Bối cảnh và vấn đề nghiên cứu

Trong các hệ thống tự động hóa công nghiệp hiện đại, bộ điều khiển lập trình (PLC - Programmable Logic Controller) đóng vai trò trung tâm trong việc điều khiển tuần tự, đồng bộ và xử lý các thuật toán điều khiển từ đơn giản đến phức tạp như PID, Fuzzy Logic hay mạng nơ-ron. Cùng với PLC, động cơ điện xoay chiều là cơ cấu chấp hành phổ biến nhất trong các dây chuyền sản xuất. Sự cố phát sinh trên động cơ nếu không được phát hiện và xử lý kịp thời sẽ gây tiêu hao năng lượng, làm giảm tuổi thọ thiết bị và dẫn đến việc gián đoạn toàn bộ quá trình sản xuất. Do đó, việc nghiên cứu các giải pháp phát hiện, chẩn đoán sớm và cảnh báo lỗi thời gian thực cho hệ thống điều khiển tốc độ động cơ là một yêu cầu kỹ thuật cấp thiết.

Đồ án tốt nghiệp "Chẩn đoán lỗi cho hệ thống điều khiển tốc độ động cơ" của sinh viên Cao Văn Tầng và Lê Minh Tuấn (Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh) xác định các mục tiêu và nhiệm vụ nghiên cứu cụ thể như sau:

  1. Điều khiển ổn định tốc độ cho động cơ thông qua giao thức Modbus RTU.
  2. Chẩn đoán lỗi đặc tính của hệ thống nhờ vào truy xuất mã lỗi của nhà sản xuất và hiển thị lên giao diện điều khiển.
  3. Chẩn đoán lỗi của hệ thống dựa vào cấu trúc mạng nơ-ron tích chập (CNN) và hiển thị lỗi lên giao diện điều khiển hệ thống.
  4. Thiết kế giao diện điều khiển, hiển thị dữ liệu, phát cảnh báo lỗi bằng giọng nói và hộp thoại (MessageBox), thực hiện chẩn đoán lỗi và lưu lại lịch sử lỗi.

Nội dung nghiên cứu của đề tài được triển khai qua 11 nhiệm vụ:

  • Nhiệm vụ 1: Tổng quan lý thuyết về PLC.
  • Nhiệm vụ 2: Tổng quan lý thuyết về bộ điều khiển PID và ứng dụng.
  • Nhiệm vụ 3: Nghiên cứu giao thức Modbus RTU và ứng dụng truyền thông công nghiệp.
  • Nhiệm vụ 4: Nghiên cứu cấu trúc mạng nơ-ron tích chập (CNN) và ứng dụng chẩn đoán.
  • Nhiệm vụ 5: Thiết kế và tích hợp hệ thống phần cứng, phần mềm.
  • Nhiệm vụ 6: Lập trình điều khiển ổn định tốc độ động cơ bằng thuật toán PID qua Modbus RTU.
  • Nhiệm vụ 7: Thiết kế mạch giả lập lỗi phần cứng, thu thập dữ liệu vận hành động cơ từ TIA Portal thông qua chức năng Table View trong WinCC Runtime.
  • Nhiệm vụ 8: Xây dựng kiến trúc mô hình CNN, huấn luyện dữ liệu và thực hiện chẩn đoán lỗi.
  • Nhiệm vụ 9: Xây dựng giao diện phần mềm điều khiển và giám sát dữ liệu hệ thống trên máy tính.
  • Nhiệm vụ 10: Xây dựng module truy xuất mã lỗi phần cứng, hiển thị cảnh báo và lưu trữ lịch sử lỗi.
  • Nhiệm vụ 11: Đánh giá kết quả thực nghiệm và đề xuất hướng phát triển.

Đối tượng nghiên cứu của đồ án là hệ thống điều khiển tốc độ động cơ không đồng bộ 3 pha sử dụng biến tần kết hợp PLC Siemens S7-1200 và mô hình học sâu 1D-CNN. Phạm vi không gian nghiên cứu được thực hiện trên mô hình thực nghiệm tại Khoa Đào tạo Chất lượng cao, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh trong thời gian từ tháng 02/2022 đến tháng 08/2022. Giới hạn của đề tài là hệ thống mới chỉ tiến hành giả lập một số dạng lỗi đặc trưng thông qua tải trở phụ trợ, chưa bao quát được toàn bộ các dạng hư hỏng cơ khí và điện phức tạp trong thực tế vận hành công nghiệp.

Cơ sở lý thuyết và phương pháp

Đồ án xây dựng trên nền tảng tích hợp giữa lý thuyết điều khiển tự động cổ điển, kỹ thuật truyền thông công nghiệp và mô hình học sâu:

  • Bộ điều khiển khả trình PLC và giải thuật PID: Tác giả sử dụng nguyên lý xử lý logic và điều khiển liên tục của PLC. Thuật toán điều khiển vi tích phân tỉ lệ (PID) được triển khai theo mô hình vòng kín với phương trình toán học tổng quát: $$MV(t) = P_{out} + I_{out} + D_{out} = K_p \cdot e(t) + K_i \int_0^t e(t) dt + K_d \frac{de(t)}{dt}$$ Trong đó, $K_p$ cải thiện thời gian đáp ứng, $K_i$ triệt tiêu sai số xác lập và $K_d$ giảm độ vọt lố. Trên môi trường TIA Portal, thuật toán được hiện thực hóa thông qua khối chức năng PID_Compact chạy trong khối ngắt chu kỳ OB30.

  • Giao thức truyền thông Modbus RTU và chuẩn vật lý RS485: Mô hình truyền thông hoạt động theo cơ chế Master-Slave trên đường truyền vật lý cân bằng 2 dây vi sai half-duplex (chênh lệch điện áp $U_{ab} > +200mV$ tương ứng mức logic 1, $U_{ab} < -200mV$ tương ứng mức logic 0; dải điện áp chịu đựng từ -7V đến +12V, có gắn trở đầu cuối $R_T$). Master là PLC Siemens S7-1200, truyền nhận dữ liệu với 2 thiết bị Slave gồm biến tần PowerFlex 525 và đồng hồ đo đa năng DM6200H Meter.

  • Cấu trúc mạng nơ-ron tích chập (1D-CNN) và các hàm kích hoạt: Đồ án phân tích các lớp cơ bản của mạng CNN bao gồm Convolutional Layer (với các tham số filter, kernel size, stride, padding), Pooling Layer (Max Pooling), Flatten Layer và Fully Connected Layer. Văn bản khảo sát 5 hàm kích hoạt: Sigmoid, Tanh, ReLU, Softmax và Swish. Nhóm tác giả lựa chọn:

    • Hàm ReLU ($f(x) = \max(0, x)$) cho các lớp ẩn nhờ tốc độ hội tụ nhanh hơn Tanh gấp 6 lần và tối ưu hóa chi phí tính toán.
    • Hàm Softmax ($\text{Softmax}(z_i) = \frac{e^{z_i}}{\sum_j e^{z_j}}$) tại lớp ngõ ra để chuyển đổi vector đặc trưng thành phân phối xác suất cho bài toán phân loại đa lớp.
                    MÔ HÌNH PHẦN CỨNG THỰC NGHIỆM

Phương pháp nghiên cứu thực nghiệm được tiến hành qua các bước:

  1. Thiết kế mạch phần cứng giả lập lỗi: Sử dụng 6 relay trung gian điều khiển đóng/ngắt các nhánh điện trở nhôm công suất (3 điện trở $10\Omega - 100\text{W}$ và 3 điện trở $20\Omega - 100\text{W}$) ghép song song vào 3 pha của động cơ để tạo ra 7 chế độ lỗi tải mất cân bằng và suy hao pha (ký hiệu F1 đến F7).
  2. Thu thập dữ liệu: Sử dụng đồng hồ đo đa năng Schneider DM6200H Meter và biến dòng Himel HLMKP63030 để đo lường 6 biến trạng thái gồm: 3 điện áp dây ($V_{12}, V_{23}, V_{31}$) và 3 dòng điện pha ($A_1, A_2, A_3$). Dữ liệu được PLC đọc về qua Modbus RTU và trích xuất qua Table View trong WinCC Runtime tại các điểm đặt tần số (như setpoint = 30Hz).
  3. Huấn luyện và đánh giá mô hình: Dữ liệu sau thu thập được chuẩn hóa, đưa vào mạng 1D-CNN xây dựng trên nền tảng Python (Visual Studio Code) để huấn luyện, kiểm tra độ chính xác (Accuracy) và hàm mất mát (Loss) trước khi nhúng vào luồng nhận dạng thời gian thực.

Thiết kế và triển khai

Hệ thống được thiết kế hoàn chỉnh bao gồm khối phần cứng công nghiệp và khối phần mềm giám sát, chẩn đoán.

