Nghiên cứu hệ thống thu thập và xử lý dữ liệu nhiệt độ hệ thống lạnh

Thu thập dữ liệu nhiệt độ hệ thống lạnh giúp tối ưu hiệu suất, giảm chi phí. Tìm hiểu giải pháp và lợi ích hệ thống thu thập dữ liệu nhiệt độ.

Chuyên ngành

Kỹ Thuật Nhiệt

Người đăng

Ẩn danh

Thể loại

Đồ Án Tốt Nghiệp
81
3
0

Phí lưu trữ

30 Point

Mục lục chi tiết

TÓM TẮT

DANH MỤC CÁC CHỮ VIẾT TẮT VÀ KÍ HIỆU

DANH MỤC CÁC HÌNH

DANH MỤC CÁC BẢNG

1. CHƯƠNG 1: TỔNG QUAN

1.1. Nêu vấn đề

1.2. Mục tiêu đề tài

1.3. Tình hình nghiên cứu trong và ngoài nước

1.3.1. Tình hình nghiên cứu ngoài nước

1.3.2. Tình hình nghiên cứu trong nước

2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1. Cơ sở tính toán:

2.1.1. Sơ đồ nguyên lý chu trình lạnh 1 cấp

2.1.2. Đồ thị và các công thức tính toán

2.1.3. Các công thức tính toán

2.1.4. Các thông số được sử dụng trong chẩn đoán pan

2.2. Phương pháp nghiên cứu và cơ sở lý thuyết

2.2.1. Quy trình chẩn đoán:

2.3. Cơ sở thiết kế

2.3.1. Phần mềm Visual Studio

2.3.2. Phần mềm Arduino IDE

2.3.3. Phần cứng xử lý trung tâm

2.3.4. Ứng dụng mạch Arduino

2.4. Thiết bị cảm biến thu thập dữ liệu

2.4.1. Cảm biến nhiệt độ DS18B20

2.4.2. Cảm biến áp suất

2.5. Thiết bị hiển thị dữ liệu

3. CHƯƠNG 3: THIẾT KẾ VÀ CHẾ TẠO HỆ THỐNG THU THẬP DỮ LIỆU

3.1. Ý tưởng thiết kế:

3.2. Kiểm tra chất lượng thiết bị đo:

3.2.1. Kiểm tra cảm biến đo nhiệt độ

3.2.2. Kiểm tra cảm biến đo áp suất :

3.3. Chế tạo lắp đặt hệ thống:

3.3.1. Lắp đặt vị trí các cảm biến:

3.4. Chế tạo mạch điện tử:

4. CHƯƠNG 4: KẾT QUẢ THỰC NGHIỆM

4.1. Cảm biến nhiệt độ và áp suất:

4.1.1. Cảm biến nhiệt độ:

4.1.2. Cảm biến áp suất:

4.2. Hệ thống thu thập và xử lý dữ liệu

4.3. Kết quả thực nghiệm

4.4. Một số chẩn đoán của hệ thống

4.5. Đánh giá các kết quả đạt được:

5. CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ

DANH MỤC TÀI LIỆU THAM KHẢO

Phụ lục 1: Code Visual Basic

Phụ lục 2: Code Arduino

Tóm tắt

I. Khám phá Hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh hiện đại

Trong bối cảnh công nghiệp hóa và tự động hóa ngày càng phát triển, hệ thống lạnh đóng vai trò thiết yếu trong nhiều lĩnh vực, từ bảo quản thực phẩm, dược phẩm đến hệ thống điều hòa không khí (HVAC). Để đảm bảo hoạt động bền bỉ, ổn định và hiệu quả, việc giám sát nhiệt độ hệ thống lạnh trở nên cực kỳ quan trọng. Các tiến bộ trong công nghệ đã mang lại những giải pháp tự động hóa tiên tiến, cho phép theo dõi nhiệt độ kho lạnh và các thông số vận hành khác một cách liên tục và chính xác. Mục tiêu chính là chuyển đổi từ việc chỉ phát hiện lỗi khi đã có biểu hiện rõ ràng sang khả năng bảo trì dự đoán hệ thống lạnh, giảm thiểu rủi ro và tối ưu hóa chi phí. Điều này đòi hỏi một hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh thông minh, có khả năng không chỉ ghi nhận mà còn phân tích dữ liệu nhiệt độ để đưa ra các chẩn đoán sớm.

Nghiên cứu về hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh bằng máy tính đang là trọng tâm phát triển. Hiện tại, nhiều hệ thống chỉ dừng lại ở việc chỉ ra lỗi khi chúng đã xảy ra, mà chưa thể dự đoán khi nào hoặc bao lâu sẽ xảy ra lỗi đó (theo Tóm tắt đề tài). Một hệ thống hiệu quả cần tích hợp các cảm biến nhiệt độ công nghiệp hiện đại, bộ ghi dữ liệu nhiệt độ (data logger), và phần mềm quản lý nhiệt độ mạnh mẽ. Các giải pháp này không chỉ giúp đo lường nhiệt độ chính xác mà còn tạo cơ sở cho việc kiểm soát nhiệt độ tự động hiệu quả hơn. Mục đích cuối cùng là đảm bảo chất lượng vận hành, an toàn sản phẩm, và nâng cao hiệu suất năng lượng hệ thống lạnh. Đây là nền tảng vững chắc để phát triển các sáng kiến tiếp theo, hướng tới một tương lai nơi tự động hóa hệ thống lạnh đạt đến đỉnh cao của sự thông minh và tin cậy.

