Chuẩn đoán lỗi cho động cơ điện một chiều không sử dụng chổi than sử dụng bộ quan sát luenberger

ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG ĐẠI HỌC BÁCH KHOA
-----------------------

ĐOÀN NGỌC QUANG

CHUẨN ĐOÁN LỖI CHO ĐỘNG CƠ ĐIỆN MỘT CHIỀU
KHÔNG SỬ DỤNG CHỔI THAN SỬ DỤNG BỘ
QUAN SÁT LUENBERGER

LUẬN VĂN THẠC SĨ KỸ THUẬT
KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA

Đà Nẵng – Năm 2018


ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG ĐẠI HỌC BÁCH KHOA
-----------------------

ĐOÀN NGỌC QUANG

CHUẨN ĐOÁN LỖI CHO ĐỘNG CƠ ĐIỆN MỘT CHIỀU
KHÔNG SỬ DỤNG CHỔI THAN SỬ DỤNG BỘ
QUAN SÁT LUENBERGER

Chuyên ngành: KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA
Mã số: 8520216

LUẬN VĂN THẠC SĨ

NGƯỜI HƯỚNG DẪN KHOA HỌC:
TS. NGUYỄN LÊ HÒA

Đà Nẵng – Năm 2018


LỜI CAM ĐOAN
Tôi cam đoan rằng, luận văn thạc sĩ khoa học “Chuẩn đoán lỗi cho động cơ
điện một chiều không sử dụng chổi than sử dụng bộ quan sát Luenberger” là
công trình nghiên cứu của riêng tôi. Những số liệu được sử dụng trong luận văn là
trung thực được chỉ rõ nguồn trích dẫn. Kết quả nghiên cứu này chưa được công bố
trong bất kỳ công trình nghiên cứu nào từ trước đến nay.
Đà Nẵng, ngày 31 tháng 12 năm 2018
Tác giả luận văn

Đoàn Ngọc Quang


i

LỜI CẢM ƠN
Luận văn thạc sĩ kỹ thuật chuyên ngành Điều khiển và Tự động hóa với đề tài
“Chuẩn đoán lỗi cho động cơ điện một chiều không sử dụng chổi than sử dụng bộ
quan sát Luenberger” là kết quả của quá trình cố gắng không ngừng của bản thân và
được sự giúp đỡ, động viên khích lệ của các thầy, bạn bè đồng nghiệp và người thân.
Qua trang viết này, tác giả xin gửi lời cảm ơn tới những người đã giúp đỡ trong thời
gian học tập – nghiên cứu khoa học thời gian vừa qua.
Tôi xin tỏ lòng kính trọng và biết ơn sâu sắc đối với thầy TS. Nguyễn Lê Hòa,
Trường Đại học Bách Khoa, Đại học Đà Nẵng, đã dành nhiều thời gian trực tiếp tận
tình hướng dẫn cũng như giới thiệu tài liệu, thông tin khoa học cần thiết cho luận văn

này.
Tôi vô cùng cảm ơn Lãnh đạo trường Đại học Bách Khoa Đà Nẵng, Khoa Điện
và Bộ môn Tự động hóa đã tạo điều kiện cho tôi hoàn thành tốt công việc nghiên cứu
khoa học của mình.
Tôi xin chân thành cảm ơn các bạn đồng nghiệp, bạn bè đã giúp đỡ tôi trong
quá trình thực hiện Luận văn.
Cuối cùng tôi xin chân thành cảm ơn các thành viên gia đình đã cho tôi động
lực và thời gian để hoàn thiện Luận văn đúng kế hoạch./.
Tác giả

Đoàn Ngọc Quang


ii

MỤC LỤC
MỤC LỤC ...............................................................................................................ii
TÓM TẮT ............................................................................................................... iv
DANH MỤC TỪ VIẾT TẮT ................................................................................... v
DANH MỤC BẢNG BIỂU ..................................................................................... vi
DANH MỤC HÌNH VẼ, ĐỒ THỊ ..........................................................................vii
MỞ ĐẦU ................................................................................................................. 1
CHƯƠNG 1. TỔNG QUAN VỀ CHẨN ĐOÁN LỖI .................................................. 3
1.1.

Lỗi và chẩn đoán lỗi ....................................................................................... 3

1.2.

Một số phương pháp phát hiện và chẩn đoán lỗi ............................................. 6

1.2.1.

Phát hiện lỗi bằng phần cứng dự phòng (redundancy hardware) ............... 6

1.2.2.

Phát hiện và chẩn đoán lỗi dựa vào tri thức (knowledge based) ................ 7

1.2.3.

Phương pháp phát hiện lỗi dựa vào tín hiệu (signal based) ....................... 7

1.2.4.

Phương pháp phát hiện lỗi dựa vào mô hình (model based) .................... 10

CHƯƠNG 2. TỔNG QUAN VỀ ĐỘNG CƠ BLDC VÀ CÁC PHƯƠNG PHÁP
CHẨN ĐOÁN LỖI TRONG ĐỘNG CƠ BLDC ........................................................ 17
2.1.

Giới thiệu tổng quan động cơ một chiều không chổi than BLDC .................. 17

2.1.1.

Cấu tạo-nguyên lý hoạt động.................................................................. 17

2.1.2.

Đánh giá ưu và nhược điểm.................................................................... 24

2.1.3.

Một số lĩnh vực ứng dụng động cơ BLDC .............................................. 25

2.2.

Các lỗi của động cơ BLDC và các phương pháp chẩn đoán lỗi ..................... 26

2.2.1.

Các lỗi của động cơ BLDC .................................................................... 26

2.2.2.

Một số phương pháp chẩn đoán cho động cơ điện BLDC....................... 30

CHƯƠNG 3. ỨNG DỤNG BỘ QUAN SÁT LUENBERGER TRONG CHẨN ĐOÁN
LỖI CẢM BIẾN ĐỘNG CƠ BLDC .......................................................................... 33
3.1.

Mô hình toán học động cơ một chiều không chổi than BLDC ....................... 33

3.1.1.

Mô hình toán học động cơ DC ............................................................... 33

3.1.2.

Mô hình toán học động cơ BLDC .......................................................... 35

3.1.3.

