• The KIPS Transactions:PartB
• /
• v.18B no.3
• /
• pp.147-156
• /
• 2011

This paper proposes a 3-stage (preprocessing, feature extraction, and classification) fault detection and classification algorithm for induction motors. In the first stage, a low-pass filter is used to remove noise components in the fault signal. In the second stage, a discrete cosine transform (DCT) and a statistical method are used to extract features of the fault signal. Finally, a back propagation neural network (BPNN) method is applied to classify the fault signal. To evaluate the performance of the proposed algorithm, we used one second long normal/abnormal vibration signals of an induction motor sampled at 8kHz. Experimental results showed that the proposed algorithm achieves about 100% accuracy in fault classification, and it provides 50% improved accuracy when compared to the existing fault detection algorithm using a cross-covariance method. In a real-world data acquisition environment, unnecessary noise components are usually included to the real signal. Thus, we conducted an additional simulation to evaluate how well the proposed algorithm classifies the fault signals in a circumstance where a white Gaussian noise is inserted into the fault signals. The simulation results showed that the proposed algorithm achieves over 98% accuracy in fault classification. Moreover, we developed a testbed system including a TI's DSP (digital signal processor) to implement and verify the functionality of the proposed algorithm.

• Proceedings of the KIPE Conference
• /
• 2017.07a
• /
• pp.413-414
• /
• 2017

영구자석 동기전동기 구동 인버터 시스템 내 스위치 고장은 다양한 조합으로 발생한다. 특히 스위치 개방고장의 경우 다른 전기 부품에 과전류를 유발하여 전체 시스템에 심각한 2차 손상을 초래한다. 본 논문에서는 개방고장 진단 알고리즘의 복잡성을 완화하기 위해 고장 그룹을 분류하여 고장 발생 시 false alarm의 영향을 받지 않고 간단하고 체계적인 방식으로 고장을 식별할 수 있는 기법을 제안한다. 스위치의 개방 고장으로 영구자석 동기전동기 구동 시스템 내 PWM 전압원 인버터의 신뢰성을 향상시키기 위해 3중 스위치 개방고장 진단 및 검출 기법을 제시한다. 제안된 기법은 기존의 개방고장 진단방법과 달리 정보처리를 위해 Moving Filter를 사용함으로써 연산부하를 증가시키지 않고 신속한 고장 검출이 가능하며 별도의 하드웨어 구성없이 구현이 가능하다. 제안된 기법의 안정성과 유효성이 시뮬레이션을 통해 입증된다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.40 no.12
• /
• pp.1040-1047
• /
• 2012

This paper presents a fault diagnosis algorithm of control surfaces of small fixed-wing aircraft to reduce maintenance cost or to improve repair efficiency by estimation of fault occurrence or part replacement periods. The proposed fault diagnosis algorithm consists of ANPSD (Averaged Normalized Power Spectral Density), PCA (Principle Component Analysis), and GC (Geometric Classifier). ANPSD is used for frequency-domain vibration testing. PCA has advantage to extract compressed information from ANPSD. GC has good properties to minimize errors of the fault detection and isolation. The algorithm was verified by the accelerometer measurements of the scaled normal and faulty ailerons and the test results show that the algorithm is suitable for the detection and isolation of the control surface faults. This paper also proposes solutions for some kind of implementation problems.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.321-324
• /
• 2004

본 논문에서는 유도전동기 고장진단을 위하여 계층적인 하이브리드 뉴럴네트웍을 제안하였다. 시스템의 입출력 데이터에 근거하여 패턴을 분류하고자 할 때 직접적인 분류가 어렵거나 성능이 좋지 않을 경우 적절한 방법을 통하여 변환을 하거나 또는 패턴 분류기의 특성에 맞도록 변환하여 패턴 분류 성능을 향상하는 등 단계별 변환 및 분류 기법을 이용하였다. 제안된 방법에서는 실험에 의해 측정된 전류값을 주기별로 주성분분석(PCA) 기법을 이용하여 입력차원을 축소한 후 이를 조건부 FCM으로 방사기저함수의 초기치를 최적화하여 학습을 하였다. 이는 주성분분석이 가지는 특성을 이용하여 데이터의 특징을 나누었으며 이를 뉴럴네트웍의 학습 기능을 이용하여 모델의 최종 성능을 개선하는 것이다. 각각의 알고리즘이 가지는 특징을 활용하면서도 단점을 계층적으로 보안하여 유도 전동기 고장 진단 성능을 개선하였다. 이를 실제 계측된 유도전동기 데이터를 이용하여 제안된 방법의 유용성을 보이고자 한다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.18 no.2
• /
• pp.185-195
• /
• 2018

