• 지능정보연구
• /
• 제5권2호
• /
• 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.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.463-467
• /
• 2002

본 논문에서는 사출 성형기 Barrel 부분에 인공지능 알고리즘을 적용하여 고장 검출 및 진단 시스템을 구성하였다. 고장 검출 및 진단을 위한 실시간 계측 시스템을 구축하였고, 계측된 데이터를 SQL-2000 Server를 사용하여 사출 성형기 Barrel의 이력 데이터베이스를 구축하였다 기존의 시스템이 단 시간의 시스템 정보를 습득하여 고장을 검출하고 진단한 것에 비해 본 연구에서는 장시간의 데이터를 습득하여 고장 검출 및 진단에 신뢰성을 높일 수있었다 고장 진단에 필요한 데이터는 실제 시스템의 운전에서 실시간으로 습득하였고, 데이터의 신뢰성을 높이기 위해 사출 성형기의 데이터와 정밀 계측기의 데이터를 Database에 저장하였다. 고장 검출 및 진단을 위하여 Fuzzy 알고리즘을 사용하여 신뢰성 있는 진단을 수행하였다.

• 한국통신학회논문지
• /
• 제26권11C호
• /
• pp.75-84
• /
• 2001

본 논문에서는 신경망을 이용한 실시간 고장 검출 및 진단(FDD : Fault Detection and Diagnosis) 시스템을 제안한다. 제안된 시스템은 공조 시스템(FDD : Air Handling Unit)에서 발생 가능한 여러 고장들을 검출하고 진단할 수 있다. 고장 검출 및 진단 기법으로 3층 구조의 전방향(feed-forward) 신경망을 사용하였고, 여기에 사용된 학습 방법은 역전파(back-propagation) 학습 알고리즘이다. 공조 시스템에 적용된 실시간 고장 검출 및 진단 시스템은 비주얼 C++와 비주얼 베이직을 사용하여 구현하였다. 제안된 고장 검출 및 진단 시스템을 실제 운전 중인 공조 시스템에 적용하여 실험하였고, 정확한 고장 검출 및 진단이 수행됨을 실험 결과로서 입증하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 추계학술대회 학술발표 논문집 제16권 제2호
• /
• 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.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2006년도 전력전자학술대회 논문집
• /
• 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.

• 한국조명전기설비학회지:조명전기설비
• /
• 제11권2호
• /
• 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.

• 지능정보연구
• /
• 제4권1호
• /
• 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.

• 한국항행학회논문지
• /
• 제15권1호
• /
• pp.18-24
• /
• 2011

본 논문은 선박 감시 시스템에서 수집된 데이터를 통계적 분석을 통해 고장유무를 진단할 수 있는 통계적 방법 기반의 고장진단시스템을 제안한다. 이를 위해 선박엔진데이터를 연소계통, 열교환계통, 그리고 전동기 및 펌프계통으로 분류하고 이들 데이터 간 상관계수를 분석하여 고장진단을 위해 필요한 전문가지식기반의 진단테이블을 도출한다. 고장진단성능을 테스트하기 위해 실제 운항데이터에 고장의 원인이 될 수 있는 외란을 삽입하여 고장유무를 판단하며 이를 사용자편의의 인터페이스로 제공하기 위해 VC++로 고장진단시스템을 구현한다.

• 한국소음진동공학회논문집
• /
• 제19권7호
• /
• pp.726-735
• /
• 2009

이 논문에서는 신호 모델에 기반하여 유도전동기의 고장 검출 및 고장 진단을 위한 새로운 시스템을 제안한다. 산업현장에 적용하는 기존의 제품들은 신호가 문턱치를 넘어면 고장을 검출하는 단순한 알고리듬을 가지고 있어 고장의 유형이나 고장을 예측하는데 문제가 있다. 이 논문에서는 이러한 문제들을 해결하기 위한 시스템을 제안한다. 이 시스템은 고장 검출 과정과 고장 진단 과정으로 구성되며, 고장 검출 과정은 기계 신호음들이 웨이블렛 필터뱅크를 통과한 후 웨이블렛 계수들의 분산과 상관도를 분석하여 고장을 검출한다. 고장 진단 과정은 패턴분류기술을 적용하여 고장의 유형을 진단하게 된다. 대표적인 유도전동기 고장 유형들로서는 불평형, 미스얼라이먼트, 그리고 베어링 루스 등이 있으며, 이러한 유형들은 제안하는 시스템에서 분석되고 진단을 받게 된다. 제안하는 시스템에 적용한 결과 상관도를 이용한 방법은 78 %, 분산을 이용한 방법은 95 % 이상의 고장진단율을 보이는 우수한 결과를 나타내었다.

• 한국지능시스템학회논문지
• /
• 제15권6호
• /
• pp.673-681
• /
• 2005

원자력 발전소는 안정성 및 신뢰성 확보가 가장 중요하므로 고장의 감지 및 진단 시스템의 개발은 원전 자체가 구축하고 있: 다중의 하드웨어 중첩도(hardware redundancy)에도 불구하고 가장 중요한 문제로 취급되고 있다. 본 논문에서는 원저 PWR 증기발생기에서 발생한 고장을 진단하기 위한 알고리듬의 개발을 위해 시스템에서 발생한 고장을 감지하고 분류할 수 있는 ART2 시경회로망 기반 고장진단방법을 제안한다. 고장진단시스템은 발생한 고장을 감지하기 위한 고장감지부, 변화된 시스템파라미터를 추정하기 위한 파라미터 추정부 및 발생한 고장의 종류를 알아내기 위한 고장분류부로 구성된다. 고장분류부는 여러 경계인수를 갖는 ART2(adaptive resonance theory 2) 신경회로망을 이용한 고장분류기로 구성된다. 제안한 고장진단 알고리듬을 증기발생기의 고장진단문제에 적용하여 성능을 확인하였다.