Mô hình không gian trạng thái của động cơ BLDC ................................ 36

3.2.

Bộ quan sát Luenberger ................................................................................ 37

3.2.1.

Bộ quan sát ước lượng vòng hở: ............................................................. 38

3.2.2.

Bộ quan sát Luenberger.......................................................................... 38


iii
3.3.

Ứng dụng bộ quan sát Luenberger để phát hiện lỗi động cơ BLDC............... 40

CHƯƠNG 4. MÔ PHỎNG VÀ ĐÁNH GIÁ KẾT QUẢ ............................................ 45
4.1.

Mô phỏng động cơ BLDC ............................................................................ 45

4.2. Mô phỏng bộ quan sát Luenberger cho động cơ BLDC và phát hiện lỗi cảm
biến tốc độ động cơ ................................................................................................ 46

KẾT LUẬN ............................................................................................................ 54
TÀI LIỆU THAM KHẢO ...................................................................................... 55


iv

TÓM TẮT
CHUẨN ĐOÁN LỖI CHO ĐỘNG CƠ ĐIỆN MỘT CHIỀU KHÔNG SỬ
DỤNG CHỔI THAN SỬ DỤNG BỘ QUAN SÁT LUENBERGER
Học viên: Đoàn Ngọc Quang. Chuyên ngành: Điều khiển và Tự động hóa
Mã số: 8520216 Khóa: K34 Trường Đại học Bách khoa - ĐHĐN
Tóm tắt – Phát hiện và chẩn đoán lỗi (FDD) có vai trò quan trọng cho hệ thống kỹ
thuật trong các ứng dụng công nghiệp. Một trong những phương pháp phổ biến là Phát
hiện và Chẩn đoán lỗi dựa vào mô hình. Gần đây, nhiều kỹ thuật chẩn đoán đã được
giới thiệu trong lĩnh vực chẩn đoán lỗi. Động cơ điện một chiều không chổi than
(BLDC) là một một trong các thành phần chính của các hệ thống kỹ thuật trong các
ứng dụng cơ điện tử và robot. Luận văn này giới thiệu một phương pháp chẩn đoán lỗi
thời gian thực cho cảm biến theo phương pháp chẩn đoán dựa vào mô hình sử dụng bộ
quan sát Luenberger và áp dụng cho động cơ một chiều không chổi than BLDC . Các
loại lỗi khác nhau của động cơ được mô phỏng và hệ thống chẩn đoán sẽ hoạt động để
phát hiện các lỗi này. Kết quả thí nghiệm cho thấy khả năng phát hiện thời gian và độ
lớn của lỗi cảm biến.
Từ khóa – bộ quan sát Luenberger; phát hiện và chẩn đoán lỗi; động cơ BLDC; chẩn
đoán lỗi dựa vào mô hình; lỗi cảm biến.
FAULT DETECTION FOR BRUSHLESS DIRECT CURRENT MOTOR
USING LUENBERGER OBSERVER
Abstract - Fault detection and diagnosis (FDD) are very important for engineering
systems in industrial applications. One of the most popular approaches is model-based
fault detection. Recently, many techniques have been proposed in the FDD area.
Brushless Direct Current (BLDC) motor is a main integrated part for engineering systems

in several mechatronics and robotics applications. This thesis presents online sensor FDD
based on the model-based approach using a Luenberger observer and experimental
application on a permanent magnet BLDC motor. Di erent kinds of faults are simulated
on the motor and experiments are performed to detect the faults. The experimental results
demonstrate the ability of the proposed approach to detect the time and size of the sensor
faults.
Key words – Luenberger observer; fault detection and diagnosis ; BLDC motor; model
based; sensor fault


v

DANH MỤC TỪ VIẾT TẮT

TỪ VIẾT TẮT
ARMA
ASME

TIẾNG ANH
AutoRegressive–MovingAverage
American Society of

TIẾNG VIỆT
Mô hình tự hồi quy và bình quân
dịch chuyển
Hiệp hội kỹ sư Cơ khí Hoa kỳ

Mechanical Engineers
BLDC

Brushless Direct Current

Động cơ 1 chiều không chổi than

DC

Direct Current

Dòng điện một chiều

FD

Fault Diagnostics

Chẩn đoán lỗi

FDD

Fault Detection & Diagnostics

Phát hiện và Chẩn đoán lỗi

FFT

Fast Fourier Transform

Biến đổi Fourier nhanh

MIMO

Multi Input Multi Output

Hệ nhiều đầu vào, nhiều đầu ra

MIT

Massachusetts Institute of

Viện công nghệ Massachusetts

Technology
National Aeronautics and

Cơ quan Hàng không và Không

Space Administration

gian Hoa Kỳ

SIMO

Single Input, Multi Output

Hệ 1 đầu vào, nhiều đầu ra

SISO

Single Input, Single Output

Hệ 1 đầu vào, 1 đầu ra

NASA


vi

DANH MỤC BẢNG BIỂU
BẢNG

NỘI DUNG

TRANG

Bảng 1.1

Phát hiện lỗi bằng bộ quan sát

16

Bảng 2.1

Trạng thái cảm biến vị trí, và tuần tự chuyển mạch

25

Bảng 2.2

So sánh động cơ BLDC và động cơ một chiều DC

28

Bảng 2.3

Tổng hợp các phương pháp chẩn đoán lỗi cho động cơ điện

34

Bảng 3.1

Thông số động cơ BLDC hãng MAXON

48


vii

DANH MỤC HÌNH VẼ, ĐỒ THỊ
HÌNH

NỘI DUNG

TRANG

Hình 1.1

Mô hình đối tượng chẩn đoán lỗi

5

Hình 1.2

Phương pháp so sánh bằng phần cứng

6

Hình 1.3

Sơ đồ chẩn đoán lỗi dựa vào tín hiệu

7

Hình 1.4

Kiểm tra giới hạn

8

Hình 1.5

Phương pháp chẩn đoán lỗi dựa vào kiểm tra sự phù hợp

8

Hình 1.6

Phát hiện lỗi với mô hình tín hiệu

9

Hình 1.7

Các phương pháp phân tích tín hiệu để phát hiện lỗi dựa vào
mô hình tín hiệu

10

Hình 1.8

Sơ đồ hệ thống chẩn đoán lỗi dựa vào mô hình

10

Hình 1.9

So sánh ngưỡng tín hiệu

11

Hình 1.10

Phát hiện và chẩn đoán lỗi dựa vào mô hình

11

Hình 1.11

a) Hệ SISO; b) Hệ SISO có đo lường trung gian;
c) Hệ SIMO; d) Hệ MIMO

12

Hình 1.12

Phân loại lỗi theo thời gian

12

Hình 1.13

Mô hình cơ bản của lỗi: a) lỗi cộng; b) lỗi nhân

13

Hình 1.14

Phát hiện lỗi với các kỹ thuật ước lượng tham số

14

Hình 1.15

Bộ lọc Kalman

16

Hình 2.1

Động cơ DC có chổi than và Cơ cấu chổi than-cổ góp

17

Hình 2.2

Cấu tao động cơ BLDC

18

Hình 2.3

Stator động cơ BLDC

18

Hình 2.4

Dạng sóng sức điện động

19

Hình 2.5

Cấu tạo Rotor

19

Hình 2.6

Các dạng Rotor theo cách bố trí thanh nam châm

20

Hình 2.7

Cảm biến vị trí quang học

20

Hình 2.8

Cảm biến Hall

21

Hình 2.9

Chuyển mạch với công tắc điện tử

21

Hình 2.10

Thứ tự chuyển mạch cuộn dây stator

22


viii
Hình 2.11

Mô tả trình tự chuyển mạch của các van bán dẫn trong mạch

điều khiển động cơ BLDC 3 pha

Hình 2.12

Trình tự chuyển mạch cảm biến Hall, dạng sóng sức điện
động và dòng điện trong các pha

Hình 2.13

22

23

a) Cơ cấu cổ góp chổi than
b) Cơ cấu cổ góp điện tử

24

Hình 2.14

Phân loại lỗi động cơ điện

27

Hình 2.15

Tỷ lệ đóng góp của các lỗi động cơ điện

27

Hình 2.16

Các loại lỗi cuộn dây stator

28

Hình 2.17

Hai dạng lỗi lệch tâm rotor

29

Hình 2.18

Rotor bị hư hỏng nam châm

30

Hình 3.1

Sơ đồ nguyên lý động cơ DC

33

Hình 3.2

Sơ đồ nguyên lý động cơ BLDC

35

Hình 3.3

Ý tưởng bộ quan sát vòng hở

37

Hình 3.4

Sơ đồ mô hình bộ quan sát ước lượng vòng hở

38

Hình 3.5

Ý tưởng bộ quan sát Luenberger

38

Hình 3.6

Sơ đồ mô hình bộ quan sát Luenberger

39

Hình 3.7

Mô hình phát hiện lỗi cảm biến tốc độ động cơ BLDC

40

Hình 3.8

Các bước phát hiện lỗi động cơ BLDC dùng bộ quan sát
Luenberger

42

Hình 4.1

Mô hình động cơ BLDC có thành phần nhiễu

45

Hình 4.2

Kích thích điện áp

46

Hình 4.3

Đáp ứng tốc độ BLDC

46

Hình 4.4

Sơ đồ mô hình động cơ BLDC và bộ quan sát Luenberger

47

Hình 4.5

Sai lệch các biến trạng thái với ma trận L lựa chọn

47

Hình 4.6

Đáp ứng tốc độ khi không có lỗi

48

Hình 4.7

Sai lệch thặng dư % khi không có lỗi

48

Hình 4.8

Giả lập các lỗi cơ bản

49

Hình 4.9

Đáp ứng tốc độ (Lỗi gián đoạn)

50

Hình 4.10

Sai lệch thặng dư với lỗi gián đoạn

50

Hình 4.11

Báo động lỗi gián đoạn

50


ix
Hình 4.12

Đáp ứng tốc độ (Lỗi đột ngột)

51

Hình 4.13

Sai lệch thặng dư với lỗi đột ngột

51

Hình 4.14

Báo động lỗi đột ngột

51

Hình 4.15

Đáp ứng tốc độ (Lỗi tiến triển)

52

Hình 4.16

Sai lệch thặng dư với lỗi tiến triển

52

Hình 4.17

Báo động lỗi tiến triển

52


1

MỞ ĐẦU
Lý do chọn đề tài:
Hiện nay, động cơ một chiều DC thông thường có thể được thay thế bằng động
cơ một chiều không chổi than BLDC (Brushless DC Motor) trong nhiều ứng dụng.
Loại động cơ mới này vẫn thừa hưởng các đặc tính của động cơ DC thông thường trừ
phần chổi than và cổ góp. Động cơ BLDC được chế tạo với momen lớn và dải tốc độ

