• Journal of Intelligence and Information Systems
• /
• v.5 no.2
• /
• pp.29-42
• /
• 1999

현재 산업의 고도상장과 함께 주기적으로 고장을 진단하여야 하는 기기의 수와 종류도 급속도로 증가하고 있다. 이에 따라 여러 산업 분야에서 고장진단 시스템의 이용이 늘고 있는 추세이다. 이러한 고장진단 시스템은 경험적 고장진단 방식과 모델기반 고장 진단 방식으로 크게 나눌 수 있다. 경험적 고장진단 방식은 전문가가 경험한 사실의 범주에서는 신속하게 고장의 원인을 진단할 수 있지만 전문가가 경험하지 못했던 상황에 대해서는 융통성 있게 진단하지 못한다. 한편 기기의 물리적 기능적 지식을 기반으로 하는 모델기반 고장진단 방식을 변화하는 상황에 적절하게 대처하여 고장의 원인을 진단할 수 있다. 그러나 모델기반 고장진단 방식을 기기의 구조로부터 증상들을 추론하여 원인을 파악하므로 탐색 범위가 넓어 진단속도가 늦다는 단점이 있다. 본 연구에서는 이러한 경험적 고장진단 방식과 기기의 모델기반 고장진단 방식의 장점을 결합하여 신속하고 정확하게 고장진단을 할 수 있는 통합방식 고장진단 시스템을 제시한다. 통합방식 고장진단 시스템은 대상 기기의 진단 상태에 따라서 동적으로 적절한 진단 방식을 선택하기 위해서 블랙보드 추론기관을 이용한다. 또한 각 진단방식이 생성하는 가설 및 사실들을 효과적으로 통합하여 추론하기 위해서 제어지식을 정의하여 적용한다. 그리고 사용자와 진단 시스템간에 원활한 의사소통을 위해서 멀티미디어 기반 인터페이스를 채용하여 통합방식 진단 시스템을 구축한다.

• ETRI Journal
• /
• v.14 no.4
• /
• pp.148-164
• /
• 1992

본 논문에서는 TDX-10 데이터베이스 데이터의 고장을 주기적으로 진단하고 복구할 수 있는 고장진단 전문가 시스팀을 제안하고 구현하였다. 실시간 환경 및 분산구조를 갖는 데이터베이스 관리 시스팀에서 데이터베이스의 효과적인 접근을 위해서 필요한 데이터베이스의 데이터 즉, 디렉토리와 딕셔너리는 매우 중요하며 고장이 발생할 경우 데이터베이스 관리시스팀에 미치는 영향은 치명적이다. 따라서, 실시간 환경을 갖는 데이터베이스 관리 시스팀에서 데이터베이스 데이터에 대한 고장 진단 및 복구는 필수적이라고 할 수 있다. 본 논문에서 제안한 고장진단 전문가 시스팀은 데이터베이스 데이터를 운용중 변하는 부분과 변하지 않는 부분으로 분류하고 미리 주어진 고장진단 규칙에 따라 진단하는 방법이다. 데이터베이스 데이터의 고장진단 데이터, 고장진단 규칙, 고장진단 데이터 생성기, 고장진단 데이터 검증기, 그리고 고장진단기로 구성되어 있다. 고장진단 데이터는 고장진단기가 데이터베이스 데이터를 주기적으로 진단하기 위하여 사용하는 마스터 데이터로서 두개가 존재한다. 고장진단 데이터 생성기는 데이터베이스 데이터의 고장진단을 위한 데이터 구조를 생성하고 데이터베이스로부터 데이터베이스를 데이터를 중복하여 읽어들이는 역할을 한다. 이와 같은 과정은 시스팀이 초기에 동작을 시작하거나 운용중 운용자에 의해서 릴레이션의 추가 및 삭제, 그리고 튜플의 추가등과 같은 사건이 발생할 경우에 이루어진다. 데이터베이스 검증기는 고장진단 데이터 생성기가 중복하여 생성한 데이터에 대해서 데이터베이스 데이터의 제작시의 초기 오류를 검증해냄으로써 데이터베이스 관리 시스팀의 안전한 운용을 가능하게 하며 고장진단기가 데이터베이스 데이터를 주기적으로 진단할 데이터를 탄생시킨다. 마지막으로 고장진단기는 주기적으로 데이터베이스 데이터의 고장을 진단하여 고장이 발생한 데이터를 미리 분류한 규칙에 따라 원래의 데이터로 복구하거나 운용자에게 보고함으로써 고장에 대비하도록 한다. 그리고 데이터베이스 상의 운용자에 의한 변경을 감지하여 고장진단 데이터의 재생성을 지시한다. 본 논문에서 제시하고 구현한 데이터베이스 데이터의 고장진단 및 복구를 위한 전문가 시스팀은 실시간 환경과 고장허용 환경, 분산 구조 그리고 빈번한 접근을 갖는 데이터베이스 관리 시스팀에서 아주 중요한 역할을 할 수 있다.

