Điều khiển và chuẩn đoán lỗi cho hệ thống áp suất

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH ĐỒ ÁN TỐT NGHIỆP NGÀNH ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA ĐIỀU KHIỂN VÀ CHẨN ĐOÁN LỖI CHO HỆ THỐNG ÁP SUẤT GVHD: TS VŨ VĂN PHONG SVTH: HUỲNH NHẬT TÂN ĐẶNG VĂN HÙNG SKL009743 Tp Hồ Chí Minh, tháng 12/2022 TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀ NH PHỐ HỒ CHÍ MINH KHOA ĐÀ O TẠO CHẤT LƯỢNG CAO ĐỒ ÁN TỐT NGHIỆP ĐIỀU KHIỂN VÀ CHẨN ĐOÁN LỖI CHO HỆ THỐNG ÁP SUẤT SVTH1: HUỲNH NHẬT TÂN MSSV: SVTH2: MSSV: 18151116 ĐẶNG VĂN HÙNG 18151079 Khoá: 2018 Ngà nh: GVHD: ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA TS TẠ VĂN PHƯƠNG Tp Hồ Chí Minh, tháng 12 năm 2022 Đồ án tốt nghiệp CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc _*** _ Tp Hồ Chí Minh, ngày tháng năm 2022 NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP Họ tên sinh viên 1: Huỳnh Nhật Tân MSSV: 18151116 Họ tên sinh viên 2: Đặng Văn Hùng MSSV: 18151079 Ngành: Công nghệ kỹ thuật Điều khiển Tự động hóa Lớp: 18151CL3 Giảng viên hướng dẫn: TS Tạ Văn Phương ĐT: 0908248231 Ngày nhận đề tài: Ngày nộp đề tài: Tên đề tài: Các số liệu, tài liệu ban đầ u: Nội dung thực đề tài: Sản phẩm: TRƯỞNG NGÀNH GIẢNG VIÊN HƯỚNG DẪN i Đồ án tốt nghiệp CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh Phúc _*** _ Tp Hồ Chí Minh, ngày tháng năm 2022 PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN Họ tên sinh viên 1: Huỳnh Nhật Tân MSSV: 18151116 Họ tên sinh viên 2: Đặng Văn Hùng MSSV: 18151079 Ngành: Công nghệ kỹ thuật Điều khiển Tự động hóa Tên đề tài: Điều Khiển Và Chẩn Đốn Lỗi Cho Hệ Thống Áp Suất Họ và tên Giáo viên hướng dẫn: TS Tạ Văn Phương NHẬN XÉT Về nội dung đề tài & khối lượng thực hiện: Ưu điểm: Khuyế t điểm: ii Đồ án tốt nghiệp Đề nghi cho ̣ bảo vệ hay không? Đánh giá loại: Điểm:……………….Bằ ng chữ: Tp Hồ Chí Minh, ngày tháng năm 20… Giáo viên hướng dẫn (Ký & ghi rõ họ tên) iii Đồ án tốt nghiệp CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh Phúc _*** _ Tp Hồ Chí Minh, ngày tháng năm 2022 PHIẾU NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN Họ tên sinh viên 1: Huỳnh Nhật Tân MSSV: 18151116 Họ tên sinh viên 2: Đặng Văn Hùng MSSV: 18151079 Ngành: Công nghệ kỹ thuật Điều khiển Tự động hóa Tên đề tài: Điều Khiển Và Chẩn Đốn Lỗi Cho Hệ Thống Áp Suất Họ và tên Giáo viên phản biện: NHẬN XÉT Về nội dung đề tài & khối lượng thực hiện: Ưu điểm: Khuyế t điểm: iv Đồ án tốt nghiệp Đề nghi cho ̣ bảo vệ hay không? Đánh giá loại: Điểm:……………….Bằ ng chữ: Tp Hồ Chí Minh, ngày tháng năm 20… Giáo viên phản biện (Ký & ghi rõ họ tên) v Đồ án tốt nghiệp LỜI CẢM ƠN Lời đầu tiên, nhóm sinh viên thực đề tài xin gửi lời cảm ơn sâu sắc đến thầy giáo – TS Tạ Văn Phương giảng viên môn Điều Khiển Tự Động người trực tiếp hướng dẫn nhóm sinh viên thực đề tài Trong