• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.41 no.6
• /
• pp.620-627
• /
• 2016

This paper proposes an advanced detection technique for cable fault by eliminating the sign of reference signal in STDR(sequence time-domain reflectometry) and SSTDR(spread-spectrum time-domain reflectometry). The proposed fault-detection technique can eliminate the reference signal more effectively than the conventional one since the sign detector can approximately recover the distorted reference signal by cable and connector, and consequently, can detect the reflected signal by fault more effectively than the conventional one. Especially, it is shown that the error rate of proposed technique can be significantly lower than the conventional one in the case of far fault simulation.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.27 no.1
• /
• pp.127-134
• /
• 2021

In this study, an anomaly detection (AD) algorithm was implemented to detect the failure of a marine air compressor. A lab-scale experiment was designed to produce fault datasets (time-series electric current measurements) for 10 failure modes of the air compressor. The results demonstrated that the temporal pattern of the datasets showed periodicity with a different period, depending on the failure mode. An AD model with a convolutional autoencoder was developed and trained based on a normal operation dataset. The reconstruction error was used as the threshold for AD. The reconstruction error was noted to be dependent on the AD model and hyperparameter tuning. The AD model was applied to the synthetic dataset, which comprised both normal and abnormal conditions of the air compressor for validation. The AD model exhibited good detection performance on anomalies showing periodicity but poor performance on anomalies resulting from subtle load changes in the motor.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.51 no.5
• /
• pp.20-28
• /
• 2014

This paper proposes a faulty node detection scheme that performs collective monitoring of a distributed networked control systems using interval weighting factor. The algorithm is designed to observe every node's behavior collectively based on the pseudo-random Bose-Chaudhuri-Hocquenghem (BCH) code. Each node sends a single BCH bit simultaneously as a replacement for the cyclic redundancy check (CRC) code. The fault judgement is performed by performing sequential check of observed detected error to guarantee detection accuracy. This scheme can be used for detecting and preventing serious damage caused by node failure. Simulation results show that the fault judgement based on decision pattern gives comprehensive summary of suspected faulty node.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.11a
• /
• pp.265-267
• /
• 2022

선박 기관시스템이 효율적이고 안이정적인 운용을 위해서는 실시간 상태 모니터링 기반의 이상탐지, 고장진단 더 나아가 고장예측에 따른 대응조치를 할 수 있는 기술이 필요하며 이를 상태기반 유지관리(Condition Based Maintenance, CBM)이라 지칭한다. 해당 기술을 개발 및 확보하기 위해서는 가장 우선적으로 기관시스템에 대한 다양한 고장 데이터가 확보되어야 하며 이후, 확보된 데이터에 대한 특징추출 등 전처리 알고리즘, 고장 진단 및 예측 알고리즘 등을 개발하여야 한다. 본 연구에서는 선박 추진용 엔진 및 발전기 엔진에 대한 상태기반 유지관리 기술의 개발현황과 향후 지속적인 연구 추진방향을 소개하고자 한다.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.14 no.1
• /
• pp.22-28
• /
• 2021

Multivariate processes, such as chemical and mechanical process, power plants are operated in a state where several facilities are complexly connected, the fault of a particular system can also have fatal consequences for the entire process. In addition, since process data is measured in an unstable environment, outlier is likely to be include in the data. Therefore, monitoring technology is essential, which can remove outlier from measured data and detect failures in advance. In this paper, data obtained from dynamic and multivariate process models was used to detect fault in various type of processes. The dynamic process is a simulation of a process with autoregressive property, and the multivariate process is a model that describes a situation when a specific sensor fault. Mahalanobis distance was used to remove outlier contained in the data generated by dynamic process model and multivariate process model, and fault detection was performed using ICA. For comparison, we compared performance with and a conventional single ICA method. The proposed fault detection method improves performance by 0.84%p for bias data and 6.82%p for drift data in the dynamic process. In the case of the multivariate process, the performance was improves by 3.78%p, therefore, the proposed method showed better fault detection performance.

