• 한국해양공학회:학술대회논문집
• /
• 한국해양공학회 2006년 창립20주년기념 정기학술대회 및 국제워크샵
• /
• pp.46-53
• /
• 2006

This paper presents the fault diagnosis of induction motor based on support vector machine (SVMs). SVMs are well known as intelligent classifier with strong generalization ability. Application SVMs using kernel function is widely used for multi-class classification procedure. In this paper, the algorithm of SVMs will be combined with feature extraction and reduction using component analysis such as independent component analysis, principal component analysis and their kernel (KICA and KPCA). According to the result, component analysis is very useful to extract the useful features and to reduce the dimensionality of features so that the classification procedure in SVM can perform well. Moreover, this method is used to induction motor for faults detection based on vibration and current signals. The results show that this method can well classify and separate each condition of faults in induction motor based on experimental work.

• 한국컴퓨터정보학회논문지
• /
• 제19권2호
• /
• pp.21-30
• /
• 2014

최근 산업 현장에서 유도 전동기의 사용이 증대되고 있으며, 유도 전동기는 산업 현장에서 중요한 역할을 하고 있다. 따라서 유도 전동기의 결함으로 인한 피해를 최소화하기 위해 유도 전동기의 결함 검출 및 분류 시스템의 개발이 중요한 문제로 대두되고 있다. 따라서 본 논문에서는 유도전동기의 결함을 조기에 식별하기 위해 선형예측 코딩(LPC)기법과 Expectation Maximization(EM) 알고리즘을 이용하여 각각의 유도 전동기 고장의 스펙트럼 포락처리 모델을 추정한다. 앞서 두 기법을 사용하여 추정된 고장 유형 모델과 마할라노비스 거리(MD) 기법을 사용하여 유도전동기의 결합을 분류한다. 또한 제안된 알고리즘 성능을 평가하기 위해 기존에 제안된 진동 신호의 특징을 이용한 유도 전동기 결함 분류 알고리즘과 분류 정확도 측면에서 성능을 검증하였다. 실험 결과, 제안하는 알고리즘은 잡음이 없는 환경 및 잡음이 섞인 환경에서도 높은 분류 성능을 보였다.

• Smart Structures and Systems
• /
• 제19권2호
• /
• pp.195-202
• /
• 2017

The aim of this paper is to develop a novel method to determine the severity of a damage in a thin plate. This paper presents a novel fault detection and diagnosis approach employing a new electromagnetic acoustic transducer, called EMAT, together with a complex signal processing method. The method consists in the recognition of a fault that exists within the structure, the fault location, i.e. the identification of the geometric position of damage, and the determining the significance of the damage, which indicates the importance or severity of the defect. The main scientific novelties presented in this paper is: to develop of a new type of electromagnetic acoustic transducer; to incorporate wavelet transforms for signal representation enhancements; to investigate multi-parametric analysis for noise identification and defect classification; to study attenuation curves properties for defect localization improvement; flaw sizing and location algorithm development.

• 한국지능시스템학회논문지
• /
• 제15권6호
• /
• pp.673-681
• /
• 2005

원자력 발전소는 안정성 및 신뢰성 확보가 가장 중요하므로 고장의 감지 및 진단 시스템의 개발은 원전 자체가 구축하고 있: 다중의 하드웨어 중첩도(hardware redundancy)에도 불구하고 가장 중요한 문제로 취급되고 있다. 본 논문에서는 원저 PWR 증기발생기에서 발생한 고장을 진단하기 위한 알고리듬의 개발을 위해 시스템에서 발생한 고장을 감지하고 분류할 수 있는 ART2 시경회로망 기반 고장진단방법을 제안한다. 고장진단시스템은 발생한 고장을 감지하기 위한 고장감지부, 변화된 시스템파라미터를 추정하기 위한 파라미터 추정부 및 발생한 고장의 종류를 알아내기 위한 고장분류부로 구성된다. 고장분류부는 여러 경계인수를 갖는 ART2(adaptive resonance theory 2) 신경회로망을 이용한 고장분류기로 구성된다. 제안한 고장진단 알고리듬을 증기발생기의 고장진단문제에 적용하여 성능을 확인하였다.

• 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.

