• 제목/요약/키워드: 센서고장진단

검색결과 126건 처리시간 0.032초

비례적분(PI) 관측기를 이용한 시스템의 고장진단 (Fault Detection and Isolation of System Using Multiple Pi Observers)

  • Kim, H.S.;Kim, S.B.;Shigeyasu Kawaji
    • 한국정밀공학회지
    • /
    • 제14권2호
    • /
    • pp.41-47
    • /
    • 1997
  • Fault diagnosis problem is currently a subject of extensive research in the control field. Although there are several works on the fault detection and isolation observers and the residual generators, those are con- cerned with only the detection of actuator failures or sensor failures. So, the perfect detection and isolation for the actuator and sensor failures is strongly required in the field of the practical applications. In this paper, a strategy of fault diagnosis using multiple proportional integral (PI) observers including the magnitude of actuator failures is provided. It is shown that actuator failures are detected and isolated perfectly by monitoring the integrated error between actual output and estimated output by a PI observer. Also in presence of complex actuator and sensor failures, these failures are detected and isolated by multiple PI observers.

  • PDF

회전수가 변하는 기기의 상태 진단에 있어서 특성 기반 분류 알고리즘과 합성곱 기반 알고리즘의 예측 정확도 비교 (Comparison of Classification and Convolution algorithm in Condition assessment of the Failure Modes in Rotational equipments with varying speed)

  • 문기영;황세윤;이장현
    • 한국항해항만학회:학술대회논문집
    • /
    • 한국항해항만학회 2022년도 춘계학술대회
    • /
    • 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.

  • PDF

인공 위성 구동기 모듈의 고장 검출

  • 진재현
    • 제어로봇시스템학회지
    • /
    • 제17권4호
    • /
    • pp.42-45
    • /
    • 2011
  • 위성 구동기 고장을 검출하는 문제를 살펴보기 위하여, 최근에 발표된 논문을 분석하였다. 구동기에 발생하는 고장은 그 영향이, 위성의 동역학을 거쳐서 센서의 출력으로 나타나기 때문에, 고장 검출은 기본적으로 상태추정이 수반되어야 한다. 다양한 상태추정기법이 적용될 수 있는데, 가장 많이 사용되는 기법은 Kalman 필터 및 유사 필터들이다. 위성의 고장에 적시에 대응한다면 피해를 최소화할 수 있기 때문에, 자율성 높은 탑재형(on-board)의 고장 진단 및 대응 시스템이 주요 연구목표가 된다.

DC 블로워 모터의 이상소음 및 진동 진단 시스템 개발

  • 김정욱;김성렬;김화영;안중환
    • 한국정밀공학회:학술대회논문집
    • /
    • 한국정밀공학회 2004년도 춘계학술대회 논문요약집
    • /
    • pp.280-280
    • /
    • 2004
  • 기계의 소음 및 진동은 환경요인과 함께 기계의 정밀도 향상 및 고장진단과 관련하여 가장 중요한 분야중 하나이다. 특히 기계의 구동원으로 가장 많이 사용되고 모터는 기계설비이면서도 전기적인 현상으로 작동하기 때문에 설비보전의 사각지대로 나타나고 있다. 또한, 진동으로 모터의 전기적인 결함을 분석하기에는 미흡한 부분이 나타나기 때문에 모터 전용분석 기법을 사용하여 전동기의 전기적 결함을 분석하면 보다 정확한 진단이 가능하다. 현재 일부 생산 현장에서는 모터를 진단하기 위해 진동, 온도, 전류 등의 측정기법 들을 이용하여 분석하고 있다.(중략)

  • PDF

슬라이딩 모드 관측기를 이용한 기구학 모델 기반 자율주행 자동차의 예견 고장진단 알고리즘 (Kinematic Model based Predictive Fault Diagnosis Algorithm of Autonomous Vehicles Using Sliding Mode Observer)