rộng. Đối với các ứng dụng đòi hỏi công suất lớn, độ tin cậy cao và hiệu suất cao thì
động cơ BLDC là sự lựa chọn lý tưởng.
Theo dõi tình trạng làm việc và chẩn đoán lỗi của động cơ điện là cần thiết để
tối ưu hóa việc bảo trì và nâng cao độ tin cậy. Chẩn đoán sớm các lỗi có thể xảy ra
trong quá trình giám sát có thể thực hiện các hoạt động phòng ngừa quan trọng, cho
phép tránh thiệt hại kinh tế nặng nề liên quan đến dừng sản xuất, thay thế thiết bị. Điều
này đã dẫn đến việc nghiên cứu và phát triển các khái niệm về chẩn đoán lỗi và giám
sát hiện đại.
Sau nhiều thập kỷ phát triển, công nghệ chẩn đoán lỗi đã phát triển theo 3
hướng chính là: chẩn đoán lỗi dựa trên mô hình (model based), chẩn đoán lỗi dựa vào
tín hiệu (signal based) và chẩn đoán dựa lỗi vào tri thức (knowledge based)
Sau khi tìm hiểu thông tin về các nghiên cứu được thực hiện và công bố bởi các
cơ sở nghiên cứu trong nước cũng như ở nước ngoài nước về phát hiện và chẩn đoán
lỗi cho động cơ BLDC. Tác giả nhận thấy như sau: các nghiên cứu về chẩn đoán lỗi
được nghiên cứu và áp dụng khá nhiều trải rộng trên nhiều lĩnh vực như chẩn đoán lỗi
ô tô, chẩn đoán lỗi thiết bị y tế, chẩn đoán lỗi động cơ,... tại các nhiều quốc gia trên thế
giới. Tuy nhiên, các nghiên cứu về chẩn đoán lỗi trong nước thật sự còn rất hạn chế
mặc dù lý thuyết về chẩn đoán lỗi đã được nghiên cứu và phát triển trên thế giới hàng
chục năm về trước. Về đối tượng nghiên cứu là động cơ BLDC: có rất nhiều nghiên
cứu về cấu tạo, nguyên tắc hoạt động, ứng dụng và điều khiển... Tuy nhiên nghiên cứu
về phát hiện và chẩn đoán lỗi cho động cơ BLDC không được giới thiệu nhiều. Từ đó,
tác giả mong muốn nghiên cứu ứng dụng các lý thuyết về phát hiện và chẩn đoán lỗi
cho đối tượng là động cơ BLDC.
Do đó tác giả đề xuất thực hiện đề tài luận văn: “Chuẩn đoán lỗi cho động cơ
điện một chiều không sử dụng chổi than sử dụng bộ quan sát Luenberger”.
Mục đích nghiên cứu:
Trong khuôn khổ luận văn này, tác giả thiết kế mô hình bộ quan sát Luenberger
để phát hiện lỗi cho cảm biến tốc độ của động cơ BLDC. Phương pháp phát hiện lỗi
cho cảm biến đo tốc độ động cơ BLDC nhờ phát hiện sự sai lệch trong đáp ứng tốc độ
động cơ của động cơ BLDC thực và của mô hình quan sát Luenberger. Trên cơ sở sai

lệch tín hiệu ra giữa mô hình thực và mô hình bộ quan sát, hệ thống có thể đánh giá và
đưa ra các báo động khi xảy ra lỗi.


2
Sau khi thực hiện xong luận văn này, tác giả mong muốn:
Nắm được các phương pháp chẩn đoán lỗi, đặc biệt là phương pháp phát
hiện chẩn đoán lỗi dựa vào mô hình.
Nắm được cấu tạo, nguyên lý hoạt động của động cơ điện một chiều
không chổi than BLDC. Mô hình hóa được động cơ BLDC.
Nắm được phương pháp và các bước thiết kế bộ quan sát Luenberger.
Ứng dụng bộ quan sát Luenberger để phát hiện lỗi cảm biến động cơ BLDC.
Đối tượng nghiên cứu:
Động cơ một chiều không chổi than
Các phương pháp chẩn đoán lỗi và phương pháp chẩn đoán lỗi dựa vào
mô hình
Phương pháp nghiên cứu:
Phương pháp lý thuyết: Các lý thuyết về chẩn đoán lỗi và động cơ
BLDC
Phương pháp thực nghiệm: Mô phỏng hệ thống trên máy tính
Ý nghĩa thực tiễn:
Về khoa học: cung cấp về mặt lý thuyết chẩn đoán lỗi
Về thực tiễn: Góp phần cung cấp một ứng dụng cụ thể một phương pháp
chẩn đoán lỗi dựa vào mô hình cho một đối tượng cụ thể là động cơ BLDC.
Bố cục luận văn:
Nội dung luận văn, ngoài phần Mở đầu và Kết luận, được tổ chức thành
04 chương. Trong đó:
Chương 1 trình bày tổng quan về khái niệm lỗi và vấn đề về chẩn đoán
lỗi; các nội dung cơ bản trong bài toán chuẩn đoán lỗi; đồng thời chương này
cũng trình bày tổng quan về các phương pháp, cách tiếp cận trong bài toán chẩn

đoán lỗi.
Chương 2 cung cấp các thông tin mô tả về đối tượng nghiên cứu là động
cơ một chiều không chổi than. Nội dung chính bao gồm cấu tạo và nguyên lý
hoạt động của động cơ BLDC. Ngoài ra, ở đây cũng đề cập về lỗi của động cơ
BLDC cũng như các phương pháp chẩn đoán lỗi động cơ.
Chương 3 trình bày mô hình toán học động cơ BLDC và bộ quan sát
Luenberger. Trên cơ sở đó, tác giả ứng dụng vào giải pháp chẩn đoán lỗi cho
cảm biến động cơ BLDC.
Chương 4 báo cáo các kết quả mô phỏng ứng dụng chẩn đoán lỗi cảm
biến động cơ BLDC sử dụng bộ quan sát Luenberger.


3

CHƯƠNG 1. TỔNG QUAN VỀ CHẨN ĐOÁN LỖI
1.1.

Lỗi và chẩn đoán lỗi
Hoa Kỳ là quốc gia đầu tiên nghiên cứu thực hiện chẩn đoán lỗi. Từ năm 1961,
Hoa Kỳ bắt đầu triển khai chương trình Apollo, đã chứng kiến các hư hỏng của thiết bị
đã dẫn đến thảm kịch Apollo 13. Năm1967, theo ý tưởng của Cơ quan Nghiên cứu Hải
quân của NASA, Hiệp hội phòng chống hư hỏng cơ khí Hoa Kỳ thành lập, bắt đầu các
nghiên cứu chẩn đoán lỗi hệ thống. Hiệp hội Kỹ sư Cơ khí Hoa Kỳ (ASME) cũng tiến
hành nghiên cứu liên quan. Vương quốc Anh vào cuối những năm 60 bắt đầu nghiên
cứu chẩn đoán ban đầu cho máy điều trị y tế. Na Uy phát triển kỹ thuật chẩn đoán kỹ
thuật tàu thủy. Công nghệ chẩn đoán lỗi của Nhật Bản trong các ngành công nghiệp
thép, hóa dầu như hệ thống đường sắt phát triển nhanh chóng[18]
Năm 1971, Tiến sĩ Beard, MIT, trong luận văn tiến sĩ của mình đã lần đầu đưa
ra khái niệm lọc lỗi phát hiện (fault detection filter) dùng trong phân tích các giá trị
thặng dư. Thay vì phương pháp dùng phần cứng dự phòng (redundancy) mà dùng bộ

