Nghiên Cứu và Chế Tạo Thiết Bị Theo Dõi Tình Trạng Động Cơ Ứng Dụng IoT và Học Máy

Nghiên cứu và chế tạo thiết bị theo dõi tình trạng động cơ ứng dụng IoT và học máy đang trở thành xu hướng quan… 62 trang · Đại học Bách Khoa Hà Nội · 2023.

• Tác giả: Nguyễn Hoàng Vũ
• Người hướng dẫn: TS. Trương Đức Phức
• Trường học: Đại học Bách Khoa Hà Nội
• Chuyên ngành: Kỹ thuật cơ điện tử
• Đề tài: Nghiên Cứu Và Chế Tạo Thiết Bị Theo Dõi Tình Trạng Động Cơ Ứng Dụng IoT Và Học Máy
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• 1. CHƯƠNG 1: TỔNG QUAN VỀ ĐO RUNG ĐỘNG CỦA ĐỘNG CƠ
• 1.1. Tầm quan trọng của động cơ
• 1.2. Phân loại động cơ
• 1.2.1. Phân loại động cơ theo nguyên lý hoạt động
• 1.2.2. Phân loại động cơ theo nguồn năng lượng
• 1.2.3. Phân chia theo phương tiện sử dụng
• 1.3. Động cơ điện
• 1.4. Các thông số quan trọng cần lưu ý khi sử dụng động cơ
• 1.5. Các dạng hỏng hóc
• 1.6. Rung động và tiếng ồn của động cơ
• 2. THIẾT KẾ HỆ THỐNG ĐO RUNG ĐỘNG VÀ MỘT SỐ CHỈ SỐ KHÁC CỦA ĐỘNG CƠ
• 2.1. Lý thuyết về rung động của động cơ
• 2.2. Nguyên nhân gây ra rung động bất thường
• 2.3. Các thông số phản ánh tình trạng rung động
• 2.4. Ảnh hưởng của rung động đến quá trình làm việc của động cơ
• 3. CÁC DÒNG SẢN PHẨM ĐO ĐỘ RUNG TRÊN THỊ TRƯỜNG HIỆN NAY
• 4. THIẾT KẾ TỔNG QUAN GIẢI PHÁP THEO DÕI ĐỘ RUNG ĐỘNG CỦA ĐỘNG CƠ ỨNG DỤNG CÔNG NGHỆ IoT
• 4.1. Thiết kế thiết bị đo
• 4.2. Thiết kế hệ thống IoT
• 4.3. Xây dựng ứng dụng điện thoại
• 5. CHẾ TẠO THỬ NGHIỆM VÀ ĐÁNH GIÁ
• 5.1. Chế tạo thiết bị
• 5.2. Thực nghiệm và đánh giá
• 6. KẾT LUẬN VÀ ĐỊNH HƯỚNG PHÁT TRIỂN
• 6.1. Định hướng phát triển
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG
• TÀI LIỆU THAM KHẢO
• LỜI CẢM ƠN

Tóm tắt

I. Tổng quan về Nghiên cứu và Chế tạo thiết bị theo dõi động cơ IoT

Nghiên cứu và chế tạo thiết bị theo dõi tình trạng động cơ ứng dụng IoT và học máy đang trở thành xu hướng quan trọng trong ngành công nghiệp hiện đại. Thiết bị này không chỉ giúp giám sát tình trạng hoạt động của động cơ mà còn cung cấp các cảnh báo kịp thời về sự cố. Việc áp dụng công nghệ IoT cho phép thu thập và phân tích dữ liệu từ xa, từ đó nâng cao hiệu quả sản xuất và giảm thiểu rủi ro. Hệ thống này có thể giúp phát hiện sớm các dấu hiệu bất thường, từ đó giảm thiểu thời gian ngừng hoạt động và chi phí bảo trì.

1.1. Tầm quan trọng của IoT trong theo dõi động cơ

IoT trong theo dõi động cơ mang lại nhiều lợi ích, bao gồm khả năng giám sát liên tục và phân tích dữ liệu theo thời gian thực. Điều này giúp người dùng phát hiện sớm các vấn đề và đưa ra quyết định kịp thời. Hệ thống IoT có thể kết nối nhiều thiết bị, tạo ra một mạng lưới thông minh giúp tối ưu hóa quy trình sản xuất.

1.2. Các ứng dụng của học máy trong giám sát động cơ

Học máy trong công nghiệp giúp phân tích dữ liệu lớn từ các cảm biến theo dõi động cơ. Các thuật toán học máy có thể phát hiện các mẫu bất thường trong dữ liệu, từ đó đưa ra dự đoán về tình trạng động cơ. Việc áp dụng học máy giúp cải thiện độ chính xác trong việc phát hiện sự cố và tối ưu hóa quy trình bảo trì.