• Proceedings of the KIPE Conference
• /
• 2006.06a
• /
• pp.305-307
• /
• 2006

기존에 사용되어 온 진동데이터를 이용한 유도전동기 고장진단 기법은 유도전동기의 전기적 결함을 파악하기 어렵고 특정 고장의 경우 유사한 진동주파수를 포함하고 있어 정확한 고장진단이 어렵다. 본 논문에서는 유도전동기 고장진단 시스템을 구현하기 위해 기존의 진동데이터 분석에 전류 분석기법 중의 하나인 MCSA(Motor Current Signature Analysis)기법을 추가하여 유도전동기 예지보전시스템의 신뢰성을 향상시켰다. 구현된 시스템의 신뢰성을 검증하기 위해 유도전동기의 고장진단을 위한 실험환경을 구축하고 진동데이터만을 이용하여 얻어진 고장진단 결과와 전류데이터 분석을 병행하여 얻어진 고장진단 결과를 비교 분석하였다.

• Proceedings of the KIEE Conference
• /
• 2007.11b
• /
• pp.279-281
• /
• 2007

본 논문에서는 계층적 SVM을 이용한 전력용 변압기의 고장진단 기법을 제안한다. 제안된 기법은 전처리 과정, 정상/고장판별 부, 고장원인판별부, 열화추이분석부로 구성된다. 제안한 고장진단과정을 보면, 전처리부에서는 DGA에 의해 얻어진 가스 데이터의 특징벡터를 산출한다. 그 다음단계로 정상/고장 판별부에서는 얻어진 특징벡터를 이용하여 SVM에 의해 정상/고장 여부를 진단한다. 고장원인 판별부에서는 진단하고자 하는 변압기가 고장으로 판정이 난 경우에 다중-클래스 SVM에 의해 고장원인을 판정한다. 또한 정상/고장판별에서 정상이라 판정할 지라도 열화추이분석부에서 FCM에 의해 구축된 고장모델과 정상데이터간의 거리척도를 이용하여 고장추이론 분서한다. 제안된 방법의 유용성을 보이기 위한 실험결과에서 기존의 방법들에 비해서 향상된 진단결과를 보임을 확인하였다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.17 no.7
• /
• pp.492-498
• /
• 2016

It is well known that since abrupt faults in induction motors tend to lead to subsequent faults and deterioration of the drive apparatus, motor faults may lead to several operating restrictions, such as security problems and economic loss. A lot of research has been done in the area of diagnosis to detect machine faults and to prevent catastrophic hazards in the motor drive system. This paper presents a new method of motor current signature analysis in which the DC-link current of the inverter-driven induction motor system, where a single current sensor is employed instead of three AC current sensors, is measured, and fast Fourier transform analysis is performed. This proposed method makes it possible to easily discern and clearly separate the motor fault current signature from the normal operation current flowing through the stator and rotor windings.

