B GIO DC V O TO B CễNG THNG
VIN NGHIấN CU IN T, TIN HC, T NG HểA


Nguyễn Văn Nghĩa ứng dụng mạng nơron trong chẩn đoán
tình trạng kỹ thuật động cơ điện kéo của đầu máy Chuyờn ngnh: K THUT IN T
Mó s: 62520203
luận án tiến sỹ kỹ thuật H ni - 2012

Công trình được hoàn thành tại:

VIỆN NGHIÊN CỨU ĐIỆN TỬ, TIN HỌC, TỰ ĐỘNG HÓA

(ĐCĐK) được sử dụng phổ biến trong ngành Đường sắt Việt Nam, xét
về tính tin cậy và khả năng vận dụng của thiết bị, ĐCĐK là khâu có độ
tin cậy thấp. Do vậy, cần thiết phải đặt vấn đề nghiên cứu một cách toàn
diện v
ề chẩn đoán ĐCĐK và xây dựng phương pháp chẩn đoán cho
phép khai thác hiệu quả các số liệu chẩn đoán đã có.
Việc nghiên cứu giải quyết những vấn đề mang tính thời sự nêu trên
không chỉ là đáp ứng yêu cầu thực tiễn cấp thiết của ngành đường sắt
hiện nay và thời gian tới mà còn có ý nghĩa khoa học khi đưa những
công cụ mô phỏng và tính toán hiện đại vào lĩnh v
ực chẩn đoán kỹ
thuật.
Đề tài luận án “Ứng dụng mạng nơ ron trong chẩn đoán tình trạng
kỹ thuật động cơ điện kéo trên đầu máy” đi sâu nghiên cứu về lý
thuyết chẩn đoán áp dụng cho đối tượng ĐCĐK nhằm các mục tiêu sau:
Xác định tập các thông số chẩn đoán phù hợp cho ĐCĐK.
Ứng dụng mạng nơron trong chẩn đ
oán tình trạng kỹ thuật ĐCĐK.
Đối tượng nghiên cứu của đề tài: Chẩn đoán kỹ thuật áp dụng cho
ĐCĐK trong tình trạng đang hoạt động.
Nội dung nghiên cứu:
- Nghiên cứu về lý thuyết chẩn đoán dựa trên mô hình
- Xây dựng mô hình toán học của đối tượng chẩn đoán.
- Sử dụng mạng nơron trong chẩn đoán. Áp dụng cho các bài toán
phát hiện lỗi sử dụng nhi
ệt độ và chẩn đoán tình trạng đánh lửa ĐCĐK.
- Thực nghiệm trên mô hình và kiểm nghiệm kết quả trên đối tượng
thực.
Phạm vi nghiên cứu: ứng dụng mạng nơron trong chẩn đoán dựa
trên mô hình ước lượng.

về lý thuyết và đã chuyển sang giai đoạn ứng dụng. Nó có ý nghĩ
a trong
mọi lĩnh vực của công nghiệp và giao thông vận tải. Nó làm thay đổi rõ
rệt chất lượng của các hệ thống, không những cho phép đảm bảo khả
năng vận hành, mà còn khả năng kiểm soát hệ thống trong cả trong
trường hợp có sự cố. Trong mọi lĩnh vực của ngành giao thông vận tải
(GTVT), như ôtô, hàng không, giao thông đường sắt, ứng dụng của
chẩn đoán cho phép đảm bảo an toàn và độ tin c
ậy cho thiết bị. Do vậy,
đối với ngành Đường sắt nói chung và thiết bị đầu máy nói riêng, việc
nghiên cứu và ứng dụng chẩn đoán là rất cần thiết và cấp bách nhằm
nâng cao chất lượng và độ an toàn của hệ thống.
Hiện nay, các nghiên cứu về chẩn đoán tập trung vào 2 hướng:

3
1. Sử dụng các phép phân tích tín hiệu để khai thác các thông số
chẩn đoán, để nâng cao được khả năng phát hiện lỗi, nâng cao hiệu quả
kinh tế, kỹ thuật của phép chẩn đoán.
2. Sử dụng trí tuệ nhân tạo (AI) trong chẩn đoán: Tập trung vào bài
toán phân loại và kết luận lỗi: Sử dụng mạng nơron hoặc logic mờ.
Về ứng dụng mạng nơron trong chẩn đoán
Trong lĩnh vự
c chẩn đoán kỹ thuật, việc ứng mạng nơron và tính
toán mềm được nghiên cứu nhiều, chủ yếu theo hướng ứng dụng nơron
và logic mờ trong kết luận chẩn đoán và sử dụng các dạng mạng lan
truyền ngược trong học thông số của đối tượng chẩn đoán.
Về chẩn đoán ĐCĐK
Đối với các loại động cơ thông dụng trong công nghiệp, các ph
ương
pháp chẩn đoán dựa trên phân tích dòng điện, từ trường, độ rung được

thiết bị không trong tình trạng hoạt động. Những nghiên cứu về chẩn
đoán tình trạng kỹ thuật của thiết bị ĐCĐK trong trạng thái hoạt động
chưa được đề cập. Vì vậy, trong nội dung nghiên cứu của đề tài tập
trung nghiên cứu về chẩn đoán tình trạng kỹ thuật của ĐCĐK trong
tình trạng hoạt động.
1.2 Về lý thuyết ch
ẩn đoán
CĐKT là khoa học về xác định trạng thái của một hệ thống ở một
thời điểm xác định đang hoặc sẽ diễn ra, dựa trên các triệu chứng bên
ngoài. Nội dung của khoa học này xem xét các phương pháp thu thập và
đánh giá các thông tin chẩn đoán, các mô hình chẩn đoán và thuật toán
ra quyết định. Chẩn đoán cũng có thể sử dụng các phép kiểm tra, tức là
các trạng thái đầu vào đặc bi
ệt nhằm làm cho hệ thống bộc lộ các triệu
chứng của trạng thái hiện tại. Mục đích của CĐKT là đánh giá trạng
thái ở các thời điểm, phát hiện sớm các hư hỏng đang và sẽ phát sinh
của hệ thống, từ đó đưa ra các biện pháp kỹ thuật chống hỏng hóc, bảo
trì báo dưỡng nhằm cải thiện độ tin cậy, an toàn và tuổi thọ củ
a hệ
thống kỹ thuật.
Bản chất của CĐKT là sự phát triển và thực hiện các thuật toán ước
tính các thông số kỹ thuật của đối tượng chẩn đoán mà không cần thay
đổi điều kiện làm việc của các thông số kiểm soát.
1.2.1 Định nghĩa bài toán chẩn đoán kỹ thuật
Mattias Nyberg đã định nghĩa bài toán chẩn đoán như sau: Coi đối
tượng chẩn đ
oán (ĐTCĐ) là một tập hợp gồm n chi tiết độc lập, mỗi chi
tiết có các thông số trạng thái tương ứng x
i
. Khi một trong số các chi tiết

việc bình thường (S
0
) hay có lỗi (các trạng thái còn lại)

5
- Bài toán phân biệt lỗi (Fault Isolation): Phân biệt rõ hệ ở trạng thái
nào trong số các trạng thái lỗi S
i
hoặc bình thường S
0
- Bài toán định vị lỗi (Fault Indentification): Xác định được nguyên
nhân gây ra lỗi và sự phát triển của lỗi.
- Bài toán dung lỗi (Fault Tollerance): Xây dựng những hệ thống có
thể làm việc được trong trường hợp có lỗi xảy ra bằng cách sử dụng các
thông tin gián tiếp hoặc các bộ phận thay thế.
Hệ càng phức tạp và số lượng lỗi đồng thời xảy ra càng nhiều thì
việc chẩn đoán càng khó khăn.
Chẩ
n đoán thiết bị trong tình trạng hoạt động
Chẩn đoán thiết bị trong tình trạng hoạt động là một bài toán riêng
của chẩn đoán kỹ thuật. Trong đó, đối tượng chẩn đoán vẫn đang hoạt
động trong hệ thống tổng thể. Thiết bị vẫn được đặt ở vị trí làm việc,
không được tháo rời hoặc can thiệp. Nó có các đặc điểm riêng biệt sau:
-
Đối tượng chẩn đoán vẫn đang trong trạng thái làm việc, nhận tín
hiệu từ các khâu trước nó và đầu ra vẫn đang mang tải hoặc điều khiển
thiết bị sau nó. Do vậy, không được tạo ra bất kỳ sự can thiệp nào gây
ảnh hưởng đến tín hiệu đầu vào và đầu ra.
- Do vậy, rất hiếm khi có thể tạo ra được các phép thử và tình huống
chẩn đoán nhằm giúp hệ thống bộ