• Proceedings of the KIEE Conference
• /
• 2005.11b
• /
• pp.113-115
• /
• 2005

전력케이블, 특히 지중 송전케이블은 사고 발생시 그 파급효과가 크기 때문에 빠르고 정확한 고장점의 탐지가 필요하다. 본 논문에서는 on-line으로 지중 케이블의 상태를 모니터링하면서 사고 발생시에는 기록된 데이터를 분석하여 고장점을 찾을 수 있도록 하는 고장점 탐지 장치 개발에 관하여 언급한다. 케이블의 고장점 탐색 기술 개발을 위하여 단락 사고를 모의할 수 있는 모의 고장 발생 시스템을 구성하여 인위적인 고장발생을 할 수 있도록 하였으며 고장시 발생하는 신호를 측정하여 측정된 신호로부터 고장 발생 지점을 보다 정확하게 찾아내는 신호처리 기술을 연구하였다. 본 연구를 통하여 개발된 고장점 탐색장치는 정밀하게 사고지점을 찾아낼 수 있음을 보여주었으며 실제 전력 공급 계통에 손쉽게 설치할 수 있는 장점을 가지고 있다. 이하에 송전선 고장점 위치 계산을 위하여 개발된 고장점 탐색 기술에 관하여 언급한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.235-237
• /
• 2018

많은 분야에서 기기설비들의 고장, 결함은 안전과 관련되어 있기 때문에 연구가 활발히 진행되고 있다. 주로 데이터를 취득하여 제품의 유지보수 및 품질을 향상시키는 연구로 고장을 나타내는 특성 인자를 추출하여 고장진단을 하는 것이다. 하지만, 과거의 룰 기반 결함 탐지 기법은 예외의 경우를 탐지하기 어렵다는 문제를 가져왔다. 최근 들어 인공지능이 특성 인자를 쉽게 추출할 수 있다는 장점으로 인해 인공지능과 결합된 고장진단 시스템이 많이 제안되고 있다. 본 논문에서는 인공지능의 추세와 인공지능과 결합된 고장진단 시스템을 소개한다.

• 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 Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.7-10
• /
• 2021

에스컬레이터의 고장 여부를 사전에 파악하는 것은 경제적 손실뿐만 아니라 인명 피해를 예방할 수 있어서 매우 중요하다. 실제 이러한 고장 예측을 위한 많은 딥러닝 알고리즘이 연구되고 있지만, 설비의 이상 데이터 확보가 어려워 모델 학습이 어렵다는 문제점이 있다. 본 연구에서는 이러한 문제의 해결 방안으로 비지도 학습 기반의 방법론 중 하나인 LSTM Autoencoder 알고리즘을 사용해 에스컬레이터의 이상을 탐지하는 모델을 생성했고, 최종 실험 결과 모델 성능 AUROC가 0.9966, 테스트 Accuracy가 0.97이라는 높은 정확도를 기록했다.

• Proceedings of the KIEE Conference
• /
• 2005.11b
• /
• pp.119-121
• /
• 2005

전력케이블, 특히 지중 송전케이블은 사고발생시 그 파급효과가 크기 때문에 빠르고 정확한 고장점의 탐지가 필요하다. 본 논문에서는 지중 케이블의 고장 위치를 파악하기 위해 필요한 신호를 계측하고 이를 빠른 시간 내에 저장하여 사고 발생 후 이를 분석하여 고장점을 찾을 수 있도록 하는 고장점 탐지 장치를 위한 회로 설계에 대하여 언급한다. 케이블의 고장점 탐색 기술 개발을 위해서는 고장시에 발생하는 과도현상을 기록할 수 있도록 회로를 설계해야 하는 바 센서 구성과 입력 회로반의 설계, 데이터 저장 및 분석을 위한 회로의 설계는 고장점 탐색 장치 개발에 있어 필수적인 기술이다. 개발된 지중 송전선 고장점 탐색을 위한 측정회로는 사고지점 계산을 위해 필요한 신호측정에 효과적이며 실제 전력 공급 계통에 손쉽게 설치할 수 있는 장점을 가지고 있다. 이하에 지중송전선 고장점 탐색을 위한 측정 회로 설계에 관하여 언급한다.