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 do – Hạnh phúc
___***___

Tp. Hồ Chí Minh, ngày

tháng

năm 2022

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Họ và tên sinh viên 1: Huỳnh Nhật Tân

MSSV: 18151116

Họ và tên sinh viên 2: Đặng Văn Hùng

MSSV: 18151079

Ngành: Công nghệ kỹ thuật Điều khiển và Tự động hóa
Lớp: 18151CL3
Giảng viên hướng dẫn: TS. Tạ Văn Phương

ĐT: 0908248231

Ngày nhận đề tài:

Ngày nộp đề tài:

1. Tên đề tài:

2. Các số liệu, tài liệu ban đầ u:

3. Nội dung thực hiện đề tài:

4. Sản phẩm:

TRƯỞNG NGÀNH

GIẢNG VIÊN HƯỚNG DẪN

i

Đồ án tốt nghiệp
CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh Phúc
___***___
Tp. Hồ Chí Minh, ngày tháng

năm 2022

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên sinh viên 1: Huỳnh Nhật Tân

MSSV: 18151116

Họ và tên sinh viên 2: Đặng Văn Hùng

MSSV: 18151079

Ngành: Công nghệ kỹ thuật Điều khiển và Tự động hóa
Tên đề tài: Điều Khiển Và Chẩn Đoán Lỗi Cho Hệ Thống Áp Suất
Họ và tên Giáo viên hướng dẫn: TS. Tạ Văn Phương

NHẬN XÉT
1. Về nội dung đề tài &amp khối lượng thực hiện:

................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
2. Ưu điểm:

..............................................................................................................................
...............................................................................................................
...

...
lỗi F5

68

Chương 5. Kết quả thực hiện

Hình 5.21: Hiển thị lỗi F5 trên màn hình HMI

69

Chương 6. Kết luận và hướng phát triển

CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
6.1 Kết luận
Sau khi thực hiện đề tài, nhóm sinh viên thực hiện đề tài đã hoàn thành những
yêu cầu đã đề ra cho đề tài “Điều Khiển Và Chuẩn Đoán Lỗi Cho Hệ Thống Áp
Suất”. Đề tài đã đạt được những kết quả nổi bật sau:
 Hoàn thiện điều khiển ổn định hệ thống áp suất theo các điểm đã đặt trước.
 Ứng dụng mô hình CNN vào chẩn đoán lỗi liên tục cho hệ thống áp suất.
 Trao đổi dữ liệu qua lại giữa PLC và mô hình CNN.
 Điều khiển và giám sát hệ thống áp suất qua màn hình HMI.
6.2 Hướng phát triển
Đề tài “Điều Khiển Và Chuẩn Đoán Lỗi Cho Hệ Thống Áp Suất” đã cho thấy
được ứng dụng của mô hình CNN không chỉ dừng lại ở các dịch vụ xã hội mà còn có
thể phát triển ở các hệ thống công nghiệp hiện đại. Qua đó, nhóm sinh viên thực hiện
đề tài cũng có thêm nhiều ý tưởng mới để phát triển đề tài này trong tương lai.
 Phát triển thành một phần mềm chẩn đoán trên PC có thể sử dụng cho nhiều
hãng PLC, nhiều hệ thống điều khiển khác nhau.
 Truy xuất trạng thái hoạt động của hệ thống trên thiết bị di động.
 Tìm ra giải pháp phù hợp để đưa ứng dụng mạng CNN chẩn đoán lỗi vào thực
tế cho các nhà máy công nghiệp.

70

Tài liệu tham khảo

TÀI LIỆU THAM KHẢO
[1] Nguyễn Thị Phương Hà và Huỳnh Thái Hoàng (2005), “Lý thuyết điều khiển tự
động”, Nhà xuất bản ĐHQG, TP. Hồ Chí Minh, 372 trang.
[2] Hoàng Minh Sơn (2006), “Mạng truyền thông công nghiệp”, Nhà xuất bản khoa
học và kỹ thuật, Hà Nội, 255 trang.
[3] Dương Anh Đức, Nguyễn Vinh Tiệp và Lê Đình Duy (2020), “Học sâu và ứng
dụng”, ĐHQG, TP. Hồ Chí Minh, 102 trang.
[4] Gijs Molenaar, Stephan Preeker (2022), “Python – Snap7 Documentation”, 1 –
61.
[5] François Chollet (2020), “Deep Learning with Python, second edition”, Manning
Publications, 1 – 27.
[6] Stack Overflow Contributors, “Learning Node.js”, 1 – 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”, 1 – 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