• 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.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.463-467
• /
• 2002

In this paper, we construct the fault detection and diagnosis system based on fuzzy algorithm in the injection molding machine. Data of operating injection molding machine are acquired in database in order to raise the reliability of detection and diagnosis.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.11C
• /
• pp.75-84
• /
• 2001

In this paper, we propose an on-line FDD(Fault Detection and Diagnosis) system based on the three layer feed-forward neural network which is trained by the back-propagation teaming algorithm. We implement the on-line fault detection and diagnosis system by Visual C++ and Visual Basic. The proposed FDD system is applied to an air handling unit in operation. Experimental results show the high performance of our system in the task of fault detection and diagnosis.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.11a
• /
• pp.163-166
• /
• 2006

유도전동기는 산업시스템에 있어서 필수적인 요소이기 때문에 유지 관리, 모니터링시스템, 고장 진단 등의 다양한 분야에서 많은 연구가 행해지고 있다. 유도전동기의 운전 중 하나의 고장이 발생한 경우 이것은 전동기의 다른 부분에 영향을 미치거나 또 다른 고장을 유발시키는 원인이 된다. 따라서 개별적인 고장뿐만 아니라 결합된 형태의 고장을 검출하고 진단하는 것은 유용한 방법이다. 본 논문에서는 전압불평형 고장과 회전자바 고장이 발생한 경우, 그리고 두 고장이 동시에 복합적으로 발생한 경우를 모델링하고 이에 대해 고장 진단을 하였다. 제안된 고장 검출 및 진단 알고리즘은 농형운도전동기의 고정자 전류를 이용하였으며 매트랩 시뮬링크를 사용하여 시뮬레이션 하였다.

• 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.

• The Proceedings of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.11 no.2
• /
• pp.80-88
• /
• 1997

본 연구에서는 유중 가스 분석법으로 전력용 변압기의 고장 진단을 위한 전문가 시스템을 개발하였다. 유중 가스 분석법을 적용할 때 나타나는 가스 구성비 및 주요 가스 판정 기준, 고장 진단 규칙의 불확실성은 퍼지 집합 및 퍼지 척도를 이용하여 처리하였다. 또한 변압기의 고장 진단 결과는 사고 및 정상을 나타내는 정량화된 지수로 표현하였다. 제안된 고장 진단 전문가 시스템은 한국 전력 공사의 변압기 유중 가스 기록으로 효용성을 입증하였다.

• 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.

• Journal of Advanced Navigation Technology
• /
• v.15 no.1
• /
• pp.18-24
• /
• 2011

This paper proposes fault diagnosis system which is able to diagnose the fault from present operating condition by analyzing monitored signals with present ship monitoring system without additional sensors. For this all kinds of ship's engine room monitored data are classified with combustion subsystem, heat exchange subsystem and electric motor and pump subsystem by analyzing ship's operation data. To extract dynamic characteristics of these subsystems, log book data of container ship of H shipping company are used.

• Transactions of the Korean Society for Noise and Vibration Engineering
• /
• v.19 no.7
• /
• pp.726-735
• /
• 2009

In this paper, we propose an approach to signal model-based fault detection and diagnosis system for induction motors. The current fault detection techniques used in the industry are limit checking techniques, which are simple but cannot predict the types of faults and the initiation of the faults. The system consists of two consecutive processes: fault detection process and fault diagnosis process. In the fault detection process, the system extracts the significant features from sound signals using combination of variance, cross-correlation and wavelet. Consequently, the pattern classification technique is applied to the fault diagnosis process to recognize the system faults based on faulty symptoms. The sounds generated from different kinds of typical motor's faults such as motor unbalance, bearing misalignment and bearing loose are examined. We propose two approaches for fault detection and diagnosis system that are waveletand-variance-based and wavelet-and-crosscorrelation-based approaches. The results of our experiment show more than 95 and 78 percent accuracy for fault classification, respectively.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.6
• /
• pp.673-681
• /
• 2005

As it is the most important to make sure security and reliability for nuclear Power Plant, it's considered the most crucial issues to develop a fault detective and diagnostic system in spite of multiple hardware redundancy in itself. To develop an algorithm for a fault diagnosis in the nuclear PWR steam generator, this paper proposes a method based on ART2(adaptive resonance theory 2) neural network that senses and classifies troubles occurred in the system. The fault diagnosis system consists of fault detective part to sense occurred troubles, parameter estimation part to identify changed system parameters and fault classification part to understand types of troubles occurred. The fault classification part Is composed of a fault classifier that uses ART2 neural network. The Performance of the proposed fault diagnosis a18orithm was corroborated by applying in the steam generator.