• 기계저널
• /
• 제33권5호
• /
• pp.435-448
• /
• 1993

용접부결함은 구조물 건전성측면에서 항상 문제가 되어 왔다. 따라서 용접시 발생 할 수 있는 결함들을 사전에 방지하기 위한 대책들이 꾸준히 연구되어 왔으며, 용접부의 최종 품질확인 및 부품 사용중 용접부의 건전성을 평가하기 위한 수단으로 비파괴시험법들이 오래전부터 적용되어 왔다. 따라서 이 글에서는 용접부의 특성, 용접부결함의 중요성에 대해 기술하고 부품 건전성의 진단목적으로 결함의 유무 및 크기측정을 위해 사용되는 비파괴시험법의 종류 및 특징, 비파괴 시험법 중에서 결함의 길이 및 두께방향의 높이측정을 위해 유일하게 이용되는 초음파시험법에 대해, 특히 결함크기 측정법 중 현재 널리 사용되는 몇 가지 방법에 대해 소개하고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권4호
• /
• pp.179-188
• /
• 2022

기계의 주요 부품인 베어링 결함 진단에 딥러닝을 활용하는 연구가 활발하게 진행되어 좋은 성능을 달성하였으나, 학습 데이터와 테스트 데이터의 운영 환경 차이로 인해 기계가 실제로 가동되는 환경에서는 성능 저하가 발생하는 문제가 있다. 학습 데이터와 테스트 데이터의 분포 차이 문제를 다루는 방법으로 데이터 적응이 제안되어 좋은 결과를 보여주고 있으나, 각 방법이 가정하고 있는 특정 적용 시나리오를 벗어나기 어렵다는 제약이 있다. 이에 본 연구는 MFCCs를 이용한 입력 데이터의 변환과 간단한 CNN 구조를 이용해 원시 도메인 데이터로부터 생성된 모델에 대해 추가적인 학습이나 조정 없이 타겟 도메인 데이터에 대한 테스트를 강건하게 수행하는 방법을 제안하였으며, 대표적인 베어링 결함 진단 데이터셋인 CWRU 베어링 데이터를 이용해 제안한 방법에 대한 실험 및 분석을 수행하였다. 실험 결과 전이 학습 기반의 방법들과 대등한 성능을 보였으며, 입력 변환 기반의 베이스라인 방법보다는 최소 15% 정도의 높은 성능을 달성하였다.

• 대한기계학회논문집A
• /
• 제24권4호
• /
• pp.916-925
• /
• 2000

Perhaps, this is the first attempt which applies the wavelet transform to the fundamental vibration mode for damage detection in a beam. Contrary to most existing detection methods on mode shapes, the present method directly works only with the fundamental mode of a damaged beam: no vibration mode shape of a undamaged beam is necessary. Applying the concept of vanishing moments of wavelet functions, we show that wavelet functions are effective damage detectors. Both numerical and experimental results confirm the effectiveness of the present method.

• 대한기계학회논문집A
• /
• 제25권11호
• /
• pp.1759-1766
• /
• 2001

Vibration transient generated by developing localized fault in gear can be used as indicators in gear fault detection. In this paper, we propose the zoomed phase map for a fault signal using continuous wavelet transfers to detect this vibration transient. Local fault induces the abrupt fluctuation of load exciting tooth and phase lag in the vibration signal measured on the gearbox. The relatively large fault like "tip breakage" easily can be detected by the clear fluctuation of exciting load. However, minor fault like "initial pitting"cannot be detected using the load fluctuation. To defect this kind of minor fault, the phase map for a fault signal is taken into account. The phase lag by minor fault is observed well in the zoomed phase map.

• 한국유체기계학회 논문집
• /
• 제15권6호
• /
• pp.31-38
• /
• 2012

Rotor of rotating machinery is the highly damaged part. Fault of 7 different types was confirmed as the main causes of rotor damage from the pump failure history data in domestic and U.S. nuclear. For each fault types, simulation testing was performed and fault signals were collected form the sensors. To calculate the statistical parameters of time-domain & frequency-domain, measured signals were analyzed by using the discrete wavelet transform, fast fourier transform, statistical analysis. Total 84 parameters were obtained. And Effectiveness factor were used to evaluate the discrimination capacity of each parameter. From the effectiveness factor, RAW-P4/RAW-P7/WT2-NNL/WT2-EE/WT1-P1 showed high ranking. Finally, these parameters were selected as the feature parameters of intelligent fault diagnostics for rotor.

• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2004년도 춘계학술대회
• /
• pp.822-827
• /
• 2004

In this paper, an intelligent fault diagnosis system is proposed for induction motors through the combination of feature extraction, genetic algorithm (GA) and neural network (ANN) techniques. Features are extracted from motor vibration signals, while reducing data transfers and making on-line application available. GA is used to select most significant features from whole feature database and optimize the ANN structure parameter. Optimized ANN diagnoses the condition of induction motors online after trained by the selected features. The combination of advanced techniques reduces the learning time and increases the diagnosis accuracy. The efficiency of the proposed system is demonstrated through motor faults of electrical and mechanical origin on the induction motors. The results of the test indicate that the proposed system is promising for real time application.

• 대한기계학회논문집A
• /
• 제41권6호
• /
• pp.517-524
• /
• 2017

스마트 팩토리 시대가 열리면서 발전 플랜트에서 발생하는 빅데이터를 활용한 설비 유지 보수 방법론이 부각되고 있다. 본 연구에서는 데이터 기반 방법론의 효과적인 적용과 발전 플랜트 실시간 성능 모니터링을 위해 사물인터넷 기반 클라우드 플랫폼을 제안한다. Short-term Analysis에서는 사물인터넷 센서를 이용하여 학습된 건전성 인자와 패턴 비교를 통해 설비의 상태 진단과 결과 전송을 목적으로 한다. Long-term Analysis는 취합된 고차원 데이터를 활용하여 설비간 관계 파악과 인과관계 확인을 통한 트렌드 분석을 목적으로 한다. 분석 및 진단 결과는 클라우드 플랫폼의 웹 기반 시스템을 통해 시각화하여 사용자의 접근성을 향상시켜 장소나 접속 기기에 상관없이 데이터를 확인할 수 있도록 한다. 개발된 플랫폼의 성능 검증은 회전기계류 테스트베드로 진행한다.

• 대한수의사회지
• /
• 제24권12호
• /
• pp.744-757
• /
• 1988

이상에서 경제가축에 이용되고 있는 임신진단법을 소개하고 지금까지 보고된 임신진단에 관한 연구 결과를 고찰하였다. 현재 경제가축의 조기임신진단을 위한 진단법으로서는 양에 있어서는 직장촉진법, 호르몬측정법, 복강경법 및 초음파진단법 등 돼지에 있어서는 직장검사법, 호르몬측정법 및 초음파진단법 등, 소에 있어서는 직장검사법, 호르몬측정법 등, 말에 있어서는 호르몬측정법과 초음파진단법 등이 이용되고 있다. 이상적인 임신진단법의 요건은 임신진단이 조기에 가능해야하며 진단방법이 용이해야 할 뿐만 아니라 약품 및 기계조작이 간편해야하고 진단에 있어 전문지식이 요구되지 않아야 하며, 모체 및 태아에 악영향이 없으며 진단경비가 저렴해야하고 적중률이 높아야 한다. 앞으로 보다 정확하고 간편한 조기임신진단 기술의 개발과 보급화로 가축의 분만간격의 단축, 번식장해의 예방과 공태기간의 단축은 물론 가축의 증식과 번식능력의 향상을 가져올 수 있을것으로 생각된다.

• 한국소음진동공학회논문집
• /
• 제14권12호
• /
• pp.1233-1240
• /
• 2004

Condition monitoring and fault diagnosis of machines are gaining importance in the industry because of the need to increase reliability and to decrease possible loss of production due to machine breakdown. By comparing the nitration signals of a machine running in normal and faulty conditions, detection of faults like mass unbalance, shaft misalignment and bearing defects is possible. This paper presents a novel approach for applying the fault diagnosis of rotating machinery. To detect multiple faults in rotating machinery, a feature selection method and support vector machine (SVM) based multi-class classifier are constructed and used in the faults diagnosis. The results in experiments prove that fault types can be diagnosed by the above method.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2003년도 추계학술대회논문집
• /
• pp.537-543
• /
• 2003

Condition monitoring and fault diagnosis of machines are gaining importance in the industry because of the need to increase reliability and to decrease possible loss of production due to machine breakdown. By comparing the vibration signals of a machine running in normal and faulty conditions, detection of faults like mass unbalance, shaft misalignment and bearing defects is possible. This paper presents a novel approach for applying the fault diagnosis of rotating machinery. To detect multiple faults in rotating machinery, a feature selection method and support vector machine (SVM) based multi-class classifier are constructed and used in the faults diagnosis. The results in experiments prove that fault types can be diagnosed by the above method.