suốt q trình thực đề tài, thầy ln tận tình đưa dẫn cần thiết, quan tâm theo dõi tiến độ thực đề tài nhóm, hướng dẫn cho nhóm sinh viên có điều chỉnh phù hợp kịp thời nhằm nâng cao kết đề tài Nhóm sinh viên thực đề tài xin gửi lời cảm ơn chân thành đến quý thầy cô môn khoa Đào Tạo Chất Lượng Cao khoa Điện – Điện Tử nhiệt tình giúp đỡ, tạo điều kiện truyền đạt kiến thức chuyên ngành cần thiết để nhóm học hỏi tiến suốt trình thực đề tài Nhóm sinh viên thực đề tài xin gửi lời cảm ơn đến khoa Đào Tạo Chất Lượng Cao hỗ trợ thiết bị cần thiết để thực đề tài ln tạo điều kiện thuận lợi cho nhóm sinh viên suốt trình thực đề tài phịng thí nghiệm Bên cạnh đó, nhóm sinh viên xin gửi lời cảm ơn đến tác giả báo, tạp chí khoa học, sách, trang web giúp nhóm có nguồn tài liệu phong phú, xác Cuối cùng, nhóm sinh viên xin gửi lời cảm ơn đến bạn sinh viên chuyên ngành Điều Khiển Tự Động Hóa K18 chia sẻ kinh nghiệm quý báu trao đổi kiến thức bổ ích suốt trình thực đề tài Xin chân thành cảm ơn! iv Đồ án tốt nghiệp TÓM TẮT Đề tài “Điều khiển chẩn đoán lỗi cho hệ thống Áp Suất” đề xuất giải pháp cảnh báo nhận dạng lỗi cho hệ thống điều khiển quy trình cơng nghiệp, nhằm cảnh báo đưa chẩn đốn cách nhanh chóng để người vận hành sớm khắc phục đưa hệ thống trở lại hoạt động bình thường Người thực thiết kế giao diện hình HMI để điều khiển cho hệ thống ổn định, lưu trữ lỗi giám sát lỗi hệ thống Để chẩn đoán lỗi cho hệ thống người thực sử dụng kỹ thuật chẩn đốn lỗi mơ hình Deep Learning tiên tiến mạng nơ-ron tích chập (CNN) Đối với đề tài này, nhóm thực đề tài tìm hiểu, nghiên cứu thực nội dung quan trọng:  Nội dung 1: Điều khiển ổn định áp suất sau: Giao tiếp cảm biến mức nước, lưu lượng nước áp suất với PLC Sử dụng PLC để đọc tín hiệu cảm biến Điều khiển tốc độ bơm sử dụng PLC để ổn định áp suất bồn sử dụng thuật toán PID  Nội dung 2: Giao diện: Thiết kế lập trình giao diện điều khiển giám soát hệ thống ổn định áp suất sử dụng hình HMI  Nội dung 3: Chẩn đốn lỗi: Tìm hiểu lỗi thường xảy hệ thống Tính tốn giả lập lỗi Thu thập thơng tin thơng số sử dụng chẩn đốn lỗi Thiết kế triển khai mơ hình mơ khả thi để chẩn đoán lỗi cho hệ thống ổn định áp suất Huấn luyện, thử nghiệm đánh giá mơ hình với liệu thu thập Chẩn đoán lỗi theo thời gian thực mơ hình v Đồ án tốt nghiệp MỤC LỤC Trang NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP i PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN ii PHIẾU NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN iv LỜI CẢM ƠN iv TÓM TẮT .v MỤC LỤC vi DANH MỤC CÁC CHỮ VIẾT TẮT ix DANH MỤC CÁC BẢNG BIỂU x CHƯƠNG 1: TỔNG QUAN 1.1 Tầm quan trọng đề tài 1.2 Mục tiêu đề tài 1.3 Giới hạn đề tài 1.4 Phương pháp nghiên cứu 1.5 Nội dung thực CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Tổng quan hệ thống công nghiệp 2.2 Tổng quan thiết bị 2.2.1 