• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.11a
• /
• pp.185-187
• /
• 2023

고장 진단은 IoT 장비의 안전성과 효율성을 유지하는데 필요한 기술 중 하나이다. 따라서, 본 연구는 IoT 센서 데이터를 기반한 고장 진단 알고리즘을 개발하는데 목적이 있다. 본 연구는 알고리즘의 효율성을 개선하기 위해 기술통계량을 기반하여 데이터 차원을 축소하였으며, 이를 바탕으로 고장 진단 알고리즘의 정확도 및 연산시간을 개선하였다. 본 연구는 다양한 후보 알고리즘을 활용하여 고장진단을 수행하였으며, 정확도를 기반으로 가장 우수한 알고리즘을 선정하였다. 연구 결과, Isolation Forest 알고리즘이 가장 뛰어난 분류 결과를 나타내었다. 본 연구결과를 통해 IoT 센서의 안전성과 신뢰성을 향상시키는 데 도움을 줄 수 있다.

• 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.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.41 no.10
• /
• pp.931-940
• /
• 2017

This paper describes a predictive fault diagnosis algorithm for autonomous vehicles based on a kinematic model that uses a sliding mode observer. To ensure the safety of autonomous vehicles, reliable information about the environment and vehicle dynamic states is required. A predictive algorithm that can interactively diagnose longitudinal environment and vehicle acceleration information is proposed in this paper to evaluate the reliability of sensors. To design the diagnosis algorithm, a longitudinal kinematic model is used based on a sliding mode observer. The reliability of the fault diagnosis algorithm can be ensured because the sliding mode observer utilized can reconstruct the relative acceleration despite faulty signals in the longitudinal environment information. Actual data based performance evaluations are conducted with various fault conditions for a reasonable performance evaluation of the predictive fault diagnosis algorithm presented in this paper. The evaluation results show that the proposed diagnosis algorithm can reasonably diagnose the faults in the longitudinal environment and acceleration information for all fault conditions.

• 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.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.213-216
• /
• 2007

본 논문에서는 DFT(Discret Fourier Transform)과 웨이블렛을 이용한 고장진단 알고리즘을 제안한다. 제안된 방법은 주파수 기반의 DFT에 의한 고장패턴의 추출방법과 시간-주파수 기반의 웨이블렛을 이용한 고장패턴의 추출방법을 제안한다. 유도전동기의 진단을 DFT와 웨이블렛에 의해 추출된 특정값들을 효과적으로 융합할 수 있는 융합 알고리즘에 의해 수행된다. 개발된 알고리즘은 다양한 실측 데이터에 적용하여 그 타당성을 보이고자 한다.

• Journal of the Institute of Electronics Engineers of Korea SD
• /
• v.44 no.11
• /
• pp.82-88
• /
• 2007

In this paper, we present a pattern comparison algorithm for reducing fault candidate lists. The number of fault candidates determines the total fault simulation time. To decrease the total fault diagnosis time, the reduction of the number of fault candidates is essential. Critical path tracing determines fault candidate lists detected by a set of tests using a backtracing algorithm starting at the primary outputs of a circuit. The proposed algorithm reduces fault candidates comparing failing patterns with good patterns during critical path tracing process. As we reduce all fault candidates of the circuit to more accurately suspected fault candidates, we can greatly reduce fault simulation time. The proposed algorithm greatly increases simulation speed than that of a conventional backtracing method. The proposed algorithm is applicable to both combinational and sequential circuits. Experimental results on ISCAS#85 and ISCAS#89 benchmark circuits showed fault candidates are pruned and fault diagnosis time is also decreased in proportion to fault candidate decrease.

• Journal of the Korean Institute of Telematics and Electronics C
• /
• v.36C no.9
• /
• pp.44-53
• /
• 1999

Generating diagnostic test patterns for combinational circuits remain to be a very difficult problem. For example, ISCAS85 c7552 benchmark circuit has 100 million fault pairs, Thus, we need more sophisticated algorithm to get more information. A new diagnostic algorithm for test pattern generation is suggested and implemented in this paper. DIATEST algorithm based on PODEM is also implemented for comparison to the new algorithm. These two algorithms have been applied to ISCAS85 benchmark circuits. Experimental results show that (1) both algorithms achieve fault pair coverage over 99%, (2) total test length of the new algorithm is much shorter than that of DIATEST, and (3) the new algorithm gives much more information used for making diagnostic dictionary, diagnostic decision tree or diagnostic test system despite DIATEST is faster than the new algorithm.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.301-301
• /
• 2022

본 연구는 운영 조건이 달라짐에 따라 회전수가 변하는 기기의 정상적 가동 여부와 고장 종류를 판별하기 위한 인공지능 알고리즘의 적용을 다루고 있다. 회전수가 변하는 장비로부터 계측된 상태 모니터링 센서의 신호는 비정상(non-stationary)적 특성이 있으므로, 상태 신호의 한계치가 고장 판별의 기준이 되기 어렵다는 점을 해결하고자 하였다. 정상 가동 여부는 이상 감지에 효율적인 오토인코더 및 기계학습 알고리즘을 적용하였으며, 고장 종류 판별에는 기계학습법과 합성곱 기반의 심층학습 방법을 적용하였다. 변하는 회전수와 연계된 주파수의 비정상적 시계열도 적절한 고장 특징 (Feature)로 대변될 수 있도록 시간 및 주파수 영역에서 특징 벡터를 구성할 수 있음을 예제로 설명하였다. 차원 축소 및 카이 제곱 기법을 적용하여 최적의 특징 벡터를 추출하여 기계학습의 분류 알고리즘이 비정상적 회전 신호를 가진 장비의 고장 예측에 활용될 수 있음을 보였다. 이 과정에서 k-NN(k-Nearest Neighbor), SVM(Support Vector Machine), Random Forest의 기계학습 알고리즘을 적용하였다. 또한 시계열 기반의 오토인코더 및 CNN (Convolution Neural Network) 적용하여 이상 감지와 고장진단을 수행한 결과를 비교하여 제시하였다.

• 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 the Korean Institute of Intelligent Systems
• /
• v.17 no.6
• /
• pp.819-825
• /
• 2007

In this paper, we propose a fault diagnosis algorithm of induction motors by DFT and wavelet. We extract a feature vector using a fault pattern extraction method by DFT in frequency domain and wavelet transform in time-frequency domain. And then we deal with a fusion algorithm for the feature vectors extracted from DFT and wavelet to classify the faults of induction motors. Finally, we provide an experimental results that the proposed algorithm can be successfully applied to classify the several fault signals acquired from induction motors.