Khảo sát kỹ thuật học sâu trên bài toán chẩn đoán hư hỏng động cơ điện dựa trên tiếng ồn vận hành

Abstract

Phát hiện sớm sự cố động cơ điện góp phần hạn chế gián đoạn hoạt động sản xuất công nghiệp. Phương pháp đo dùng cảm biến có độ tin cậy cao, song việc lắp đặt mất thời gian và chi phí. Việc xây dựng ứng dụng điện thoại để chẩn đoán sự cố động cơ điện thu hút nhiều nghiên cứu. Bài báo tiến hành khảo sát khả năng chẩn đoán lỗi động cơ điện thông qua nhận diện ảnh phổ tín hiệu âm thanh vận hành dùng mạng neuron học sâu GoogLeNet. Dữ liệu âm thanh được lọc nhiễu, chuẩn hóa biên độ và dựng ảnh phổ bằng phép biến đổi wavelet. Tập ảnh phổ được dùng để huấn luyện và kiểm tra mạng. Mạng GoogLeNet cũng được khảo sát hiệu quả huấn luyện thông qua việc thay đổi các tham số cơ bản. Sau đó, mạng được kiểm tra trên tập dữ liệu độc lập. Kết quả cho thấy mạng nhận diện 3 sự cố thông dụng, gồm mất pha, cọ phim và hỏng bạc đạn, với tỷ lệ chính xác đạt 94,21%. Thí nghiệm cũng cho thấy khả năng phát triển ứng dụng điện thoại là khả thi.

Keywords

• Biến đổi wavelet
• chẩn đoán lỗi động cơ
• mạng GoogLeNet
• mạng neuron tích chập
• phổ ảnh tín hiệu