Xây dựng hệ thống theo dõi và chẩn đoán trạng thái thiết bị dựa trên học máy
Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Đặng Văn Luận |
| Người hướng dẫn | a |
| Cơ sở đào tạo | Đại học Quốc gia Hà Nội |
| Năm | 2024 |
| Nguồn | Thư viện số Đại học Quốc gia Hà Nội · trang gốc |
Tóm tắt
Việc phát triển từ bảo dưỡng theo chu kỳ thành bảo dưỡng dựa theo tiên đoán đang trở thành một xu thế tất yếu để cắt giảm chi phí cho những nhà máy sản xuất. Quá trình tiến hóa này bao gồm việc xây dựng cơ sở dữ liệu, phát triển mô hình chẩn đoán với sự tham gia của các kỹ thuật xử lý tín hiệu và mô hình học máy hiện đại. Bằng việc đem lại lợi ích lớn về mặt chi phí và nâng cao hiệu suất thiết bị, việc phát triển những mô hình chẩn đoán trạng thái đang thu hút được rất nhiều nguồn lực từ phía các công ty sản xuất, và gia tăng sức hút với cộng đồng nghiên cứu. Một số hướng tiếp cận phổ biến như phân tích thống kê, phân tích đặc trưng hay các kỹ thuật học sâu được công bố rộng rãi với hiệu quả cao nhưng chỉ dành cho những bài toán cụ thể nhất định. Đối với bài toán cụ thể là tìm ra những động cơ bất thường trong quá trình vận hành của thiết bị dựa trên tín hiệu phản hồi được thu thập bằng PLC bao gồm nhiều thành phần nhiễu và yêu cầu một tốc độ ra quyết định nhanh với tài nguyên hạn hẹp vẫn có nhiều mặt hạn chế. Luận văn này đề xuất một mô hình phân tích tín hiệu và chẩn đoán dựa trên học máy bằng cách kết hợp các phép phân tích khác nhau nhằm khắc phục hạn chế của những phướng pháp trên đồng thời nâng cao tính chính xác cho kết quả chẩn đoán. Phương pháp đề xuất giúp tìm ra những động cơ bất thường trước khi phát sinh hỏng hóc với ý tưởng chính là phân tích tín hiệu bằng bộ lọc Butterworth, phân rã loại bỏ nhiễu tần số cao với phép biến đổi wavelet, và kết hợp hai tín hiệu này tại thời điểm động cơ phát sinh gia tốc làm đầu vào cho mô hình học máy Random - Forest. Bằng phương pháp này, mô hình chẩn đoán được tích hợp vào hệ thống theo dõi và giám sát trạng thái thiết bị. Hệ thống được xây dựng dựa trên Django Framework với sự góp mặt của mẫu thiết kế Producer/Consumer và nhiều công nghệ tiên tiến giúp xử lý tín hiệu và đưa ra kết quả kịp thời. Kết quả thực nghiệm cho thấy độ chính xác cao của mô hình, đồng thời hệ thống cũng phát hiện được 2 mẫu động cơ bất thường trong quá trình vận hành. Những kết quả thu được tại hiện trường này cho thấy tiềm năng phát triển và mở rộng của hệ thống trong nội tại nhà máy cũng như trong nghiên cứu ứng dụng.
Bản toàn văn lưu tại thư viện Đại học Quốc gia 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 công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Ưng dụng công nghệ viễn thám, GIS, và học máy trong giám sát và cảnh báo sớm hạn hán khu vực Đồng bằng Sông Cửu Long phục vụ phát triển nông nghiệp bền vững và ứng phó biến đổi khí hậu
- Investigate of interaction of mu-opioid receptor with unbiased and biased ligands using molecular dynamics and machine learning
- Phát triển kỹ thuật học đa tác vụ cho đa biến thể nhãn trong trính xuất thông tin tài liệu khoa học
- Phát hiện mã xấu trong chương trình bằng phương pháp học sâu
- Nghiên cứu phương pháp phát hiện các bản vá lỗ hổng phần mềm dựa trên học sâu
- Cải tiến chất lượng dịch máy dựa vào mạng nơron cho các ngôn ngữ tài nguyên hạn chế
- Nghiên cứu nhận dạng xoáy thuận nhiệt đới hoạt động trên khu vực Biển Đông bằng phương pháp trí tuệ nhân tạo
- Building Online Learning System Integrates Ai To Analyze Abilities And Suggest Learning Content
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.