II. Vấn đề và thách thức trong theo dõi tình trạng động cơ

Mặc dù công nghệ IoT và học máy mang lại nhiều lợi ích, nhưng vẫn tồn tại một số thách thức trong việc theo dõi tình trạng động cơ. Các vấn đề như độ chính xác của cảm biến, khả năng xử lý dữ liệu lớn và sự tương thích giữa các thiết bị là những yếu tố cần được xem xét. Ngoài ra, việc bảo mật thông tin trong hệ thống IoT cũng là một thách thức lớn, khi mà dữ liệu nhạy cảm có thể bị tấn công.

2.1. Độ chính xác của cảm biến theo dõi động cơ

Cảm biến theo dõi tình trạng động cơ cần đảm bảo độ chính xác cao để cung cấp thông tin đáng tin cậy. Các yếu tố như môi trường hoạt động, độ bền của cảm biến và khả năng chịu đựng các điều kiện khắc nghiệt có thể ảnh hưởng đến hiệu suất của cảm biến.

2.2. Bảo mật thông tin trong hệ thống IoT

Bảo mật thông tin là một trong những thách thức lớn nhất trong việc triển khai hệ thống IoT. Các dữ liệu nhạy cảm cần được mã hóa và bảo vệ để tránh bị tấn công. Việc thiết lập các biện pháp bảo mật mạnh mẽ là cần thiết để đảm bảo an toàn cho hệ thống.

III. Phương pháp chế tạo thiết bị theo dõi động cơ IoT

Để chế tạo thiết bị theo dõi tình trạng động cơ, cần thực hiện một quy trình rõ ràng từ thiết kế đến triển khai. Quy trình này bao gồm việc lựa chọn cảm biến phù hợp, thiết kế mạch điều khiển và phát triển phần mềm ứng dụng. Việc áp dụng các công nghệ hiện đại trong thiết kế sẽ giúp nâng cao hiệu quả và độ chính xác của thiết bị.

3.1. Lựa chọn cảm biến phù hợp cho thiết bị

Cảm biến là thành phần quan trọng trong thiết bị theo dõi động cơ. Việc lựa chọn cảm biến cần dựa trên các thông số như độ nhạy, dải đo và khả năng tương thích với hệ thống IoT. Các cảm biến đo rung động và nhiệt độ thường được sử dụng để theo dõi tình trạng động cơ.

3.2. Thiết kế mạch điều khiển cho thiết bị

Mạch điều khiển cần được thiết kế sao cho có thể xử lý dữ liệu từ cảm biến một cách hiệu quả. Việc sử dụng các vi điều khiển hiện đại giúp tối ưu hóa quá trình xử lý và truyền tải dữ liệu đến ứng dụng. Mạch điều khiển cũng cần đảm bảo tính ổn định và độ bền trong môi trường làm việc.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy thiết bị theo dõi tình trạng động cơ ứng dụng IoT và học máy có khả năng phát hiện sớm các dấu hiệu bất thường. Thiết bị đã được thử nghiệm trong môi trường thực tế và cho kết quả khả quan. Việc áp dụng thiết bị này không chỉ giúp giảm thiểu thời gian ngừng hoạt động mà còn nâng cao hiệu quả sản xuất.

4.1. Thử nghiệm thiết bị trong môi trường thực tế

Thiết bị đã được thử nghiệm tại một số nhà máy sản xuất và cho thấy khả năng phát hiện sớm các vấn đề về động cơ. Các thông số như rung động và nhiệt độ được theo dõi liên tục, giúp người dùng có thể kịp thời xử lý các sự cố.

4.2. Lợi ích kinh tế từ việc áp dụng thiết bị

Việc áp dụng thiết bị theo dõi tình trạng động cơ đã giúp giảm thiểu chi phí bảo trì và tăng cường hiệu quả sản xuất. Các doanh nghiệp đã ghi nhận sự cải thiện rõ rệt trong quy trình sản xuất và giảm thiểu thời gian ngừng hoạt động.

V. Kết luận và định hướng phát triển trong tương lai

Nghiên cứu và chế tạo thiết bị theo dõi tình trạng động cơ ứng dụng IoT và học máy là một bước tiến quan trọng trong ngành công nghiệp. Thiết bị này không chỉ giúp nâng cao hiệu quả sản xuất mà còn giảm thiểu rủi ro trong quá trình vận hành. Trong tương lai, cần tiếp tục nghiên cứu và phát triển để cải thiện độ chính xác và khả năng bảo mật của thiết bị.

5.1. Định hướng phát triển công nghệ IoT trong công nghiệp

Công nghệ IoT sẽ tiếp tục phát triển mạnh mẽ trong ngành công nghiệp, với nhiều ứng dụng mới được triển khai. Việc tích hợp các công nghệ mới như trí tuệ nhân tạo và phân tích dữ liệu lớn sẽ giúp nâng cao hiệu quả của hệ thống theo dõi.

