• Journal of the Korean Institute of Gas
• /
• v.2 no.3
• /
• pp.88-95
• /
• 1998

Vibration analysis of rotating machinery can give an indication of possible faults thus allowing maintenance before further damage occurs. Current predictive maintenance system installed in Pyung-tak has the ability to diagnose the mechanical problems within the LNG Pump when the vibration exceeds preset overall alarm levels. In this study, LNG pump auto-diagnosis system based upon Windows NT and DSP Board is developed. This system analysis velocity signal acquired from dual accelerometer input monitor system to diagnose pump condition. Many plots which display machine condition are shown and features of vibration are stored in every time. If the fault is found, the system diagnoses automatically using expert system and trend monitoring. Operator checks pump condition intuitively using personal computer monitor.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1995.04a
• /
• pp.504-509
• /
• 1995

컴퓨터에 의한 생산시스템의 통합체계화와 온-라인화에 따라 자동화된 설비진단 방법이 요구되어지고 있다. 이에 따라 기계설비에 각종 센서를 부착하여 실시간으로 수집된 출력신호를 이용하여 기계설비를 온-라인으로 감시하는 여러가지 기법들이 제시되고 있다. 본 연구에서는 진동센서로부터의 신호를 radial 함수에 근거한 다단계 뉴럴 네트워크(Neural Network)로 모형화하여 기계설비 상태를 감시하는 방법을 제시한다. 또한 다단계 모델링 분석을 통하여 신호를 예측하고 설비고장 원인을 분류하며, 다른 모형과의 비교를 통하여 효율성 평가와 최적 단계수를 결정하였다. 온라인 학습 알고리즘은 recursive least squares와 clustering 방법을 이용한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.205-209
• /
• 2007

생산 현장에서 기기의 운영과 관리는 제품의 품질 및 기업의 수익성과 직결된다. 그러나 정상적인 작동을 하고 있는 시스템에서 고장의 시점과 고장의 종류를 예측하기 곤란하며 따라서 잔여 가동 시간이 얼마인지도 예측하기 힘들다. 본 논문에서는 산업용 기계, 공정과 의료기기 등 신뢰성이 요구되는 Brushless DC 모터의 상태 변화의 추이를 관찰하여 진단의 특징점으로 사용한다. 본 논문에서 제안한 상태천이 모텔은 고장의 시점과 고장의 종류를 예측할 수 있으며 유지보수의사결정에 도움을 줄 수 있다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.05a
• /
• pp.275-276
• /
• 2023

산업 현장의 기계 시설물 고장 문제는 큰 인명피해와 경제적 손실을 초래할 수 있기 때문에, 기계 시설물의 상태를 기반하여 고장을 진단하는 것은 대단히 중요하다. 따라서, 본 연구에서는 전류 센서 데이터를 활용하여, 시설물의 고장 여부를 진단할 수 있는 알고리즘을 제안한다. 본 연구에 활용된 전류 센서 데이터는 x, y, z축을 가진 3상 전류 데이터로 구성되어 있으며, 2kHz로 1초간 샘플링 되어 있다. 본 연구에서는 2차원적 특성을 가지는 전류 센서 데이터를 분석하기 위해 CNN(Convolution Neural Network)을 활용한다. 시설물의 고장진단에 가장 적합한 모델을 선정하기 위해 CNN의 대표적인 백본 네트워크를 활용하여, 결과를 비교하였다. 실험 결과, 본 연구에서 구성한 후보 백본 네트워크 중 ResNet의 분류 정확도가 98.5%로 가장 높게 나타났다.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.41 no.1
• /
• pp.57-62
• /
• 2017

The purpose of this study is to develop a method for diagnosing the degree of gradual degradation of a reciprocating pump caused by continuous use as a water supply pump in a nuclear power plant. Normally, the progress of such degradation is too slow to be noticed. Hence, it is difficult to determine the degree of degradation using the existing diagnostic methods. In this paper, we propose a new method by which the normal state and the degraded state of the pump can be differentiated, so that the degree of degradation can be identified. First, an emulator was developed using FPGA by providing the parameters of the pump under normal state, so that the emulator generates the information of the pump in the healthy state. Then, by comparing this information with the parameters received from various output sensors of the emulator during the current state, it is possible to identify and measure the degree of gradual degradation. This paper presents some of the results obtained during the development process, and results that show how the emulator operates, by comparing the data collected from an actual pump.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 1994.10a
• /
• pp.20-25
• /
• 1994