1.1. Tầm quan trọng của giám sát nhiệt độ hệ thống lạnh liên tục

Việc giám sát nhiệt độ hệ thống lạnh liên tục không chỉ là yêu cầu cơ bản mà còn là yếu tố then chốt để duy trì chất lượng sản phẩm và tối ưu hóa hoạt động. Trong các ngành như an toàn thực phẩm và dược phẩm, một sự thay đổi nhỏ về nhiệt độ cũng có thể gây hư hỏng hàng hóa, dẫn đến thiệt hại lớn và rủi ro về sức khỏe cộng đồng. Hệ thống giám sát giúp phát hiện sớm các bất thường, từ đó đưa ra cảnh báo nhiệt độ vượt ngưỡng kịp thời. Điều này cho phép người vận hành thực hiện các biện pháp khắc phục ngay lập tức, ngăn chặn hậu quả nghiêm trọng. Ngoài ra, việc thu thập dữ liệu liên tục còn cung cấp cái nhìn sâu sắc về hiệu suất của hệ thống, hỗ trợ công tác bảo trì và cải thiện hiệu quả hoạt động.

1.2. Mục tiêu chính của hệ thống thu thập dữ liệu tự động

Mục tiêu chính của việc phát triển hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh tự động là vượt qua những hạn chế của các phương pháp truyền thống. Thay vì chỉ kiểm tra và phát hiện lỗi khi đã xảy ra, hệ thống mới hướng tới khả năng chẩn đoán sớm và dự báo lỗi. Điều này được thực hiện thông qua việc thu thập và phân tích dữ liệu nhiệt độ và áp suất theo thời gian thực. Hệ thống được thiết kế để không chỉ đánh giá chất lượng hoạt động mà còn dự báo những lỗi có thể xảy ra, giúp lên lịch bảo trì chủ động. Ứng dụng thực tiễn trên hệ thống lạnh trữ đông đã chứng minh tiềm năng to lớn trong việc nâng cao độ tin cậy và hiệu quả hoạt động, đặt nền móng cho các nghiên cứu về hệ thống đảm bảo chất lượng của hệ thống lạnh trong tương lai (Mục tiêu đề tài, Chương 1).

II. Thách thức lớn khi theo dõi nhiệt độ kho lạnh truyền thống

Mặc dù hệ thống lạnh ngày nay đã đạt được nhiều tiến bộ trong tự động hóa, việc theo dõi nhiệt độ kho lạnh và chẩn đoán lỗi vẫn đối mặt với nhiều thách thức lớn. Các phương pháp truyền thống thường yêu cầu người vận hành sử dụng nhiều thiết bị đo lường riêng lẻ như Ampe kìm, đồng hồ đo áp suất, nhiệt kế (Nêu vấn đề, Chương 1). Ngay cả các thiết bị cao cấp hơn như Testo 550 cũng chỉ cung cấp giá trị hiện tại mà không thể đưa ra các thông số có ý nghĩa trong việc chẩn đoán pan như ΔTSH, ΔTSC, ΔTair. Hạn chế lớn nhất là người vận hành hoàn toàn không thể dự đoán khi nào hệ thống sẽ xảy ra vấn đề, mà chỉ biết được khi lỗi đã bùng phát.

Theo tình hình nghiên cứu, hầu hết các nghiên cứu chỉ dừng lại ở việc phát hiện lỗi khi hệ thống đã có những biểu hiện rõ ràng. Điều này cho thấy sự thiếu hụt trong khả năng bảo trì dự đoán hệ thống lạnh. Việc không thể dự báo lỗi dẫn đến việc bảo trì mang tính phản ứng, gây ra thời gian ngừng hoạt động không mong muốn, thiệt hại sản phẩm và tăng chi phí vận hành. Các nghiên cứu ngoài nước của Sun và cộng sự [1] hay Zhang và cộng sự [2] đã tập trung vào việc phát hiện lỗi và phân tích tác động, nhưng vẫn còn khoảng trống lớn trong việc chẩn đoán sớm và đưa ra dự báo chính xác. Đối với các doanh nghiệp, việc đảm bảo an toàn thực phẩm và dược phẩm đòi hỏi một giải pháp toàn diện hơn, có khả năng cung cấp thông tin chi tiết và kịp thời về tình trạng hoạt động của hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh, giảm thiểu rủi ro và tăng cường độ tin cậy.

2.1. Hạn chế của phương pháp kiểm soát nhiệt độ tự động hiện hành

Các hệ thống kiểm soát nhiệt độ tự động hiện hành, dù có nhiều cải tiến, vẫn còn tồn tại những hạn chế đáng kể. Chúng thường được lập trình để phản ứng với các ngưỡng nhiệt độ đã cài đặt, nhưng lại thiếu khả năng phân tích dữ liệu nhiệt độ sâu rộng để nhận diện xu hướng hoặc các dấu hiệu sớm của sự cố. Ví dụ, chúng có thể kích hoạt cảnh báo nhiệt độ vượt ngưỡng khi nhiệt độ đã tăng đến mức nguy hiểm, nhưng không thể cảnh báo về một sự suy giảm hiệu suất dần dần. Điều này khiến cho việc bảo trì dự đoán hệ thống lạnh trở nên khó khăn. Sự thiếu hụt trong việc tích hợp dữ liệu từ nhiều nguồn khác nhau, cũng như khả năng xử lý thông tin phức tạp, là rào cản lớn đối với việc đạt được một hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh thực sự thông minh và chủ động.

