• Journal of the Korea Society of Computer and Information
• /
• v.16 no.3
• /
• pp.141-147
• /
• 2011

This paper proposes an efficient two-stage fault prediction algorithm for fault detection and diagnosis of induction motors. In the first phase, we use a linear predictive coding (LPC) method to extract fault patterns. In the second phase, we use a dynamic time warping (DTW) method to match fault patterns. Experiment results using eight vibration data, which were collected from an induction motor of normal fault states with sampling frequency of 8 kHz and sampling time of 2.2 second, showed that our proposed fault prediction algorithm provides about 45% better accuracy than a conventional fault diagnosis algorithm. In addition, we implemented and tested the proposed fault prediction algorithm on a testbed system including TI's TMS320F2812 DSP that we developed.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.53-54
• /
• 2018

최근 화력 발전소 보일러 튜브의 노후화로 인해서 불시정지 빈도수 및 재가동 시간이 늦춰지고 있다. 이는 막대한 경제적, 사회적 손실로 이어지며, 이를 예방하기 위해서는 상태기반 정비가 필요하다. 현재의 상태기반 정비는 센서, 신호 수집장치, 신호 분석단계를 거쳐 전문가가 진단하기 때문에 즉각적으로 대응하기 어려운 문제점이 있어서 설비의 재가동 시간이 늦춰지고 있다. 따라서 본 논문에서는 전문가의 도움 없이 자동으로 상태를 진단하기 위해서 머신러닝 기법 중 하나인 서포트 벡터 머신(SVM)을 이용한 진단 알고리즘을 구현하고, 이를 탑재한 진단장치를 개발하여 비전문가들도 즉각적으로 대응할 수 있게 하여 불시정지 시간과 빈도수를 줄이고자 한다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1785-1786
• /
• 2008

본 논문에서는 저압 배선 진단 시스템 구축을 위한 퍼지-베이시안 분류기 기반 지능형 차단 시스템 개발을 목표로 한다. Time-Frequency Domain Reflectometry (TFDR)방법이 바탕이 되어 도선의 이상 상태를 측정하게 되며, 진단 부분에서 받은 정보를 능동적으로 해석하고 이상 유무에 따른 차단의 역할을 수행하는 시스템 개발이 최종 목표이다. 제안하고자 하는 분류 알고리즘은 퍼지-베이시안 분류 알고리즘을 중심으로 구성되며, 분류하고자 하는 도선의 이상상태인 damage, open 그리고 short에 대한 분류 기준을 마련하고자 한다. 또한, 실제 저압 배선에서 얻어진 데이터를 바탕으로 퍼지 분류 규칙의 생성 및 분류 알고리즘 생성을 구체화하여 좀 더 나은 성능의 분류기를 개발하고자 하는 것이 본 논문의 목표이다.

• Journal of Intelligence and Information Systems
• /
• v.4 no.1
• /
• pp.103-114
• /
• 1998

본 논문은 화력발전소 적용을 위한 경보처리 기반 고장진단 전문가 시스템(APDX(Alarm Processing and Diagnosis Expert System)개발에 관하여 논의한다. 본 연구에서 제시된 경보처리 알고리즘은 근본적으로는 경보 인과관계 트리를 사용하고 있으나 최종 원인 경보선택에 있어서는 경보 발생시간과 경보 우선순위 Meta-Rul를 활용한다. 경보처리 모듈에서 처리된 원인경보를 근거로 하여 본 원인경보와 관련된 고장부위를 진단하게 된다. 진단모듈에서는 경보에 관련된 센서들과 고장들 사이의 관계를 정상적으로 모델링하고 센서들의 트랜드를 정성적 해석기로 분석하여 증가, 정상, 감소의 세가지 상태에 대한 신뢰도를 출력한다. 또한 각 경보로부터 고장이 예상되는 고장타입을 센서 천이도로 모델링하여 진단에 활용된다. 최종적으로 추론모듈에서 퍼지(Fuzzy) 추론 알고리즘을 이용하여 모델된 고장 타입과 계산된 고장과의 매칭과정을 통하여 진단을 수행하게 되며, 계산 창 (Window)를 변경하면서 고장을 재 확인하게 된다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.20 no.2
• /
• pp.227-234
• /
• 2020

This paper introduces the state definition and diagnostic algorithm for autonomic control of manufacturing facilities. Smart factory systems through cyber-physical systems and digital twin technology are increasing the productivity and stability of existing manufacturing plants, which has become an issue recently. A Smart factory system is one of the key technologies that make up a smart factory system, to improve productivity, enable workers to make better decisions, and to control abnormal process flows. However, performing an autonomic control process based on large number of integrated plat data requires significant advance work. Therefore, in this paper, we define an abstracted facility state for manufacturing facility autonomic control and propose an algorithm to diagnose the current state. This makes the autonomic control process simpler by autonomic control based on the facility status rather then integrated facility data.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.37 no.12
• /
• pp.1238-1244
• /
• 2009

