Thiết kế mô hình dựa trên trí tuệ nhân tạo để chẩn đoán lỗi động cơ điện nhằm hỗ trợ ra quyết định bảo trì=Designing an artificial intelligence-based model for electric motor fault diagnosis to support maintenance decision-making

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Si Hung Nguyen Ho, Huy Vu Tran, Tien Luu Manh, Hoang Giang Tran Thi

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng, 2024

Mô tả vật lý: tr.45663

Bộ sưu tập: Metadata

ID: 477811

Thêm vào giỏ

Động cơ đóng vai trò quan trọng trong các hệ thống sản xuất. Tuy nhiên, không phải mọi thứ luôn diễn ra suôn sẻ và hỏng động cơ là một trong những thách thức phổ biến trong quá trình sản xuất. Trục truyền động không thẳng hàng là lỗi động cơ thường gặp do lắp đặt không đúng cách hoặc hư hỏng các bộ phận máy. Nghiên cứu này đề xuất thiết kế một mô hình giám sát và chẩn đoán lỗi cho động cơ DC, bao gồm: (i) bộ điều khiển PID để điều khiển tốc độ động cơ
(ii) bộ thu tín hiệu rung
và (iii) bộ giám sát động cơ thông qua Blynk và xử lý tín hiệu để chẩn đoán lỗi. Trong mô hình, lỗi động cơ được phân loại bằng mạng nơ-ron tích chập (CNN) dựa trên các tín hiệu tương tự đã được chuyển đổi sang miền tần số và khử nhiễu. Kết quả thực nghiệm chứng minh rằng phân loại bằng mạng nơ-ron tích chập có độ chính xác và ổn định cao.Motors play a crucial role in production systems. However, not everything always goes smoothly, and motor failures are one of the common challenges in the production process. Misalignment of the drive shaft is a frequent motor fault caused by improper installation or damage to machine components. This study proposes the design of a monitoring and fault diagnosis model for DC motors, which includes: (i) a PID controller for motor speed control
(ii) a vibration signal acquisition unit
and (iii) a motor monitoring unit via Blynk and signal processing for fault diagnosis. In the model, motor faults are classified using a convolutional neural network (CNN) based on analog signals that have been transformed to the frequency domain and denoised. Experimental results demonstrate that classification using the convolutional neural network is highly accurate and stable.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR