• International Journal of Computer Science & Network Security
• /
• 제22권2호
• /
• pp.123-130
• /
• 2022

During the past decades, detection of gear defects remains as a major problem, especially when the gears are subject to non-stationary phenomena. The idea of this paper is to mixture a multilevel wavelet transform with a fast EMD decomposition in order to early detect gear defects. The sensitivity of a kurtosis is used as an indicator of gears defect burn. When the gear is damaged, the appearance of a crack on the gear tooth disrupts the signal. This is due to the presence of periodic pulses. Nevertheless, the existence of background noise induced by the random excitation can have an impact on the values of these temporal indicators. The denoising of these signals by multilevel wavelet transform improves the sensitivity of these indicators and increases the reliability of the investigation. Finally, a defect diagnosis result can be obtained after the fast transformation of the EMD. The proposed approach consists in applying a multi-resolution wavelet analysis with variable decomposition levels related to the severity of gear faults, then a fast EMD is used to early detect faults. The proposed mixed methods are evaluated on vibratory signals from the test bench, CETIM. The obtained results have shown the occurrence of a teeth defect on gear on the 5th and 8th day. This result agrees with the report of the appraisal made on this gear system.

• 한국융합학회논문지
• /
• 제13권1호
• /
• pp.23-30
• /
• 2022

냉동 컨테이너의 고장은 큰 비용의 손실을 야기하지만, 현재 냉동 컨테이너의 알람 체계는 효율성이 떨어진다. 기존에 냉동 시스템의 시뮬레이션 데이터를 활용한 연구는 존재하지만, 냉동 컨테이너의 실제 운영 데이터를 활용한 연구는 부족하다. 이에 본 연구는 실제 냉동 컨테이너 운영 데이터를 활용하여 고장 원인을 분류하였다. 실제 데이터에서는 데이터 불균형이 발생하였으며 ENN-SMOTE, 클래스 가중치를 둔 Logistic 회귀분석과 본 연구에서 개발한 2-stage 알고리즘을 비교하여 데이터 불균형문제를 해결하였다. 2-stage 알고리즘은 XGboost, LGBoost, DNN을 사용하여 첫 번째 단계에서는 고장 및 정상을 분류하고, 두 번째 단계에서는 고장의 원인을 분류하는 알고리즘이다. 2-stage 알고리즘에서 LGBoost를 사용한 모델이 99.16%의 정확도로 가장 우수하였다. 본 연구는 데이터 불균형을 해결하기 위해 2-stage 알고리즘을 활용한 최종모델을 제안하며 이는 다른 산업에도 활용할 수 있을 것으로 사료된다.

• Korean Chemical Engineering Research
• /
• 제46권2호
• /
• pp.233-247
• /
• 2008

공정 모니터링 기술은 공정 내에서 일어나는 예상치 못한 조업변화 및 이상을 조기에 감지하고 조업 이상에 영향을 끼친 근본 원인을 밝혀내어 제거해 줌으로써 공정의 안정적인 조업과 양질의 제품생산의 기반을 제공하여 준다. 데이터에 기반한 통계적 공정 모니터링 방법은 양질의 공정 데이터만 주어진다면 통계적 처리를 접목하여 비교적 쉽게 모니터링을 할 수 있고 공정의 데이터 분석에 이용할 수 있는 도구를 얻을 수 있다는 장점이 있다. 그러나 실제 공정에서는 비선형성, non-Gaussianity, 다중 운전모드, 공정상태변화로 인해 기존의 다변량 통계적 방법을 이용한 공정 모니터링 기법은 비효율적이거나, 공정 감시 성능의 저하, 종종 신뢰할 수 없는 결과를 야기한다. 이러한 경우 기존의 방법으로는 더이상 공정을 정확히 감시할 수 없기 때문에 최근에 많은 새로운 방법들이 개발 되었다. 본 총설에서는 이러한 단점을 보안하기 위해 최근 주목할 만한 연구결과인 공정 비선형성을 고려한 커널주성분분석(kernel principle component analysis) 모니터링 기법, 주성분분석 모델 조합을 이용한 다중모델(mixture model) 모니터링 기법, 공정 변화를 고려한 적응모델(adaptive model) 모니터링 기법, 그리고 센서 이상진단과 보정의 이론과 응용결과에 대하여 소개한다.

• 한국정보전자통신기술학회논문지
• /
• 제10권1호
• /
• pp.77-84
• /
• 2017

회전하는 기계시스템에서는 일반적으로 시변 진동신호가 발생되며, 회전기에 고장이 있는 경우 이 신호에 잡음이 포함된다. 본 논문에서는 잡음이 포함된 시변 진동신호를 분해하기 위한 적응예측기와 이진트리구조 필터뱅크로 구성되는 시스템을 제안한다. 그리고 이 시스템에서 분석된 진동신호 결과를 회전기 고장진단에 활용할 수 있음을 보인다. 제안 시스템 적응 예측기는 주기신호성분을 예측하며, 필터뱅크 시스템에서는 입력신호와 예측된 주기신호와의 차 신호를 부밴드 대역으로 분해한다. 각 부밴드 신호에는 고장에 따른 잡음 신호성분이 포함되므로, 이를 이용 회전기의 고장진단이 가능하다. 제안한 신동신호분석 방법의 타당성을 시뮬레이션에서 보이며, 시뮬레이션에서는 주기신호 성분이 제거된 진동신호를 32 부밴드로 분해하여 고장관련 신호 특성을 분석한다.

