• 기계저널
• /
• 제24권6호
• /
• pp.428-436
• /
• 1984

기계 시스템이 점차 복잡해지는 현재의 추세에서 진동 분석기술은 기계 설계자와 사용자에게 모두 필수적인 도구로서 등장하고 있으며, 이에 따라서 분석기술도 단순한 진동 레벨측정이나 주파수 분석의 단계를 넘어서서 점차 복잡한 신호처리를 요구하고 있다. 본 논문에서는 기계 진동분석에 의한 상태진단과 결함탐지 기술에 대한 기본적인 개념을 설명하고, 이 기술의 응용에 따르는 실질적인 문제들을 실제 측정예와 병행하여 논술하고자 한다.

• 융합신호처리학회논문지
• /
• 제20권2호
• /
• pp.78-83
• /
• 2019

소리 기반 기계 고장 진단은 기계의 음향 방출 신호에서 비정상적인 소리를 자동으로 감지하는 것이다. 수학적 모델을 사용하는 기존의 방법은 기계 시스템의 복잡성과 잡음과 같은 비선형 요인이 존재하기 때문에 기계 고장 진단이 어려웠다. 따라서 기계 고장 진단의 문제를 패턴 인식 문제로 해결하고자 한다. 본 논문에서 DWT와 인공신경망 기반 패턴 인식 기법을 이용한 자동화 기계 고장 진단 기법을 제안한다. 기계의 결함을 효과적으로 탐지하기 위해 DWT를 이용해 대역별 분해 후 최상위 고주파 부대역과 최하위 저주파 부대역을 제외한 나머지 부대역의 PSD를 구하여 인공신경망 기반 분류기의 입력으로 사용한다. 그 결과 본 연구에서 제안한 방법은 효과적으로 결함을 탐지할 뿐만 아니라 소리 기반의 다양한 자동 진단 시스템에도 효과적으로 활용될 수 있음을 보여준다.

• 기계저널
• /
• 제44권9호
• /
• pp.53-61
• /
• 2004

산업현장에서 기계 및 설비에 발생되는 고장은 일상적인 것이 될 수 있으나, 고장발생은 생산에 차질을 가져오고, 경우에 따라서는 산업재해로 연결 될 수 있다. 따라서 발전소, 석유화학 플랜트, 제철소 등 대형 산업현장의 주요 기계 및 설비에 대해서는 운전 상태를 지속적으로 감시(condition monitoring) 하여야 하고, 고장발생 시 고장을 진단하여 원인을 밝히고, 이를 바탕으로 확실한 대처방안을 마련하여야 한다.(중략)

• 기계저널
• /
• 제54권7호
• /
• pp.51-55
• /
• 2014

이 글에서는 풍력발전기 핵심부품인 유성기어박스의 구조 및 특징에 대해 알아본 후 고장 진단을 위해 어떤 기술들이 개발되었는지를 알아본다. 그리고 유성기어박스 고장 진단에 있어 예상되는 어려움과 그것을 해결하기 위한 고장 진단 기술 및 향후 연구 방향을 제시하고자 한다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1993년도 추계학술대회 논문집
• /
• pp.351-356
• /
• 1993

최근의 프로세스 공업화에 있어서 생산Line의 장치나 기계류는 점차 대형화, 고속화,연속화,복잡화되고 있다. 또한, 기계가공공업,자동차공업,기계,전자부품의 가공조립등의 생산설비는 각설비가 고도로 자동화되고 있는 실정으로 공장 전체의 유기체적인 제어 및 감독을 필요로 하고 있다. 마찬가지로 기계부품제작산업도 CNC.FMS등으로 점차 조작화,자동화됨에 따라 공작기계 장치나 기계류등의 이상이나 고장으로 생산 및 품질에 미치는 영향도 종래와 비교할 수 없을 정도로 중요시 되고 있는 실정이다, 이와같이 설비의 안전성을 도모하고 고신뢰도를 부여하기위해서는 기계설비의 이상 및 고장진단이 필수적이며, 공장 자동화와 함께 공작기계자체의 고장 및 이상진단을 실시하고, 검출된 신호의 크기등으로 고장상태를 판정해야만 한다. 공작기계에서 동적인 회전시스템을 이루는 주축용베어링의 손상은 제작하고자 하는 제품의 정밀도 표면거칠기등의 저하 뿐만아니라 시스템 전체의 기능까지도 떨어뜨리는 요인이 될수 있으므로 베어링 상태를 진단하여 송상유무를 판단하는것은 필수적이라 생각된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2017년도 제56차 하계학술대회논문집 25권2호
• /
• pp.9-10
• /
• 2017

