Công nghệ phát xạ âm (Acoustic Emission – AE) cho phép phát hiện các hoạt động hư hỏng thông qua việc thu nhận sóng đàn hồi phát sinh bên trong vật liệu. Tuy nhiên, việc phân tích lượng lớn tín hiệu AE, phân biệt nguồn phát xạ và đánh giá mức độ hư hỏng vẫn là những thách thức trong các ứng dụng thực tế.
Trí tuệ nhân tạo (Artificial Intelligence – AI) đang mở ra hướng tiếp cận mới, giúp tự động hóa quá trình phân tích tín hiệu, nhận diện bất thường và dự báo tình trạng thiết bị. Sự kết hợp giữa AI và AE được kỳ vọng sẽ thúc đẩy các hệ thống giám sát công nghiệp theo hướng thông minh, liên tục và chủ động hơn.
1. Các xu hướng ứng dụng AI trong giám sát phát xạ âm
1.1. Tự động phân loại tín hiệu AE
Các thuật toán Machine Learning và Deep Learning có thể phân tích đặc trưng tín hiệu để phân biệt các nguồn phát xạ như nứt gãy, ma sát, va chạm và rò rỉ. Điều này giúp giảm sự phụ thuộc vào phân tích thủ công và nâng cao khả năng xử lý dữ liệu.
1.2. Phát hiện sớm các hoạt động bất thường
AI có thể học đặc điểm hoạt động bình thường của thiết bị và phát hiện những thay đổi bất thường trong dữ liệu AE. Các phương pháp phát hiện bất thường (Anomaly Detection) đặc biệt hữu ích khi dữ liệu hư hỏng có nhãn còn hạn chế.
1.3. Định vị và đánh giá nguồn phát xạ
Kết hợp dữ liệu từ nhiều cảm biến AE với các thuật toán AI giúp cải thiện khả năng xác định vị trí và phân loại nguồn phát xạ, hỗ trợ khoanh vùng các khu vực có nguy cơ hư hỏng.
1.4. Dự báo tình trạng và tuổi thọ thiết bị
Thông qua việc phân tích xu hướng thay đổi của tín hiệu AE theo thời gian, AI có thể hỗ trợ đánh giá mức độ suy giảm tình trạng vật liệu, ước lượng tuổi thọ còn lại (Remaining Useful Life – RUL) và lập kế hoạch bảo trì.
1.5. Giám sát thông minh tại biên (Edge AI)
Việc tích hợp các mô hình AI trực tiếp vào thiết bị thu thập dữ liệu hoặc nền tảng Edge Computing cho phép xử lý tín hiệu AE ngay tại hiện trường. Nhờ đó, hệ thống có thể phát hiện bất thường và đưa ra cảnh báo theo thời gian thực, giảm lượng dữ liệu cần truyền về máy chủ.
2. Các lĩnh vực ứng dụng tiềm năng
Sự kết hợp giữa AI và AE có tiềm năng ứng dụng trong nhiều lĩnh vực:
- Năng lượng gió: Nhận diện nứt, tách lớp và hư hỏng trong cánh tua-bin, ổ trục và hộp số.
- Pin lithium-ion: Phân tích các hoạt động phát xạ liên quan đến biến đổi bên trong cell pin, hỗ trợ đánh giá SOH và dự báo RUL.
- Đường ống và bình chịu áp lực: Phát hiện hoạt động nứt gãy, rò rỉ và các dấu hiệu bất thường.
- Kết cấu công trình: Giám sát sự phát triển vết nứt trong cầu, kết cấu thép và bê tông.
- Máy móc công nghiệp: Nhận diện các hoạt động ma sát, va chạm và hư hỏng trong ổ lăn, bánh răng và hệ thống truyền động.
3. Thách thức khi kết hợp AI và Acoustic Emission
Mặc dù có nhiều tiềm năng, việc triển khai AI trong giám sát AE vẫn đối mặt với một số thách thức:
- Dữ liệu huấn luyện: Thiếu dữ liệu AE được gán nhãn và xác nhận bằng thực nghiệm.
- Nhiễu và điều kiện vận hành: Tín hiệu thay đổi theo vật liệu, tải trọng, nhiệt độ và môi trường.
- Khả năng tổng quát hóa: Mô hình cần hoạt động ổn định trên nhiều thiết bị và điều kiện vận hành khác nhau.
- Tài nguyên tính toán: Các mô hình cần được tối ưu để triển khai trên phần cứng tại biên.
- Khả năng giải thích: Kết quả AI cần gắn với cơ chế vật lý của quá trình hư hỏng để tăng độ tin cậy.
4. Kết luận
Sự kết hợp giữa trí tuệ nhân tạo và công nghệ phát xạ âm đang mở ra hướng phát triển mới cho các hệ thống kiểm tra không phá hủy và giám sát tình trạng thiết bị. Từ phân loại tín hiệu, phát hiện bất thường đến dự báo tuổi thọ và triển khai Edge AI, công nghệ này có tiềm năng nâng cao khả năng chẩn đoán và hỗ trợ bảo trì dự đoán trong công nghiệp.
AE Vietnam hướng đến phát triển và ứng dụng các giải pháp Acoustic Emission kết hợp trí tuệ nhân tạo, góp phần xây dựng các hệ thống giám sát, chẩn đoán và dự báo tình trạng thiết bị có độ tin cậy cao.