2.2. Nhu cầu cấp thiết về bảo trì dự đoán hệ thống lạnh

Nhu cầu về bảo trì dự đoán hệ thống lạnh đang trở nên cấp thiết hơn bao giờ hết. Với sự phụ thuộc ngày càng cao vào hệ thống lạnh trong nhiều ngành công nghiệp, mọi sự cố đều có thể gây ra thiệt hại lớn. Các nghiên cứu hiện tại thường chỉ dừng lại ở việc phát hiện lỗi khi có biểu hiện rõ ràng, nhưng không chuẩn đoán được khi nào hoặc bao lâu sẽ xảy ra lỗi đó (theo Tóm tắt đề tài). Một giải pháp bảo trì dự đoán sẽ cho phép doanh nghiệp lên kế hoạch bảo trì hiệu quả, tránh thời gian ngừng hoạt động đột ngột, kéo dài tuổi thọ thiết bị và giảm chi phí vận hành. Điều này đặc biệt quan trọng trong việc quản lý chuỗi cung ứng lạnh, nơi việc duy trì nhiệt độ ổn định là tối quan trọng để đảm bảo chất lượng sản phẩm và tuân thủ các tiêu chuẩn giám sát nhiệt độ nghiêm ngặt.

III. Bí quyết thiết kế Hệ thống thu thập dữ liệu nhiệt độ hiệu quả

Để vượt qua các thách thức hiện có, việc thiết kế một hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh hiệu quả đòi hỏi sự kết hợp giữa phần cứng tiên tiến và quy trình xử lý dữ liệu thông minh. Nghiên cứu đã tập trung vào việc thiết kế và chế tạo một hệ thống dựa trên cơ sở lý thuyết về chẩn đoán lỗi, nhằm đảm bảo chất lượng của hệ thống lạnh (Tóm tắt đề tài). Ý tưởng thiết kế xoay quanh một mạch điện tử hiện đại có khả năng thu thập số liệu về máy tính và xử lý chúng bằng các đoạn mã được lập trình sẵn (Ý tưởng thiết kế, Chương 3). Hệ thống này được vận hành dựa trên hai nền tảng chính: mạch xử lý trung tâm Arduino và ngôn ngữ lập trình Visual Basic.

Các thành phần phần cứng được lựa chọn kỹ lưỡng để đảm bảo khả năng đo lường nhiệt độ chính xác và thu thập dữ liệu đáng tin cậy. Điều này bao gồm việc sử dụng các loại cảm biến nhiệt độ công nghiệp chuyên dụng như DS18B20 và cảm biến áp suất Sensys M5256-C3079E-020BG. Mạch Arduino Uno R3 đóng vai trò là bộ não, thu nhận tín hiệu từ các cảm biến, chuyển đổi và truyền dữ liệu về máy tính. Ngoài ra, một màn hình LCD Nokia 5110 được tích hợp để hiển thị dữ liệu trực quan ngay tại chỗ. Quy trình kiểm tra chất lượng thiết bị đo cũng được thực hiện cẩn thận tại các điều kiện nhiệt độ khác nhau (thấp, cao, môi trường) và độ dài đường truyền để hiệu chỉnh dữ liệu, đảm bảo độ chính xác cao nhất (Kiểm tra chất lượng thiết bị đo, Chương 3). Sự tỉ mỉ trong lựa chọn và kiểm tra thiết bị là yếu tố then chốt giúp hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh hoạt động ổn định và tin cậy.

3.1. Cảm biến nhiệt độ công nghiệp và áp suất tiên tiến

Việc lựa chọn cảm biến nhiệt độ công nghiệp và áp suất là cực kỳ quan trọng đối với hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh. Cảm biến nhiệt độ DS18B20 được ưu tiên nhờ dễ sử dụng, giá thành thấp và dải đo rộng (-55°C ~125°C với độ chính xác ± 0.5°C) (Cảm biến nhiệt độ DS18B20, Chương 2). Đối với áp suất, cảm biến Sensys M5256-C3079E-020BG với phạm vi đo 0-20bar và ngõ ra 4-20mA, đáp ứng yêu cầu về độ bền và độ chính xác trong môi trường công nghiệp (Cảm biến áp suất, Chương 2). Các cảm biến này được kiểm tra chất lượng nghiêm ngặt tại nhiều môi trường khác nhau để xác định ngưỡng hoạt động, độ sụt áp trên đường truyền và độ ổn định tín hiệu. Vị trí lắp đặt cảm biến cũng được nghiên cứu kỹ lưỡng trên hệ thống lạnh trữ đông để đảm bảo thu thập dữ liệu đại diện và chính xác nhất, tránh nhiễu từ môi trường hoặc các bộ phận khác của hệ thống.