• 한국산업정보학회논문지
• /
• 제25권6호
• /
• pp.1-13
• /
• 2020

본 논문에서는 원전 비상 상황 발생 시 다수의 신호 오류가 발생했을 때 어떤 신호에 오류가 발생했는지를 추정하는 신호 오류 식별 (Fault identification) 방법론을 개발하였다. 변분 오토인 코더 (Variational autoencoder; VAE) 기반 모델은 기존의 이상 탐지 방법론과 같이 정상 신호 데이터만을 이용하여 훈련이 진행되며, 이후 각 신호에 대한 복원 오차 (Reconstruction error)와 복원 오차를 입력의 특정 부분으로 미분한 값을 이용하여 어떤 부분에 오류가 포함되어 있는지를 예측한다. 데이터 취득을 위하여 시뮬레이션을 수행하였으며, 일련의 실험으로부터 제시한 신호 오류 식별 방법이 적절한 오차 범위 내에서 오류가 발생한 신호를 특정할 수 있음을 확인하였다.

• 한국전자통신학회논문지
• /
• 제17권6호
• /
• pp.1075-1080
• /
• 2022

최근 인공지능 알고리즘으로 대표되는 머신러닝 및 딥러닝 알고리즘이 다양한 분야에서 예측, 분류, 군집화 등과 같은 분야에 적용하고자 하는 노력이 지속되고 있다. 이에 본 논문에서는 PCB의 보호용 필름의 미박리 상태를 디젝트론2를 이용하여 검출하는 알고리즘을 제시한다. 반사 임계각 42.8°의 조건으로 촬영된 이미지로 61장의 데이터를 기반으로, 42장의 데이터를 학습에 19장의 데이터를 검증에 사용하였다. 딥러닝을 이용한 PCB 미박리 필름 검출 결과 19장의 검증 데이터 중 16장 검출, 3장 오검출 결과를 얻었다.

• 한국컴퓨터정보학회논문지
• /
• 제25권4호
• /
• pp.19-27
• /
• 2020

본 논문에서는 정압기의 이상 상태 진단을 위한 기계학습 방법을 제안한다. 일반적으로 설비의 이상 상태 탐지를 위한 기계학습 모델 구현에는 관련 센서의 설치와 데이터 수집 과정이 동반되나, 정압기는 설비 특성상 안전문제에 매우 민감하여 추가적인 센서 설치가 매우 까다롭다. 이에 본 논문에서는 센서의 추가 설치 없이 정압기 설비에서 자체 수집되는 유량과 유압 데이터만을 가지고 정압기의 이상 상태를 조기에 판단하는 기계학습 모델을 제안한다. 본 논문에서는 정압기의 비정상데이터가 충분하지 않은 관계로, 모델 학습 시 오버 샘플링(Over-Sampling)을 적용하여 모델이 모든 클래스에 균형적으로 학습하도록 하였다. 또한, 그레이디언트 부스팅(Gradient Boosting), 1차원 합성곱 신경망(1D Convolutional Neural Networks), LSTM(Long Short-Term Memory) 등의 기계학습 알고리즘을 적용하여 정압기의 이상 상태를 판단하는 분류모델을 구현하였고, 실험 결과 그레이디언트 부스팅 알고리즘이 정확도 99.975%로 가장 성능이 우수함을 확인하였다.

• 한국조명전기설비학회:학술대회논문집
• /
• 한국조명전기설비학회 2007년도 춘계학술대회 논문집
• /
• pp.274-279
• /
• 2007

The fault identification of electrical rotating machinery have been special interests due to one of important elements in the industrial production line. It is directly related with products quality and production costs. The sudden breakdown of a motor will affect to the shut down of the whole processes. Therefore, rotating machines are required to a periodic diagnosis and maintenance for improving its reliability and increasing their lifetime. The objective of this work is to develop the diagnosis system with current signals for the effective identification of healthy and faulty motors using the developed diagnosis algorithm, which consists of the feature calculation, feature extraction, and feature classification procedures.

• 전자공학회논문지SC
• /
• 제48권1호
• /
• pp.31-38
• /
• 2011

다양한 산업 응용분야에 사용되는 전동기 구동시스템의 고장은 심각한 문제를 초래한다. 본 논문에서는 전압형 PWM 인버터의 스위치 개방고장에 대한 검출 기법을 제안한다. 제안방법은 dq 전류를 정규화하여 dq 상전류의 평균값으로 고장을 검출하고 1차 분류를 실시한다. 분류된 결과에 따라 dq 상전류의 관계, 값의 범위, 전류의 분포 위치 등의 특정을 이용하여 2차 분류를 실시하여 그 결과로 고장 스위치를 진단한다. 제안방법은 MATLAB을 이용하여 인버터 스위치 개방고장진단에 관한 모의실험을 수행하였고 제안방법의 실용성을 입증하였다. 제안방법은 간단한 알고리즘으로 구현이 가능하며 그로 인해 일반적인 유도전동기 구동시스템에 추가하여 사용하는 것이 가능하다.