5.2. Tương lai của thiết bị theo dõi động cơ

Thiết bị theo dõi động cơ sẽ ngày càng trở nên thông minh hơn, với khả năng tự động hóa cao và tích hợp nhiều tính năng mới. Việc phát triển các thuật toán học máy sẽ giúp cải thiện độ chính xác trong việc phát hiện sự cố và dự đoán tình trạng động cơ trong tương lai.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong hệ thống sản xuất công nghiệp và mạng lưới giao thông vận tải, động cơ điện đóng vai trò cơ cấu chấp hành then chốt, thực hiện quá trình chuyển đổi năng lượng điện thành cơ năng để vận hành máy công cụ, máy nén khí, hệ thống bơm cũng như các phương tiện di chuyển. Quá trình vận hành liên tục dưới tải trọng biến thiên khiến động cơ dễ phát sinh các hỏng hóc cơ khí và sự cố điện - điện tử. Trong đó, dao động cơ học (rung động) là một trong những chỉ số vật lý phản ánh sớm và trực tiếp nhất tình trạng kỹ thuật của thiết bị. Khi các khiếm khuyết cơ khí như mòn ổ bi, lệch trục hay mất cân bằng xuất hiện, mức độ rung động sẽ gia tăng rõ rệt trước khi dẫn đến các biến cố nghiêm trọng như cháy chập, nứt gãy trục hoặc dừng đột ngột dây chuyền sản xuất, gây thiệt hại lớn về kinh tế và an toàn vận hành.

Khảo sát thực tiễn tại Việt Nam cho thấy các thiết bị đo kiểm rung động phổ biến trên thị trường (như các dòng máy đo cầm tay UT312, ACO 3116, Smartsensor AS63D) bộc lộ nhiều hạn chế kỹ thuật:

• Thiết bị chủ yếu hoạt động độc lập, dùng cho công tác đo đạc định kỳ tại một thời điểm cố định, không cung cấp khả năng theo dõi liên tục theo thời gian thực.
• Thiết bị chỉ hiển thị trị số đo thô mà không tích hợp khả năng tự động phân tích hay đưa ra cảnh báo sớm, kết quả chẩn đoán phụ thuộc hoàn toàn vào kinh nghiệm chủ quan của kỹ thuật viên.
• Các giải pháp giám sát rung động tích hợp sẵn từ nước ngoài có chi phí đầu tư rất cao, khó ứng dụng đại trà cho các thế hệ động cơ cũ công suất lớn đang chiếm tỷ trọng áp đảo trong các nhà xưởng hiện nay.

Xuất phát từ thực trạng trên, đồ án tốt nghiệp ngành Kỹ thuật Cơ điện tử tại Trường Cơ khí – Đại học Bách khoa Hà Nội do nhóm sinh viên Nguyễn Hoàng Vũ, Đặng Trần Bách và Hoa Đỗ Tùng Dương thực hiện (dưới sự hướng dẫn của TS. Trương Đức Phức) đã tập trung giải quyết bài toán thiết kế, chế tạo thiết bị giám sát và cảnh báo tình trạng động cơ, ứng dụng công nghệ IoT và các mô hình học máy.

Nhiệm vụ nghiên cứu của đồ án bao gồm:

1. Nghiên cứu tổng quan về lý thuyết rung động, phân loại động cơ và cơ chế hình thành các dạng hư hỏng cơ học, điện - điện tử.
2. Thiết kế và chế tạo phần cứng thiết bị đo mang tên MotorEye, tích hợp cảm biến đo gia tốc, cảm biến từ trường và cảm biến nhiệt độ.
3. Xây dựng cấu trúc hệ thống IoT gồm trạm thu thập biên (Gateway), dịch vụ điện toán đám mây và ứng dụng hiển thị trên thiết bị di động.
4. Xây dựng thuật toán xử lý tín hiệu (bộ lọc Kalman, biến đổi Fourier rời rạc DFT/FFT) và ứng dụng mạng nơ-ron học sâu (Deep Learning) để tự động nhận dạng trạng thái bất thường của động cơ.
5. Thử nghiệm thực nghiệm mô hình trên động cơ máy mài Bosch GBG35-15 nhằm đánh giá độ chính xác và tính ổn định của toàn bộ hệ thống.

Phạm vi nghiên cứu tập trung vào dòng động cơ điện xoay chiều không đồng bộ rotor lồng sóc – đối tượng được sử dụng rộng rãi nhất trong môi trường công nghiệp. Hệ thống không sử dụng tín hiệu âm thanh (tiếng ồn) để chẩn đoán do thông số này rất dễ bị nhiễu bởi môi trường sản xuất xung quanh.

Cơ sở lý thuyết và phương pháp

Để đánh giá tình trạng động cơ, nghiên cứu dựa trên 3 thông số động lực học cơ bản: gia tốc rung động, vận tốc rung động và độ chuyển vị. Do những giới hạn về tần số lấy mẫu và độ nhạy của cảm biến vi cơ điện tử (MEMS) gây cản trở việc tính toán gián tiếp chuyển vị, nhóm tác giả lựa chọn gia tốc rung động 3 trục ($X, Y, Z$) và vận tốc hiệu dụng ($v_{rms}$) làm hai tiêu chí cốt lõi để nhận diện rung chấn, kết hợp với theo dõi chênh lệch nhiệt độ vỏ máy so với môi trường và biến thiên cường độ từ trường.

