• Journal of the KSME
• /
• v.52 no.8
• /
• pp.46-50
• /
• 2012

BioMEMS(Micro Electro Mechanical System）기술은 MEMS 기술을 바이오 분야에 적용함으로써 극소량의 체액(피 타액 등)으로 각종 진단 검사를 신속하게 처리할 수 있어, 기존 중대형 의료기기의 소형화, 고기능화 및 저렴화가 가능하게 하는 기술이다. 최근 유전자 정보가 규명되면서, 정보통신기술과 접목이 더욱 가속화되고 있고, 인간의 유전자 정보를 활용한 새로운 의약품 개발과 유전자 진단기기나 의료 시술이 눈부시게 발달하고 있다. 이 글에서는 바이오칩에서 큰 주목을 받고 있는 분야인 랩 온 어 칩, 특히 감염질환인 인플루엔자 등의 진단을 위한 연구 동향을 살펴본다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2002.05a
• /
• pp.871-877
• /
• 2002

현재 공작기계의 상당부분에서 자동화 및 무인화가 이루어지고 있는 추세이며, 이러한 대부분의 산업시설들과 기계류에는 회전체 부품들을 가지고 있다. 이들 부품들에서 베어링(Bearing)은 절대적으로 매우 중요한 부분을 차지하고 있으며, 만일 회전축시스템(Rotor System)에 베어링의심각한 이상은 시스템이 정지되는 사태를 불러일으킬 수도 있다. 따라서 이상에 대한 조기 감지의 역할은 전체 시스템의 향상뿐만 아니라, 비용이나 시간적인 측면에서도 크나큰 이익을 가져다 줄 수 있다. 지금까지 이러한 회전축시스템에 대한 다양한 이상진단을 시도하여 왔으며 앞으로도 많은 종류의 이상진단이 이루어지리라 생각한다. 이런 다양한 형태의 이상진단은 시스템에서 추출되는 데이터를 여러 가지 기법과 추출하는 센서의 특징을 파악하여 이상진단 알고리즘을 수립하는 과정을 망라하게 된다. 특히 이상진단 알고리즘에는 측정된 데이터의 불확실성을 감안한 이론이 적용되어야 한다. 본 연구에서는 회전축시스템의 베어링에 대한 이상진단을 통계적 기법, Fuzzy Clustering, Neural network과 Neuro-fuzzy를 이용한 기법과의 상호비교를 통해서 여러 종류의 이상을 구분하는 작업수행을 연구하고자 한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.301-301
• /
• 2022

본 연구는 운영 조건이 달라짐에 따라 회전수가 변하는 기기의 정상적 가동 여부와 고장 종류를 판별하기 위한 인공지능 알고리즘의 적용을 다루고 있다. 회전수가 변하는 장비로부터 계측된 상태 모니터링 센서의 신호는 비정상(non-stationary)적 특성이 있으므로, 상태 신호의 한계치가 고장 판별의 기준이 되기 어렵다는 점을 해결하고자 하였다. 정상 가동 여부는 이상 감지에 효율적인 오토인코더 및 기계학습 알고리즘을 적용하였으며, 고장 종류 판별에는 기계학습법과 합성곱 기반의 심층학습 방법을 적용하였다. 변하는 회전수와 연계된 주파수의 비정상적 시계열도 적절한 고장 특징 (Feature)로 대변될 수 있도록 시간 및 주파수 영역에서 특징 벡터를 구성할 수 있음을 예제로 설명하였다. 차원 축소 및 카이 제곱 기법을 적용하여 최적의 특징 벡터를 추출하여 기계학습의 분류 알고리즘이 비정상적 회전 신호를 가진 장비의 고장 예측에 활용될 수 있음을 보였다. 이 과정에서 k-NN(k-Nearest Neighbor), SVM(Support Vector Machine), Random Forest의 기계학습 알고리즘을 적용하였다. 또한 시계열 기반의 오토인코더 및 CNN (Convolution Neural Network) 적용하여 이상 감지와 고장진단을 수행한 결과를 비교하여 제시하였다.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.336_337
• /
• 2009

전력용 변압기 운반, 설치, 고장전류 유입 등으로 권선 및 철심의 접지, 권선의 층간단락, 개방, 기계적 변형, 이탈, 구조물의 기계적 손상, 이완 등이 발생해도 현재 보유하고 있는 진단장비만으로는 정확한 이상 판단이 불가하여 변압기 해체 후 확인 하는 현실을 감안하여 변압기 기계적 변형 고장분석이 가능한 장비 도입이 필요한 시점이다. 또한 변압기 등 변전기기 고장 발생시 광범위한 고객 정전 및 복구비용이 발생(년 평균 3건)하고 있어 본 논문에서는 이러한 문제점을 해결하고자 2003년 한전에 도입된 SFRA(Sweep Frequency Response Analyzer) 주파수 반응 분석기의 진단 원리 및 권선변형 진단사례를 소개하고자 한다.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.38 no.2
• /
• pp.205-210
• /
• 2014

Recently, pattern recognition methods have been widely used by researchers for fault diagnoses of mechanical systems. A pattern recognition method determines the soundness of a mechanical system by detecting variations in the system's vibration characteristics. Hidden Markov models (HMMs) and artificial neural networks (ANNs) have recently been used as pattern recognition methods in various fields. In this study, a HMM-ANN hybrid method for the fault diagnosis of a mechanical system is introduced, and a rotating wind turbine blade with a crack is selected for fault diagnosis. The existence, location, and depth of said crack are identified in this research. For improving the diagnostic accuracy of the method in spite of the presence of noise, a moment with a few specific frequencies is applied to the structure.

• Journal of the KSME
• /
• v.26 no.5
• /
• pp.394-397
• /
• 1986

과거에는 정기적인 진단으로 인력 및 장비의 손실 등 여러 가지 낭비를 초래해 왔으나, 설비기 계에 대하여 진동에 의한 예측검사를 함으로써 생산전체의 공정, 품질관리, 신뢰성, 인명의 안 전등의 측면에서도 많은 효율을 기대할 수 있다. 또한 고도의 컴퓨터 시스템을 이용하여 소프 트웨어의 개발이 다양화 되면, 보다 저렴한 가격으로 진단을 해나갈 수 있을 것이다. 현재 우 리나라의 형편을 살펴보면 설비진단에 대한 이상진동의 현상과 이상판별기준 및 데이터가 축적 되어 있지 않은 실정이다. 설비진단기술을 보다 발전시켜 나가기 위해서는 설비진단을 할 수 있는 기기의 개발이 시급하며 이를 전문적으로 다룰 수 있는 전문용역회사를 창출하여 각종 플 랜트의 정기적인 점검 및 예측점검을 시도해 나가는 것이 바람직한 방향이라 사료되며 또한, 이를 위하여서는 각종 데이터의 정립 및 전문기술 인력의 양성에 온 힘을 기울여아 할 것으로 사료된다.

• 유체기계공업학회:학술대회논문집
• /
• 2002.12a
• /
• pp.515-523
• /
• 2002

• 유체기계공업학회:학술대회논문집
• /
• 2002.12a
• /
• pp.524-530
• /
• 2002

• 월간 기계설비
• /
• s.67
• /
• pp.104-105
• /
• 1996

• 유체기계공업학회:학술대회논문집
• /
• 2000.12a
• /
• pp.15-19
• /
• 2000