3.2. Vai trò của mạch xử lý trung tâm Arduino trong thu thập dữ liệu

Mạch xử lý trung tâm Arduino Uno R3 đóng vai trò cốt lõi trong hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh. Arduino là một nền tảng điện tử mã nguồn mở, dựa trên vi điều khiển AVR Atmega328P, nổi bật với giao diện USB, 14 chân I/O digital và 6 chân analog (Giới thiệu Arduino Uno, Chương 2). Khả năng giao tiếp với máy tính qua USB và tính linh hoạt trong lập trình bằng C/C++ trong Arduino IDE giúp nó trở thành lựa chọn lý tưởng cho việc điều khiển và thu thập dữ liệu từ các cảm biến nhiệt độ công nghiệp và áp suất. Arduino có nhiệm vụ chuyển đổi tín hiệu analog từ cảm biến sang dạng số, xử lý sơ bộ và truyền dữ liệu về máy tính để phần mềm quản lý nhiệt độ tiếp tục phân tích. Vai trò của Arduino là nền tảng vững chắc để xây dựng một hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh có khả năng mở rộng, tin cậy và hiệu quả, đặt nền tảng cho việc tự động hóa hệ thống lạnh.

IV. Cách phần mềm quản lý nhiệt độ tối ưu hóa hệ thống lạnh

Sức mạnh thực sự của một hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh nằm ở khả năng xử lý và phân tích dữ liệu nhiệt độ do phần mềm cung cấp. Nghiên cứu đã ứng dụng ngôn ngữ lập trình Visual Basic trong môi trường Visual Studio 2019 để phát triển phần mềm quản lý nhiệt độ (Phần mềm Visual Studio, Chương 2). Phần mềm này không chỉ hiển thị dữ liệu thời gian thực mà còn tích hợp các thuật toán chẩn đoán lỗi phức tạp. Thông qua giao diện trực quan, người vận hành có thể dễ dàng theo dõi các thông số quan trọng, nhận diện các xu hướng bất thường và nhận cảnh báo nhiệt độ vượt ngưỡng.

Quy trình chẩn đoán lỗi được xây dựng dựa trên cơ sở lý thuyết và kinh nghiệm thực tế, cho phép hệ thống nhận diện 10 lỗi điển hình trong hệ thống lạnh như tiết lưu sớm, thiếu gas, TBBH bám bẩn, v.v. (Quy trình chẩn đoán, Chương 2). Phần mềm quản lý nhiệt độ sẽ liên tục so sánh dữ liệu thực tế từ các cảm biến nhiệt độ công nghiệp và áp suất với các thông số lý tưởng và ngưỡng đã định để xác định sự cố. Ví dụ, nó có thể phân tích độ quá nhiệt (ΔTSH) và độ quá lạnh (ΔTSC) để chẩn đoán tình trạng môi chất lạnh trong thiết bị bay hơi và thiết bị ngưng tụ. Sự kết hợp giữa phần cứng mạnh mẽ (Arduino) và phần mềm thông minh (Visual Basic) tạo nên một hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh toàn diện, có khả năng không chỉ đo lường nhiệt độ chính xác mà còn đưa ra các dự báo và khuyến nghị bảo trì, góp phần nâng cao hiệu suất năng lượng hệ thống lạnh và đảm bảo an toàn thực phẩm và dược phẩm.

Việc lưu trữ dữ liệu thực tế qua nhiều ngày vận hành là yếu tố quan trọng để cải thiện độ chính xác của hệ thống, hỗ trợ việc tinh chỉnh các thuật toán chẩn đoán. Đây là tiền đề cho các nghiên cứu sâu hơn về tự động hóa hệ thống lạnh, đặc biệt là trong lĩnh vực bảo trì dự đoán hệ thống lạnh và phát triển giải pháp IoT cho hệ thống lạnh.

4.1. Phần mềm quản lý nhiệt độ Visual Basic và Arduino IDE

Phần mềm quản lý nhiệt độ được phát triển bằng Visual Basic 2019 trong môi trường Visual Studio 2019. Visual Studio là một môi trường phát triển tích hợp (IDE) mạnh mẽ, hỗ trợ nhiều ngôn ngữ lập trình và tính năng gỡ lỗi (Phần mềm Visual Studio, Chương 2). Phần mềm này cung cấp giao diện người dùng thân thiện, hiển thị dữ liệu nhiệt độ và áp suất thu thập được, đồng thời thực hiện các phép tính và phân tích phức tạp. Đối với việc điều khiển phần cứng và thu thập dữ liệu thô, Arduino IDE được sử dụng để lập trình cho mạch Arduino. Arduino IDE là một trình soạn thảo văn bản giúp viết code để nạp vào bo mạch Arduino, với các chức năng biên dịch, upload và giao tiếp dữ liệu (Phần mềm Arduino IDE, Chương 2). Sự kết hợp hai nền tảng này cho phép tạo ra một hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh linh hoạt, có khả năng tùy chỉnh cao, từ đó tối ưu hóa việc kiểm soát nhiệt độ tự động.

4.2. Phân tích dữ liệu nhiệt độ và quy trình chẩn đoán lỗi thông minh

Phân tích dữ liệu nhiệt độ là trung tâm của khả năng chẩn đoán lỗi của hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh. Sau khi thu thập dữ liệu từ các cảm biến nhiệt độ công nghiệp và áp suất, phần mềm tiến hành so sánh chúng với các thông số chuẩn và ngưỡng an toàn. Quy trình chẩn đoán bao gồm việc kiểm tra áp suất đầu hút, độ quá nhiệt (ΔTSH), độ quá lạnh (ΔTSC) và độ chênh nhiệt độ không khí (ΔTAIR) tại các thiết bị bay hơi và ngưng tụ (Quy trình chẩn đoán, Chương 2). Ví dụ, nếu áp suất đầu hút thấp và độ quá nhiệt lớn, kết hợp với độ quá lạnh không tốt, hệ thống có thể kết luận là pan thiếu gas. Khả năng này giúp người vận hành không chỉ biết lỗi đã xảy ra mà còn hiểu rõ nguyên nhân, từ đó có thể chủ động sắp xếp lịch bảo trì dự đoán hệ thống lạnh và giảm thiểu tối đa các sự cố không mong muốn, góp phần nâng cao hiệu suất năng lượng hệ thống lạnh.