본 논문에서 소음, 진동을 이용한 딥러닝 기반 기계 고장진단 임베디드 시스템을 제안하였다. 제안된 시스템은 기계로부터 취득된 소리와 진동을 바탕으로 학습한 DNN모델을 통해 실시간으로 기계 고장을 진단한다. 딥러닝 기술을 사용하여 학습에 따라 적용대상이 변경될 수 있도록 함으로써 특정 기계에 종속적이지 않고 가변적으로 다양한 기계에 대해 고장 예지 및 건전성 관리를 제공하도록 설계하였으며, 이를 증명하기 위해 액추에이터를 환풍기로 설정하여 정상상태와 4가지 비정상상태의 5가지상태를 학습하여 실험한 결과 93%의 정확도를 얻었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.1657-1658
• /
• 2013

본 연구에서는 기계 시스템의 위험도 진단 및 관리를 위해, 3차원 기반의 진단결과 가시화 기술에 관한 연구를 소개한다. 계층구조와 인과관계에 의한 신뢰성 분석 기술을 3차원 디지털 목업에 적용하여, 요소 부품 및 전체 시스템의 위험도를 직관적으로 파악하고, 이를 유지 보수 과정에 활용할 수 있는 소프트웨어 플랫폼의 설계 및 풍력발전 시스템 적용을 위한 디지털 목업 개발 등을 소개한다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제8권3호
• /
• pp.563-570
• /
• 2018

본 논문에서는 기계학습 기반의 효율적인 변압기 유중가스 분석 및 분류 방법을 제안하여 기존 IEC 60599 진단기준 기반의 문제점을 해결하고 진단 성능을 개선한다. 기존 IEC 60599 진단기준은 조성비가 진단 기준에 존재하지 않거나 경계조건에 있는 경우 진단 전문가에게 의뢰하지 않고는 해석에 어려움이 있으며 진단영역이 겹치는 부분이 존재하므로 정확한 원인분석을 수행하는 데에 한계가 있다. 따라서 IEC 60599 진단 기준만으로 변압기 유중가스 데이터를 분석 및 분류하는 경우 IEC 60599 기준에 만족하지 않는 데이터를 분류하지 못한다는 문제점이 있다. 이와 같은 문제를 해결하기 위해 기계학습 기반의 변압기 유중가스 분석 및 분류 방법을 제안하였다. 제안한 기계학습 기반의 변압기 유중가스 분석 방법은 IEC 60599 진단기준으로 판단이 불가능한 데이터를 서포트 벡터 머신을 통해 정확히 분류 할 수 있다. 제안한 방법의 성능을 검증하기 위해 실제 유중가스 데이터를 사용하여 기계학습 기반의 변압기 유중가스 분석 방법의 효율성을 검증하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 1995년도 춘계학술대회논문집; 전남대학교, 19 May 1995
• /
• pp.350-353
• /
• 1995

본 연구에서는 회전기계의 진동신호를 검출, 신호처리, 이상판별, 이상진단 및 경향 예측을 수행하는 이상진동진단 시스템을 개발하였다. 이 시스템의 특징은 GUI를 지원하고 풀다운 메뉴방식을 통한 일관된 환경을 제공하며, 키보드 사용이 거의 없이 마우스만으로 모든 처리가 가능하다. 또한 각 모듈을 하나의 통합환경 내에서 처리된다. 금후 이상진단부분을 보다 개선하여 정밀진단이 이루어지도록 확장하여 갈 예정이다.

• 융합신호처리학회논문지
• /
• 제23권2호
• /
• pp.84-90
• /
• 2022

공작기계 상태 진단은 기계의 상태를 자동으로 감지하는 프로세스이다. 실제로 가공의 효율과 제조공정에서 제품의 품질은 공구 상태에 영향을 받으며 마모 및 파손된 공구는 공정 성능에 보다 심각한 문제를 일으키고 제품의 품질 저하를 일으킬 수 있다. 따라서 적절한 시기에 공구가 교체될 수 있도록 공구 마모 진행 및 공정 중 파손 방지 시스템 개발이 필요하다. 본 논문에서는 공구의 적절한 교체 시기 등을 진단하기 위해 딥러닝 기반의 계층적 컨볼루션 신경망을 이용하여 5가지 공구 상태를 진단하는 방법을 제안한다. 기계가 공작물을 절삭할 때 발생하는 1차원 음향 신호를 주파수 기반의 전력스펙트럼밀도 2차원 영상으로 변환하여 컨볼루션 신경망의 입력으로 사용한다. 학습 모델은 계층적 3단계를 거쳐 5가지 공구 상태를 진단한다. 제안한 방법은 기존의 방법과 비교하여 높은 정확도를 보였고, 실시간 연동을 통해 다양한 공작기계를 모니터링할 수 있는 스마트팩토리 고장 진단 시스템에 활용할 수 있을 것이다.