• Journal of the Korean Society for Precision Engineering
• /
• v.14 no.2
• /
• 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.

• 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.

• ICROS
• /
• v.17 no.4
• /
• 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.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 2004.05a
• /
• 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)

• 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.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.16 no.1
• /
• pp.79-87
• /
• 2011

The fault detection technique of the grid-connected photovoltaic system using wavelet transform has been suggested in this paper. The additional hardware and sensors are required to detect the inverter failure in the conventional method, and it has the disadvantage of high cost and re-design problem if the inverter specification has been changed. The suggested method used the inverter voltage and current waveform to detect the failure and the location by the wavelet coefficients variations. The prompt and accurate diagnostic function is possible using the normalized standard deviation method. The merit of the proposed method is the simple calculation and precise diagnostic capabilities of the fault detection. The computer simulation is performed and the experimental result verifies the validity of the proposed method.

• KEPCO Journal on Electric Power and Energy
• /
• v.2 no.4
• /
• pp.619-625
• /
• 2016

In this paper, we propose a new fault diagnosis monitoring system using gyro sensor-based angular velocity calculation for blades of the wind turbine system. First, the proposed system generates the angular velocity dataset for the rotation speed of the normal blade. Using the dataset, we estimate and evaluate the state of blades for the wind turbine by comparing the current state with the pre-calculated normal state. In the experimental results, the angular velocity of the normal state was higher than $360^{\circ}/s$ while that of the damaged blades was lower than $360^{\circ}/s$ and the standard deviation of the angular velocity was significantly increased.

• Proceedings of the KIPE Conference
• /
• 2008.10a
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• 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.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.10
• /
• pp.1-8
• /
• 2023

If there is a defect in the wheel bearing, which is a major part of the car, it can cause problems such as traffic accidents. In order to solve this problem, big data is collected and monitoring is conducted to provide early information on the presence or absence of wheel bearing failure and type of failure through predictive diagnosis and management technology. System development is needed. In this paper, to implement such an intelligent wheel hub bearing maintenance system, we develop an embedded system equipped with sensors for monitoring reliability and soundness and algorithms for predictive diagnosis. The algorithm used acquires vibration signals from acceleration sensors installed in wheel bearings and can predict and diagnose failures through big data technology through signal processing techniques, fault frequency analysis, and health characteristic parameter definition. The implemented algorithm applies a stable signal extraction algorithm that can minimize vibration frequency components and maximize vibration components occurring in wheel bearings. In noise removal using a filter, an artificial intelligence-based soundness extraction algorithm is applied, and FFT is applied. The fault frequency was analyzed and the fault was diagnosed by extracting fault characteristic factors. The performance target of this system was over 12,800 ODR, and the target was met through test results.