quan sát tín hiệu ngõ ra. Phương pháp chẩn đoán lỗi dựa trên phân tích thặng dư sẽ
được chẩn đoán bởi một đối tượng tồn tại trong thặng dư phân tích và xử lý kiến thức
biết trước, cho phép phát hiện chẩn đoán lỗi, cách ly, nhận dạng.
Năm 1976, Willsky đã xuất bản bài báo đầu tiên về công nghệ phát hiện và
chẩn đoán lỗi.
Năm 1978, Himmelblau xuất bản cuốn sách đầu tiên về công nghệ phát hiện và
chẩn đoán lỗi (FDD) quốc tế .
Lỗi (Fault) được định nghĩa như một sự sai lệch không chấp nhận được của ít
nhất một tham số, thuộc tính hay biến so với giá trị chuẩn. Kết quả chẩn đoán đánh giá
mức độ sai lệch của thông số kỹ thuật của đối tượng trong chẩn đoán thời gian (kiểm
soát) hiện tại, cũng như kiểm tra tính sẵn sàng và hoạt động đúng của đối tượng, việc
tìm kiếm các lỗi ảnh hưởng tới tính hiệu quả và khả năng hoạt động của đối tượng.
Chẩn đoán lỗi (Fault Diagnostics) 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 chẩn đoán lỗi bao gồm 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
biệt nhằm làm cho hệ thống bộc lộ các triệu chứng của trạng thái hiện tại.
Công nghệ chẩn đoán lỗi là công nghệ tổng hợp, liên quan đến nhiều chủ đề
như lý thuyết điều khiển hiện đại, lý thuyết tin cậy, toán thống kê, lý thuyết tập hợp,
xử lý thông tin, nhận dạng mẫu và trí thông minh nhân tạo.


4
Mục đích của chẩn đoán lỗi 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 dưỡng nhằm cải thiện độ tin cậy, an toàn và tuổi thọ của hệ
thống kỹ thuật.
Bản chất của chẩn đoán 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.
Chẩn đoán lỗi có nhiều mức độ từ thấp đến cao [17]:
Mô hình lỗi: Xây dựng một mô hình toán học về hệ thống lỗi, làm cơ sở để
chẩn đoán lỗi.
Phát hiện lỗi: Nhiệm vụ chính của hệ thống phát hiện lỗi là để xác định xem có
lỗi không. Nói chung, bất kỳ hệ thống phát hiện lỗi nào cũng không thể phát hiện lỗi
chính xác 100%. Do đó, cần cải thiện tỷ lệ phát hiện lỗi chính xác và giảm tỷ lệ lỗi
thiếu sót (có lỗi mà không phát hiện) và tỷ lệ báo động giả (không có lỗi mà lại báo
động).
Cách ly lỗi: Sau khi phát hiện lỗi, vị trí của lỗi phải được tìm ra. Cách ly lỗi
còn được gọi là xác định lỗi hoặc định vị lỗi.
Nhận dạng lỗi: Sau khi một lỗi đã bị cô lập, xác định thời gian xảy ra lỗi và
các đặc tính thay đổi theo thời gian của lỗi.
Đánh giá lỗi và ra quyết định: Xác định mức độ nghiêm trọng của lỗi, từ đó
sẽ quyết định các biện pháp cần thiết để bảo vệ hệ thống hoặc cho phép các biện pháp
thay thế
Mattias Nyberg đã định nghĩa bài toán phân loại chẩn đoán như sau [14]
Coi đối tượng chẩn đoán gồm n chi tiết, mỗi chi tiết có các thông số trạng thái
tương ứng xi . Hệ sẽ làm việc bình thường khi cả n chi tiết đều làm việc bình thường.
Khi một trong số các chi tiết này làm việc không bình thường, hệ sẽ gặp lỗi fi.
Có thể xảy ra 3 tình huống như sau:

Hệ không lỗi : Trạng thái của hệ thống đặc trưng bởi tập lỗi trống S0={}

Hệ gặp một trong số các lỗi đã nêu Sm={fi}

Hệ gặp đồng thời nhiều lỗi đồng thời Sn={fi , fj ,...}.
Như vậy, tại một thời điểm, hệ sẽ nằm ở một trong các trạng thái của tập trạng
thái {S0, Sm, Sn}.

Mục tiêu của bài toán chẩn đoán là xác định xem hệ đang nằm ở trạng thái nào
trong số các trên. Hệ càng phức tạp và số lượng lỗi đồng thời xảy ra càng nhiều thì
việc chẩn đoán càng khó khăn.
Rose Issermant đã chia bài toán chẩn đoán thành bốn bài toán với các cấp độ
nhận dạng lỗi từ đơn giản đến phức tạp. Một hệ thống chẩn đoán lỗi thường có nhu cầu
thực hiện các mức độ chẩn đoán càng cao càng tốt, nhằm phát hiện lỗi, định vị và ước
lượng được các thông tin liên quan đến lỗi. [17]


5
- Bài toán phát hiện lỗi (Fault Detection): Mục tiêu là xác định xem đối
tượng có làm việc bình thường hay không. Trong trường hợp này, tập trạng thái được
chia thành hai tập nhỏ: S0 ứng với trạng thái làm việc bình thường và các trạng thái
còn lại ứng với lỗi. Nhiệm vụ của bài toán là xác định xem hệ đang nằm trong trạng
thái S0 hay các trạng thái còn lại. Hệ thống sẽ tạo ra tín hiệu cảnh báo cho người vận
hành về tình trạng làm việc bất thường của hệ thống.
- Bài toán cô lập lỗi (Fault Isolation): Trong trường hợp này, cần phân biệt
càng rõ càng tốt xem đối tượng đang nằm trong trạng thái nào trong số các trạng thái
Si đã nêu ở trên. Nội dung của bài toán là phân tích, tổng hợp các triệu chứng của lỗi,
từ đó định vị được lỗi nằm ở bộ phận chức năng nào.
- Bài toán xác định lỗi (Fault Identification): mong muốn tìm nguyên nhân
của lỗi: Chi tiết gây ra lỗi, thời điểm gây ra lỗi.
- Hệ thống dung lỗi (Fault Tollerance) cho phép làm việc trong trường hợp có
lỗi bằng cách sử dụng các giải pháp thay thế tương đương về phần cứng hoặc phần
mềm.
Các định nghĩa về quá trình nhận dạng lỗi đã được định nghĩa bởi Hiệp hội Safe
Process do R. Isermann và P. Ballé đề xuất năm 1996, bao gồm [18]:
- Theo dõi (Monitoring): là quá trình thu thập và chuyển đổi các thông số chẩn
đoán nhằm phát hiện các biểu hiện bất thường. Đối tượng này thực hiện với thời gian
thực.

