• 대한설비공학회:학술대회논문집
• /
• 대한설비공학회 2003년도 하계학술대회 논문집
• /
• pp.170-170
• /
• 2003

• 한국항공우주학회지
• /
• 제31권6호
• /
• pp.52-60
• /
• 2003

GPS(Global Positioning System)를 이용한 항공항법은 이용성과 무결성의 만족을 절대적으로 요구하고 있다. GPS의 무결성에 대한 연구로서 GPS수신기 내부 자체에서 무결성을 모니터링하는 다양한 RAIM(Receiver Autonomous Integrity Monitoring)기법이 연구되어 왔으며 이들 중에서 패러티 공간을 이용한 고장진단기법은 패러티 백터의 크기와 방향성을 이용할 수 있는 편리성을 갖고 있어 비교적 많은 연구가 진행되어 왔다. 한편, 지금까지의 RAIM 기법들은 대부분 단일고장을 가정하며, 실제 적용시 발생할 수 있는 다중고장의 경우 오차요인들의 상호간섭으로 정확한 식별이 어렵다는 단점을 갖고 있다. 본 논문에서는 확장된 패러티 공간에서 고장진단을 다룸으로써 2개의 고장식별에의 적용이 가능함을 보였다.

• 대한기계학회논문집B
• /
• 제29권11호
• /
• pp.1220-1228
• /
• 2005

Fault detection and diagnostic (FDD) systems have the potential to reduce equipment downtime, service costs, and utility costs. In this study, model based algorithm and fuzzy algorithm were used to detect and diagnose various fault at System multi-air conditioner. various fault include the Refrigerant Low charging, Fouling of Indoor Heat Exchanger, Fouling of Outdoor Heat Exchanger A experimental verification was conducted in the 6HP System multi-air conditioner on an 8-floor building. Test results showed diagnosis result about 78 $\~$ 90$\%$ for given faults. This Study lays the foundation fur future work on develope the real-time fault detection and diagnosis system for the System multi-air conditioner.

• 한국인터넷방송통신학회논문지
• /
• 제20권1호
• /
• pp.163-169
• /
• 2020

최근 4차 산업혁명의 핵심기술인 인공지능, 빅데이터, 사물인터넷의 발전으로 산업 현장에서 가동되는 기계의 자동화 및 무인화에 대한 연구가 활발히 진행되고 있다. 이러한 공정 기계들은 부착된 다양한 센서들로부터 수집된 데이터를 기반으로 제어되고 이를 통해 공정이 관리된다. 만약 센서에 고장이 발생한다면 센서 데이터 이상으로 인해 자동화 기계들이 오작동함으로써 공정 손실 발생뿐만 아니라 인명피해로도 이어질 수 있다. 전문가가 센서의 이상 여부를 주기적으로 확인하여 관리하고 있으나 산업 현장의 여러 가지 환경요인 및 상황으로 인하여 고장점검 시기를 놓치거나 고장을 발견하지 못하여 센서 고장으로 인한 피해를 막지 못하는 경우가 발생하고 있다. 또한 고장이 발생하여도 즉각 감지하지 못함으로써 공정 손실을 더욱 악화시키고 있는 실정이다. 따라서 이러한 돌발적인 센서 고장으로 인한 피해를 막기 위해 자체적으로 임베디드 시스템에서 센서의 고장 유무를 실시간으로 파악하고 빠른 대응을 위해 고장 진단 및 유형을 판별하는 것이 필요하다. 본 논문에서는 대표적인 센서 고장 유형인 erratic fault, hard-over fault, spike fault, stuck fault를 분류하기 위해 딥 뉴럴 네트워크 기반의 고장 진단 시스템을 설계하고 라즈베리 파이를 활용하여 구현하였다. 센서 고장 진단을 위해 구글이 제안한 MobilieNetV2의 Inverted residual block 구조를 사용하여 네트워크를 구성하였다. 본 논문에서 제안하는 방식은 기존 CNN 기법을 사용한 경우보다 메모리 사용량이 줄고 성능이 향상되며, 입력 신호에 대해 구간별로 센서 고장을 분류하여 산업 현장에서 효과적으로 사용될 것으로 기대된다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.1232-1235
• /
• 2022

최근 자동차, 철도차량 등 사용자가 있는 기계 시스템에서의 고장 발생 시 사용자의 안전과 관련된 사고로 이어질 수 있어 부품에 대한 모니터링 및 고장 여부 판단은 매우 중요하다. 이러한 부품 중에서 베어링은 회전체와 회전하지 않는 물체 사이에서 회전이 원활하게 이루어질 수 있도록 하는 부품인데, 베어링에 결함이 발생하게 될 경우, 기계 시스템이 정지하거나, 마찰 열에 의해 화재 등의 치명적인 위험이 발생한다. 본 논문에서는 Resnet과 오토인코더를 활용하여 진동 신호 기반의 베어링의 고장을 감지하고 분류할 수 있는 모델을 제안한다. 제안 방법은 raw data를 이미지로 변환하여 입력으로 사용하는데, 이러한 접근을 통해 수집된 데이터의 손실을 최소화하고 데이터가 가지는 정보를 최대한 분석에 활용할 수 있다. 제안 모델의 검증을 위하여 공개된 데이터셋으로 학습/검증 하였고, 제안 방법이 기존 방법과 비교하여 더 높은 F1 Score와 정확도를 보임을 확인하였다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2003년도 하계학술대회 논문집
• /
• pp.157-160
• /
• 2003

