Multiple Defect Diagnostics of Gas Turbine Engine using Real Coded GA and Artificial Neural Network

실수코드 유전알고리즘과 인공신경망을 이용한 가스터빈 엔진의 복합 결함 진단 연구

In this study, Real Coded Genetic Algorithm(RCGA) and Artificial Neural Network(ANN) are used for developing the defect diagnostics of the aircraft turbo-shaft engine. ANN accompanied with large amount data has a most serious problem to fall in the local minima. Because of this weak point, it becomes very difficult to obtain good convergence ratio and high accuracy. To solve this problem, GA based ANN has been suggested. GA is able to search the global minima better than ANN. GA based ANN has shown the RMS defect error of 5% less in single and dual defect cases.

본 논문에서는 실수코드 유전 알고리즘(RCGA)과 인공신경망(ANN)을 이용하여 항공기용 터보 축엔진의 결함 진단에 관한 연구를 수행하였다. 인공신경망만을 이용하여 엔진의 결함을 판단 할 경우 많은 학습데이터 때문에 지역 최소점으로 수렴하는 단점이 있다. 이를 개선하기 위해 전역 최소점을 찾는 능력이 뛰어난 실수코드 유전 알고리즘을 사용하였다. 5% 이내의 RMS 결함오차로 높은 결함 예측 신뢰도를 가짐을 확인하였다.