• Journal of the KSME
• /
• v.24 no.6
• /
• 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.

• Journal of the Institute of Convergence Signal Processing
• /
• v.20 no.2
• /
• pp.78-83
• /
• 2019

Sounds based machine fault diagnosis recovers all the studies that aim to detect automatically abnormal sound on machines using the acoustic emission by these machines. Conventional methods that use mathematical models have been found inaccurate because of the complexity of the industry machinery systems and the obvious existence of nonlinear factors such as noises. Therefore, any fault diagnosis issue can be treated as a pattern recognition problem. We propose here an automatic fault diagnosis method of hand drills using discrete wavelet transform(DWT) and pattern recognition techniques such as artificial neural networks(ANN). We first conduct a filtering analysis based on DWT. The power spectral density(PSD) is performed on the wavelet subband except for the highest and lowest low frequency subband. The PSD of the wavelet coefficients are extracted as our features for classifier based on ANN the pattern recognition part. 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.44 no.9
• /
• 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)

• Journal of the KSME
• /
• v.54 no.7
• /
• 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.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 1993.10a
• /
• 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.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2017.07a
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• 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.

• Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology
• /
• v.8 no.3
• /
• pp.563-570
• /
• 2018

This paper proposes an efficient dissolved gas analysis(DGA) and classification method of an oil-filled transformer using machine learning algorithms to solve problems inherent in IEC 60599. In IEC 60599, a certain diagnosis criteria do not exist, and duplication area is existed. Thus, it is difficult to make a decision without any experts since the IEC 60599 standard can not support analysis and classification of gas date of a power transformer in that criteria. To address these issue. we propose a dissolved gas analysis(DGA) and classification method using a machine learning algorithm. We evaluate the performance of the proposed method using support vector machines with dissolved gas dataset extracted from a power transformer in the real industry. To validate the performance of the proposed method, we compares the proposed method with the IEC 60599 standard. Experimental results show that the proposed method outperforms the IEC 60599 in the classification accuracy.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 1995.04a
• /
• 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.

• Journal of the Institute of Convergence Signal Processing
• /
• v.23 no.2
• /
• pp.84-90
• /
• 2022

Machine tool state monitoring is a process that automatically detects the states of machine. In the manufacturing process, the efficiency of machining and the quality of the product are affected by the condition of the tool. Wear and broken tools can cause more serious problems in process performance and lower product quality. Therefore, it is necessary to develop a system to prevent tool wear and damage during the process so that the tool can be replaced in a timely manner. This paper proposes a method for diagnosing five tool states using a deep learning-based hierarchical convolutional neural network to change tools at the right time. The one-dimensional acoustic signal generated when the machine cuts the workpiece is converted into a frequency-based power spectral density two-dimensional image and use as an input for a convolutional neural network. The learning model diagnoses five tool states through three hierarchical steps. The proposed method showed high accuracy compared to the conventional method. In addition, it will be able to be utilized in a smart factory fault diagnosis system that can monitor various machine tools through real-time connecting.