  • 오광석;이경수
    • 대한기계학회논문집A
    • /
    • 제41권10호
    • /
    • pp.931-940
    • /
    • 2017
  • 본 논문은 슬라이딩 모드 관측기를 이용한 기구학 모델 기반 자율주행 자동차의 예견 고장진단 알고리즘에 관한 연구이다. 자율주행 자동차는 안전한 주행을 위해 신뢰성이 확보된 주행 환경 정보와 차량의 동적상태 정보가 필요하다. 센서 정보의 신뢰성 판단을 위해 본 연구에서는 종방향 기구학 모델기반 슬라이딩모드 관측기를 이용하여 종방향 환경정보와 차량 가속도 정보를 실시간으로 상호 보완적 고장진단이 가능한 예견 알고리즘을 제안하였다. 적용된 슬라이딩 모드 관측기는 종방향 환경정보의 고장신호에도 강건한 입력신호 재건성능을 보이면서 알고리즘의 신뢰성을 확보할 수 있었다. 예견 고장진단 알고리즘의 합리적 성능평가를 위해 네 가지 조건에 대한 실제 주행 데이터 기반 선행차량 추종시나리오를 적용하였다. 성능평가 결과 본 연구에서 제안된 예견 고장진단 알고리즘은 모든 평가조건과 주행 시나리오에 대해 합리적인 고장진단 성능을 보여주었다.

웨이블렛 변환을 이용한 태양광 발전시스템의 고장진단에 관한 연구 (A Study on the Fault Detection Technique of the Grid-Connected Photovoltaic System using Wavelet Transformation)

  • 이정은;김일송
    • 전력전자학회논문지
    • /
    • 제16권1호
    • /
    • pp.79-87
    • /
    • 2011
  • 본 논문에서는 웨이블렛(Wavelet) 변환을 이용한 태양광 발전시스템의 고장진단에 관한 연구를 수행하였다. 기존에는 추가적인 하드웨어와 센서를 사용하여 인버터의 고장을 진단하는 방법으로, 단가가 상승하고 사양이 바뀔 경우 재설계를 해야 하는 문제점이 있었다. 제안된 방식은 인버터 전류나 전압과 같은 상태변수들을 다단계 변환을 통해 얻어낸 웨이블렛 계수들의 변화를 감지하여 고장의 종류와 부위를 인식하는 방법이다. 정규화 표준 편차를 이용하여 웨이블렛 계수의 변화로부터 정확하고 신속한 고장 진단이 가능하다. 이 방법은 간단한 계산과 고장 유형을 정확하게 예측할 수 있는 장점이 있다. 컴퓨터 시뮬레이션과 제어기 제작을 통한 실험 결과로서 연구의 타당성을 입증하였다.

블레이드 각속도 통계 정보 기반 풍력 발전기 고장 진단 모니터링 시스템 (Statistical Blade Angular Velocity Information-based Wind Turbine Fault Diagnosis Monitoring System)

  • 김병진;강석주;박준영
    • KEPCO Journal on Electric Power and Energy
    • /
    • 제2권4호
    • /
    • pp.619-625
    • /
    • 2016
  • 본 논문에서는 풍력 발전 시스템에서 발생 가능한 고장 중 블레이드에 대한 고장 진단 방법으로 자이로 센서를 이용한 각속도 측정을 통해 고장 진단용 모니터링 시스템을 제안한다. 제안하는 방법은 우선 손상이 발생하지 않은 상태의 블레이드 회전에 대한 각속도 dataset을 구성한다. 블레이드 상태 판별을 위한 dataset 구성이 되었다면, 임의의 상태에 대한 블레이드가 부착된 풍력 발전기를 일정한 힘을 가해 회전시킨 후 최종적으로 블레이드의 손상 정도에 따라 발생하는 각속도의 차이를 비교하여 블레이드의 고장 진단에 대해 판단한다. 실험 결과 정상 상태의 블레이드는 초당 1회 (초당 $360^{\circ}$) 이상의 속도로 회전을 진행하며, 손상 상태의 블레이드는 초당 1회 미만의 속도로 회전하며 표준 편차가 급격히 증가하는 것을 확인할 수 있었다.