Về phương pháp xử lý dữ liệu và thuật toán, nghiên cứu ứng dụng các công cụ sau:

• Bộ lọc Kalman tuyến tính: Sử dụng để lọc bỏ nhiễu trắng Gaussian (AWGN) trên tín hiệu gia tốc đọc về từ cảm biến. Mô hình trạng thái và quan sát được thiết lập qua hệ phương trình: $$x_{k+1} = F_k x_k + G_k u_k + w_k$$ $$z_k = H_k x_k + v_k$$ Trong đó, vector trạng thái gồm gia tốc 3 trục $x_{k+1} = [a_{x,k+1}, a_{y,k+1}, a_{z,k+1}]^T$, ma trận chuyển trạng thái $F_k = I_3$, ma trận quan sát $H_k = I_3$, và trạng thái khởi tạo $\hat{x}_{0|0} = [0, 0, 0]^T$. Ma trận hiệp phương sai nhiễu đo $R_k$ được xác định thực nghiệm khi cố định thiết bị trên bề mặt tĩnh, trong khi ma trận hiệp phương sai nhiễu quá trình $Q_k$ được giả định là bội của ma trận đơn vị $I_3$ và hiệu chỉnh tham số thông qua so sánh với thiết bị chuẩn.
• Biến đổi Fourier rời rạc (DFT/FFT): Chuyển đổi dữ liệu gia tốc và cường độ từ trường từ miền thời gian sang miền tần số trong dải từ 0 đến 200 Hz theo công thức: $$X[k] = \sum_{n=0}^{N-1} x[n] \cdot e^{-j\frac{2\pi kn}{N}}$$ Tốc độ đồng bộ của động cơ được xác định qua công thức lý thuyết $V_{đb} = \frac{60 \cdot f}{p}$ (với $f$ là tần số từ trường cuộn stator và $p$ là số cặp cực). Tần số quay thực tế của rotor được suy biến từ đỉnh biên độ phổ sau khi bù trừ độ trượt hao hụt vận tốc (khoảng 6% đối với động cơ công suất nhỏ).
• Tính toán vận tốc hiệu dụng ($v_{rms}$): Áp dụng công thức tổng hợp từ các thành phần biên độ gia tốc $a_i$ và tần số $f_i$ trên biểu đồ phổ: $$v_{rms} = \frac{10^3}{2\pi} \sqrt{\left(\frac{a_1}{f_1}\right)^2 + \left(\frac{a_2}{f_2}\right)^2 + \dots + \left(\frac{a_n}{f_n}\right)^2}$$ Giá trị $v_{rms}$ tính toán được đối chiếu trực tiếp với các ngưỡng rung động trong tiêu chuẩn quốc tế ISO 10816-1 (phân loại 4 cấp: Good, Satisfactory, Unsatisfactory, Unacceptable).
• Thuật toán giải số Newton-Raphson cho cảm biến nhiệt: Nhằm thu được giá trị nhiệt độ liên tục từ nhiệt điện trở NTC 3950 10k theo mô hình phi tuyến $R \approx a \cdot e^{-bT} + c$, thuật toán Newton-Raphson được sử dụng để xác định chính xác các tham số $a, b, c$ dựa trên ba điểm nhiệt độ - điện trở mốc trong datasheet (20°C, 55°C và 75°C).
• Học sâu (Deep Learning): Nhằm khắc phục hạn chế của việc so sánh ngưỡng cứng tĩnh theo ISO 10816 khi động cơ làm việc ở các chế độ tải rung lắc mạnh, nhóm tác giả xây dựng mô hình mạng nơ-ron tích chập (CNN) phân loại chuỗi tín hiệu gia tốc kích thước $3 \times 448$. Các kiến trúc mạng efficientnet_b0, resnet34 và seresnext26d_32x4d được đưa vào huấn luyện thực nghiệm và đánh giá dựa trên độ đo F1-score: $$F_1 = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}}$$

Thiết kế và triển khai

Hệ thống kỹ thuật hoàn chỉnh gồm thiết bị đo tại chỗ (MotorEye), trạm xử lý biên và hạ tầng kết nối truyền thông phân tán.