V. Ứng dụng thực tiễn Giám sát nhiệt độ hệ thống lạnh trữ đông

Nghiên cứu đã được thực nghiệm trên hệ thống lạnh trữ đông 1 cấp nén tại xưởng Nhiệt–Điện lạnh để kiểm chứng hiệu quả của hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh (Tóm tắt đề tài). Quá trình này bao gồm việc lắp đặt các cảm biến nhiệt độ công nghiệp DS18B20 và cảm biến áp suất tại các vị trí chiến lược trên hệ thống. Tổng cộng có 7 cảm biến nhiệt độ và 2 cảm biến áp suất được bố trí để đo lường nhiệt độ chính xác và áp suất tại các điểm quan trọng như đầu vào/ra của thiết bị bay hơi (TBBH), thiết bị ngưng tụ (TBNT), trước van tiết lưu, và các vị trí gió ra/vào (Lắp đặt vị trí các cảm biến, Chương 3). Mỗi vị trí được lựa chọn cẩn thận để đảm bảo thu thập dữ liệu đại diện và tránh nhiễu.

Dữ liệu thực tế từ các cảm biến được liên tục truyền về mạch Arduino, sau đó chuyển đến máy tính để phần mềm quản lý nhiệt độ xử lý. Trong quá trình thực nghiệm, các số liệu thực tế được lưu trữ qua nhiều ngày vận hành, hỗ trợ việc cải thiện độ chính xác của hệ thống (Tóm tắt đề tài). Kết quả thực nghiệm cho thấy hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh hoạt động ổn định, đúng với yêu cầu đề ra của đề tài (Kết quả thực nghiệm, Chương 4). Hệ thống đã thành công trong việc giám sát nhiệt độ hệ thống lạnh và các thông số áp suất, đồng thời đưa ra các chẩn đoán lỗi như "cảm biến gió cấp cho TBBH đặt sai vị trí" hay các thông báo khi tạo lỗi giả định (Hình 4.9, Hình 4.10, Chương 4). Điều này chứng tỏ khả năng của hệ thống trong việc hỗ trợ bảo trì dự đoán hệ thống lạnh, giảm thiểu thời gian chết và tối ưu hóa vận hành, đặc biệt quan trọng trong việc quản lý chuỗi cung ứng lạnh và duy trì an toàn thực phẩm và dược phẩm.

5.1. Quy trình đo lường nhiệt độ chính xác trên hệ thống thực nghiệm

Quy trình đo lường nhiệt độ chính xác là yếu tố then chốt trong ứng dụng thực nghiệm của hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh. Các cảm biến nhiệt độ công nghiệp DS18B20 được gắn tại 7 vị trí quan trọng: nhiệt độ môi chất ra khỏi TBBH, ra khỏi TBNT, trước tiết lưu, nhiệt độ gió vào/ra TBBH và TBNT (Bảng 4, Chương 3). Tương tự, cảm biến áp suất được đặt ở đầu hút (P0) và đầu đẩy (Pk). Vị trí lắp đặt được tối ưu hóa để tránh ảnh hưởng từ bức xạ nhiệt hoặc các nguồn nhiệt khác, đảm bảo dữ liệu thu thập là đại diện cho trạng thái thực của hệ thống (Vị trí lắp cảm biến, Chương 3). Các cảm biến đã trải qua kiểm tra nghiêm ngặt tại các môi trường nhiệt độ thấp và cao, cùng với việc đánh giá độ sụt áp trên đường truyền, để hiệu chỉnh và đảm bảo độ tin cậy của dữ liệu. Quy trình này đảm bảo tính toàn vẹn của dữ liệu đầu vào cho quá trình phân tích dữ liệu nhiệt độ và chẩn đoán lỗi.

5.2. Kết quả kiểm chứng và cảnh báo nhiệt độ vượt ngưỡng hiệu quả

Các kết quả thực nghiệm đã khẳng định khả năng của hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh trong việc giám sát nhiệt độ hệ thống lạnh và đưa ra cảnh báo nhiệt độ vượt ngưỡng hiệu quả. Dữ liệu nhiệt độ và áp suất thu thập được từ quá trình vận hành thực tế trên hệ thống lạnh trữ đông đã chứng minh sự ổn định của hệ thống (Hình 4.8, Chương 4). Khi có các lỗi giả định được tạo ra, hệ thống đã phát đi các thông báo chính xác về tình trạng sự cố (Hình 4.10, Chương 4). Điều này không chỉ giúp người vận hành kịp thời nhận diện các vấn đề mà còn hỗ trợ việc định vị nguyên nhân, từ đó rút ngắn thời gian khắc phục. Khả năng cảnh báo nhiệt độ vượt ngưỡng đóng vai trò quan trọng trong việc bảo vệ sản phẩm, duy trì tiêu chuẩn giám sát nhiệt độ và nâng cao độ tin cậy tổng thể của hệ thống điều hòa không khí (HVAC) và các ứng dụng lạnh khác.