Tên thiết bị / Phần cứng Mã sản phẩm / Thông số kỹ thuật chính Vai trò trong hệ thống
Aptomat (MCB) LS BKN 2P 32A, dòng cắt 6kA, tiêu chuẩn IEC 60898 Đóng cắt nguồn, bảo vệ quá tải và ngắn mạch
Bộ chuyển đổi nguồn Omron S82K-05024, Input 100–240VAC, Output 24VDC - 50W Cấp nguồn một chiều 24VDC cho PLC và relay
Bộ điều khiển PLC Siemens SIMATIC S7-1200 CPU 1215C DC/DC/DC (6ES7215-1AG40-0XB0) Điều khiển trung tâm, thực thi thuật toán PID
Module truyền thông Siemens CM 1241 RS422/485 (6ES7241-1CH32-0XB0) Đóng vai trò Modbus Master giao tiếp RS485
Biến tần Rockwell PowerFlex 525 (25B-A4B8N104 Series A) Điều khiển tần số nguồn cấp cho động cơ
Động cơ điện 3 pha Siemens Motor 1LA7073-4AB10 Cơ cấu chấp hành quay điều khiển tốc độ
Đồng hồ đo đa năng Schneider Electric DM6200H Meter, hỗ trợ cổng RS485 Đo lường điện áp ($V_{12}, V_{23}, V_{31}$) và dòng điện
Biến dòng (CT) Himel HLMKP63030 (dải đo tương thích 1A/5A) Cảm biến chuyển đổi dòng điện phục vụ đồng hồ đo
Bộ điện trở tải giả lập 3 điện trở $10\Omega - 100\text{W}$, 3 điện trở $20\Omega - 100\text{W}$ (vỏ nhôm) Tạo tải mất cân bằng trên 3 pha để giả lập lỗi
Relay trung gian Omron 24VDC, 8 chân dẹp, đế SM2S-05D, tiếp điểm 10A Đóng ngắt các nhánh điện trở theo lệnh giả lập
Nút nhấn điều khiển LA38-11 (2 nút chạy/dừng, 7 nút chọn lỗi, 1 nút reset) Thao tác vận hành và kích hoạt lỗi thực nghiệm

Về cấu trúc phần mềm và triển khai thuật toán:

  • Chương trình PLC (TIA Portal V16): Xây dựng khối ngắt chu kỳ OB30 để tính toán vòng lặp kín PID_Compact. Tín hiệu phản hồi tốc độ/tần số và lệnh điều khiển được đồng bộ liên tục với biến tần qua khối hàm Modbus Master. Khối tổ chức OB82 được khai báo để phát hiện và xử lý các ngắt sự cố phần cứng, lỗi mất nguồn của module mở rộng.
  • Phần mềm giám sát và AI (Visual Studio Code / Python): Được lập trình theo kiến trúc đa luồng (Multi-threading) bao gồm:
    • Luồng giao tiếp mạng: Kết nối Ethernet với PLC S7-1200 để đọc/ghi các giá trị tag điều khiển và biến trạng thái.
    • Luồng nhận dạng CNN: Đọc dữ liệu 6 kênh điện áp/dòng điện theo thời gian thực, đưa qua mô hình 1D-CNN đã tối ưu để phân loại trạng thái hoạt động.
    • Luồng giao diện người dùng (GUI): Hiển thị bảng điều khiển, nút nhấn Run/Stop, chọn tần số đặt, đồ thị giám sát trực quan, hiển thị mã lỗi phần cứng từ nhà sản xuất, hiển thị kết quả chẩn đoán lỗi động cơ, kích hoạt cảnh báo giọng nói (Voice), cửa sổ thông báo (MessageBox) và ghi log lịch sử lỗi vào cơ sở dữ liệu.

Nội dung chính theo từng chương

Chương 1: Tổng quan đề tài

Chương 1 thiết lập tính cấp thiết của đề tài xuất phát từ vai trò của PLC và yêu cầu chẩn đoán sớm hư hỏng động cơ trong công nghiệp. Tác giả xác định 4 mục tiêu nghiên cứu trọng tâm, phân chia thành 11 nội dung thực hiện cụ thể. Đồng thời, chương này giới hạn phạm vi nghiên cứu ở việc thực nghiệm trên mô hình giả lập tải trở và trình bày tổng quan cấu trúc 6 chương của báo cáo.