- Giám sát (Supervision): bao gồm quá trình theo dõi và đưa ra những quyết
định cho phép chắc chắn những hành động hợp lý trong trường hợp có lỗi.
- Bảo vệ (Protection): Bao gồm tất cả các đối tượng giám sát và thao tác nhằm
hạn chế tối đa những thiệt hại do lỗi gây ra.
Các hệ thống theo dõi trạng thái là các hệ thống chẩn đoán thời gian thực. Một
hệ thống giám sát được định nghĩa là một hệ thống chẩn đoán liên tục hoặc một hệ
quan sát liên tục trạng thái của đối tượng. Một đối tượng chẩn đoán có thể được thực
hiện tự động. Trong trường hợp đó, các phép chẩn đoán sẽ là một tập hợp các thao tác
được thực hiện bởi phần mềm nhằm đặt các giá trị cho trước lên các biến công nghệ
Mô hình toán học của đối tượng chẩn đoán được thể hiện tổng quát như sau:

Hình 1.1: Mô hình đối tượng chẩn đoán lỗi
Trong đó:
U(t): Véc tơ thông số đầu vào của đối tượng chẩn đoán
Y(t): Véc tơ thông số đầu ra của đối tượng chẩn đoán
X(t): Véc tơ thông số cấu trúc của đối tượng chẩn đoán


6
f(t): Lỗi tác động đến hệ thống.
Một hệ thống làm việc bình thường được mô tả bởi hàm quan hệ:
Y(t) = ψ[U(t), X(t)]
(1.1)
Lỗi được quy về một nhóm tín hiệu vào làm thay đổi thuộc tính của đối tượng.
F(t) = [f (t) , f (t), … , f (t)]
(1.2)
F(t) có thể biến đổi liên tục tương ứng với sự hao mòn của thiết bị hoặc nhảy
bậc khi hệ thống hư hỏng bất thường.
Xét cả tác động của lỗi và các đầu vào ngoại lai thì trạng thái của đối tượng
được xác định bởi công thức:

Ẋ(T) = X(T) + ∆X(T) = ∅[x(t), u(t), f(t), d(t)]
(1.3)
Ẏ(T) = Y(T) + ∆Y(T) = Ψ[x (t), u(t), f(t), d(t)]
(1.4)
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)+ ΔX(t) và thông qua ánh xạ , thông số đầu ra thay
đổi một lượng y(t) thành y(t)+ Δy(t).
Công thức (1.4) sẽ thay đổi thành:
(1.5)
Y(t) + ∆Y = [U(t), X(t) + ∆X(t)]
Đối với hệ tuyến tính, F(t) có thể là lỗi nhân hoặc lỗi cộng. Việc chẩn đoán lỗi
nhân thường đòi hỏi phải có giá trị đầu vào ui(t), i≠ 0.
Bản chất của chẩn đoán là dựa vào những dấu hiệu đầu ra Δy, để xác định sự
thay đổi của thông số trạng thái của đối tượng. Tức là, nếu xác định được ánh xạ
ngược:
X(t) + ∆X = [U(t), Y(t) + ∆Y(t)]
(1.6)
thì bài toán được giải thành công.
1.2. Một số phương pháp phát hiện và chẩn đoán lỗi
1.2.1. Phát hiện lỗi bằng phần cứng dự phòng (redundancy hardware)
Mô hình gồm 2 khâu cùng tính chất hoạt động đồng thời, kết quả đầu ra của 2
hệ thống sẽ được so sánh với nhau. Nếu đầu ra khác nhau chứng tỏ có lỗi trong hệ
thống.

Hình 1.2: Phương pháp so sánh bằng phần cứng
Phương pháp này rất phù hợp với hệ thống đòi hỏi độ tin cậy cao, vì đồng thời
đảm bảo cả khả năng dự phòng và khả năng phát hiện lỗi. Tuy nhiên, đòi hỏi chi phí
cho phần cứng song song.

7
1.2.2. Phát hiện và chẩn đoán lỗi dựa vào tri thức (knowledge based)
Việc phát hiện và chẩn đoán lỗi là cơ sở của các phương pháp giám sát và quản
lý lỗi tiên tiến. Phát hiện và chẩn đoán lỗi dựa trên các biến đo được bằng các thiết bị
tự động hoá, các biến quan sát được và các trạng thái quan sát được bởi người vận
hành. Việc xử lý tự động các biến đo được để phát hiện lỗi yêu cầu kiến thức giải tích
về đối tượng và việc đánh giá các biến quan sát được theo yêu cầu của con người được
gọi là tri thức suy nghiệm.
Tri thức giải tích về đối tượng được sử dụng để tạo ra những thông tin giải tích
có thể định lượng được để tạo ra các giá trị đặc tính bằng cách:

Kiểm tra giá trị giới hạn của các tín hiệu có thể đo đạc trực tiếp

Phân tích tín hiệu đo được bằng cách sử dụng các mô hình tín hiệu

Phân tích đối tượng bằng cách sử dụng các mô hình toán của đối tượng
cùng với ước lượng tham số, ước lượng trạng thái
Ngoài việc tạo triệu chứng giải tích sử dụng các thông tin định lượng, người ta
còn bổ sung thêm kỹ thuật tạo các triệu chứng suy nghiệm bằng việc sử dụng những
thông tin định tính từ người vận hành.
Đối tượng chẩn đoán lỗi sử dụng cả hai loại triệu chứng suy nghiệm và triệu
chứng giải tích.
1.2.3. Phương pháp phát hiện lỗi dựa vào tín hiệu (signal based)
Trong phương pháp phát hiện lỗi dựa vào tín hiệu, các tín hiệu ra của hệ thống
được thu thập, phân tích và nhận dạng các triệu chứng. Trong phương pháp này, người
ta thường sử dụng kỹ thuật kiểm tra giới hạn hoặc kiểm tra xu hướng của tín hiệu.