This work proposes a GUI-type on-line diagnostic program using SIMULINK and Fuzzy-Neuro algorithms for a helicopter turboshaft engine. During development of the diagnostic program, a look-up table type base performance module for reducing computer calculating time and a signal generation module for simulating real time performance data are used. This program is composed of the on-line condition monitoring program to monitor on-line measuring performance condition, the fuzzy inference system to isolate the faults from measuring data and the neural network to quantify the isolated faults. The reliability and capability of the proposed on-line diagnostic program were confirmed through application to the helicopter engine health monitoring.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1200-1201
• /
• 2015

고전압 전력설비 진단은 기기의 열화 상태를 측정하여 이상 사고를 미리 예측하여 방지하는 것을 목적으로 실시한다. 고전압 전력설비의 유지관리 방안은 일정 시간 경과후 보수하는 개념(TBM: Time Based Maintenance) 이후 설비의 상태를 진단하여 유지보수 방안을 결정하는 개념(CBM: Condition Based Maintenance)으로 진보해 감에 따라 전력설비의 상태진단 기술의 중요성은 증대될 전망이다. 고전압 전력설비의 절연진단은 직류시험(절연저항, PI)과 교류시험($tan{\delta}$, PD)이 실시되며 과거 진단 데이터의 추세분석을 통한 정확한 상태진단이 요구되고 있다. 고압 유도 전동기 절연진단 데이터 관리 전산화 모델은 고전압 전력기기(발전기, 변압기, 전동기, 케이블 등)의 절연진단 및 유지보수 이력에 관한 자료들을 저장, 조회 및 검색을 하기 위한 데이터베이스를 구축하고 구축된 데이터를 활용하여 과거 이력조회, 추이분석, 진단 데이터의 분석기법을 통한 전력기기의 상태평가로 합리적인 개 대체 의사결정을 지원한다. 또한, 유입식 변압기의 절연유 가스분석 알고리즘을 전산화 하여 10종 가연성 가스에 따른 Gas Pattern 평가로 고장 원인, 현상 및 조치 등에 대한 출력이 가능한 프로그램의 개발로 고전압 전력설비 진단기술과 IT기술의 융 복합 기술로서 고전압 전력설비의 유지관리 기술을 한 차원 더 진보시킬 것으로 판단된다.

• Journal of Digital Contents Society
• /
• v.10 no.2
• /
• pp.327-332
• /
• 2009

In this paper, we propose the diagnosis system that can predict pet's state of health for pet lovers lacking a technical knowledge of dog-diseases. The proposed system deduces diseases of dogs from input symptoms by our database constructed with 105 kinds of diseases and symptoms. First, a disease is clustered by ART2, the self-learning method in neural network and secondly, the result values, outputs and the weight values clustered by the algorithm are stored to database. Finally, our system diagnoses the state of health by means of comparing the learned information of diseases with the input vectors of each symptom and the related results of questions on diseases. The correct information of diseases and symptom diagnosing is important to predict the state of health of dogs. Therefore, in this paper, the proposed system can manage symptoms and diseases efficiently by database and ART2. We ask veterinary specialist with the efficiency of our system. As a result, we could confirm the possibility as the auxiliary diagnosis system for dog diseases.

• Journal of Intelligence and Information Systems
• /
• v.14 no.2
• /
• pp.193-206
• /
• 2008

Medical diagnosis can be considered a classification task which classifies disease types from patient's condition data represented by a set of pre-defined attributes. This study proposes a hybrid genetic algorithm based classification method to develop classifiers for multidimensional pattern classification problems related with medical decision making. The classification problem can be solved by identifying separation boundaries which distinguish the various classes in the data pattern. The proposed method fits a finite number of regional agents to the data pattern by combining genetic algorithms and local adaptive operations. The local adaptive operations of an agent include expansion, avoidance and relocation, one of which is performed according to the agent's fitness value. The classifier system has been tested with well-known medical data sets from the UCI machine learning database, showing superior performance to other methods such as the nearest neighbor, decision tree, and neural networks.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.41 no.10
• /
• pp.931-940
• /
• 2017

This paper describes a predictive fault diagnosis algorithm for autonomous vehicles based on a kinematic model that uses a sliding mode observer. To ensure the safety of autonomous vehicles, reliable information about the environment and vehicle dynamic states is required. A predictive algorithm that can interactively diagnose longitudinal environment and vehicle acceleration information is proposed in this paper to evaluate the reliability of sensors. To design the diagnosis algorithm, a longitudinal kinematic model is used based on a sliding mode observer. The reliability of the fault diagnosis algorithm can be ensured because the sliding mode observer utilized can reconstruct the relative acceleration despite faulty signals in the longitudinal environment information. Actual data based performance evaluations are conducted with various fault conditions for a reasonable performance evaluation of the predictive fault diagnosis algorithm presented in this paper. The evaluation results show that the proposed diagnosis algorithm can reasonably diagnose the faults in the longitudinal environment and acceleration information for all fault conditions.