[]
.
() () () (), (), (), ()
() () () (), (), (), ()
x
txt xt xtutftdt
yt yt yt xt ut f t dt
φ
ψ
=+∆=
=+∆=

(1.3)
Như vậy, trong trường hợp lỗi, hàm lỗi F(t) làm thay đổi giá trị
thông số trạng thái của thiết bị từ X(t) thành X(t)+
∆
X(t) và thông qua
ánh xạ
Ψ
, thông số đầu ra thay đổi một lượng
∆
y(t) thành y(t)+
∆
y(t).
Công thức 1.1 sẽ trở thành:
Y(t)+
∆
Y =
ψ
[U(t), X(t)+

y(t). Những sai lệch có thể phát hiện được mang ý
nghĩa chẩn đoán được gọi là triệu chứng.
Vấn đề 2: Ánh xạ
Ψ
-1
thường là không biết và khó xác định.
Từ cách giải quyết hai vấn đề trên, phân biệt được các phương pháp
chẩn đoán:
- Phương pháp chẩn đoán truyền thống dựa trên lý thuyết thống kê
để phát hiện mối quan hệ ngược giữa những vi phạm tiêu chuẩn ở
TSCĐ và lỗi gặp phải của hệ thống. Nhược điểm của phương pháp chẩn
đoán truyền thống đòi h
ỏi phải có số liệu thống kê về đối tượng trong
trạng thái làm việc bình thường và trạng thái hư hỏng, tức là phải có số
lượng mẫu thử ở trạng thái hỏng đủ lớn, trong mọi dạng lỗi.
- Phương pháp chẩn đoán dựa trên mô hình giải quyết các vấn đề
trên bằng cách xây dựng mô hình đối chứng là ước lượng toán học của
đối tượng trong trạng thái làm việc bình thườ
ng. Từ đó so sánh sai lệch
để phát hiện các triệu chứng và kết luận lỗi.

7
1.2.3 Phương pháp chẩn đoán dựa trên mô hình hóa
Phương pháp chẩn đoán dựa trên mô hình, tập trung vào giám sát và
kiểm tra. Phương pháp này đã được nghiên cứu nhiều về lý thuyết và
đang phát triển ứng dụng của nó trong các ngành kỹ thuật, đặc biệt
trong đo lường chẩn đoán và trong GTVT.
Một mô hình so sánh với hàm truyền đạt là hàm truyền của đối
tượng chẩn đoán trong trạng thái bình thường và được chạy song song
với đố

đoán được lựa chọn từ mô hình toán tương ứng sao cho mỗi lỗi f
i
tác
động vào hệ thống tương ứng với sự biến đổi của một hoặc một nhóm
triệu chứng s
i
.
Ψ
là một song ánh. Do vậy, hoàn toàn có thể kết luận sự
tồn tại của f
i
nếu có sự xuất hiện của s
i
.
Trên cơ sở lý thuyết chẩn đoán dựa trên mô hình, có thể xây dựng
mô hình hệ chẩn đoán như trong hình 1.2
F- lỗi
Y-đầu ra
ĐTCĐ
U- đầu vào
Phát hiện sai
l
ệ
ch
Ước lượng
s
ai l
ệc
h
R-Sai lệch