절삭공정의 자동화의 무인화를 달성하기 위해서는 경험을 가진 작업자의 역활이 컴퓨터에 의한 자동적인 감시 및 제어시스템으로 대체되어야 한다. 특히 공작기계에서 발생할 수 있는 자체의 고장이나 절삭과정중에 발생하는 이상상태를 실시간으로 검출하여 원인을 자동적으로 진달 할 수 있어야 한다. 절삭가공 공작기계의 이상상태 감시 및 진단의 현황을 살펴보면 주로 공구상태의 감시와 채터 감시가 연구의 대상 이 되고 있다. 공구상태의 감시는 공구의 마모와 파단을 검출하고 있다. 이 중에서 공구의 파단은 발생 즉시 실시간으로 감시되어야 한다. 밀링작업에서는 1회전 이내의 공구회전에 파단을 검출하고 기계를 정지시켜야 한다. 최근의 절삭가공에서는 절삭공구로 강력절삭을 위해 고경도 재료를 사용함에 따라 공구의 파단이 빈번하게 발생하고 있다. 정면밀링과 같은 단속절상에서는 절삭날이 큰 충격을 받으므로 더욱 파단에 대한 감시가 필요하다.

• 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 Institute of Convergence Signal Processing
• /
• v.21 no.3
• /
• pp.121-126
• /
• 2020

Sound-based machine fault diagnosis is the automatic detection of abnormal sound in the acoustic emission signals of the machines. Conventional methods of using mathematical models were difficult to diagnose machine failure due to the complexity of the industry machinery system and the existence of nonlinear factors such as noises. Therefore, we want to solve the problem of machine fault diagnosis as a deep learning-based image classification problem. In the paper, we propose a CNN-based automatic machine fault diagnosis method using Spectrogram images. The proposed method uses STFT to effectively extract feature vectors from frequencies generated by machine defects, and the feature vectors detected by STFT were converted into spectrogram images and classified by CNN by machine status. The results show that the proposed method can be effectively used not only to detect defects but also to various automatic diagnosis system based on sound.

• Journal of the KSME
• /
• v.33 no.12
• /
• pp.1043-1051
• /
• 1993

Nd:Yag 레이저의 제2고조파와 광대역 모드 없는 레이저를 광원으로 사용하고 이중회절발분광 기에 설치된 다채널광검출기로 분광된 CARS 스펙트럼을 레이저 펄스마다 측정 할 수 있는 광 대역 CARS 분광기를 제작하였다. CARS 온도측정 불확정도는 300K에서 1300K까지는 1.5% 이내였다. CARS 기술을 이용하여 분젠버너의 화염면에서의 온도 분포를 측정하였으며, 대향류 버너의 화염내부의 온도 분포 및 CO 농도분포를 측정하였다. 이러한 CARS 기술은 정상상태의 연소진단에 응용할 수 있을 뿐만 아니라 레이저 펄스마다 측정되는 온도의 분포함수를 조사하면 앞으로 난류연소의 진단에도 응용이 가능하며, 내연기관 등과 같이 연속폭발연소 상태의 기체의 온도나 농도 측정이 가능하다. 본 연구에서 연구된 CARS 기술의 온도 측정정확도는 약 2% 이 내이고 농도 측정은 측정기체의 농도가 상온에서는 약 0.1% 이상, 1500K 이상의 고온에서는 0.3%이상이면 가능하다.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.37 no.11
• /
• pp.1315-1321
• /
• 2013

This study presents a prognostic technique for the damage state of a ball bearing. A stochastic bearing fatigue defect-propagation model is applied to estimate the damage progression rate. The damage state and the time to failure are computed by using RMS data from noisy acceleration signals. The parameters of the stochastic defect-propagation model are identified by conducting a series of run-to-failure tests for ball bearings. A regularized particle filter is applied to predict the damage progression rate and update the degradation state based on the acceleration RMS data. The future damage state is predicted based on the most recently measured data and the previously predicted damage state. The developed method was validated by comparing the prognostic results and the test data.