Đánh giá tình trạng và dự báo tuổi thọ hữu ích còn lại của bộ trao đổi nhiệt dạng tấm thông qua dự báo ngắn hạn giá trị chênh áp dòng nước biển
Tóm tắt
Bảo trì tiên đoán giúp tối đa hóa thời gian vận hành của thiết bị thông qua việc ước tính tuổi thọ hữu ích của thiết bị hay thời điểm có thể xảy ra hỏng hóc. Nhóm tác giả đã thực hiện dự báo ngắn hạn giá trị chênh áp dòng nước biển tại bộ trao đổi nhiệt dạng tấm bằng mạng bộ nhớ dài - ngắn hạn (long short-term memory, LSTM) và qua đó dự báo tuổi thọ hữu ích còn lại (remaining useful life, RUL) bằng mô hình hồi quy phi tuyến (nonlinear regression). Mô hình đề xuất đã đạt được độ chính xác cao bằng cách liên tục phát hiện các điểm lưu (checkpoint) và dự báo giá trị RUL liên tục mỗi 24 giờ. Các điểm lưu được phát hiện thông qua phát hiện giá trị chênh áp bất thường tại bộ trao đổi nhiệt dạng tấm trong quá trình hoạt động. Qua đó giúp cập nhật giá trị tuổi thọ hữu ích còn lại ngay khi có các biến động không lường trước được trong quá trình vận hành thiết bị.
Các tài liệu tham khảo
Zhenghua Chen, Min Wu, Rui Zhao, Feri Guretno, Ruqiang Yan, and Xiaoli Li, “Machine remaining useful life prediction via an attention-based deep learning approach”, IEEE Transactions on Industrial Electronics, Volume 68, Issue 3, pp. 2521 - 2531, 2021. DOI: 10.1109/ TIE.2020.2972443.
Zuozhou Pan, Zong Meng, Zijun Chen, Wenqing Gao, and Ying Shi, “A two-stage method based on extreme learning machine for predicting the remaining useful life of rolling-element bearings”, Mechanical Systems and Signal Processing, Volume 144, 2020. DOI: 10.1016/j.ymssp.2020.106899.
Jason Deutsch and David He, “Using deep learning-based approach to predict remaining useful life of rotating components”, IEEE Transactions on Systems, Man, and Cybernetics: Systems, Volume 48, Issue 1, pp. 11 - 20, 2018. DOI: 10.1109/TSMC.2017.2697842.
James Carroll, Sofia Koukoura, Alasdair McDonald, Anastasis Charalambous, Stephan Weiss, and Stephen McArthur, “Wind turbine gearbox failure and remaining useful life prediction using machine learning techniques”, Wind Energy, Volume 22, Issue 3, pp. 360 - 375, 2019.
Yongmeng Zhu, Jiechang Wu, Xing Liu, Jun Wu, Kai Chai, Gang Hao, and Shuyong Liu, “Hybrid scheme through read-first-LSTM encoder-decoder and broad learning system for bearings degradation monitoring and remaining useful life estimation”, Advanced Engineering Informatics, Volume 56, 2023. DOI: 10.1016/j.aei.2023.102014.
Xiaoyu Li, Changgui Yuan, and Zhenpo Wang, “Multi-time-scale framework for prognostic health condition of lithium battery using modified Gaussian process regression and nonlinear regression”, Journal of Power Sources, Volume 467, 2020. DOI: 10.1016/j. jpowsour.2020.228358.
Venkat P. Nemani, Hao Lu, Adam Thelen, Chao Hu, and Andrew T. Zimmerman, “Ensembles of probabilistic LSTM predictors and correctors for bearing prognostics using industrial standards”, Neurocomputing, Volume 491, pp. 575 - 596, 2022. DOI: 10.1016/j.neucom.2021.12.035.
Colah's blog, "Understanding LSTM networks", 7/22/2022. [Online]. Available: https://colah.github.io/posts/2015-08-understanding-LSTMs/.
Sepp Hochreiter and Jürgen Schmidhuber, “Long short-term memory”, Neural Compututation, Volume 9, Issue 8, pp. 1735 - 1780, 1997. DOI: 10.1162/ neco.1997.9.8.1735.
N.A. Sitnik, “Growth and the energy budget of flat oyster (Ostrea edulis) in early ontogenesis”, Biosystems Diversity, Volume 18, Issue 1, pp. 110 - 116, 2010. DOI: 10.15421/011016.
1. Tác giả giao bản quyền bài viết (tác phẩm) cho Tạp chí Dầu khí, bao gồm quyền xuất bản, tái bản, bán và phân phối toàn bộ hoặc một phần tác phẩm trong các ấn bản điện tử và in của Tạp chí Dầu khí.
2. Bằng cách chuyển nhượng bản quyền này cho Tạp chí Dầu khí, việc sao chép, đăng hoặc sử dụng một phần hay toàn bộ tác phẩm nào của Tạp chí Dầu khí trên bất kỳ phương tiện nào phải trích dẫn đầy đủ, phù hợp về hình thức và nội dung như sau: tiêu đề của bài viết, tên tác giả, tên tạp chí, tập, số, năm, chủ sở hữu bản quyền theo quy định, số DOI. Liên kết đến bài viết cuối cùng được công bố trên trang web của Tạp chí Dầu khí được khuyến khích.