- Nhược điểm: Chỉ phát hiện
được các lỗi đã định nghĩa trong mô
hình. Với các lỗi không được định nghĩa trước, phương pháp sẽ cho kết
quả chẩn đoán sai hoàn toàn, có thể dẫn đến các hậu quả nghiêm trọng
cho hệ thống.
Nhận xét
Nghiên cứu về chẩn đoán TTKT và chẩn đoán ĐCĐK trong điều
kiện hoạt động là nhu cầu cấp thiết mang tính khoa học và thực tiễn.
Chẩn đoán d
ựa trên mô hình là phương pháp tiên tiến, phù hợp với
nhu cầu chẩn đoán trong tình trạng hoạt động của ĐCĐK nói riêng và
các hệ thống kỹ thuật nói chung.
CHƯƠNG 2: MÔ HÌNH HÓA VÀ XÂY DỰNG TẬP
THÔNG SỐ CHẨN ĐOÁN CHO ĐỘNG CƠ ĐIỆN KÉO
2.1 Mô hình hóa ĐCĐK bằng mô hình cấu trúc
Mô hình cấu trúc là tập hợp các quan hệ E={e
i
}. Trong đó, e
i
biểu
diễn mối quan hệ giữa các thông số đầu vào, đầu ra, trạng thái và lỗi của
đối tượng.
ĐCĐK được gắn trực tiếp với trục bánh xe đầu máy và có gia tốc rất
thấp. Do vậy, chỉ cần xét mô hình ở trạng thái xác lập của đối tượng.

1
: U
F
= U
KT
+ U
A
(2.1)
Trong đó: U
KT
: Điện áp kích từ
U
A
: Điện áp phần ứng
Suất phản điện động của động cơ (E
A
):
e
4
: E
A
=K
E
.
Φ
.n
F
(2.2)
Trong đó: n
F

Dòng kích từ (I
KT
): e
2
:
K
T
KT
CC
U
I
r
=
(2.4)
Trong đó: r
cc
: Điện trở cực từ

Dòng điện đầu vào động cơ (I
F
):
e
5
: I
KT
= I
F
=I
A
(2.5)

e
8
: P
cc
=f
cc
(n
F
, I
kt
, r
cc
) (2.8)
Trong đó f
i
: Hàm biểu diễn quan hệ giữa các đại lượng
Công suất tiêu tán tại phần ứng (P
A
):
e
9
: P
A
=f
A
(n
F
, I
A
, r

tcc
(P
cc
, t
cin
,t
c
) (2.11)
Trong đó: t
cin
: Nhiệt độ gió làm mát đầu vào
t
c
: Nhiệt độ thân máy.
Nhiệt độ phần ứng (t
A
):
e
12
: t
A
= f
tA
(P
A
, t
cin
,t
c
) (2.12)

c
) (2.14)
Xét trên toàn bộ động cơ
Tổn hao tổng cộng của động cơ (P
tt
):
e
15
: P
tt
=
Σ
P
tt i
(2.15)
Hiệu suất của động cơ (
η
):
e
16
:
η
= 1 - P
tt
/P
F
(2.16)
Mô men cơ học (M
c
):

i
. Các lỗi được định nghĩa trong bảng 2.2. Xem
xét mối ảnh hưởng của lỗi đến các thông số:
- Các lỗi đứt mạch phần điện sẽ làm hở mạch và dòng điện trên đoạn
mạch tương ứng bằng 0 và điện áp bằng điện áp của cả đoạn mạch. Áp
dụng cho từng đoạn mạch:
Đối với lỗi đứ
t mạch phần cảm F
2
:
e
19
: (I
KT
= 0) & (U
KT
= U
F
) (2.19)
Đối với lỗi đứt mạch phần ứng F
6
:

11
e
20:
(I
A
=0) & (U
A

:
e
21
: t
cc
> t
ccmax
(2.21)
Lỗi quá nhiệt độ phần ứng F
9
:
e
22
: t
Đ

≤
t
đmax
(2.22)
Lỗi quá nhiệt độ ổ bi F
10
:
e
23
: t
C

≤
t

c
t
P
F
M
c
t
tx
t
cc
t
A
t
c
t
t
c
p
t
t

η
t
cout
f
1
r
A
K
E

12
2.3 Lựa chọn tập tham số phù hợp cho chẩn đoán
2.3.1 Phương pháp xây dựng tập TSCĐ phù hợp
TSCĐ là các thông số cấu trúc hoặc thông số đầu ra có mang thông
tin về thiết bị và thỏa mãn các điều kiện sau:
- Điều kiện đồng tính: Phù hợp với mục tiêu của chẩn đoán, mang
lượng thông tin chính xác và đủ lớn.
- Các thông số phải đơn trị trong khoảng khảo sát.
- Thu
ận lợi cho công tác đo đạc, xác định thông số.
- Phản ứng tức thời với mọi biến đổi trong đối tượng chẩn đoán, có
độ nhạy, độ ổn định cao.
Phương pháp lựa chọn tập TSCĐ là tối thiểu hóa mô hình cấu trúc
theo tập lỗi cần phát hiện. Tiêu chí để tối thiểu hóa là hàm chỉ tiêu
lượng thông tin của TSCĐ Π thể hiện mức độ ý nghĩa củ
a TSCĐ. Hàm
gồm ba thành phần S
k
biểu thị mức độ liên hệ của thông số, b
zi
thể hiện
khả năng đo đạc và I
czi
thể hiện mức độ ý nghĩa của thông số: ikZiCzi
S
bI
∏

cin
, t
cout
}
(2.26)
Tập hàm quan hệ: E
0
= {e
3
, e
4
, e
5
, e
6
, e
15
. e
16
, e
18
}.
(2.27)
Trên cơ sở mô hình cấu trúc bài toán phát hiện lỗi đã có, cần tiến
hành phân tích từng phần hoặc toàn bộ mô hình để phát hiện các dấu
hiệu lỗi r
i
và triệu chứng lỗi s
i
. Trên cơ sở những dấu hiệu lỗi đó, có thể

4
, e
6
r
1
f
2
Đứt mạch phần cảm U
KT
, I
F
e
19
r
2
f
3
Chập mạch phần cảm U
KT
, I
F
e
2
r
3
f
4
Cháy hoàn toàn, hở mạch cổ góp U
A
, I

3
, e
4
, e
6
r
1
f
7
Sát cốt phần ứng U
F
, I
F
, t
cin
, t
cout
,

t
c
e
15
, e
1
6
r
5
f
8

, n,
t
cin
, t
cout
, t
c
, t
cc
, t
A
,
t
ct

e
2,
e
3
, e
4
, e
6
, e
15
, e
16
,
e
19

s
4
s
5
s
6
s
7
s
8
f
1
1 0 0 0 0 0 0 0
f
2
0 1 0 0 0 0 0 0
f
3
0 0 1 0 0 0 0 0
f
4
0 0 0 1 0 0 0 0
f
5
1 0 0 0 0 0 0 0
f
6
1 0 0 0 0 0 0 0
f
7

. Để phân biệt lỗi này, có thể kiểm tra nguội trong
quá trình sửa chữa tại xưởng.
- Các biểu thức s
i
cần được xác định và tính toán chính xác giá trị
ngưỡng phân biệt lỗi nhằm đảm bảo khả năng chẩn đoán cao nhất.
Nhận xét
Trong chương này, luận án đã phân tích phân tích mô hình cấu trúc
và grap tín hiệu của ĐCĐK, từ đó đề xuất tập thông số chẩn đoán tối ưu
của động cơ điện kéo theo khả năng thu thập dữ liệu và mức độ ý nghĩa
cho hai bài toán phát hi
ện lỗi và phân biệt lỗi.
Tập thông số trên là các thông số cơ bản phản ảnh tình trạng kỹ thuật
của đối tượng cần chẩn đoán. Kết quả của chương 2 cho phép xây dựng
các hệ thống thu thập và lưu trữ số liệu cho thiết bị. Mức độ ảnh hưởng
của mỗi thông số đến một hiện tưởng hỏng hóc là khác nhau. Vì vậy,
việc
đánh giá tác động trực tiếp của từng tham số, cũng như mối quan
hệ của một nhóm thông số đến tình trạng kỹ thuật của đối tượng chẩn
đoán là cần thiết.
Trong phần sau, luận án sẽ nghiên cứu sử dụng các phương pháp xử
lý số liệu phù hợp, cho phép khai thác được những thông tin về đối
tượng chẩn đoán.
CHƯƠNG 3: ỨNG DỤNG MẠNG NƠ
RON
TRONG CHẨN ĐOÁN TÌNH TRẠNG KỸ THUẬT
CHO ĐỘNG CƠ ĐIỆN KÉO
3.1 Ước lượng thông số sử dụng mạng nơron RBF ứng dụng trong
bài toán chẩn đoán
Độ nhạy và độ chính xác của phép chẩn đoán phụ thuộc vào độ