인버터 구동 유도전동기의 고정자 권선 단락 시 자속센서를 이용한 고장진단 (Diagnosis of stator fault using flux sensor in induction motor drive)

  • 손동혁;김도선;황돈하;조윤현
    • 전력전자학회:학술대회논문집
    • /
    • 전력전자학회 2008년도 추계학술대회 논문집
    • /
    • pp.88-90
    • /
    • 2008
  • 본 논문에서는 유도전동기에서 발생되는 고장들 중에서 고정자 권선 단락 고장 특성 해석과 고장 판별에 대한 방법을 제시한다. 고정자 권선 단락을 판별하기 위해서 단락상태의 고정자를 모델링하여 3상 전류 불평형과 공극자속밀도에 대한 유한요소해석을 수행하였다. 유한요소해석으로 얻어진 결과의 타당성을 입증하기 위해 실험을 통하여 전류와 공극자속에 대한 유기기전력 측정값을 비교하였다. 공극자속의 유기기전력을 측정하기 위해 고정자 슬롯에 자속센서를 취부하였다. 고정자 권선 단락 시 3상 전류는 불평형을 이루고 공극자속밀도가 감소되어 유도전동기의 고정자 고장을 판별하는 기초자료가 된다.

  • PDF

전문가 지식 기반 고장예측시스템 (Failure prediction system based on expert knowledge)

  • 김도형;이승룡
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2017년도 춘계학술발표대회
    • /
    • pp.945-947
    • /
    • 2017
  • 알람시스템은 효율적인 공장운영과 인력에 의한 설비진단 및 고장예방 활동을 돕기 위해 이용된다. 알람시스템은 설비진단과 고장예방 활동을 위해서 설비에 부착된 다양한 센서로 부터 발생하는 알람을 수집하고 설비관리자에게 제공하여 조기에 문제를 파악하고 조치할 수 있도록 하는 역할을 하고 있다. 하지만 알람시스템이 단순히 정보 수집을 목적으로 설계되어 현장전문가 처리할 수 없는 수준으로 알람을 대량 발생시킨다. 본 논문에서는 발생 알람으로부터 발생 가능한 고장을 예측하기 위해 현장 전문가의 경험 지식에 기반한 고장예측 시스템을 제안한다.

Development of smart car intelligent wheel hub bearing embedded system using predictive diagnosis algorithm

  • Sam-Taek Kim
    • 한국컴퓨터정보학회논문지
    • /
    • 제28권10호
    • /
    • pp.1-8
    • /
    • 2023
  • 자동차의 주요 부품인 휠 베어링에 결함이 생기면 교통사고등 문제를 발생시켜 이를 해결하기 위해 빅데이터를 수집해서 예측진단 및 관리 기술을 통한 휠 베어링의 고장 유무 및 고장 유형을 조기에 알려 주는 알고리즘과 모니터링 시스템 개발이 필요하다. 본 논문에서는 이러한 지능형 휠 허브 베어링 정비 시스템 구현을 위해 신뢰성 및 건전성에 대한 모니터링용 센서 및 예측 진단하는 알고리즘이 탑재된 임베디드 시스템을 개발하였다. 사용된 알고리즘은 휠 베어링에 설치된 가속도 센서로부터 진동 신호를 취득하고 이를 신호 처리기법, 결함주파수 분석, 건전성 특징 인자정의 등의 과정을 빅데이터 기술을 통해 고장을 예측하고 진단할 수 있다. 구현된 알고리즘은 진동 주파수 성분들은 최소화하고 휠 베어링에서 발생하는 진동 성분을 극대화할 수 있는 안정 신호 추출 알고리즘을 적용하고, 필터를 활용한 노이즈 제거에서는 인공지능 기반의 건전성 추출 알고리즘을 적용하였으며, FFT를 통한 결함 주파수를 분석하여 고장 특성인자 추출을 통한 고장을 진단하였다. 본 시스템의 성능 목표는 12,800ODR 이상으로 시험 결과를 통해 목표치를 만족하였다.