Hình 1.3: Chẩn đoán lỗi dựa vào tín hiệu
a)
Kiểm tra giới hạn tuyệt đối

Một cách tổng quát, hai giá trị giới hạn được gọi là ngưỡng (cài đặt trước), một
giá trị cực đại Ymax và một giá trị cực tiểu Ymin. Trạng thái bình thường là khi:
< ( )<
Có nghĩa là đối tượng đang trong tình trạng bình thường nếu biến được giám sát
nằm trong giới hạn của dung sai cho trước. Nếu giá trị của biến vượt một trong hai
ngưỡng này thì sẽ có lỗi ở đâu đó trong đối tượng.
Nếu ngưỡng được chọn quá hẹp thì có thể xuất hiện các báo động sai cả khi hệ
thống làm việc bình thường, nhưng bù hại các lỗi có thể được phát hiện sớm hơn và


8
ngược lại. Do vậy, việc lựa chọn độ rộng của ngưỡng cần phải thỏa hiệp được cả hai
yếu tố này.
b)
Kiểm tra xu hướng tín hiệu
Một cách đơn giản hơn là tính đạo hàm bậc nhất ̇ = ( )/ , của biến được
theo dõi và kiểm tra điều kiện:
̇
< ̇( ) < ̇
Nếu điều kiện trên thỏa mãn, điều đó có nghĩa là hệ thống vận hành bình
thường, ngược lại có thể xuất hiện lỗi đâu đó trong hệ thống. Kỹ thuật kiểm tra xu
hướng có thể phát hiện lỗi sớm hơn so với kỹ thuật kiểm tra giới hạn. Thực tế thì hai
kỹ thuật này thường được kết hợp với nhau.

c)

Hình 1.4: Kiểm tra giới hạn:
a) kiểm tra giá trị tuyệt đối Y(t); b)kiểm tra xu hướng ̇ =
Kiểm tra sự phù hợp của tín hiệu

( )/

Hình 1.5: Phương pháp chẩn đoán lỗi dựa vào kiểm tra sự phù hợp
Việc giám sát các biến đo được đôi khi được thực hiện bằng cách kiểm tra tính
hợp lý của các giá trị chỉ thị của chúng. Điều này có nghĩa là các phép đo được đánh
giá dựa trên các giá trị tin cậy, tính thuyết phục và sự tương hợp giữa chúng.
Việc kiểm tra tính hợp lý có thể được công thức hóa bằng cách sử dụng các quy
tắc cùng với các kết nối logic nhị phân như AND, OR. Những quy tắc và dải đo lường


9
này cho phép mô tả sơ bộ về đáp ứng dự kiến của đối tượng trong điều kiện bình
thường. Nếu những quy tắc này không được thỏa mãn thì hoặc là đối tượng hoặc các
phép đo lường bị lỗi. Khi đó cần kiểm tra nhiều hơn nữa để định vị lỗi và nguyên nhân
gây ra lỗi.

Hình 1.6: Phát hiện lỗi với mô hình tín hiệu
d)
Các phương pháp phân tích tín hiệu
Nhiều tín hiệu đo được của các đối tượng cho thấy dao động có tính chất điều
hoà hoặc có tính chất ngẫu nhiên hoặc cả hai. Tuy nhiên, các tín hiệu từ nhiều cảm
biến như dòng điện, vị trí, tốc độ, lực, lưu lượng và áp suất thường chứa các dao động
với tần số cao hơn động học đối tượng.
Giả sử các mô hình toán cho các tín hiệu đo và các đặc tính phù hợp được tính
toán, ví dụ như biên độ, pha, phổ tần số và các hàm tương quan cho một dải tần số
nhất định ω
≤ ω ≤ ω của tín hiệu. Đem so sánh các đặc tính của tín hiệu này
với các đặc tính quan sát được đối với hành vi bình thường (chưa có lỗi) để tạo ra sự
thay đổi của các đặc tính mà sau đây gọi là các triệu chứng giải tích.
Các mô hình tín hiệu có thể được chia thành các mô hình phi tham số, như phổ

tần số hoặc các hàm tương quan, hoặc các mô hình tham số, như biên độ cho các tần
số riêng biệt hoặc các mô hình kiểu ARMA. Các phương pháp phân tích tín hiệu tồn
tại cho các dao động điều hòa, tín hiệu ngẫu nhiên và tín hiệu không cố định,
Để phân tích các tín hiệu tuần hoàn cố định, việc truyền qua dải hoặc phân tích
Fourier có thể được sử dụng. Các tín hiệu định kỳ không cố định có thể được phân
tích, ví dụ: biến đổi wavelet. Phân tích các tín hiệu ngẫu nhiên thường được thực hiện
bằng các hàm tương quan, phân tích phổ và ước lượng tham số tín hiệu cho các mô
hình ARMA.


10

Hình 1.7: . Các phương pháp phân tích tín hiệu để phát hiện lỗi dựa vào mô
hình tín hiệu
1.2.4. Phương pháp phát hiện lỗi dựa vào mô hình (model based)
Nhược điểm của phương pháp chẩn đoán truyền thống đòi hỏi phải có số liệu
thống kê về đối tượng trong trạng thái làm việc bình thường và trạng thái hư hỏng. Khi
các hệ thống kỹ thuật càng phức tạp, thì bài toán chẩn đoán càng khó khăn, và việc thu
thập đủ các triệu chứng lỗi cho toàn bộ các tình huống chẩn đoán sẽ trở nên rất tốn
kém và không thể thực hiện được. Mặt khác, yêu cầu về độ tin cậy và khả năng chẩn
đoán đòi hỏi phải nắm vững tình trạng của thiết bị ngay khi thiết bị đầu tiên được đưa
vào trạng thái hoạt động.