Tổng quan điều khiển PLC 2.2.2 Tổng quan giám sát HMI 2.3 Tổng quan điều khiển PID 2.3.1 Khái niệm chung điều khiển PID 2.3.2 Các phương pháp điều chỉnh PID [1] 2.3.3 Hệ thống điều khiển rời rạc 10 2.4 Tổng quan giao thức truyền thông 11 2.4.1 Khái niệm chung giao thức truyền thông [2] 11 vi Chương Thiết kế phần mềm Hình 4.24: Lớp MaxPooling1D_2 Lớp Flatten hiểu đơn giản làm phẳng liệu Lớp thường dùng trước lớp FC (Fully Connected), mơ hình lúc học đặc trưng có liệu làm phẳng thành vector (1D) để đưa vào lớp FC Với 64 feature maps sau qua lớp Flatten thu vector có kích thước (64,) Hình 4.25: Lớp Flatten Tiếp theo lớp Dense_1 Dense_2, sử dụng hàm kích hoạt ReLU kết nối sâu với liệu lớp trước đó, giúp kết nối nơ – ron kết nối hoàn tồn với nơ – ron trước 64 liệu lớp Flatten kết nối với 32 nodes lớp Dense_1, 32 nodes kết nối với 16 nodes lớp Dense_2 Cuối cùng, lớp Output (Dense_3) với nodes (tương ứng với trạng thái hệ thống) dùng hàm kích hoạt Softmax, thực phép toán đưa chẩn đoán 58 Chương Thiết kế phần mềm Hình 4.26: Lớp Fully Connected 4.5.3 Quy trình xử lý liệu RealTime Sau hồn thiện thiết kế huấn luyện mơ hình CNN, vấn đề trích xuất liên tục liệu từ PLC đưa vào mơ hình CNN Vấn đề giải thư viện Snap7 Thư viện Snap7, lập trỉnh ngôn ngữ Python, cung cấp đầy đủ câu lệnh khai báo, trích xuất liệu từ PLC Siemens Hình 4.27: Thư viện Snap7 Tương tự liệu thu thập, liệu trích xuất gồm có: SP, PV (Pressure), MV (Pump), Level, Flow Tất liệu liệu kiểu Real, lưu trữ khối DB (Data Block), sau cấu hình cho hệ thống trình bày mục 4.2.1 ứng với liệu tương ứng với giá trị Offset Dữ liệu sau trích xuất xử lý liệu đầu vào huấn luyện mơ hình đưa vào mơ hình CNN huấn luyện Chẩn đốn mơ hình CNN định dạng giá trị ngun, chẩn đốn kích TRUE cho liệu kiểu Bool với giá trị Offset tương ứng Sau đó, ứng với giá trị Offset ứng với lỗi hiển thị hình HMI Quy trình thực giây 59 Chương Thiết kế phần mềm Hình 4.28: Quy trình xử lý liệu RealTime 60 Chương Kết thực CHƯƠNG 5: KẾT QUẢ THỰC HIỆN 5.1 Kết phần cứng Hình 5.1: Tổng quan phần cứng hệ thống 5.2 Kết phần mềm 5.2.1 Điều khiển ổn định hệ thống Sau tối ưu thông số PID cho hệ thống áp suất, người sử dụng điều khiển hệ thống chạy ổn định nhiều điểm đặt khác Hình 5.2: Tín hiệu điều khiển 61 Chương Kết thực Hình 5.3: Điểm đặt áp suất thực tế 5.2.2 Giao diện HMI Hình 5.4: Đăng nhập HMI với quyền Admin Hình 5.5: Màn hình giám sát 62 Chương Kết thực Hình 5.6: Màn hình cấu hình chế độ tự động Hình 5.7: Màn hình cấu hình mở van chế độ tay Hình 5.8: Màn hình Pop – up cài đặt thông số hoạt động 63 Chương Kết thực Hình 5.9: Màn hình Pop – up cài đặt tham số PID Hình 5.10: Màn hình đồ thị Hình 5.11: Màn hình cảnh báo 64 Chương Kết thực 5.2.1 Chẩn đốn lỗi Dựa vào mơ hình CNN Sau q trình huấn luyện tối ưu thơng số độ xác mơ hình CNN đạt mức 97 ~ 98% đưa