Abstract
Railway is one of the public transportation systems along with shipping and aviation. With the recent introduction of high speed train, its proportion is increasing rapidly, which results in the higher risk of catastrophic failures. The wheel bearing to support the train is one of the important components requiring higher reliability and safety in this aspect. Recently, many studies have been made under the name of prognostics and health management (PHM), for the purpose of fault diagnosis and failure prognosis of the bearing under operation. Among them, the most important step is to extract a feature that represents the fault status properly and is useful for accurate remaining life prediction. However, the conventional features have shown some limitations that make them less useful since they fluctuate over time even after the signal de-noising or do not show a distinct pattern of degradation which lack the monotonic trend over the cycles. In this study, a new method for feature extraction is proposed based on the observation of relative frequency energy shifting over the cycles, which is then converted into the feature using the information entropy. In order to demonstrate the method, traditional and new features are generated and compared using the bearing data named FEMTO which was provided by the FEMTO-ST institute for IEEE 2012 PHM Data Challenge competition.
철도는 항공기, 선박 등과 더불어 대표적 대중교통 수단으로서 최근 고속 철도의 등장으로 인해 그 비중이 점점 더 높아지고 있으며, 아울러 대형사고의 위험 또한 증가하고 있다. 이중에서 철도 차량의 차축 베어링은 높은 안전성이 요구되는 부품으로서 최근 이의 고장예측을 위한 건전성 관리기술(Prognostics and Health Management, PHM)에 많은 연구가 집중되고 있다. PHM은 센서를 통해 얻은 데이터로부터 결함관련 특징신호를 추출하고 현재의 고장수준 진단과 미래의 고장싯점을 예측하는 기술로서, 이중에서 가장 중요한 부분은 올바른 특징신호를 추출하는 것이다. 그러나 지금까지의 특징신호들은 잡음으로 인한 심한 변동이나 비단조 경향으로 인해 고장예측에 이용하기에 부족한 점이 있었다. 본 연구에서는 이를 극복하기 위해 주파수 에너지 이동현상을 기반으로 정보 엔트로피를 특징신호로 사용하는 새로운 특징신호 추출법을 개발하고 IEEE 2012 PHM 경진대회에서 공개된 FEMTO 베어링 수명시험 데이터를 대상으로 기존의 특징신호들과 고장예측 성능비교를 함으로써 그 우수성을 검증하였다.