Phân hệ kỹ thuật	Thành phần / Công nghệ sử dụng	Thông số và vai trò kỹ thuật
Cảm biến đo lường	Module IMU WT901 / GY-511	Lõi MPU9250; gia tốc kế điện dung vi cơ điện tử (MEMS) và từ trường kế hiệu ứng Hall; thu thập tín hiệu gia tốc và từ trường 3 trục.
	Cặp nhiệt điện trở NTC 3950 10k	Dải đo từ -55°C đến 150°C, sai số 0,5 - 1°C; một đầu dò áp sát vỏ động cơ, một đầu dò đo nhiệt độ môi trường.
Khối vi điều khiển	ESP32-WROOM	Vi xử lý 2 nhân Tensilica LX6, xung nhịp 240 MHz; tích hợp Wi-Fi; thực hiện đọc tín hiệu tương tự (ADC 12-bit trên các chân IO25, IO26, IO27) và đóng gói dữ liệu thô.
Lưu trữ & Quản lý nguồn	Thẻ nhớ Micro SD 32 GB	Lưu trữ cục bộ dữ liệu đo phòng khi mất kết nối mạng.
	2 cell pin Li-ion 18650 mắc nối tiếp	Dung lượng 3500 mAh/cell; tích hợp cổng sạc.
	Mạch bảo vệ HX-2S-D20	Cân bằng điện áp nạp, xả và bảo vệ ngắn mạch cho pack pin 2S.
	Mạch đo dung lượng MAX17043	Giám sát mức năng lượng pin còn lại của thiết bị.
Gia công phần cứng	Phiên bản 1 (Full-feature)	Mạch in 2 lớp kích thước 75 x 40 mm thiết kế trên Altium Designer; vỏ in 3D kích thước 46 x 40,5 x 101 mm.
	Phiên bản 2 (Thu gọn)	Mạch thiết kế trên EasyEDA, gia công phay CNC trực tiếp trên phíp đồng; pin tháo rời trực tiếp, tối ưu cho động cơ nhỏ.
Trạm thu thập biên (Gateway)	Raspberry Pi 4	Máy tính nhúng nhận dữ liệu qua Local Network; thực thi các thuật toán tính toán thô, lọc Kalman, biến đổi FFT nhằm giảm tải mạng và tăng tính bảo mật.
Hạ tầng Cloud & App	Nền tảng Firebase	Lưu trữ cơ sở dữ liệu thời gian thực, quản trị kết nối và đồng bộ dữ liệu.
	Ứng dụng điện thoại di động	Giao diện giám sát với các màn hình: Tổng quan (Graph), Thêm thiết bị (Add Device), Danh sách động cơ (List) và Trạng thái chi tiết (State).

Ứng dụng di động hiển thị tình trạng động cơ trực quan qua 3 mức cảnh báo phân màu: Bình thường (Good), Cảnh báo (Warning) và Báo động (Alarm). Người dùng nhập các tham số định mức của máy (mã máy, số cặp cực) làm cơ sở cho thuật toán tính toán vận tốc đồng bộ và biên độ dao động.

Nội dung chính theo từng chương

Chương 1. Tổng quan về đo rung động của động cơ

Chương này hệ thống hóa vị trí, vai trò của động cơ trong sản xuất công nghiệp và giao thông vận tải, phân loại chi tiết các dòng động cơ theo nguyên lý hoạt động (động cơ đốt trong, ngoại khí, động cơ điện), theo nguồn nhiên liệu và phương tiện ứng dụng. Đi sâu vào động cơ điện, tác giả phân tích cấu tạo và đặc tính của động cơ không đồng bộ, động cơ đồng bộ và động cơ DC, đồng thời làm rõ các thông số kỹ thuật then chốt gồm tốc độ quay ($n$), số cặp cực, mô-men xoắn, công suất, hiệu suất và cấp bảo vệ vỏ theo tiêu chuẩn IEC.

Về cơ chế hỏng hóc, chương trích dẫn số liệu thống kê từ IEEE khẳng định có trên 50% sự cố hỏng hóc ở động cơ điện xuất phát từ các hư hại cơ khí. Tác giả chỉ ra 4 dạng lỗi cơ khí điển hình:

• Lệch trục (lệch góc, lệch song song hoặc hỗn hợp) sinh ra phản lực phá hủy dọc trục và tăng rung lắc.
• Mất cân bằng trục do lệch tâm quay sinh ra lực ly tâm lớn.
• Lỏng liên kết cơ khí tại các khớp đỡ hoặc vỏ máy.
• Mòn vòng bi – chiếm tới 60% tổng số các lỗi cơ khí, làm tăng ma sát, phát sinh nhiệt độ cao và suy giảm nghiêm trọng hiệu suất động cơ.

Trong khi các sự cố về mạch điện thường gây dừng máy tức thì, các lỗi cơ khí luôn diễn tiến từ từ và biểu hiện rõ ràng qua hiện tượng gia tăng độ rung cùng tiếng ồn bất thường.

Thiết kế hệ thống đo rung động và một số chỉ số khác của động cơ

Nội dung chương này trình bày bản chất vật lý của dao động cơ học quanh vị trí cân bằng và tác hại dây chuyền của rung chấn: phát sinh tiếng ồn, đẩy nhanh tốc độ mỏi của vật liệu, gây lõm rãnh lăn ổ trục, phá hủy lớp cách điện của cuộn dây stator và làm lỏng bệ đỡ máy.