vào chạy thực tế đạt mức tương tự Quá trình xử lý liệu RealTime PLC mơ hình CNN thực liên tục Khi hệ thống xảy lỗi hiển thị cảnh báo hình HMI Hình 5.12: Trao đổi liệu RealTime hệ thống lỗi F1 Hình 5.13: Hiển thị lỗi F1 hình HMI Hình 5.14: Trao đổi liệu RealTime hệ thống lỗi F2 65 Chương Kết thực Hình 5.15: Hiển thị lỗi F2 hình HMI Hình 5.16: Trao đổi liệu RealTime hệ thống lỗi F3 66 Chương Kết thực Hình 5.17: Hiển thị lỗi F3 hình HMI Hình 5.18: Trao đổi liệu RealTime hệ thống lỗi F4 67 Chương Kết thực Hình 5.19: Hiển thị lỗi F4 hình HMI Hình 5.20: Trao đổi liệu RealTime hệ thống lỗi F5 68 Chương Kết thực Hình 5.21: Hiển thị lỗi F5 hình HMI 69 Chương Kết luận hướng phát triển CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 6.1 Kết luận Sau thực đề tài, nhóm sinh viên thực đề tài hồn thành yêu cầu đề cho đề tài “Điều Khiển Và Chuẩn Đoán Lỗi Cho Hệ Thống Áp Suất” Đề tài đạt kết bật sau:  Hoàn thiện điều khiển ổn định hệ thống áp suất theo điểm đặt trước  Ứng dụng mơ hình CNN vào chẩn đốn lỗi liên tục cho hệ thống áp suất  Trao đổi liệu qua lại PLC mơ hình CNN  Điều khiển giám sát hệ thống áp suất qua hình HMI 6.2 Hướng phát triển Đề tài “Điều Khiển Và Chuẩn Đoán Lỗi Cho Hệ Thống Áp Suất” cho thấy ứng dụng mơ hình CNN không dừng lại dịch vụ xã hội mà cịn phát triển hệ thống cơng nghiệp đại Qua đó, nhóm sinh viên thực đề tài có thêm nhiều ý tưởng để phát triển đề tài tương lai  Phát triển thành phần mềm chẩn đoán PC sử dụng cho nhiều hãng PLC, nhiều hệ thống điều khiển khác  Truy xuất trạng thái hoạt động hệ thống thiết bị di động  Tìm giải pháp phù hợp để đưa ứng dụng mạng CNN chẩn đoán lỗi vào thực tế cho nhà máy công nghiệp 70 Tài liệu tham khảo TÀI LIỆU THAM KHẢO [1] Nguyễn Thị Phương Hà Huỳnh Thái Hoàng (2005), “Lý thuyết điều khiển tự động”, Nhà xuất ĐHQG, TP Hồ Chí Minh, 372 trang [2] Hồng Minh Sơn (2006), “Mạng truyền thơng cơng nghiệp”, Nhà xuất khoa học kỹ thuật, Hà Nội, 255 trang [3] Dương Anh Đức, Nguyễn Vinh Tiệp Lê Đình Duy (2020), “Học sâu ứng dụng”, ĐHQG, TP Hồ Chí Minh, 102 trang [4] Gijs Molenaar, Stephan Preeker (2022), “Python – Snap7 Documentation”, – 61 [5] Franỗois Chollet (2020), Deep Learning with Python, second edition, Manning Publications, – 27 [6] Stack Overflow Contributors, “Learning Node.js”, – 379 [7] Shenlong Xie, Guoying Ren and Junjiang Zhu (2020), “Application of a new onedimensional deep convolutional neural network for intelligent fault diagnosis of rolling bearings”, – 18 [8] Meliboev Azizjon, Alikhanov Jumabek and Wooseong Kim (2020), “1D CNN based network intrusion detection with normalization on imbalanced data”, 218 – 224 [9] Gavneet Singh Chadha, Monica Krishnamoorthy and Andreas Schwung (2020), “Time Series based Fault Detection in Industrial Processes using Convolutional Neural Networks”, 173 – 178 71 S K L 0