Chẩn đoán lỗi máy điện quay dựa trên phân tích tín hiệu rung động kết hợp học sâu

Abstract

Đề án với đề tài “Chẩn đoán lỗi máy điện quay dựa trên phân tích tín hiệu rung động kết hợp học sâu” nghiên cứu việc ứng dụng trí tuệ nhân tạo vào chiến lược bảo trì dự đoán (PdM) trong bối cảnh Công nghiệp 4.0. Mục tiêu cốt lõi là thiết kế và triển khai các kiến trúc học sâu nhằm tự động hóa quy trình phát hiện và phân loại sự cố động cơ, giúp giảm thiểu rủi ro dừng máy và tối ưu hóa chi phí vận hành. Về phương pháp luận, nghiên cứu thực hiện tiền xử lý tín hiệu rung động 1D thô bằng kỹ thuật cửa sổ trượt và chuyển đổi sang dạng ảnh phổ 2D (Spectrogram) thông qua phép biến đổi Fourier thời gian ngắn (STFT) hoặc biến đổi Wavelet. Bước chuyển đổi này cho phép các mạng nơ-ron khai thác tối đa năng lực trích xuất đặc trưng không gian đa chiều. Đề án tiến hành so sánh hiệu năng giữa các mô hình học máy truyền thống (SVM, XGBoost) với các kiến trúc học sâu tiên tiến bao gồm CNN (ResNet18, ResNet50, EfficientNet-B0) và Vision Transformer (ViT_b_16)