Chương 2: Cơ sở lý thuyết

Chương 2 trình bày có hệ thống các kiến thức nền tảng:

  • Cấu tạo, nguyên lý vận hành và các phương thức điều khiển chính của PLC (điều khiển logic, điều khiển liên tục, điều khiển tổng thể).
  • Cơ sở toán học của bộ điều khiển PID, chi tiết 3 khâu tỉ lệ ($P_{out}$), tích phân ($I_{out}$), vi phân ($D_{out}$), các dạng cấu trúc PID (chuẩn, Laplace, tương hỗ, rời rạc hóa) và hướng dẫn hiệu chỉnh tham số ($K_p, K_i, K_d$).
  • Giao thức Modbus và Modbus RTU trên chuẩn vật lý RS485 (nguyên lý Master-Slave, cấu trúc gói tin UART, các lớp trong mô hình OSI, thông số điện áp và chống nhiễu).
  • Cấu trúc mạng nơ-ron tích chập 1D-CNN (Convolutional layer, Pooling layer, Fully connected layer), phân tích toán học và so sánh ưu nhược điểm của 5 hàm kích hoạt (Sigmoid, Tanh, ReLU, Softmax, Swish) cùng phương pháp lựa chọn tham số mạng (filter size, pooling size, số lớp tích chập).

Chương 3: Thiết kế và điều khiển

Chương 3 chi tiết hóa toàn bộ quá trình xây dựng hệ thống:

  • Xác định các yêu cầu kỹ thuật phần cứng (điều khiển 2 chiều thuận/nghịch, dải tần 0–50Hz, tích hợp thiết bị đo dòng/áp) và yêu cầu phần mềm.
  • Sơ đồ khối và phân tích chi tiết thông số kỹ thuật của từng thiết bị phần cứng (Aptomat LS, nguồn Omron S82K, PLC S7-1215C, CM 1241, relay Omron, điện trở nhôm, đồng hồ DM6200H, biến dòng Himel, biến tần PowerFlex 525, động cơ Siemens 1LA7).
  • Sơ đồ kết nối mạch động lực, mạch điều khiển, bộ điện trở giả lập lỗi và sơ đồ mạng truyền thông Modbus giữa PLC, biến tần và đồng hồ đo.
  • Thiết kế phần mềm trên TIA Portal V16 (cấu hình khối PID_Compact, cấu hình khối ngắt OB30, cài đặt thông số biến tần) và xây dựng giao diện điều khiển, giám sát đa luồng trên Visual Studio Code (Python).

Chương 4: Chẩn đoán lỗi cho hệ thống

Chương 4 tập trung vào 2 phương pháp chẩn đoán lỗi:

  • Chẩn đoán theo mã lỗi thiết bị: Khai thác các khối hàm hệ thống và thanh ghi truyền thông để phát hiện lỗi mất kết nối biến tần, lỗi ngắt module mở rộng thông qua khối OB82, và các trạng thái cảnh báo trên đồng hồ DM6200H.
  • Chẩn đoán lỗi bằng mạng 1D-CNN: Thiết lập phương pháp giả lập 7 loại lỗi (F1–F7) bằng tổ hợp điện trở nhôm; xây dựng quy trình thu thập tập dữ liệu gồm 6 thông số ($V_{12}, V_{23}, V_{31}, A_1, A_2, A_3$) tại tần số đặt 30Hz; thiết lập kiến trúc mô hình 1D-CNN gồm lớp Convolution 1D (32 filters, kernel size 5, stride 1), Max Pooling 1D (kernel size 2, stride 1), Flatten và Dense (256 nodes, ngõ ra Softmax); thực hiện huấn luyện, kiểm thử và thiết lập lưu đồ giải thuật chẩn đoán lỗi thời gian thực.

Chương 5: Kết quả

Chương 5 công bố các kết quả thực nghiệm đạt được:

  • Kết quả đáp ứng điều khiển ổn định tốc độ của bộ điều khiển PID trên động cơ tại các tần số 10Hz, 30Hz và 50Hz.
  • Kết quả giao diện điều khiển hoàn chỉnh: Màn hình đăng nhập, bảng điều khiển kết nối PLC, màn hình giám sát dữ liệu và bảng theo dõi lịch sử lỗi.
  • Kết quả chẩn đoán lỗi đặc tính thiết bị: Phát hiện chính xác lỗi mất nguồn module analog mở rộng (qua OB82), lỗi biến tần mất nguồn đột ngột (F004) và lỗi biến tần mất kết nối Modbus với PLC (F081).
  • Kết quả nhận dạng 7 dạng lỗi giả lập động cơ (F1 đến F7): Hiển thị trạng thái lỗi chính xác trên giao diện người dùng đồng thời kích hoạt cảnh báo qua cửa sổ thông báo MessageBox và âm thanh giọng nói (Voice).