Tác giả khảo sát các giải pháp đo rung hiện hành trên thị trường, phân tích rõ nhược điểm đo gián đoạn của thiết bị cầm tay và rào cản chi phí của các hệ thống ngoại nhập. Từ đó, chương thuyết minh toàn bộ quá trình thiết kế giải pháp MotorEye tích hợp IoT: nguyên lý chuyển đổi dung kháng của gia tốc kế, hiệu ứng Hall của từ trường kế, tính toán mạch phân áp nhiệt điện trở NTC mắc nối tiếp với điện trở 10 k$\Omega$ đưa về chân analog của ESP32, sơ đồ nguyên lý mạch Altium Designer, kết cấu vỏ bảo vệ hai lớp trên SolidWorks và kiến trúc luồng dữ liệu 4 tầng trong mạng cục bộ và mạng diện rộng.

Chương 4. Chế tạo thử nghiệm và đánh giá

Chương 4 mô tả quy trình gia công phần cứng cho cả hai phiên bản thiết bị, từ công đoạn hàn linh kiện dán/cắm lên bo mạch PCB, kiểm tra thông mạch, đến in vỏ 3D và lắp ráp hoàn thiện. Công tác thực nghiệm được triển khai trên đối tượng kiểm chứng là động cơ máy mài Bosch model GBG35-15.

Nhóm tác giả tiến hành thu thập mẫu dữ liệu rung động mô phỏng trong hai kịch bản vận hành thực tế:

1. Trạng thái làm việc bình thường: Thiết bị gắn trên vỏ máy mài, kỹ thuật viên thực hiện mài phôi kim loại gồm 01 thanh thép $\varnothing 8$ dài 100 mm và 01 thanh nhôm định hình $20 \times 20$ mm; lực ấn tay vào bệ tì được thay đổi liên tục để làm phong phú dữ liệu.
2. Trạng thái vận hành bất thường: Mô phỏng tình huống mất cân bằng động và va đập ngoại lực theo các hướng trục $X$ (2 chiều), trục $Y$ (2 chiều) và rung lắc phương $Z$ với các cấp cường độ biến thiên.

Tín hiệu thu được từ cảm biến GY-511 được xử lý lọc nhiễu qua bộ lọc Kalman viết bằng ngôn ngữ Python (thư viện filterpy), sau đó đưa vào huấn luyện và đánh giá trên các mô hình mạng nơ-ron tích chập.

Kết quả và đóng góp

Nghiên cứu đã chế tạo thành công hai mẫu phần cứng thiết bị đo MotorEye có khả năng hoạt động ổn định, truyền dữ liệu không dây về máy tính nhúng Raspberry Pi 4 để xử lý cục bộ và đẩy lên nền tảng Firebase, hiển thị trực quan trên ứng dụng di động. Hệ thống thực hiện việc tính toán đồng thời các chỉ số: biên độ gia tốc rung động 3 trục, vận tốc hiệu dụng $v_{rms}$, tốc độ quay thực của rotor và nhiệt độ vỏ máy/môi trường.

Trong thử nghiệm phân loại tình trạng rung động bằng công nghệ học sâu trên tập dữ liệu kiểm tra (Test set chiếm 20% tổng dữ liệu thu thập), kết quả giữa các mô hình và phương pháp tiền xử lý dữ liệu được ghi nhận như sau:

Tập dữ liệu đầu vào	Mô hình trích xuất đặc trưng	Điểm F1 (F1-score)	Thời gian chạy (s)
Denoised Data (Dữ liệu lọc nhiễu Kalman)	efficientnet_b0	Đạt kết quả khả quan	5.0097
	resnet34	100%	21.0136
DFT Data (Dữ liệu qua biến đổi Fourier)	efficientnet_b0	Đạt kết quả khả quan	5.0155
	resnet34	Đạt kết quả khả quan	21.1300

Mô hình ResNet-34 huấn luyện trên tập dữ liệu đã khử nhiễu bằng bộ lọc Kalman (Denoised Data) đạt độ chính xác nhận dạng tuyệt đối (100% trên tập đánh giá) với thời gian thực thi ổn định xấp xỉ 21 giây.

Các đóng góp chính của đồ án gồm:

• Thiết kế hoàn chỉnh thiết bị giám sát phần cứng nhỏ gọn, có khả năng đo đạc đa thông số (rung động, từ trường, nhiệt độ) sử dụng linh kiện phổ biến, giá thành thấp, thích hợp để lắp đặt bổ sung cho các động cơ công nghiệp thế hệ cũ.
• Xây dựng giải pháp tính toán biên (Edge Computing) kết hợp giữa thuật toán giải tích truyền thống (Kalman, FFT, Newton-Raphson) và mô hình học sâu hiện đại (ResNet-34), cho phép tự động cảnh báo sớm các bất thường mà không phụ thuộc vào việc kiểm tra định kỳ thủ công.