VI. Tương lai của Hệ thống thu thập dữ liệu nhiệt độ thông minh

Sự phát triển của hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh thông minh mở ra nhiều tiềm năng to lớn cho ngành công nghiệp lạnh. Kết quả nghiên cứu hiện tại đã chứng minh hệ thống hoạt động ổn định và chính xác, đặt nền tảng vững chắc cho các ứng dụng trong tương lai (Tóm tắt đề tài). Việc tích hợp công nghệ IoT cho hệ thống lạnh sẽ cho phép giám sát nhiệt độ hệ thống lạnh từ xa, quản lý tập trung nhiều hệ thống cùng lúc và truy cập dữ liệu mọi lúc mọi nơi. Điều này đặc biệt hữu ích trong quản lý chuỗi cung ứng lạnh quy mô lớn, nơi việc theo dõi nhiệt độ kho lạnh liên tục qua internet là vô cùng cần thiết.

Trong tương lai, hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh sẽ tiếp tục được cải tiến với khả năng phân tích dữ liệu nhiệt độ sâu hơn, sử dụng trí tuệ nhân tạo (AI) và học máy (Machine Learning) để nhận diện các mẫu lỗi phức tạp và đưa ra dự đoán chính xác hơn về thời điểm xảy ra lỗi. Các nghiên cứu đã đề xuất chiến lược dựa trên việc phân loại nhiều lớp và sử dụng phân tích phân biệt tuyến tính (LDA) để chẩn đoán lỗi (Spanos và cộng sự [13]). Xu hướng phát triển tự động hóa hệ thống lạnh còn bao gồm việc tích hợp với các hệ thống SCADA hệ thống lạnh và Hệ thống Quản lý Tòa nhà (BMS) để tạo ra một môi trường vận hành đồng bộ và hiệu quả. Mục tiêu cuối cùng là xây dựng một hệ thống tự động hoàn toàn, có khả năng tự chẩn đoán, tự sửa lỗi và tối ưu hóa hoạt động, hướng tới một tương lai bền vững và thông minh hơn cho ngành công nghiệp lạnh.

6.1. Đánh giá thành công và tiềm năng phát triển tự động hóa hệ thống lạnh

Nghiên cứu về hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh đã đạt được thành công đáng kể trong việc thiết kế và chế tạo một giải pháp khả thi để giám sát nhiệt độ hệ thống lạnh và chẩn đoán lỗi. Hệ thống hoạt động ổn định và đáp ứng các yêu cầu đề ra, cung cấp cơ sở cho việc phát triển sâu rộng tự động hóa hệ thống lạnh. Tiềm năng phát triển bao gồm việc mở rộng khả năng tương thích với nhiều loại cảm biến và thiết bị hơn, cải thiện thuật toán phân tích dữ liệu nhiệt độ để nhận diện lỗi tinh vi hơn, và tăng cường khả năng tích hợp với các hệ thống quản lý hiện có. Việc này sẽ giúp nâng cao hiệu suất năng lượng hệ thống lạnh, giảm thiểu chi phí vận hành và tăng cường độ bền bỉ của thiết bị, đóng góp vào sự phát triển chung của ngành công nghiệp lạnh thông minh.

6.2. Hướng tới giải pháp IoT cho hệ thống lạnh và bảo trì dự đoán

Tương lai của hệ thống thu thập dữ liệu nhiệt độ hệ thống lạnh sẽ gắn liền với giải pháp IoT cho hệ thống lạnh và khả năng bảo trì dự đoán hệ thống lạnh. Việc kết nối các cảm biến nhiệt độ công nghiệp và thiết bị lạnh với internet sẽ cho phép giám sát từ xa, thu thập dữ liệu từ nhiều địa điểm và đưa ra quyết định dựa trên dữ liệu lớn (Big Data). Các mô hình AI và Machine Learning sẽ được áp dụng để học hỏi từ dữ liệu lịch sử, dự đoán các sự cố tiềm ẩn trước khi chúng xảy ra, cho phép thực hiện bảo trì chủ động. Điều này không chỉ giảm thiểu thời gian ngừng hoạt động và chi phí sửa chữa mà còn tối ưu hóa hiệu suất năng lượng hệ thống lạnh. Hơn nữa, việc tích hợp với hệ thống SCADA hệ thống lạnh sẽ tạo ra một môi trường quản lý toàn diện, thông minh và phản ứng nhanh, đảm bảo an toàn thực phẩm và dược phẩm cũng như tuân thủ các tiêu chuẩn giám sát nhiệt độ.

27/09/2025

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN 1.1 Nêu vấn đề Hệ thống lạnh ngày nay được sử dụng rất phổ biến từ lạnh đông đến điều hòa không khí phục vụ cho con người và cả quá trình sản xuất. Trong suốt quãng đời hoạt động của một hệ thống lạnh, việc xảy ra lỗi là điều không thể tránh khỏi. Theo kiến thức đã được học, nhóm xin liệt kê 10 lỗi (pan) điển hình xảy ra trong một hệ thống lạnh cơ bản như: (1) Tiết lưu sớm (2) Tiết lưu quá bé (3) Pan thiếu gas (4) TBBH bám bẩn (5) Thiếu lưu lượng không khí ở TBBH (6) Pan có khí không ngưng (7) Pan thừa gas (8) TBNT bám bẩn (9) Thiếu lưu lượng không khí ở TBNT (10) Máy nén bé. Khi hệ thống lạnh có vấn đề, người vận hành muốn kiểm tra được lỗi xảy ra trên hệ thống lạnh cần có rất nhiều thiết bị như: Ampe kìm, đồng hồ đo áp suất, nhiệt kế,… như hình 1.1: Các thiết bị đo a) Các thiết bị đo truyền thống b) Thiết bị đo Testo 550 1 Một thiết bị đo cao cấp khác được biết đến là Testo 550 trong hình b, có thể đo được cả tín hiệu nhiệt độ và tín hiệu áp suất trong cùng một thiết bị mà không cần có quá nhiều thứ.