Mạng RBF thường được xây dựng dưới dạng các nút phân bố theo 3
lớp:
Lớp vào nhận tín hiệu và phân biệt bởi hàm ước lượng. Thường sử
dụng dạng hàm Gauss như sau:

⎟
⎟
⎟
⎠
⎞
⎜
⎜
⎜
⎝
⎛
−−
=
2
2
exp)(
k
k
k
x
x
σ
ν
ϕ
Error!
Reference source not found.(3.1)

σ
là bán kính hay còn gọi là tham số độ rộng của
k
ϕ

C: Số lượng hàm cơ sở trong mạng.

16

Hình 3.1: Cấu trúc mạng nơron RBF
Lớp ẩn được kích hoạt tương ứng với véc tơ trọng số w
q
= [w
1q
, w
2q
,
w
3q
, ,w
nq
].
Lớp ra lấy tổng của các véc tơ giá trị đầu ra z
q
và véc tơ trọng số w
q
.

∑
=

RBF, do vậy, mặc nhiên, mạng RBF có khả năng nội suy hàm nhiều
biến và có thể sử dụng như khâu nội suy trong phương pháp chẩn đoán
bằng mô hình so sánh.

INPUT
OUTPUT
HIDDEN
z
q

x
i
w
i
w
0
w
0
Y
X

17
Xét về góc độ hàm truyền đạt: Mạng RBF là một hệ MISO, tạo ra
đáp ứng đầu ra hoàn toàn tuân theo bộ số liệu học mà nó được biết. Kết
quả đó đạt được nhờ xếp chồng các hàm cơ bản trong không gian ơclit n
chiều ứng với n biến đầu vào.
Hình 3.2 mô tả một mạng RBF 1 đầu vào, 1 đầu ra, nội suy hàm số
bằng cách xếp chồng 3 hàm cơ bản Gauss với tâm và bán kính khác
nhau để
ước lượng một hàm bậc nhất. Ví dụ trên thể hiện khả năng ước

Tín hiệu vào
Tín hiệu ra
Đối tượng
chẩn đoán
Mạng RBF
Tín hiệu vào
Kết luận
Tín hiệu ra
Giá trị ước lượng
Hình 3.3. Mô hình chẩn đoán sử dụng mạng RB
F
a, Pha học
b, Pha làm việc

18
tính nhiệt của thiết bị… Việc tính toán ước lượng nhiệt độ theo chế độ
làm việc cũng gặp nhiều khó khăn.
Người ta thường quan tâm đến nhiệt độ ổn định và nhiệt độ tới hạn
của thiết bị làm ngưỡng để cảnh báo và bảo vệ thiết bị. Trong luận án
trình bày phương pháp sử dụng chẩn đoán dựa trên mô hình để phân
tích và phát hiện triệu ch
ứng sớm hơn từ TSCĐ nhiệt độ gió làm mát.
3.3 Xây dựng mô hình phát hiện lỗi thông qua ước lượng nhiệt độ
dựa trên mạng nơron RBF
3.3.1 Phương pháp phát hiện lỗi
Từ phân tích mô hình cấu trúc ở chương II, xác định được tập TSCĐ
liên quan là:
Đầu vào của mạng: n
F
, I

