• Transactions of the Korean Society of Mechanical Engineers B
• /
• v.35 no.11
• /
• pp.1111-1117
• /
• 2011

This paper proposed a fault detection and diagnosis (FDD) algorithm using nonlinear regression models, focusing especially on heat exchanger faults. This research concerned four working modes: those with no fault, evaporator fault, condenser fault, and evaporator and condenser faults. This research used no fault mode data to create an FDD algorithm. Using the no fault mode data, correlation functions for predicting the degree of superheat or subcool of heat exchangers (an evaporator and a condenser) were derived. Each correlation function has five inputs and one output. Based on these correlation functions, it is possible to predict the degree of superheat or subcool of each heat exchanger under various working conditions. The FDD algorithm was developed by comparing the predicted value and the simulation value. The FDD algorithm works well in all four working modes.

• 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.

• Proceedings of the KIPE Conference
• /
• 2017.11a
• /
• pp.103-104
• /
• 2017

영구자석 전동기는 전력 밀도가 높고 효율이 좋은 특징으로 견인, 의료, 군사 분야 등 다양한 산업 분야에서 사용되고 있다. 이러한 분야에서 사용되는 전동기 구동 시스템은 높은 신뢰성이 요구되므로 인버터에서 발생하는 전력 반도체 스위치 고장을 빠르게 감지해야한다. 본 논문에서는 제어기 상전압 지령과 추정된 상전압 사이의 오차를 통해 전력 반도체 개방 고장을 감지하고 진단하는 방법을 제시하였다. 제안된 방법은 추가적인 측정 회로 없이 제어기 내부 값을 사용하여 개방 고장을 감지하고 개방된 스위치를 진단할 수 있다. 특히 부하 변동을 고려한 감지 방법을 제안하여 고장 감지의 신뢰성을 개선한다.

• Transactions of the Korean Society of Mechanical Engineers B
• /
• v.35 no.12
• /
• pp.1351-1358
• /
• 2011

To approximate the threshold of the fault detection and diagnosis (FDD) system, validation of the measurements is mandatory. Naturally, the system shows uncertainties due to measuring sensors - mostly thermocouples or RTDs - and due to repeatability. The uncertainty of a thermocouple comes from natural variation or a drift of the thermocouple measurement. Considering the natural variation behaves like zero-mean white noise, its natural variation can be characterized closely by the steady-state standard deviation. However, residuals between measurements and no-fault references in FDD systems show a statistical distribution with various uncertainties. In this paper, steady-state variations of measurement residuals were investigated by utilizing built-in temperature sensors in a heat pump for the model development and the final application.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.12 no.6
• /
• pp.503-510
• /
• 2002

This paper presents a fault diagnosis method using neural network-based multi-fault models and statistical method to detect and isolate faults in nonlinear systems. In the proposed method, faults are detected when the errors between the system output and the neural network nominal system output cross a predetermined threshold. Once a fault in the system is detected, the fault classifier statistically isolates the fault by using the error between each neural network-based fault model output and the system output. From the computer simulation results, it is verified that the proposed fault diagonal method can be performed successfully to detect and isolate faults in a nonlinear system.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.7
• /
• pp.830-837
• /
• 2004

Neural networks-based fault diagnosis algorithm to detect and isolate faults in the nonlinear systems is proposed. In the proposed method, the fault is detected when the errors between the system output and the multilayer neural network-based nominal model output cross a Predetermined threshold. Once a fault in the system is detected, the system outputs are transferred to the fault classifier by nultilayer/ART2 NN (adaptive resonance theory 2 neural network) for fault isolation. From the computer simulation results, it is verified that the proposed fault diagonal method can be performed successfully to detect and isolate faults in a nonlinear system.

• Proceedings of the KIPE Conference
• /
• 2020.08a
• /
• pp.282-283
• /
• 2020

3상 컨버터에서 스위치의 개방고장이 발생한 경우 고장 전류에 직류 및 고조파 성분이 발생할 수 있으며, 보호회로에 의한 고장 감지가 어려우므로 주변 기기에 2차 고장이 발생할 수 있다. 단일 및 이중 스위치 개방고장의 경우 21가지 고장 모드가 존재한다. 본 논문에서는 이러한 고장 모드를 진단하기 위해 정지 좌표계 d-q축 전류의 직류 및 고조파 성분을 활용하는 two-step 구조의 ANN(Artificial Neural Network)을 제안한다. 고장 시에 발생된 직류 및 고조파 성분 전류는 ADALINE(Adaptive-Linear Neuron)을 통해 얻는다. 고장 진단의 첫 번째 단계에서는 직류 성분을 기반으로 ANN을 이용하여 고장모드를 6개 영역으로 분류한다. 두 번째 단계에서는 6개의 각 영역에서 직류 성분과 전류의 THD(Total Harmonics Distortion)를 기반으로 ANN을 이용하여 개방고장이 발생한 스위치를 진단한다. 제안된 Two-step 방법으로 고장을 진단하므로써 간단한 구조로 ANN의 설계가 가능하다. 3.7kW급 3상 PWM 컨버터로 실험을 통해 제안된 방법의 효용성을 검증하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.5
• /
• pp.706-712
• /
• 2009

In this paper, a fault diagnosis method is proposed to detect and classifies faults that occur in press process line. An oil level automatic monitoring method is also presented to detect oil level. The FFT(fast fourier transform) frequency analysis and ART2 NN(adaptive resonance theory 2 neural network) with uneven vigilance parameters are used to achieve fault diagnosis in proposing method, and GUI(graphical user interface) program for fault diagnosis and oil level automatic monitoring using LabVIEW is produced and fault diagnosis was done. The experiment results demonstrate the effectiveness of the proposed fault diagnosis method of induction motors and oil level automatic monitor system.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.13 no.6
• /
• pp.430-438
• /
• 2008

Recently, permanent magnet synchronous motor are applied to various applications such as electric vehicle, aerospace, medical service and military applications due to several outstanding characteristics. Because of the importance of high reliable operation in these areas, many research related to the fault detection and diagnosis of inverter system are conducted. In this paper, new simple fault detection method of voltage source inverter for permanent magnet synchronous motor is proposed. The feasibility of the proposed method are improved by simulation and experiment. By the simulation and experiments, rapid detection characteristic of the proposed method has been proved without any additional voltage sensor.

• 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.