• 한국인터넷방송통신학회논문지
• /
• 제22권5호
• /
• pp.111-116
• /
• 2022

전동기 소손의 원인으로는 과부하, 결상, 구속, 층간단락, 권선의 지락, 순간과전압의 유입, 회전자가 고정자에 닿는 경우 등 절연파괴로 이어져 고장 또는 전기 사고로 이어지고 있다. 따라서 기기 고장은 기기의 보수/수리에 필요한 비용에 의한 손실뿐만 아니라, 전동기가 포함된 공정 자체를 멈추기 때문에 공정 정지에 따른 생산성 저하에 의한 막대한 경제적 손실을 초래한다. 전동기의 고장을 진단하기 위한 현재의 기술의 수준은 진동, 열, 전력분석 방식을 이용하고 있지만, 고장에 따른 상당 부분의 시간이 진행되어야 문제점을 분석할 수 있는 한계점을 가지고 있다. 따라서 본 논문에서는 이러한 문제점을 해결하고자 DC AMP 신호를 이용하여 절연저항을 측정하는 장치 및 알고리즘을 산업용 전동기에 적용하여 절연저항 상태값을 추종하여 기존방식에서 해결되지 못한 전동기의 열화 및 고장 진단을 제안한다.

• 한국전자통신학회논문지
• /
• 제16권2호
• /
• pp.287-292
• /
• 2021

본 논문에서는 유도전동기 고정자 고장 진단에 있어서 활성화 함수가 미치는 영향을 분석하여 효율적인 CNN 활용 방법을 제안하였다. 일반적으로 유도전동기 고정자 고장 진단의 주된 목적은 미세한 턴 단락을 빠르게 진단함으로 고장을 미리 방지함에 있다. 이에 활성화 함수 활용에 있어서 전반적인 고정자 고장에는 ReLu가 우수성을 보임을 알 수 있었으나, 미세한 턴 단락인 2턴 단락에 있어서는 Sigmoid 함수가 ReLu 함수보다 진단의 정확도에 있어서 23.23% 유용함을 실험을 통해 확인할 수 있었다.

• 한국정보처리학회논문지
• /
• 제4권1호
• /
• pp.137-148
• /
• 1997

고장진단 문제는 지식기반 시스템를 이용해 해결하려는 시도가 많이 있어왔다. 그러나 대부분의 방식은 휴리스틱 또는 모델기반 방식으로 단일 오류에 대한 문제에 많은 노력이 이루어져 왔다. 단일 오류에 대한 고장진단문제 해결방식을 다중 오류진 단으로 확대할 때 발생하는 지수적인 계산비용은 피할 수 없는 문제점으로 지적되어 왔다. 이 논문에서는 시스템 구성에 따라 블록으로 구분하면 전체 탐색 영역을 국소 화할 수 있다는 점에 착안하여 다중 오류 진단을 위한 효율적인 알고리즘을 제안한 다. 이 알고리즘의 기본 원리는 오류진단을 위한 출력값 측정 지점에 따라 전체 회로 를 블록으로 나누고 다중오류에 대한 발생원인의 지수적 증가를 줄임으로 효율화 시 킬 수 있다. 각각의 블럭으로부터 발생하는 오류에 대해 결합하는 규칙을 개발하고 이를 통해 상호 논리적인 모순이 없는 최소 오류원인 집합을 구한다.

• Nuclear Engineering and Technology
• /
• 제55권2호
• /
• pp.506-515
• /
• 2023

This study is to find a method to learn engine sound after the start-up of a diesel generator installed in nuclear power plant with an unsupervised deep learning algorithm (CNN autoencoder) and a new method to predict the failure of a diesel generator using it. In order to learn the sound of a diesel generator with a deep learning algorithm, sound data recorded before and after the start-up of two diesel generators was used. The sound data of 20 min and 2 h were cut into 7 s, and the split sound was converted into a spectrogram image. 1200 and 7200 spectrogram images were created from sound data of 20 min and 2 h, respectively. Using two different deep learning algorithms (CNN autoencoder and binary classification), it was investigated whether the diesel generator post-start sounds were learned as normal. It was possible to accurately determine the post-start sounds as normal and the pre-start sounds as abnormal. It was also confirmed that the deep learning algorithm could detect the virtual abnormal sounds created by mixing the unusual sounds with the post-start sounds. This study showed that the unsupervised anomaly detection algorithm has a good accuracy increased about 3% with comparing to the binary classification algorithm.

• 한국기계가공학회지
• /
• 제20권12호
• /
• pp.85-91
• /
• 2021

In our daily life, artificial intelligence performs simple and complicated tasks like us, including operating mobile phones and working at homes and workplaces. Artificial intelligence is used in industrial technology for diagnosing various types of equipment using the machine learning technology. This study presents a fault mode effect analysis (FMEA) of start motors using machine learning and big data. Through multiple data collection, we observed that the primary failure of the start motor was caused by the melting of the magnetic switch inside the start motor causing it to fail. Long-short-term memory (LSTM) was used to diagnose the condition of the magnetic locations, and synthetic data were generated using the synthetic minority oversampling technique (SMOTE). This technique has the advantage of increasing the data accuracy. LSTM can also predict a start motor failure.

