• 제목/요약/키워드: 잔여 저장 수명

검색결과 5건 처리시간 0.023초

일회성 터보엔진용 구름 베어링의 저장 수명 예측에 관한 연구 (A Study on the Prediction of Storage Life of Rolling Element Bearings for the Single-use Turbo Engine)

  • 김선제;김동민;홍순호;민성기
    • 한국추진공학회지
    • /
    • 제26권6호
    • /
    • pp.43-52
    • /
    • 2022
  • 유도무기용 일회성 터보엔진은 장기간 저장 후에도 운용 신뢰성이 보장되어야 한다. 터보엔진의 운용 신뢰성에 큰 영향을 미치는 구름 베어링은 장시간 저장에 의해 궤도면 및 전동체에 산화층이 형성될 수 있으며, 이로 인해 미세 치수의 변화를 유발하여 고장이 발생할 수 있다. 본 연구에서는 실제 장기 저장된 일회성 터보엔진 베어링을 획득하고, 전동체 조도의 열화 데이터를 이용하여 저장 수명을 예측하였다. 저장 수명은 와이베이즈(Weibayes) 분석 방법과 선형 열화식의 계수를 난수로 생성하는 난수 생성 기반 분석 기법을 통해서 예측하였다. 본 연구에서는 두 가지 수명평가 방법의 결과를 상호 비교하고 이에 따른 장단점을 분석하였다. 향후, 추가적인 장기저장 시편을 확보하고, 명확한 고장 조도 기준을 수립하면 베어링의 저장 수명 예측정확도를 높일 수 있을 것이며, 터보엔진의 효율적인 정비 주기 설정에 기여할 수 있을 것이다.

장기 보관된 분리장치의 성능 및 노화에 관한 연구 (Study of Aging and Performance About Separation Devices Has Been Stored)

  • 김동성;진홍식
    • 한국항공우주학회지
    • /
    • 제49권7호
    • /
    • pp.565-572
    • /
    • 2021
  • 본 연구에서는 국방 분야에서 분리장치로 사용되고 있는 파이로 장치 중 장기간 보관된 폭발볼트의 성능 및 노화에 관한 연구를 수행하였다. 연구를 위해 약 10년간 무기체계에 탑재되어 있던 폭발볼트를 확보하였으며, AIAA Standard 및 MIL-STD를 기반으로 성능 및 수명 평가 절차를 수립하였다. 성능 평가를 위해 먼저 비기능 검사를 수행하여 외적인 변화나 고장이 발생하였는지 확인하였으며, 내부 회로 및 구조에 이상이 없는지 회로검사와 X-ray 검사를 수행하였다. 비기능 검사가 통과된 시료에 대해서 작동 확인을 위한 성능 시험을 실시하였다. 성능 시험을 통해 폭발볼트의 분리 여부 및 분리시간을 측정하였으며, 일부 시료의 경우 잔여 수명 및 연장 가능성을 확인하기 위해 고온저장시험 후 성능 시험을 실시하였다. 마지막으로 시험 결과와 아레니우스 모델을 바탕으로 잔여 수명 및 신뢰도를 예측하였으며, 수명에 따른 신뢰도를 확인하였다.

리튬이온 배터리의 잔여 수명 예측을 위한 다중 건전성 모니터링 지표 연구 (A study on the multiple health monitoring indicator for remaining useful life prediction of battery)

  • 권상욱;김규태;윤성현;임철우;김종훈
    • 전력전자학회:학술대회논문집
    • /
    • 전력전자학회 2020년도 전력전자학술대회
    • /
    • pp.130-132
    • /
    • 2020
  • 배터리 시스템은 어플리케이션의 대영화에 따른 데이터 저장공간 문제 및 연속적인 배터리 신뢰성 문제 해결을 위한 건전성 예측 및 관리기술 접목에 관한 문제에 직면해 있으며, 이러한 문제 해결을 위해서는 배터리 시스템 신호를 통해 추출 가능한 건전성 지표 수립이 중요하다. 본 논문은 건전성 지표를 물리적, 간접적 지표로써 정의하고, 사이클 노화 데이터를 통해 건전성 지표로써의 성능을 검증하였다.

  • PDF

리튬이온 배터리 수명추정을 위한 용량예측 머신러닝 모델의 성능 비교 (Comparison of the Machine Learning Models Predicting Lithium-ion Battery Capacity for Remaining Useful Life Estimation)

  • 유상우;신용범;신동일
    • 한국가스학회지
    • /
    • 제24권6호
    • /
    • pp.91-97
    • /
    • 2020
  • 리튬이온 배터리(LIB)는 다른 배터리에 비해 수명이 길고, 에너지 밀도가 높으며, 자체 방전율이 낮아, 에너지 저장장치(ESS)로 선호되고 있다. 하지만, 2017~2019년 기간 동안 국내에서만도 28건의 화재사고가 발생하였으며, LIB의 운영 중 안전성 및 신뢰성을 보장하기 위해 LIB의 정확한 용량추정은 필수요소이다. 본 연구에서는 LIB의 충방전 cycle에 따른 용량변화를 예측하는 기계학습 기반 모델의 설계에 있어 중요한 요소인 최적 머신러닝 모델의 선정을 위해, Decision Tree, 앙상블학습법, Support Vector Regression, Gaussian Process Regression (GPR) 각각을 이용한 예측모델을 구현하고 성능비교를 실시하였다. 학습을 위해 NASA에서 제공하는 시험데이터를 사용하였으며, GPR이 가장 좋은 예측성능을 보였다. 이를 바탕으로 추가 시험데이터 학습을 통해 개선된 LIB 용량예측과 잔여 수명추정 모델을 개발하여, 운영 중 이상 감지 및 모니터링 성능을 높여, 보다 안전하고 안정된 ESS 운용에 활용하고자 한다.