thiết bị có vấn đề và kết luận là thiết bị có lỗi. Nhiệt độ được đánh giá
sau thời gian xác lập khi động cơ đã ổn định về nhiệt. Tốc độ quạt làm
mát được coi là ổn định đối với mỗi thiết bị.
3.3.2 Cấu trúc mạng cho bài toán ước lượng nhiệt độ
Trong mô hình đ
ã nêu, tồn tại hai quá trình nối tiếp nhau:
- Quá trình tỏa nhiệt, sinh ra do tổn hao công suất trong thiết bị.
- Quá trình tản nhiệt, không khí làm mát lấy nhiệt từ thiết bị, nhiệt
độ đầu ra tăng lên, đồng thời, thiết bị cũng gia tăng nhiệt độ theo công
suất.
Mức độ tiêu hao công suất là giá trị tức thời, hoàn toàn chỉ phụ thuộc
vào điều kiện làm việc của thiết bị, trong khi quá trình gia nhiệt củ
a
thiết bị phụ thuộc vào cả công suất tỏa nhiệt và quá trình gia tăng nhiệt
độ theo thời gian. Do vậy, muốn ước lượng được nhiệt độ, cần phải ước
lượng cả quá trình gia nhiệt theo thời gian.
Chia bài toán ước lượng t
0
cout
thành 2 bước:

19
Bước 1: Ước lượng công suất tiêu tán (nhiệt độ dài hạn)
Tham số vào: Tốc độ quay n, dòng điện I
F
:
Tham số ra: mức độ tổn hao R
dh
được đánh giá qua nhiệt độ dài hạn


và ước lượng nhiệt độ
Mô hình thực nghiệm sử dụng động cơ một chiều kích từ nối tiếp
P
dm
=2kW, U
max
=200V, I
max
=20A, n
dm
=1500vg/ph, nguồn một chiều điều
chỉnh được U=0-250V, I
max
=20A. Tải của động cơ là máy phát điện 3
pha kích từ bằng máy phát kích P=2,2kVA, U=220V, I=5A. Tải đầu ra
của máy phát là 3 điện trở tải 140
Ω
, 1kW điều chỉnh được.
T
c.in
R
dh1
.
R
dh n
.

mạng RBF
T
c.outN


20
3.3.4 Phân tích số liệu
Tiến hành phân tích số liệu đã thu được bằng chương trình Matlab.
Chương trình mô phỏng và luyện mạng được liệt kê chi tiết trong phụ
lục 4 của đề tài.
Mô phỏng bước 1 mạng nơron dùng cho ước lượng nhiệt độ dài hạn
thực hiện với 301 mẫu số liệu mô phỏng.
Kết quả đạt được: sai số lớn nhất không quá 1% tại các biên.
0
0.5
1
0
0.2
0.4
0.6
0.8
1
-10
0
10
20
30
40
50
I (*1000 A)
U (*1000 V)
Nhiet do sau 15 phut

0

Thoi gian
Nhiet do - cong s uat
Nhiet do uoc luong
Nhiet do mo phong
Cong suat
0 10 20 30 40 50 60 70 80 90 100
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Thoi gian
Sai so
Hình 3.9: Ước lượng sự thay đổi
nhiệt độ theo công suất tiêu tán
Hình 3.10: Sai số
của phép ước lượng
Mô hình bài toán ước lượng nhiệt độ và thuật toán được đề xuất cho
thấy có khả năng xác định nhiệt độ đầu ra theo tập thông số đầu vào với
độ chính xác cao. Sai số giữa nhiệt độ dự đoán và nhiệt độ đầu ra cho
phép đánh giá và dự báo tình trạng của hệ thống (thiết b
ị) cũng như đưa
ra kết luận về hư hỏng.
So sánh với phương pháp chẩn đoán nhiệt độ thiết bị đang áp dụng:
Hiện thời, các thiết bị ĐCĐK chỉ được cảnh báo ở ngưỡng nhiệt độ tối
đa (ngưỡng cố định), như vậy, phương pháp chẩn đoán này cho phép
ước lượng và cảnh báo sớm hơn rất nhiều so v