발전소에서 운전중인 기계들의 안전운전과 예지 보전을 위하여 발전설비의 고장 감지 및 진단과 상태 모니터링은 중대한 역할을 담당하고 있다. 이 연구에서는 설비의 안전하고 신뢰적인 운전을 위한 기계의 작동상태를 사운드 정보로 획득하고 분석하는 시스템을 제안하였다. 사운드 정보의 사용은 적은 양의 채널의 사용으로 많은 기계 및 설비의 이상 유무의 판별을 가능케 하며, 이를 획득하기 위하여 3개의 마이크로폰, 다채널 A/D변환기, 다채널 I/O Sound Card(Soundtrack DSP24) 및 PC로 시스템을 구성하였다. 소프트웨어 개발언어로서 Microsoft Visual C＋＋ 및 MATLAB을 이용하였다. 화력 발전소에 운전중인 주요기계들의 사운드 정보를 취득하여 취득한 기계별 사운드 정보를 이용하여 주파수 특성을 파악하고, 이를 이용하여 기기의 운전 상태진단을 가능하게 한다.

• 제어로봇시스템학회논문지
• /
• 제8권10호
• /
• pp.851-855
• /
• 2002

This paper proposes a method of fault detection and diagnosis of agitators based on the wavelet analysis of the current and vibration signals. The wavelet transform has received considerable interest in the fields of acoustics, communication, image compression, vision. and seismic since it provides the fast and effective means of analyzing signals recorded during operation. Neural network is used to diagnose the fault. Specifically, the proposed approach consists of (i) fault detection, (ii) feature extraction, and (iii) classification of fault types. The results show an effective application of the wavelet analysis on the monitoring of an agitator.

• 한국항해항만학회지
• /
• 제46권4호
• /
• pp.367-374
• /
• 2022

본 연구는 자율운항 선박의 연료 계통 펌프와 청정기를 대상으로 고장을 진단 사례를 제시하였다. 계측된 신호의 시간종속성을 반영한 심층학습(Deep learning) 알고리즘 적용 절차를 구성하고, 장비의 정상 운전상태와 고장 상태에서 계측한 진동 신호를 고장 패턴 학습에 사용하였다. 특히, 진동 신호에 내포된 열화의 시간 종속성을 반영할 수 있는 방법을 찾고자 하였으며, 슬라이딩 윈도우 연산 과정을 가진 Conv1D를 이용하여고장의 시간 종속성을 반영하였다. 또한 계측된 신호의 차수를 2차원에서 3차원으로 확장하여 시간 영역의 특징을 반영할 수 있는 데이터 전처리과정을 고안하였다. Conv1D 알고리즘의 적층과 변수를 결정하는 과정에서 그리드 탐색 기법을 사용하여 초매개변수의 최적 값을 결정하였다. 마지막으로 제안한 데이터 전처리 방법과 시계열 데이터의 시간 종속성을 반영한 Conv1D 모델이 이상 감지 및 고장 진단에 타당성이 있음을 확인하였다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 2004년도 춘계학술발표대회 논문집 제23권 1호
• /
• pp.341-344
• /
• 2004

발전소에서 운전 중인 발전 설비의 장비 및 기계의 동작, 감시, 진단은 매우 중요한 일이다. 발전소의 이상 감지를 위해 상태 모니터링이 사용되며, 이상이 발생되었을 때 고장의 원인을 분석하고 적절한 조치를 계획하기 위한 이상 진단 과정을 따르게 된다. 본 논문에서는 산업 현장에서 기기들의 운전시에 발생하는 기기 발생 음을 획득하여 정상/비정상을 판정하기 위한 알고리듬에 대하여 연구하였다. 사운드 감시(Sound Monitoring) 기술은 관측된 신호를 acoustic event로 분류하는 것과 분류된 이벤트를 정상 또는 비정상으로 구분하는 두 가지 과정으로 진행할 수 있다. 기존의 기술들은 주파수 분석과 패턴 인식의 방법으로 간단하게 적용되어 왔으며, 본 논문에서는 K-means clustering 알고리듬을 이용하여 사운드를 acoustic event로 분류하고 분류된 사운드를 정상 또는 비정상으로 구분하는 알고리듬을 개발하였다.

• 전기전자학회논문지
• /
• 제25권4호
• /
• pp.689-696
• /
• 2021

본 논문에서는 고장예측진단 및 건전성 관리 기법(Prognostics and Health Management, PHM)을 적용하기 위해 해당 시스템 혹은 회로 내부에서 결함특성을 감지하고 예측할 수 있는 회로 구조를 제안하였다. 기존 연구에서 회로 결함의 진행에 따라, S-parameter 크기 최소값의 주파수가 변화하는 것을 확인하였다. 이러한 특성을 기존에는 네트워크 분석기(Network Analyzer)를 활용하여 측정하였으나, 본 연구에서는 같은 결함검출기법을 활용하더라도 큰 계측장비 없이 결함의 진행상황 및 잔여 수명, 결함발생 여부를 확인할 수 있는 소형화된 회로를 설계하였다. 본 연구에서는 S-parameter의 변화를 야기하는 임피던스의 변화를 감지할 수 있도록 회로를 설계하였으며, Bond-wire의 온도반복에 따른 S-parameter 변화 측정결과를 제안하는 회로에 적용하였다. 이를 통해 해당 회로가 Bond-wire의 결함을 감지할 수 있다는 것을 성공적으로 검증하였다.