Hạn chế và hướng nghiên cứu tiếp

Các hạn chế được văn bản đề cập bao gồm:

• Việc tính toán chính xác độ chuyển vị gián tiếp qua tích phân hai lớp tín hiệu gia tốc gặp nhiều sai số do những giới hạn cố hữu về độ nhạy và dải tần số lấy mẫu của cảm biến MEMS GY-511 (dải tần đo chỉ đạt từ 0 đến 200 Hz).
• Quá trình thu thập dữ liệu và kiểm nghiệm thực tế mới chỉ được tiến hành trên một đối tượng cụ thể là động cơ máy mài hai đá Bosch GBG35-15, chưa bao quát được toàn diện các loại máy công nghiệp với công suất và dải tải trọng khác nhau.

Hướng phát triển tiếp theo của đề tài:

• Mở rộng tập dữ liệu huấn luyện trên nhiều chủng loại động cơ khác nhau trong các dây chuyền sản xuất công nghiệp thực tế.
• Tối ưu hóa phần cứng đo lường với các module cảm biến có tần số lấy mẫu cao hơn để trích xuất đầy đủ thông số chuyển vị dải tần thấp.
• Hoàn thiện thuật toán tự học thích nghi trên nền tảng đám mây dựa trên phản hồi của người vận hành để xây dựng mô hình chẩn đoán riêng biệt cho từng động cơ cụ thể.

Giá trị tham khảo

Đồ án là tài liệu tham khảo hữu ích cho sinh viên, học viên cao học và kỹ sư thuộc các chuyên ngành Kỹ thuật Cơ điện tử, Kỹ thuật Cơ khí, Điều khiển & Tự động hóa và Kỹ thuật Máy tính/IoT.

Nội dung đồ án có giá trị ứng dụng thực tế cao ở các phần:

• Quy trình thiết kế phần cứng nhúng hoàn chỉnh trên Altium Designer và EasyEDA, đặc biệt là giải pháp thiết kế mạch nguồn dùng pin Li-ion 18650 có tích hợp mạch sạc cân bằng HX-2S-D20 và quản lý dung lượng MAX17043.
• Phương pháp lập trình lọc nhiễu Kalman cho dữ liệu cảm biến gia tốc MEMS và phương pháp biến đổi FFT đồng thời giữa tín hiệu từ trường và rung động để trích xuất tốc độ quay động cơ.
• Quy trình chuẩn bị dữ liệu, tiền xử lý và áp dụng kiến trúc mạng tích chập (CNN) phân loại tín hiệu chuỗi thời gian nhằm phát hiện lỗi cơ khí.

Câu hỏi thường gặp

1. Vì sao nhóm nghiên cứu không sử dụng thông số tiếng ồn để chẩn đoán tình trạng động cơ?
Tiếng ồn phát sinh khi động cơ hoạt động có phản ánh tình trạng kỹ thuật nhưng rất dễ bị tác động và pha tạp bởi môi trường âm thanh xung quanh xưởng sản xuất. Do đó, tác giả loại bỏ thông số tiếng ồn và tập trung vào rung động 3 trục, từ trường và nhiệt độ để đảm bảo độ chính xác.

2. Tốc độ quay thực tế của rotor động cơ được tính toán bằng cách nào trong đồ án?
Tốc độ đồng bộ $V_{đb}$ được xác định trước qua biến đổi FFT tín hiệu cường độ từ trường 3 trục và công thức $V_{đb} = \frac{60 \cdot f}{p}$. Sau đó, thông qua biến đổi FFT tín hiệu rung động 3 trục, hệ thống tìm tần số có biên độ lớn nhất tương ứng với tốc độ quay thực của rotor (đã trừ hao hụt độ trượt khoảng 6% đối với động cơ cỡ nhỏ).

3. Kiến trúc mạng học sâu nào cho kết quả phân loại tín hiệu rung động chính xác nhất?
Mô hình resnet34 huấn luyện trên tập dữ liệu đã lọc nhiễu qua bộ lọc Kalman (Denoised Data) đạt điểm F1-score cao nhất là 100% trên tập đánh giá, vượt trội hơn so với các cấu hình mạng khác trong thử nghiệm.

4. Thiết bị MotorEye được chế tạo gồm mấy phiên bản phần cứng và có điểm gì khác nhau?
Phần cứng được chế tạo gồm 2 phiên bản: Phiên bản 1 đầy đủ chức năng, mạch 2 lớp 75 x 40 mm thiết kế bằng Altium, dùng pin sạc 18650 tích hợp mạch sạc cân bằng và vỏ in 3D (46 x 40,5 x 101 mm); Phiên bản 2 được tối giản kích thước, vẽ trên EasyEDA và phay CNC trực tiếp trên phíp đồng, cho phép tháo lắp thay pin trực tiếp để gắn trên các động cơ nhỏ.