• Journal of the Institute of Electronics Engineers of Korea SD
• /
• v.41 no.4
• /
• pp.113-122
• /
• 2004

A new diagnosis method for FPGA interconnects is developed. The proposed method diagnoses all the fault types for FPGA interconnects. It is also applied to all the modem FPGA devices like Xilinx Virtex FPGAS. Most of all, it takes shorter time to diagnose all the faults than previous diagnosis methods.

• Journal of the KSME
• /
• v.56 no.11
• /
• pp.37-40
• /
• 2016

제품 및 시스템의 안정적인 운용과 높은 신뢰성 확보를 위해 건전성 관리가 요구된다. 최근 기술의 발전과 함께 실용적인 고장 진단기술이 주목을 받으며, 고장 진단을 통한 건전성 관리 연구가 다양한 분야에서 활발히 진행되고 있다. 이 글에서는 고장 진단 관련 연구 동향 분석 및 고장 진단 기술 적용 사례들을 소개하고자 한다.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.23 no.4
• /
• pp.62-71
• /
• 2009

In this paper, we propose a fault diagnosis algorithm for BLDC motors by principle component analysis (PCA) and implement a real-time fault diagnosis system for BLDC motors. To verify the proposed diagnosis algorithm, various faulty data are acquired by Lab VIEW program from experimental system. We extract a fault feature using principle component analysis after preprocessing and then finally the fault diagnosis is performed by Euclidean similarity. Also, we embed the PCA algorithm and k-NN classification algorithm into a digital signal processor. From various experiments, we found that the proposed algorithm can be used as a powerful technique to classify the several fault signals acquired from BLDC motors.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.208-211
• /
• 2006

본 논문에서는 3상 유도전동기의 고장진단을 수행하기 위해 패턴인식에 기반을 둔 진단 알고리즘을 제안한다. 실험 장치는 유도전동기 구동의 고장신호를 얻기 위하여 구축하였으며, 취득된 데이터를 이용하여 진단 알고리즘을 구축하였다. 취득된 데이터 중에서 진단을 위해 사용될 훈련데이터는 퍼지 기반 클러스터링 기법을 이용하여 신뢰성 높은 데이터를 선택하여 고장별 신호를 추출하였다. 진단 알고리즘으로는 데이터를 주성분 분석기법을 적용하였으며, 최종 분류를 위해 Euclidean 기반 거리척도 기법을 이용하였다. 다양한 부하 및 고장신호에 대하여 제안된 방법을 적용하여 타당성을 검증하였다.

• Journal of Intelligence and Information Systems
• /
• v.4 no.1
• /
• pp.103-114
• /
• 1998

본 논문은 화력발전소 적용을 위한 경보처리 기반 고장진단 전문가 시스템(APDX(Alarm Processing and Diagnosis Expert System)개발에 관하여 논의한다. 본 연구에서 제시된 경보처리 알고리즘은 근본적으로는 경보 인과관계 트리를 사용하고 있으나 최종 원인 경보선택에 있어서는 경보 발생시간과 경보 우선순위 Meta-Rul를 활용한다. 경보처리 모듈에서 처리된 원인경보를 근거로 하여 본 원인경보와 관련된 고장부위를 진단하게 된다. 진단모듈에서는 경보에 관련된 센서들과 고장들 사이의 관계를 정상적으로 모델링하고 센서들의 트랜드를 정성적 해석기로 분석하여 증가, 정상, 감소의 세가지 상태에 대한 신뢰도를 출력한다. 또한 각 경보로부터 고장이 예상되는 고장타입을 센서 천이도로 모델링하여 진단에 활용된다. 최종적으로 추론모듈에서 퍼지(Fuzzy) 추론 알고리즘을 이용하여 모델된 고장 타입과 계산된 고장과의 매칭과정을 통하여 진단을 수행하게 되며, 계산 창 (Window)를 변경하면서 고장을 재 확인하게 된다.