Ngoài ra thiết bị này còn có thể hiển thị giá trị t0, tk mà người dùng không cần tra bảng. Tuy nhiên các thiết bị đo này không thể hiển thị được các giá trị có ý nghĩa trong việc chuẩn đoán pan của hệ thống lạnh như ΔTSH, ΔTSC, ΔTair. Mặt khác người vận hành hệ thống hoàn toàn không thể dự đoán được khi nào hệ thống của mình sẽ xảy ra vấn đề, mà chỉ biết được khi hệ thống đã bị lỗi rồi. Do đó đề tài Nghiên cứu thiết kế hệ thống thu thập và xử lý dữ liệu nhiệt độ của hệ thống lạnh bằng máy tính là thực sự cần thiết.2 Mục tiêu đề tài Nghiên cứu thiết kế, chế tạo hệ thống thu thập và xử lý dữ liệu nhiệt độ của hệ thống lạnh bằng máy tính.

Hệ thống này sẽ hoạt động ở 2 chức năng riêng biệt là đánh giá chất lượng và dự báo những lỗi có thể xảy ra. Ứng dụng thực tiễn trên hệ thống lạnh trữ đông 1 cấp nén tại xưởng Nhiệt – Điện lạnh, từ đó đánh giá hiệu quả của hệ thống thu thập dữ liệu để ứng dụng trong thực tế.3 Tình hình nghiên cứu trong và ngoài nước 1.1 Tình hình nghiên cứu ngoài nước Hiện nay, khi các hệ thống lạnh được phát triển để phù hợp với nhiều nhu cầu sử dụng khác nhau. song song đó, nhiều nghiên cứu trên thế giới về cả lý thuyết và thực nghiệm được các nhà khoa học đã và đang thực hiện nhằm phân tích những tác động ảnh hưởng đến “sức khỏe” của hệ thống lạnh với mục tiêu đưa ra các phán đoán, chẩn đoán liên quan đến 10 pan trong hệ thống lạnh, đồng thời đề xuất những hành động cần cải thiện, bảo trì giúp phục hồi hoặc nâng cấp hiệu suất của hệ thống. Theo Sun và các cộng sự [1] sự thất thoát năng lượng làm giảm hiệu suất của các hệ HVAC trong các toàn nhà cao tầng nên các biện pháp chuẩn đoán lỗi hệ thống được nghiên cứu dựa trên việc thu thập số liệu và dựa mô hình mô phỏng để chuẩn đoán lỗi.

Các nhà nghiên cứu đã dựng lên các thông số cho hệ HVAC đạt trạng thái lý tưởng nhất rồi từ đó đối chiếu với hệ đang có lỗi để tìm ra nguyên nhân. Theo Zhang và các cộng sự [2] nói về các công trình nghiên cứu về chuẩn đoán lỗi cho các hệ thống lạnh trong các tòa nhà để giảm tối thiểu lượng năng lượng tiêu hao. Phương pháp ở đây được đề cập đến là dùng các 2 hàm tích phân, các thuật toán ma trận, các biểu đồ đường thẳng để nói lên sự lân cận và chuyển của các con số. Từ đó so sánh với ngân hàng lỗi để xác định các lỗi hệ thống từ gian đoạn rất sớm.

Theo Liu và các cộng sự [3] nói về chương trình quản lý nhiệt thải trong động cơ xe hơi khi hoạt động thông qua hệ thống làm mát không khí. Thuật toán này kết hợp với phương pháp mô phỏng không gian 3D về hậu quả dẫn đến, giúp người sử dụng hình dung được và tìm cách khắc phục. Cezar và các cộng sự [4] đã trình bày một phương pháp kiểm soát dòng nhiệt trong dung dịch điện phân LiBr/H2O để tăng gấp đôi hiệu quả của hệ thống làm lạnh hấp thụ sử dụng cặp điện phân H2O/LiBr. Các tính chất vật lý của dung dịch làm mát, hấp thụ cũng như các khía cạnh cấu trúc của chất kép máy làm lạnh hấp thụ đều được tích hợp vào hệ thống làm lạnh hấp thụ này.

Chi phí cho vận hành, kiểm soát hệ thống là tương đối thấp, thông qua bộ điểu khiển PID, được lưu trữ trên nền tảng mẫu Ardunio. Theo Huang và các cộng sự [5] nói về hoạt động và sự ảnh hưởng của van giãn nở khi được lắp đặt sử dụng trong hệ thống lắp. Từ kết quả đạt được này có thể suy đoán ngược lại tình hình hoạt động của hệ thống lạnh. Số liệu môi chất lạnh qua van giãn nở được thu thập và theo dõi cộng tính toán kĩ lưỡng để mô phỏng lên biểu đồ các con số.

