GIÁM SÁT, CHUẨN ĐOÁN SỰ CỐ TRONG TBĐ
MONITORING AND DIAGNOSTIC OF ELECTRICAL EQUIPMENT
Mô tả học phần
Học phần cung cấp cho sinh viên các kiến thức từ cơ bản đến nâng cao về các kỹ thuật giám sát tình trạng và chẩn đoán lỗi của máy điện. Nội dung bao gồm các phương pháp phân tích tín hiệu (rung động, dòng điện, điện áp), kỹ thuật giám sát trực tuyến và ngoại tuyến, phương pháp dựa trên mô hình và dựa trên tín hiệu. Môn học cũng giới thiệu việc ứng dụng trí tuệ nhân tạo (Mạng Bayes, Mạng Nơ-ron, Logic mờ) để hỗ trợ ra quyết định và phân loại lỗi trong các hệ thống thiết bị điện hiện đại.
English description
This course provides students with basic to advanced knowledge of condition monitoring and fault diagnosis techniques for electric machines. The content covers signal analysis methods (vibration, current, voltage), online and offline monitoring, model-based and signal-based approaches. It also introduces the application of artificial intelligence (Bayesian Networks, Neural Networks, Fuzzy Logic) to support decision-making and fault classification in modern electrical equipment systems.
Chuẩn đầu ra học phần (CLO) 4
Bấm vào từng chuẩn đầu ra để xem bản tiếng Anh, liên kết PLO và mức độ đóng góp.
-
CLO1 Hiểu và giải thích được các cơ chế hỏng hóc (cơ, nhiệt, điện) và các kỹ thuật giám sát tình trạng cơ bản của máy điện và thiết bị điện tử công suất.
Understand and explain failure mechanisms (mechanical, thermal, electrical) and basic condition monitoring techniques for electrical machines and power electronic devices.
-
CLO2 Nhận dạng, phân tích tín hiệu (dòng điện, rung động) và áp dụng các phương pháp xử lý tín hiệu để chẩn đoán sự cố thiết bị.
Identify, analyze signals (current, vibration) and apply signal processing methods for equipment fault diagnosis.
-
CLO3 Sử dụng thành thạo các công cụ tính toán và trí tuệ nhân tạo (MATLAB, GeNIe Modeler, Python) để xây dựng mô hình dự báo và phân loại lỗi.
Proficiently use computational and AI tools (MATLAB, GeNIe Modeler, Python) to build prediction and fault classification models.
-
CLO4 Thể hiện kỹ năng làm việc nhóm, tư duy giải quyết vấn đề và đạo đức nghề nghiệp thông qua việc thực hiện và báo cáo dự án môn học.
Demonstrate teamwork skills, problem-solving thinking, and professional ethics through the implementation and reporting of the course project.
Đánh giá học phần
| Thành phần | Tỉ trọng | Thời gian |
|---|---|---|
| Tham dự trên lớp(Class Participation) | 20.0% | Toàn bộ quá trình học(Throughout the course) |
| Bài tập nhóm(Group Project) | 50.0% | Tuần 9 (Week 9) |
| Thi cuối kỳ(Final Examination) | 30.0% | Tuần 16 (Week 14) |
Tài liệu học tập
Bắt buộc
- [1] Python Machine Learning, Sebastian, 2017
Tham khảo
- [1] Deep Learning with Python, François Chollet, 2018, M A N N I N G