ĐỀ XUẤT PHƯƠNG PHÁP KHỬ NHIỄU TÍN HIỆU RUNG PHỤC VỤ CHO VIỆC CHẨN ĐOÁN LỖI CỦA ĐỘNG CƠ

Tóm tắt

Trong những năm gần đây, học sâu (DL) đã trở thành chìa khóa thành công
trong nhiều ngành sản xuất. Chẩn đoán lỗi động cơ dựa trên dữ liệu rung động là
một trong những ứng dụng học sâu trong mô hình sản xuất hiện đại. Do dữ liệu
rung động rất nhạy cảm với một số tín hiệu nhiễu. Các chuyển động không cần
thiết có thể có tác động tiêu cực đến đầu vào thông tin của cảm biến gia tốc. Đó
là lý do tại sao khử nhiễu của tín hiệu rung được xem là giai đoạn quan trọng đầu
tiên để chẩn đoán lỗi động cơ. Trong bài báo này, một phương pháp mới dựa trên
biến đổi Fast Fourier Transform (FFT) và phân cụm K-mean lần đầu tiên được đề
xuất để cải thiện hiệu quả của chẩn đoán lỗi động cơ. Sau đó, mạng nơron CNN
được áp dụng để phân loại các lỗi của động cơ. Để xác nhận hiệu quả của phương
pháp được đề xuất, bộ dữ liệu mã nguồn mở Case Western Reserve University
(CWRU) được sử dụng để chạy thực nghiệm. Các kết quả thử nghiệm khẳng định
những ưu điểm của phương pháp đề xuất trong việc hỗ trợ chẩn đoán lỗi cho
động cơ khi so sánh với các phương pháp hiện có khác.