÔNG XÂM LẤN

Abstract

Mục tiêu của đề tài là ứng dụng TinyML (mạng học sâu chạy trên nền tảng hệ thống nhúng) để thiết kế hệ thống chuẩn đoán lỗi động cơ điện một pha bằng phương pháp không tiếp dựa trên tiếng ồn phát ra. Để thực hiện mạng học sâu trên hệ thống nhúng, nó cần được thiết kế và huấn luyện trên máy tính, sau đó sẽ được chuyển đổi sang mạng tương đương. Dữ liệu ngõ vào mạng là ảnh phổ hai chiều của tiếng ồn phát ra từ động cơ trong 4 trường hợp chính là âm thanh bình thường, âm thanh lệch pha, âm thanh mất pha và âm thanh vỡ bạc đạn được tạo và thu âm lại bằng điện thoại thông minh [5]. Ảnh phổ 2D được sử dụng là Spectrogram và Scalogram. Để tìm ra một vi điều khiển phù hợp để chạy thời gian thực, thời gian thực thi của các cấu trúc mạng học sâu và độ chính xác của chúng sẽ được khảo sát trên 3 loại vi điều khiển phổ biến hiện nay là ESP32, ESP32-C3 và Arduino Nano 33 Ble Sense dựa trên ảnh phổ được chuyển đổi từ máy tính. Kết quả thực nghiệm cho thấy mạng mô hình mạng học sâu được đề nghị đã chẩn đoán tốt các lỗi động cơ dựa trên tập dữ liệu âm thanh thu thập được trên cả hai nền tảng máy tính và hệ thống nhúng với độ chính xác cao nhất tương ứng là 99,66% và 99,3%. Đặc biệt khi chạy thời gian thực mô hình mạng trên vi điều khiển cũng đã cho kết quả ban đầu rất ấn tượng, tổng thời gian thực hiện nhận dạng là 1.6 giây với độ chính xác là 72%