F
. Mối quan hệ giữa điện áp tiếp xúc với các thông số như
sau:
.( . . . )
tx F F E F
UUIRKKwn
ΣΦ
∆=− +
(3.4)
Không thể tính gián tiếp
∆
U
tx
qua các đại lượng U
F
, I
F
, R
Σ
, K
E
, K
Φ
,
n
F
bằng biểu thức (3.18) vì sai số gây ra bởi các nguyên nhân sau là quá
lớn, vượt quá giá trị chấp nhận được của phép chẩn đoán:
- Giá trị R
Σ

∆
=−
(3.6)
Các đại lượng R
Σ
, K
E
, K
Φ
mặc dù phi tuyến nhưng đối với một thiết
bị cụ thể chúng ổn định và không thay đổi. Do vậy với một thiết bị cụ
thể, U
FN
là hàm xác định, phi tuyến của I
F,
n
F
: U
FN
=f(I
F
, n
F
)
Thay vì xác định biểu thức quan hệ chính xác của U
FN
và các tham
số của biểu thức đó cho từng thiết bị cụ thể, luận án đề xuất sử dụng mô
hình ước lượng thông số dựa trên mạng nơron RBF làm khâu ước lượng
trong phương pháp này. Các thông số mạng:

tx
theo công
thức 3.6
3.4.3 Thực nghiệm trên mô hình mô phỏng
Sử dụng mô hình thực nghiệm như mô tả trong 3.3.3. Đối tượng cần
quan tâm trong mô hình thực nghiệm là khả năng ước lượng chính xác
hàm quan hệ U
FN
=f(I
F
, n
F
).
Căn cứ theo đặc tính bão hòa từ của lõi thép theo tải, đặc tính biến
thiên K
Φ
=f
Φ
(I), là đồng dạng giữa kết cấu động cơ thử nghiệm và động
cơ thực, có thể khẳng định mô hình thử nghiệm là phù hợp đối với tình
huống thử nghiệm này. Thông số cần đánh giá là độ chính xác tương
đối của phép ước lượng.
Tiến hành thay đổi các thông số U
F
, I
F
và tải, đo các tham số liên
quan và thu thập số liệu. Tổng hợp được 156 số liệu ở các chế độ dòng
điện, điện áp, tốc độ quay và tải khác nhau.
3.4.4 Xử lý số liệu thử nghiệm và tìm kiếm thông số mạng tối ưu

tâm hàm cơ sở, lấy tâm ngẫu nhiên
Hình 3.12. Sai số ước lượng theo số
lượng tâm hàm cơ sở, lấy tâm cách đều
Từ mô hình và phân tích số liệu, có được kết luận về cấu trúc mạng
RBF và kết quả ước lượng như sau:
- Mô hình ước lượng
∆
U
tx
sử dụng mạng nơron RBF đáp ứng được
yêu cầu chẩn đoán và có thể áp dụng được cho hệ thống thực.
- Phương pháp lấy tâm cách đều cho kết quả ổn định hơn, là hướng
ưu tiên nghiên cứu tiếp tục. Cần nghiên cứu ứng dụng trong bài toán.
- Với kết quả trên, chọn tâm ước lượng bố trí cách đều, số lượng tâm
4
2
=16, đạt sai số ước lượng trung bình <1%, sai số ước lượng lớn nhất 2,7%.
3.4.5 Kiểm nghiệm trên thiết bị thực:
3.4.5.1 Thu thập và xử lý số liệu
Khảo sát đầu máy D14Er số hiệu 2014 hiện đang sử dụng tại Xí
nghiệp đầu máy Yên Viên. ĐCĐK loại JQDR - 410 có các thông số cơ
bản như sau: P
ĐM
= 410kW, U
ĐM
: 550V, I
ĐM
: 800A, tỷ số truyền động
17/75, đường kính bánh xe 1013mm. Sau thời gian khảo sát 24 ngày
(khoảng 200 giờ máy), đã thu được 257000 mẫu số liệu với các giá trị