tailieunhanh - Đề xuất giải pháp chẩn đoán hư hỏng động cơ điện không xâm lấn ứng dụng mạng googlenet

Nghiên cứu này đề xuất một giải pháp ứng mạng học sâu CNN (Convolutional neural network) để nhận dạng một số lỗi thông dụng trên động cơ cảm ứng dựa vào âm thanh vận hành. Dữ liệu âm thanh phát ra từ trên động cơ cảm ứng hai cực 0,37 kW được thu thập trong một số trường hợp như hoạt động bình thường, mất pha, lệch pha và vỡ bạc đạn. | Tạp Chí Khoa Học Giáo Dục Kỹ Thuật Số 66 10 2021 Trường Đại Học Sư Phạm Kỹ Thuật TP. Hồ Chí Minh 83 ĐỀ XUẤT GIẢI PHÁP CHẨN ĐOÁN HƯ HỎNG ĐỘNG CƠ ĐIỆN KHÔNG XÂM LẤN ỨNG DỤNG MẠNG GOOGLENET PROPOSAL OF NONINVASIVE FAILURE DIAGNOSIS OF ELECTRICAL MOTOR USING GOOGLENET Hoàng Văn Tùng1 Nguyễn Văn Khanh2 Nguyễn Chí Ngôn2 1 Trường Đại học Sư phạm Kỹ thuật Vĩnh Long Việt Nam 2 Trường Đại học Cần Thơ Việt Nam Ngày toà soạn nhận bài 24 8 2021 ngày phản biện đánh giá 21 9 2021 ngày chấp nhận đăng 28 9 2021. TÓM TẮT Chẩn lỗi là một công cụ hữu ích trong vận hành giúp giảm rủi ro và chi phí bảo trì hệ thống. Tuy nhiên dữ liệu về hành vi hoạt động danh nghĩa và lỗi của hệ thống thường không được thu thập và lưu trữ một cách đầy đủ gây khó khăn cho việc chẩn đoán cũng như đề xuất các phương pháp xác định lỗi tự động. Nghiên cứu này đề xuất một giải pháp ứng mạng học sâu CNN Convolutional neural network để nhận dạng một số lỗi thông dụng trên động cơ cảm ứng dựa vào âm thanh vận hành. Dữ liệu âm thanh phát ra từ trên động cơ cảm ứng hai cực 0 37 kW được thu thập trong một số trường hợp như hoạt động bình thường mất pha lệch pha và vỡ bạc đạn. Ảnh phổ 2D của chúng được phân tích bằng chuyển đổi Wavelet liên tục được sử dụng để huấn luyện và kiểm tra mạng học sâu CNN GoogLeNet để nhận dạng các lỗi trên. Kết quả thực nghiệm cho thấy phương pháp này phát hiện được các lỗi trên động cơ cảm ứng với độ chính xác lên đến 98 8 . Từ khóa Chẩn lỗi mạng nơ-ron tích chập ảnh phổ 2D wavelet GoogLeNet. ABSTRACT Fault diagnosis is a useful tool that reduces system maintenance risks and costs. However data related to the system s nominal and fault operating behavior is often not collected and stored adequately it is difficult to identify and suggest automated fault detection methods. This study proposes a solution to apply deep learning technique on the convolutional neural network CNN to identify some common errors on induction motors based on operation sound. The opreration sound signal emitted