• Tribology and Lubricants
• /
• 제36권6호
• /
• pp.297-306
• /
• 2020

This paper reviews studies on the types and functions of oil sensors used for machine condition monitoring. Machine condition monitoring is essential for maintaining the reliability of machines and can help avoid catastrophic failures while ensuring the safety and longevity of operation. Machine condition monitoring involves several components, such as compliance monitoring, structural monitoring, thermography, non-destructive testing, and noise and vibration monitoring. Real-time monitoring with oil analysis is also utilized in various industries, such as manufacturing, aerospace, and power plants. The three main methods of oil analysis are off-line, in-line, and on-line techniques. The on-line method is the most popular among these three because it reduces human error during oil sampling, prevents incipient machine failure, reduces the total maintenance cost, and does not need complicated setup or skilled analysts. This method has two advantages over the other two monitoring methods. First, fault conditions can be noticed at the early stages via detection of wear particles using wear particle sensors; therefore, it provides early warning in the failure process. Second, it is convenient and effective for diagnosing data regardless of the measurement time. Real-time condition monitoring with oil analysis uses various oil sensors to diagnose the machine and oil statuses; further, integrated oil sensors can be used to measure several properties simultaneously.

• 대한안전경영과학회지
• /
• 제16권3호
• /
• pp.239-248
• /
• 2014

Most systems used in industrial sites, actually have non-linearity and uncertainty. Therefore there are a lot of difficulties in evaluating conditions of these systems. Generally, the quantitative analysis and expression are found hard because the general public cannot easily make an accurate interpretation on the systems. Thus development of a system that utilizes an expertise from skilled analysts is required. In this research, a real-time sensor signal conditioning system and Fuzzy-expert system have been separately set up into an inference algorithm. So that it ensures a fast, accurate, objective and quantitative operational condition value provided to the manager. Therefore, FE_AFCDM is suggested in this literature, as an effective system for diagnosing the problems related to the air compressor. It can quantify the uncertain and absurd condition to operate the air compressor facilities safely and financially.

• KNOM Review
• /
• 제23권1호
• /
• pp.18-25
• /
• 2020

최근 스마트 팩토리(Smart Factory)에 대한 연구는 단순히 공장 자동화(Factory Automation, FA)의 개념에서 데이터를 수집하고 분석하는 형태로 발전하고 있다. 이것은 통신 기술의 발전(5G)과 IoT 장치(device)들이 현장 상황에 맞춰 다양하게 개발되면서 가속화 되고 있다. 또한, 기업 경쟁력 강화로 디지털트랜스포메이션(Digital Transformation)이 활발히 이루어지고 있으며, 이를 각종 IoT 장비로 부터 수신한 데이터와 자동화된 설비를 결합시켜 공정 재조정을 통한 최적화 연구가 다양하게 진행되고 있다. 따라서 본 논문에서는 관련 연구 중 하나인 예측 시스템을 활용한 설비 장애 진단 및 조치 시스템 구조 및 요소를 제안한다.

• Nuclear Engineering and Technology
• /
• 제50권4호
• /
• pp.532-541
• /
• 2018

Decision support systems are a key focus of research on developing control rooms to aid operators in making reliable decisions and reducing incidents caused by human errors. For this purpose, models of complex systems can be developed to diagnose causes or consequences for specific alarms. Models applied in safety systems of complex and safety-critical systems require rigorous and reliable model building and testing. Multilevel flow modeling is a qualitative and discrete method for diagnosing faults and has previously only been validated by subjective and qualitative means. To ensure reliability during operation, this work aims to synthesize a procedure to measure model performance according to diagnostic requirements. A simple procedure is proposed for validating and evaluating the concept of multilevel flow modeling. For this purpose, expert statements, dynamic process simulations, and pilot plant experiments are used for validation of simple multilevel flow modeling models of a hydrocyclone unit for oil removal from produced water.

• 한국전자거래학회지
• /
• 제23권2호
• /
• pp.111-121
• /
• 2018

항공기 엔진, 풍력발전기, 모터 등 회전기기에서 발생하는 많은 문제들은 진동이나 소음과 같은 신호 데이터를 측정하여 이상감지를 할 수 있으며, 주파수 분석 등 여러 가지 신호처리가 데이터 전처리 단계에서 필요하다. 본 논문에서는 진동 데이터를 분석하여 설비 이상상태를 감지하는 기법을 소개한다. 정상상태 데이터를 기반으로 마할라노비스 거리를 측정하여 이상상태 유무를 모니터링 하는 방식을 사용한다. 특히 신호 데이터의 전처리 기법들을 도입하여 이상상태 감지의 성능을 개선할 수 있음을 보여준다. 전처리 단계에서 신호 데이터 수집 과정에서 발생한 누설오차(leakage)를 없애기 위해 해밍 윈도우(Hamming window)를 적용하고, 신호 데이터의 원신호인 포먼트(formant)를 분리하기 위하여 켑스트럼(cepstrum) 분석을 실시한다. IMS 베어링 진동 공개데이터를 대상으로 시간 구간별로 6가지 통계지표를 추출한 후 마할라노비스 거리 분류기를 적용하여 성능을 검증하였다. 제시된 신호처리 전처리 기법을 적용함으로써 성능이 획기적으로 향상되는 것을 실험에서 보여주었다.