Hình 1.8: Sơ đồ hệ thống chẩn đoán lỗi dựa vào mô hình
Phương pháp chẩn đoán theo mô hình đã được nghiên cứu một cách tương đối
chi tiết về lý thuyết và đang phát triển ứng dụng của nó trong các ngành kỹ thuật.
Trong phương pháp chẩn đoán dựa trên mô hình đối chứng, Giá trị chuẩn y(t) được tạo
ra bằng một mô hình so sánh có hàm truyền giống với hàm truyền của đối tượng chẩn
đoán trong trạng thái bình thường và được chạy song song với đối tượng, đặc trưng bởi
hàm quan hệ:

11
y(t) = f[u(t), x(t)]
(1.7)
Triệu chứng lỗi được xác định bởi sai lệch giữa giá trị thực tế và giá trị tính
toán:
( ) = ̇( ) − ( )
(1.8)
r(t) được gọi là các dư thừa (thặng dư) hay mã kiểm tra nhằm xác định sai lệch
của hệ thống. Như vậy, nếu r(t) khác 0 thì đã có thể kết luận rằng hệ có lỗi. Và tổng
hợp các giá trị sai lệch đầu ra một cách phù hợp có thể xác định được lỗi đang xảy ra
đối với thông số nào (phân biệt được lỗi). Tổng hợp các sai lệch vượt quá ngưỡng xác
định các triệu chứng lỗi của đối tượng. Phương pháp này chỉ cần quan sát hệ thống ở
trạng thái tốt, từ đó suy ra trạng thái bất thường của hệ thống, mà không cần quan sát
hệ thống ở trạng thái hư hỏng để xây dựng được bộ số liệu đầy đủ cho đối tượng. Hình
1.9 thể hiện phương pháp so sánh ngưỡng để phát hiện bất thường của hệ thống.

Hình 1.9: So sánh ngưỡng

Hình 1.10: Phát hiện và chẩn đoán lỗi dựa vào mô hình


12
Một điểm mạnh nữa của phương pháp là việc phân biệt lỗi sử dụng cơ chế suy
luận lỗi trên cơ sở mô hình cấu trúc đã biết của đối tượng, do vậy, đảm bảo độ tin cậy
cao mà không cần dựa trên khảo sát tình trạng hỏng hóc của đối tượng. Do vậy, không
cần phải tạo ra các mẫu thử tình trạng hư hỏng và quan sát triệu chứng như phương
pháp truyền thống.
Sơ đồ thể hiện quá trình chẩn đoán lỗi dựa vào mô hình trên Hình 1.10. Việc

phát hiện lỗi bao gồm các lỗi công nghệ, lỗi cơ cấu chấp hành và lỗi cảm biến được
thực hiện dựa vào sai lệch giữa tín hiệu đo được và tín hiệu tạo ra bởi mô hình toán
học của đối tượng.
Hiệu quả của việc áp dụng các phương pháp phát hiện lỗi dựa vào mô hình là
khác nhau đối với các cấu hình công nghệ khác nhau. Mức độ khó phân biệt giữa các
lỗi tăng theo theo thứ tự mô hình SISO,SISO có đo lường trung gian, MIMO, SIMO,
MIMO (Hình 1.11)

Hình 1.11: a) Hệ SISO; b) Hệ SISO có đo lường trung gian;
Mô hình đối tượng và mô hình hóa lỗi
Theo sự phụ thuộc vào thời gian của lỗi thì lỗi được phân thành 3 loại: lỗi đột
ngột (bước nhảy), lỗi tiến triển và lỗi gián đoạn.(Hình 1.12)
a)

Hình 1.12: Phân loại lỗi theo thời gian
a) đột ngột; b) tiến triển; c) gián đoạn


13
Nếu tiếp cận theo mô hình công nghệ, Mô hình lỗi có thể là lỗi cộng(Hình
1.13a) ảnh hưởng đến một biến Y bởi cộng thêm lỗi f hoặc lỗi nhân(Hình 1.13b) bởi
tích số của một biến vào U với f. Lỗi cộng, ví dụ như sai lệch của các cảm biến, trong
khi các lỗi nhân là sự thay đổi tham số bên trong một đối tượng.

Hình 1.13: Mô hình cơ bản của lỗi: a) lỗi cộng; b) lỗi nhân
b)
Phát hiện lỗi dùng ước lượng tham số
Các phương pháp phát hiện lỗi dựa vào mô hình đòi hỏi phải biết về cấu trúc
toán học và các tham số trong mô hình động học của đối tượng. Đối với các đối tượng
tuyến tính trong hệ thời gian liên tục thì các mô hình có thể là dạng các đáp ứng xung

hoặc đáp ứng tần số của các phương trình vi phân.
Đối với việc phát hiện lỗi nói chung, phương trình vi phân hoặc các phương
trình sai phân cơ bản là phù hợp. Nhưng trong hầu hết các trường hợp thực tế, một
phần các tham số của đối tượng là không biết được hoặc toàn bộ đều không biết. Do
đó, chúng có thể được xác định bằng các phương pháp ước lượng tham số dựa vào tập
các tín hiệu vào và ra (đo được) nếu biết trước cấu trúc của mô hình.
Có hai cách tiếp cận để ước lượng tham số của mô hình là cực tiểu các sai lệch
của mô hình và cực tiểu các sai lệch đầu ra.

Cách thứ nhất, trong hàm mục tiêu các tham số được mô tả dưới dạng tuyến
tính do đó cho phép ước lượng trực tiếp tham số (ước lượng bình phương nhỏ nhất) ở
dạng không đệ quy hoặc đệ quy.

Cách thứ hai cần phương pháp số để giải bài toán tối ưu phi tuyến, nhưng bù lại
các tham số ước lượng được có thể chính xác hơn khi có ảnh hưởng của nhiễu. Phương
pháp ước lượng tham số thường được sử dụng khi các mô hình đối tượng bất định,
trong đó chỉ duy nhất cấu trúc mô hình là xác định. Phương pháp này thường cần có
một kích thích đầu vào và đặc biệt phù hợp cho việc phát hiện các lỗi nhân.