LuanVan.vnLuận Văn
Gửi thư

Bearing faults diagnosis in electrical machines based on Few-Shot learning approach and mamba architecture

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhKỹ thuật, xây dựng, môi trường
Tác giảThan Nhu Linh; Truong Gia Bao
Người hướng dẫnPham van Truong
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Nghiên cứu phương pháp chẩn đoán lỗi vòng bi trong máy điện dựa trên học ít mẫu (few-shot learning) kết hợp kiến trúc Mamba và cơ chế attention nhằm cải thiện hiệu quả trong điều kiện dữ liệu hạn chế. Mô hình khai thác đặc trưng từ phổ tín hiệu rung thông qua cơ chế chọn lọc đặc trưng của Mamba, kết hợp với attention để tăng khả năng phân biệt các trạng thái hư hỏng. Hai kiến trúc được đề xuất, trong đó một mô hình sử dụng dữ liệu có giám sát và mô hình còn lại tích hợp thêm học tự giám sát để khai thác dữ liệu không gán nhãn. Thử nghiệm trên các bộ dữ liệu CWRU, HUST Bearing và PU cho thấy mô hình đạt độ chính xác lần lượt 87.52% và 94.72%, vượt trội so với nhiều phương pháp học sâu truyền thống trong điều kiện dữ liệu hạn chế. Kết quả khẳng định tính hiệu quả của phương pháp đề xuất trong chẩn đoán hư hỏng thiết bị, góp phần nâng cao độ tin cậy và hiệu quả bảo trì dự đoán trong công nghiệp.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn kỹ thuật, xây dựng, môi trường · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.

Tải ứng dụng AI Học Thuật

Tư vấn học thuật, luận văn, công bố quốc tế với chuyên gia — miễn phí trên iPhone, iPad và Android.

Download on the App Store Tải trên Google Play