As machines have been automated in the field of industries in recent years, it is a paramount importance to manage and maintain the automation machines. When a fault occurs in sensors attached to the machine, the machine may malfunction and further, a huge damage will be caused in the process line. To prevent the situation, the fault of sensors should be monitored, diagnosed and classified in a proper way. In the paper, we propose a sensor fault detection scheme based on SVM and CNN to detect and classify typical sensor errors such as erratic, drift, hard-over, spike, and stuck faults. Time-domain statistical features are utilized for the learning and testing in the proposed scheme, and the genetic algorithm is utilized to select the subset of optimal features. To classify multiple sensor faults, a multi-layer SVM is utilized, and ensemble technique is used for CNN. As a result, the SVM that utilizes a subset of features selected by the genetic algorithm provides better performance than the SVM that utilizes all the features. However, the performance of CNN is superior to that of the SVM.

• Journal of the Korea Society of Computer and Information
• /
• v.19 no.2
• /
• pp.21-30
• /
• 2014

The use of induction motors has been recently increasing in a variety of industrial sites, and they play a significant role. This has motivated that many researchers have studied on developing fault detection and classification systems of induction motors in order to reduce economical damage caused by their faults. To early identify induction motor faults, this paper effectively estimates spectral envelopes of each induction motor fault by utilizing a linear prediction coding (LPC) analysis technique and an expectation maximization (EM) algorithm. Moreover, this paper classifies induction motor faults into their corresponding categories by calculating Mahalanobis distance using the estimated spectral envelopes and finding the minimum distance. Experimental results show that the proposed approach yields higher classification accuracies than the state-of-the-art conventional approach for both noiseless and noisy environments for identifying the induction motor faults.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.32 no.11B
• /
• pp.655-662
• /
• 2007

Monitoring systems used at present to operate HVAC(Heating, Ventilation and Air Conditioning) optimally do not have a function that enables to detect faults properly when there are faults of such as operating plants or performance falling, so they are unable to manage faults rapidly and operate optimally. In this paper, we have developed a classified rule-based fault detection system which can be inclusively used in HVAC system of a building by installation of sensor which is composed of HVAC system and required low costs compare to the model based fault detection system which can be used only in a special building or system. In order to experiment this algorithm, it was applied to HVAC system which is installed inside EC(Environment Chamber), verified its own practical effect, and confirmed its own applicability to the related field in the future.

• The Journal of the Acoustical Society of Korea
• /
• v.30 no.8
• /
• pp.446-460
• /
• 2011

The use of induction motors has been recently increasing with automation in aeronautical and automotive industries, and it playes a significant role. This has motivated that many researchers have studied on developing fault detection and classification systems of an induction motor in order to minimize economical damage caused by its fault. With this reason, this paper proposed feature vector extraction methods based on STE (short-time energy)+SVD (singular value decomposition) and DCT (discrete cosine transform)+SVD techniques to early detect and diagnose faults of induction motors, and classified faults of an induction motor into different types of them by using extracted features as inputs of BPNN (back propagation neural network) and multi-layer SVM (support vector machine). When BPNN and multi-lay SVM are used as classifiers for fault classification, there are many settings that affect classification performance: the number of input layers, the number of hidden layers and learning algorithms for BPNN, and standard deviation values of Gaussian radial basis function for multi-layer SVM. Therefore, this paper quantitatively simulated to find appropriate settings for those classifiers yielding higher classification performance than others.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1999.10a
• /
• pp.169-169
• /
• 1999