Chương 6: Kết luận và hướng phát triển

Chương 6 tổng kết toàn bộ mức độ hoàn thành nhiệm vụ theo mục tiêu ban đầu, khẳng định khả năng ứng dụng thực tế của mô hình kết hợp giữa PLC, Modbus và CNN; đồng thời đề xuất hướng nghiên cứu mở rộng danh mục lỗi thực tế và nâng cao quy mô hệ thống.

Kết quả và đóng góp

Đồ án ghi nhận các kết quả thực nghiệm cụ thể và đóng góp kỹ thuật như sau:

Hạng mục thực nghiệm Kết quả cụ thể đạt được Minh chứng trong văn bản
Điều khiển vòng kín PID Điều khiển ổn định tốc độ động cơ theo dải tần 0–50Hz; kiểm tra đáp ứng bám tốt tại các mốc 10Hz, 30Hz và 50Hz Đồ thị đáp ứng PID không vọt lố, xác lập ổn định
Truyền thông công nghiệp Thiết lập mạng Modbus RTU qua module CM 1241 đọc/ghi thành công dữ liệu từ biến tần PowerFlex 525 và đồng hồ DM6200H Đọc liên tục 6 thông số điện trường không xảy ra xung đột bus
Chẩn đoán lỗi thiết bị Bắt chính xác mã lỗi phần cứng từ nhà sản xuất: Lỗi mất điện đột ngột biến tần (F004), lỗi mất kết nối PLC - biến tần (F081), lỗi module analog (OB82) Hiển thị mã lỗi trực tiếp lên giao diện giám sát
Chẩn đoán lỗi bằng CNN Phân loại chính xác 7 trạng thái lỗi tải giả lập trên động cơ ($F_1$ đến $F_7$) dựa trên 6 vector đặc trưng dòng/áp Đồ thị đáp ứng Loss/Accuracy hội tụ tốt; phân loại thời gian thực
Giao diện & Cảnh báo Xây dựng GUI đa luồng bằng Python: Đăng nhập bảo mật, điều khiển hệ thống, phát cảnh báo kép (Voice + MessageBox), lưu log lịch sử Hình ảnh thực nghiệm cảnh báo lỗi $F_1 \rightarrow F_7$ bằng Voice và MessageBox

Đóng góp của đề tài thể hiện ở việc kết hợp thành công công nghệ trí tuệ nhân tạo (mạng nơ-ron tích chập 1D-CNN) với hệ thống điều khiển tự động hóa truyền thống (PLC S7-1200 và giao thức Modbus RTU). Đề tài đưa ra giải pháp chẩn đoán lỗi động cơ không xâm lấn dựa trên phân tích đặc tính biến thiên của dòng điện và điện áp đa kênh, cung cấp cơ chế cảnh báo kép trực quan giúp người vận hành nắm bắt sự cố và xử lý nhanh chóng.

Hạn chế và hướng nghiên cứu tiếp

Theo công bố của nhóm tác giả trong báo cáo:

  • Hạn chế: Hệ thống mới chỉ thực hiện giả lập được 7 chế độ lỗi mất cân bằng tải dựa trên các nhánh điện trở phụ trợ, chưa mô phỏng và bao quát được đầy đủ các dạng hư hỏng cơ khí thực tế như mòn ổ bi, lệch trục động cơ, quá nhiệt cuộn dây stator hay ngắn mạch cục bộ từng vòng dây.
  • Hướng phát triển:
    1. Mở rộng dải lỗi giả lập sát với thực tế vận hành công nghiệp.
    2. Bổ sung các cảm biến đo lường nâng cao (như cảm biến độ rung, cảm biến nhiệt độ) nhằm làm giàu tập dữ liệu đầu vào cho mô hình học sâu.
    3. Nâng cao quy mô thử nghiệm trên các hệ thống truyền động công suất lớn hơn.

