LuanVan.vnLuận Văn
Gửi thư

ỨNG DỤNG TINYML TRONG CHUẨN ĐOÁN HƯ HỎNG ĐỘNG CƠ ĐIỆN KHÔNG XÂM LẤN

Khoá luận tốt nghiệp · Đại học · năm 2022 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhKỹ thuật, xây dựng, môi trường
Tác giảTrần Vỹ Khang; Thạch Văn Tô Em; Nguyễn Minh Khải
Người hướng dẫnNguyễn Văn Khanh
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2022
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Mục tiêu của đề tài là ứng dụng TinyML (mạng học sâu chạy trên nền tảng hệ thống nhúng) để thiết kế hệ thống chuẩn đoán lỗi động cơ điện một pha bằng phương pháp không tiếp dựa trên tiếng ồn phát ra. Để thực hiện mạng học sâu trên hệ thống nhúng, nó cần được thiết kế và huấn luyện trên máy tính, sau đó sẽ được chuyển đổi sang mạng tương đương. Dữ liệu ngõ vào mạng là ảnh phổ hai chiều của tiếng ồn phát ra từ động cơ trong 4 trường hợp chính là âm thanh bình thường, âm thanh lệch pha, âm thanh mất pha và âm thanh vỡ bạc đạn được tạo và thu âm lại bằng điện thoại thông minh [5]. Ảnh phổ 2D được sử dụng là Spectrogram và Scalogram. Để tìm ra một vi điều khiển phù hợp để chạy thời gian thực, thời gian thực thi của các cấu trúc mạng học sâu và độ chính xác của chúng sẽ được khảo sát trên 3 loại vi điều khiển phổ biến hiện nay là ESP32, ESP32-C3 và Arduino Nano 33 Ble Sense dựa trên ảnh phổ được chuyển đổi từ máy tính. Kết quả thực nghiệm cho thấy mạng mô hình mạng học sâu được đề nghị đã chẩn đoán tốt các lỗi động cơ dựa trên tập dữ liệu âm thanh thu thập được trên cả hai nền tảng máy tính và hệ thống nhúng với độ chính xác cao nhất tương ứng là 99,66% và 99,3%. Đặc biệt khi chạy thời gian thực mô hình mạng trên vi điều khiển cũng đã cho kết quả ban đầu rất ấn tượng, tổng thời gian thực hiện nhận dạng là 1.6 giây với độ chính xác là 72% Lời cảm tạ i Tóm tắt ii Abstract iii Lời cam đoan iv Danh mục hình vii Danh mục bảng ix Danh mục từ viết tắt x Chương 1: Tổng quan đề tài 1 1.1 Đặt vấn đề 1 1.2 Phương pháp xử lý âm thanh 2 1.2.1 Biến đổi Fourier của tín hiệu 2 1.2.2 Ảnh phổ của tín hiệu 3 1.2.3 Phương pháp lọc tín hiệu 4 1.3 Nghiên cứu liên quan 5 1.4 Mục tiêu thực hiện đề tài 5 1.5 Cấu trúc bài báo cáo 6 Chương 2: Cơ sở lý thuyết 7 2.1 Các dòng vi điều khiển 7 2.2 Huấn luyện mạng học sâu 8 2.2.1 Tổng quan về mạng học sâu 8 2.2.2 Tensorflow/Tensorflow lite 9 2.3 Các chỉ tiêu đánh giá kết quả 9 Chương 3: Phương pháp thực hiện 12 3.1 Tổng quan hệ thống 12 3.2 Xử lý tín hiệu âm thanh 13 3.2.1 Xử lý tín hiệu đầu vào 13 3.2.2 Ảnh phổ tần số 13 3.3 Huấn luyện mô hình học sâu 16 3.3.1 Phân chia dữ liệu huấn luyện 16 3.3.2 Thiết kế mạng học sâu 17 3.3.3 Huấn luyện mô hình 21 3.4 Chuyển đổi mô hình sang Tensorflow Lite 22 3.4.1 Mô hình Tensorflow Lite 22 3.4.2 Lượng tử hóa mô hình 22 3.5 Phương pháp so sánh giữa các vi điều khiển 24 3.6 Thiết kế thí nghiệm nhận diện thực tế 24 3.6.1 Thiết kế phần cứng cho hệ thống 24 3.6.2 Thiết kế hộp đựng 25 3.6.3 Chương trình cho vi điều khiển 26 3.6.4 Bố trí thí nghiệm 27 Chương 4: Kết quả và thảo luận 28 4.1 Lọc tín hiệu 28 4.1.1 Lọc trên máy tính 28 4.1.2 Lọc trên vi điều khiển 28 4.2 Chuyển đổi ảnh phổ 30 4.2.1 Vẽ ảnh Spectrogram 30 4.2.2 Vẽ ảnh Scalogram 31 4.3 Kết quả nhận dạng trên máy tính 33 4.4 Kết quả nhận dạng sử dụng TinyML 37 4.5 Kết quả Nhận dạng thời gian thực 43 4.5.1 Kết quả vẽ ảnh phổ Spectrogram trên vi điều khiển 43 4.5.2 Kết quả chạy nhận điện thời gian thực 44 4.6 Thảo luận xung quang đề tài 48 4.6.1 Kết quả đạt được 48 4.6.2 Khó khăn, hạn chế 49 Chương 5: Kết luận và kiến nghị 50 5.1 Kết luận 50 5.2 Kiến nghị 50 Tài liệu tham khảo 51 Phụ lục A 53
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

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.