Kết luận

Đồ án tốt nghiệp của nhóm tác giả tại Đại học Bách khoa Hà Nội đã thiết kế và chế tạo thành công thiết bị đo MotorEye cùng hệ thống IoT giám sát rung động, từ trường và nhiệt độ động cơ theo thời gian thực. Bằng việc ứng dụng bộ lọc Kalman và mô hình học sâu ResNet-34 trên dữ liệu thực nghiệm từ động cơ Bosch GBG35-15, nghiên cứu đã đạt độ chính xác 100% trong bài toán nhận diện các trạng thái rung động bất thường. Đây là công trình cơ điện tử có giá trị thực tiễn rõ rệt, cung cấp giải pháp kỹ thuật khả thi, chi phí thấp nhằm nâng cao năng lực bảo trì dự đoán cho các hệ thống động cơ điện trong công nghiệp.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN VỀ ĐO RUNG ĐỘNG CỦA ĐỘNG CƠ.1 Tầm quan trọng của động cơ:.2 Phân loại động cơ:.1 Phân loại động cơ theo nguyên lý hoạt động.2 Phân loại động cơ theo nguồn năng lượng.3 Phân chia theo phương tiện sử dụng.5 Rung động và tiếng ồn của động cơ:. THIẾT KẾ HỆ THỐNG ĐO RUNG ĐỘNG VÀ MỘT SỐ CHỈ SỐ KHÁC CỦA ĐỘNG CƠ.1 Lý thuyết về rung động của động cơ:.2 Nguyên nhân gây ra rung động bất thường:.3 Các thông số phản ánh tình trạng rung động:.4 Ảnh hưởng của rung động đến quá trình làm việc của động cơ:.2 Các dòng sản phẩm đo độ rung trên thị trường hiện nay:.3 Thiết kế tổng quan giải pháp theo dõi độ rung động của động cơ ứng dụng công nghệ IoT:.1 Thiết kế thiết bị đo:.2 Thiết kế hệ thống IoT.3 Xây dựng ứng dụng điện thoại:. Chế tạo thử nghiệm và đánh giá.1 Chế tạo thiết bị:.2 Thực nghiệm và đánh giá.

Biên độ của gia tốc rung động động cơ. Tốc độ quay của động cơ. Vận tốc hiệu dụng. Tính toán nhiệt độ.

KẾT LUẬN VÀ ĐỊNH HƯỚNG PHÁT TRIỂN.2 Định hướng phát triển.61 DANH MỤC HÌNH ẢNH.63 DANH MỤC BẢNG.64 TÀI LIỆU THAM KHẢO.65 LỜI CẢM ƠN TỔNG QUAN ĐỀ TÀI Động cơ là một đối tượng quan trọng, có vai trò to lớn và chủ chốt trong sự vận hành và hoạt động của các loại máy móc nói chung, đặc biệt là trong các xưởng sản xuất, trong lĩnh vực công nghiệp hoặc giao thông vận tải. Trong quá trình hoạt động của động cơ, thông số về rung động của động cơ là một thông số quan trọng, có thể phản ánh trực tiếp tình trạng của động cơ. Do vậy, nếu nắm bắt được thông tin này, người dùng có thể dễ dàng phát hiện được những dấu hiệu bất thường, từ đó kịp thời tiến hành kiểm tra, sửa chữa hệ thống. Ngược lại, nếu không được phát hiện kịp thời, động cơ có thể hỏng hóc và gây ra những hậu quả đáng tiếc như cháy, chập.

Đặt trong những dây chuyền sản xuất, khi một động cơ xảy ra vấn đề, thì phải dừng toàn bộ hệ thống lại để tiến hành bảo trì, khiến dây chuyền sản xuất gián đoạn. Ngay cả trong trường hợp động cơ không hư hại hoàn toàn, chỉ gặp trục trặc mà vẫn tiếp tục hoạt động thì cũng làm giảm chất lượng của sản phẩm. Tóm lại, việc không thường xuyên theo dõi tình trạng của động cơ thì sẽ gây ra sự mất mát rất nhiều về thời gian và tiền bạc. Như vậy, một hệ thống để theo dõi và giám sát tình trạng của động cơ là nhu cầu vô cùng cần thiết và thiết yếu trong giai đoạn hiện nay.

Trên thị trường đã có một cố loại thiết bị kiểm tra rung động của động cơ, tuy nhiên, những thiết bị này thường là thiết bị rời, hoặc được gắn tạm bợ, chỉ được sử dụng để theo dõi những thông số của động cơ tại một thời điểm nhất định. Như vậy thì khó có thể chuẩn xác do lượng thông tin ít, hơn nữa sẽ không đánh giá, so sánh chính xác xem tình trạng hiện tại của động cơ có ổn định không. Biện pháp chỉ có thể dùng để khắc phục hậu quả, không thể đưa ra các thông báo khi xảy ra dấu hiệu lạ trên động cơ cho người sử dụng. Do vậy, nhóm chúng em có ý tưởng về một thiết bị có khả năng theo dõi tình trạng của động cơ thông qua thông tin chính là rung động, và các thông tin phụ như nhiệt độ, từ đó đưa ra phân tích tình trạng của động cơ và cảnh báo tới người dùng.