Yang và các cộng sự của [6] nói về phương pháp chuẩn đoán lỗi hệ thống lạnh. Phương pháp được nói đến trong bài báo này là sự dụng thuật toán FDI và ngân hàng lỗi UIO để xác định các lỗi hiện có trong một hệ thống lạnh. Phương pháp này phụ thuộc chính vào UIO, ngân hàng lỗi được nghiên cứu và thu thập từ nhiều thập kỉ qua của các nhà khoa học đi trước. Đây cũng là phương pháp giải quyết lỗi cho hệ thống lạnh nhưng còn nhiều nhược điểm cần xác minh.

Nyemba và các cộng sự [7] nói về việc sử dụng các môi chất lạnh hiện nay là vô cùng độc hại đối với môi trường, cần thay thế môi chất lạnh hoặc là thay đổi phương pháp làm lạnh này để giảm thiểu sự suy thoái tầng Ozon. Một phương pháp làm lạnh được nghiên cứu và ứng dụng cho bảo quản thuốc vaccin đã đi vào vận hành thử nghiệm. Với chi phí đầu tư thấp, mặc dù hiệu suất không cao nhưng vẫn đảm bảo ngưỡng nhiệt độ và không gây độc hại cho môi trường. Yan và các cộng sự cho rằng [8] hệ thống HVAC có hiệu suất làm việc cao hay thấp phụ thuộc vào môi chất làm lạnh.

Nhóm nghiên cứu tìm ra EEV, hoạt động dựa trên các thuật toán PID rất phức tạp, điều chỉnh tốc độ cũng như lưu lượng môi chất làm lạnh. Montazeri và các cộng sự [9] đã sử dụng các phương pháp mạng thần kinh PCA và RBF để phát hiện và chẩn đoán lỗi. 70% dữ liệu đã được 3 xem xét và 30% cho thử nghiệm được chỉ ra trên các sơ đồ. Trục dọc hiển thị loại lỗi và trục ngang có liên quan đến số lượng dữ liệu thời gian liên tiếp.

Yan cùng các cộng sự [10], [11] đã sử dụng thiết bị làm lạnh FDD để nghiên cứu,tìm kiếm một tập hợp con tối ưu các tính năng cho chính nó, sử dụng các tính năng tối ưu đó phối hợp với hệ thống BMS. Quy trình xử lý ngoại lệ điển hình của FDD (ví dụ: tính năng chọn lọc, phát hiện trạng thái ổn định, mô hình không có lỗi, và phân loại chẩn đoán và phát hiện) đã được trình bày chi tiết. Ông Subaramanian và cộng sự [12] cho rằng hiệu suất của nhiều hệ thống thực tế có thể được cải thiện bằng cách sử dụng kỹ thuật điều khiển trước như phi tuyến mô hình kiểm soát dự đoán (NMPC). Hiệu suất của NMPC phụ thuộc vào độ chính xác của dự đoán, do đó phụ thuộc vào chất lượng của mô hình.

Ông Spanos và cộng sự [13] đề xuất chiến lược dựa trên hai giai đoạn, xây dựng nhiệm vụ chẩn đoán và phát hiện lỗi hệ thống lạnh như là một vấn đề phân loại nhiều lớp. Phân tích phân biệt tuyến tính (LDA) được thông qua để chiếu dữ liệu chiều cao vào không gian chiều thấp hơn để đạt được sự phân tách lớp tối đa và bảo trì thông tin lớp gốc. Ông Dey và cộng sự [14] đưa ra mô tả phương pháp phát hiện lỗi hệ thống HVAC thiết bị đầu cuối (TU) và chẩn đoán chúng theo cách tự động và từ xa. Một phương pháp trích xuất tính năng mới được khuyến khích bởi bộ điều khiển đạo hàm tích phân tỷ lệ (PID) đã được đề xuất để mô tả các sự kiện từ kho dữ liệu TU đa chiều.

Ông Cui và cộng sự [15] thực hiện nghiên cứu và công nghệ xử lý dữ liệu mất cân bằng được giới thiệu và kết hợp với máy vectơ hỗ trợ (SVM) để thăm dò khả năng chuyển giao kiến thức hệ thống FDD của máy làm lạnh ly tâm sang máy làm lạnh trục vít chỉ bằng một lượng nhỏ dữ liệu mới. Bằng cách sử dụng công nghệ PCASMOET-SVM, hiệu suất chẩn đoán tổng thể của máy làm lạnh trục vít với ít dữ liệu và thông tin hơn được cải thiện với sự trợ giúp của kiến thức trước được truyền từ máy làm lạnh ly tâm. Ông Fan và cộng sự [16] cho rằng thông thường chỉ có tám cảm biến thường được lắp đặt trong hệ thống làm lạnh trong nhà máy, số lượng ít hơn so với phòng thí nghiệm. Nghiên cứu đã trích xuất thông tin từ ba trong số các cảm biến được cài đặt tại nhà máy, để thiết lập máy vectơ hỗ trợ (SVM) 3 và SVM 8 mô hình chẩn đoán dựa trên tìm kiếm lưới và tối ưu hóa tham số xác thực chéo cho bảy lỗi điển hình.

Độ chính xác tổng thể của mô hình SVM 8 là 97,68%, đáp ứng nhu cầu chẩn đoán vận hành tại hiện trường. Saleh và cộng sự [17] đã giới thiệu sơ bộ về công nghệ điều khiển mới nhằm đáp ứng nhu cầu tiết kiệm năng lượng, cũng như 4 kéo dài tuổi thọ của thiết bị trong hệ thống. Bằng cách điều chỉnh tần số quay của của máy nén hay kích thước van điện từ để đáp ứng mức tải cố định khác nhau.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