Giá trị tham khảo

Đồ án là tài liệu tham khảo kỹ thuật hữu ích cho sinh viên, giảng viên và kỹ sư thuộc các chuyên ngành Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử, Kỹ thuật Điện - Điện tử:

  • Về mặt điều khiển & truyền thông: Cung cấp tài liệu cấu hình thực tế cho bài toán truyền thông Modbus RTU giữa PLC Siemens S7-1200 (qua CM 1241) với biến tần Rockwell PowerFlex 525 và đồng hồ Schneider DM6200H; tài liệu cài đặt khối PID_Compact trong TIA Portal V16.
  • Về mặt ứng dụng AI trong tự động hóa: Cung cấp phương pháp thu thập dữ liệu công nghiệp qua WinCC Runtime Table View, cấu trúc mạng 1D-CNN xử lý dữ liệu chuỗi cảm biến, và giải pháp lập trình Python đa luồng tích hợp cảnh báo âm thanh với PLC.

Câu hỏi thường gặp

1. Hệ thống sử dụng giao thức và chuẩn vật lý nào để kết nối PLC với các thiết bị hiện trường?
Hệ thống sử dụng giao thức Modbus RTU (Master-Slave) trên nền chuẩn truyền thông nối tiếp vi sai RS485 half-duplex thông qua module truyền thông Siemens CM 1241 gắn kèm PLC S7-1200.

2. Mô hình học sâu dùng để chẩn đoán lỗi động cơ có cấu trúc như thế nào và nhận những đầu vào gì?
Đề tài sử dụng mạng nơ-ron tích chập 1 chiều (1D-CNN) gồm: 1 lớp Convolution 1D (32 filters, kernel size 5, stride 1), 1 lớp Max Pooling (kernel size 2, stride 1), lớp Flatten và 1 lớp Fully Connected (256 nút, ẩn dùng ReLU, ngõ ra dùng Softmax). Đầu vào của mạng là vector 6 chiều gồm 3 điện áp dây ($V_{12}, V_{23}, V_{31}$) và 3 dòng điện pha ($A_1, A_2, A_3$).

3. Các lỗi phần cứng của thiết bị được hệ thống phát hiện gồm những mã lỗi nào?
Hệ thống phát hiện lỗi mất nguồn của module analog mở rộng (thông qua khối ngắt tổ chức OB82), lỗi biến tần mất nguồn đột ngột (mã lỗi F004) và lỗi biến tần mất kết nối truyền thông với PLC (mã lỗi F081).

4. Dữ liệu huấn luyện mô hình CNN được tạo ra và thu thập bằng cách nào?
Dữ liệu được tạo ra bằng phương pháp giả lập 7 chế độ lỗi tải (F1–F7) thông qua tổ hợp 6 điện trở nhôm ($10\Omega$ và $20\Omega$) đóng ngắt bởi relay trung gian. Các giá trị điện áp và dòng điện được đồng hồ DM6200H đo lường, gửi về PLC qua Modbus RTU và được lưu lại thông qua chức năng Table View trong WinCC Runtime tại điểm đặt tần số 30Hz.

5. Giao diện giám sát trên máy tính được phát triển bằng công cụ gì và có tính năng gì đặc biệt khi xảy ra sự cố?
Giao diện được xây dựng trên Visual Studio Code bằng ngôn ngữ Python với kiến trúc đa luồng. Khi phát hiện sự cố, hệ thống đưa ra cảnh báo kép bằng hộp thoại thông báo (MessageBox) và âm thanh giọng nói (Voice), đồng thời lưu lại thông tin vào lịch sử lỗi.

Kết luận

Đồ án tốt nghiệp "Chẩn đoán lỗi cho hệ thống điều khiển tốc độ động cơ" đã hoàn thành trọn vẹn việc thiết kế và chế tạo mô hình thực nghiệm điều khiển tốc độ động cơ vòng kín sử dụng PLC Siemens S7-1200, biến tần PowerFlex 525 qua mạng Modbus RTU. Nhóm tác giả đã xây dựng thành công giải pháp chẩn đoán lỗi kép: Truy xuất mã lỗi thiết bị công nghiệp kết hợp mô hình học sâu 1D-CNN để phân loại 7 dạng lỗi giả lập dòng/áp với độ chính xác cao. Hệ thống giám sát Python đa luồng hỗ trợ cảnh báo âm thanh và lưu trữ dữ liệu thời gian thực, mang lại giá trị tham khảo thực tiễn cao cho các ứng dụng giám sát và bảo trì dự đoán trong công nghiệp.