최근 산업 플랜트의 공정제어 시스템은 복잡하고 대규모화되어 고장 발생시 경제적 손실과 위험성이 증폭되어 규정된 안정서와 신뢰성 확보가 필수적이라 할 수 있다. 고장검출 및 진단기법은 시스템의 신뢰성을 높이기 위한 효과적인 방안을 연구하는 것으로 현대에 들어서 많은 학자들의 관심을 끌고 있으며 실제 계통에 점차적으로 응용되고 있다. 현재까지 개발된 고장검출 및 진단기법은 사용된 프로세스 모델의 형태, 고장검출 진단 알고리즘에 따라 다양하게 분류 될 수 있으며 일반적으로 사용된 모델에 따라 크게 1) 정량적 모델에 근거한 해석적 기법, 2) 정성적 모델에 근거한 기법, 3) 지식기반 진단 기법으로 구분 할 수 있다. 이중 정량적 모델 기법은 대상계통의 수학적 모델에 근거하여 운전 데이터를 분석함으로서 고장검출 진단을 수행하는 해석적 기법으로서 근본적으로 계통의 정확한 수학적 모델을 요구하므로 불확실성을 포함한 계통 및 비선형성이 강한 계통등에는 적용이 곤란하다. 정성적 모델 및 지식기반 기법은 정량적 진단 기법과는 달리 대상 프로세스에 대한 수학적 모델 대신에 운전자의 경험과 프로세스 변수간의 상호 작용 및 고장의 전파과정, 고장원인과 증상과의 직접적인 관계에 대한 구조적 지식에 근거한 것으로 고장원인에 대한 계통의 동작을 추론 할 수 있으며, 상황 변화에 따른 영향을 예측할 수 있다. 본 논문에서는 정성적 모델 및 지식기반 기법에 근거한 고장검출 및 진단 기술을 화력 발전소 보일로 프로세스에 적용하여 정성적 시뮬레이션에 의한 설비의 고장을 조기에 발견하여 고장 파급으로 인한 발전 정지 및 설비의 손상 확대를 방지하고 고장 발생시 신속한 원인 규명 및 후속 조치관련 정보들을 운전원에게 제공할 목적으로 현재 전력원에서 개발중인 지능형 경보시스템에 대하여 기술하고자 한다.음과 같이 설명하였다. 서로 상반되는 것들이 다음과 같이 설명하였다. 서로 상반되는 것들이 부딛힘이 없이 공존하고 일상의 논리가 무시된다. 부정, 의심이 없고 확실한 것이 없다. 한 대상에 가졌던 생각이 다른 대상에 옮겨간다(displacement). 한 대상이 여러 대상이 갖고 있는 의미를 함축하고 있다(condensation). 시각적인 순서가 무시된다. 마음속의 생각과 외부의 실제적인 일을 구분하지 못한다. 시간 상의 순서가 있다가 없다가 한다. 차례로 일어나야 할 일이 동시에 한꺼번에 일어난다. 대상들이 서로 비슷해지고 동시에 있을 수 없는 대상들이 함께 나타난다. 사고의 정상적인 구조가 와해된다. Matte-Blance는 무의식에서는 여러 독립된 대상들간의 구분을 없애며, 주체와 객체를 하나로 보려는 대칭화(symmetrization)의 경향이 있기 때문에 이런 변화가 생긴다고 하였다. 또 대칭화가 진행되면 무한대의 느낌을 갖게 되어, 전지(moniscience), 전능(omnipotence), 무력감(impotence), 이상화(idealization)가 나타난다. 그러나 무의식에 대칭화만 있는 것은 아니며, 의식의 사고양식인 비대칭도 어느 정도 나타나며, 대칭화의 정도에 따라, 대상들이 잘 구분되어 있는 단계, 의식수준의 감정단계, 집단 내에서의 대칭화 단계, 집단간에서의 대칭화 단계, 구분이 없어지는 단계로 구분하였다.systems. We believe that this taxonomy is a significant contribution because it adds clarity, completeness, and "global perspective" to workflow architectural discussions. The vocabulary suggested here

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.2
• /
• pp.94-102
• /
• 2000

This paper presents a new FDI scheme based on dynamic fuzzy model(DFM) for the unknown nonlinear system, which can detect and isolate process faults continuously over all ranges of operating condition. The dynamic behavior of a nonlinear process is represented by a set of local linear models. The parameters of the DFM are identified by an on-line methods. The residual vector of the FDI system is consisted of the parameter deviations from nominal model and the set of grade of membership values indicating the operating condition of the nonlinear process. The detection and isolation of faults are performed via a neural network classifier that are learned the relationship between the residual vector and fault type. We apply the proposed FDI scheme to the FDI system design for a two-tank system and show the usefulness of the proposed scheme.