• 조명전기설비학회논문지
• /
• 제23권5호
• /
• pp.18-28
• /
• 2009

고정자 권선의 단락으로 인한 고장을 해석하고 진단 알고리즘의 효과적인 시험 평가를 위해 사용될 수 있는 인버터 구동 영구자석 동기전동기의 고장모델이 제시된다. 기존에 전동기의 해석과 제어에 많이 사용되는 dq 모델은 상전압 모델을 변환한 것으로 전동기 고정자의 권선 단락 시에는 더 이상 3상평형 조건이 성립하지 않기 때문에 인버터 극전압으로부터 전동기 입력 전압을 구하기가 쉽지 않아 고장모델의 해석을 위해서 사용하기 어렵다. 이를 해결하기 위해 전동기 3상 변수와 선전압 관계식을 이용한 전동기의 고장모델이 제안된다. 제안된 고장모델의 타당성을 입증하기 위해 시뮬레이션이 수행되며 내부 고정자의 권선 단락이 가능하도록 제작된 전동기와 DSP TMS320F28335를 이용한 제어 시스템에 의해 동일 고장 조건에서 비교 실험이 수행된다.

• 한국소음진동공학회논문집
• /
• 제24권7호
• /
• pp.555-561
• /
• 2014

Acoustic Emission technique is widely applied to develop the early fault detection system, and the problem about a signal processing method for AE signal is mainly focused on. In the signal processing method, envelope analysis is a useful method to evaluate the bearing problems and wavelet transform is a powerful method to detect faults occurred on rotating machinery. However, exact method for AE signal is not developed yet for the rotating machinery diagnosis. Therefore, in this paper two methods which are processed by Hilbert transform and DET for feature extraction. In addition, we evaluate the classification performance with varying the parameter from 2 to 15 for feature selection DET, 0.01 to 1.0 for the RBF kernel function of SVR, and the proposed algorithm achieved 94 % classification of averaged accuracy with the parameter of the RBF 0.08, 12 feature selection.

• 조명전기설비학회논문지
• /
• 제19권5호
• /
• pp.80-86
• /
• 2005

유도전동기는 프로세스산업과 다른 산업분야에 광범위하게 적용되는 매우 중요한 기기이다. 프랜트를 운전함에 있어서 이의 신뢰성, 효율 및 성능은 매우 중요한 관심사항이다. 특히 유도전동기의 고장을 미리 검출하여 진단하고 고장 아래에서도 시스템이 안전하고 신뢰성 있는 성능을 가질 수 있는 고장허용제어의 실현이 매우 중요하다. 따라서 본 논문에서는 고정자전류신호 검출과 디지털 신호 프로세싱에 의한 효과적인 유도전동기의 베어링 고장검출 및 진단 기반을 가진 고장허용제어 시스템을 구축하였다. 또한 모타 고장허용제어에 기본이 되는 제어 하드웨어 구조를 제시하였으며 실험을 통하여 이 시스템의 실시간 데이터 취득 성능을 확인하였다.

• 조명전기설비학회논문지
• /
• 제22권9호
• /
• pp.17-24
• /
• 2008

최근에 신뢰성 있는 전력공급의 중요성이 증가하고 있다. 이에 따라 전력기기 진단의 중요성 역시 증가하고 있다. 산업설비로 많이 사용되는 고압 회전기는 장기간 사용함에 따라 고정자 권선 절연부분이 열화되어 예상치 못한 절연파괴 사고로 많은 손실을 일으킨다. 이를 진단하기 위하여 고압 회전기 고정자 권선에 접촉식 Capacitive Coupler를 설치하고 부분방전 신호를 계측하여 유지 보수하는 것이 가장 넓게 사용되고 있다. 하지만 현장에서 부분방전 계측 시 노이즈가 혼재된다면 정밀한 부분방전 신호를 계측하는 것이 불가능해진다. 본 논문에서는 국내 수력발전소 중 25년 이상 가동 중인 13[kV]급 수력발전기 고정자 권선에서 160[pF] 용량의 접촉식 Capacitive Coupler를 이용하여 취득한 계측신호를 분석하여 기존 하드웨어적으로만 노이즈를 제거하여도 잔존하는 노이즈를 제거하기 위해 소프트웨어적인 주변신호원과의 관계를 고려한 노이즈제거 기법을 제안하였다.

• 융합정보논문지
• /
• 제9권10호
• /
• pp.101-107
• /
• 2019

본 논문은 화력 발전소 및 시멘트 산업에서 필요한 원자재의 운송 수단에 사용되는 컨베이어 시스템에서의 고장을 검출하는 방법을 제안하였다. 산업현장에서 사람이 접근하기가 힘들고 넓은 공간에 시스템이 동작 하는 점을 고려하여 소형 드론을 설계하였고 컨베이어의 이상을 감지하기 위하여 컨베이어에 내장된 모터의 이상 소음을 감지하는 방법을 임베디드 환경으로 설계하여 드론에 장착하는 구조로 제안하였다. 시스템을 임베디드 마이크로프로세서에 적용하기 위하여 제한된 메모리와 수행 시간을 고려한 하드웨어 및 알고리즘을 제안하였으며 주파수 분석을 통해 고장의 경향을 파악하여 알고리즘 화 하였다. 이때 고장 판별 방식은 측정을 통하여 피크주파수를 측정하고 고주파수의 연속성을 감지하는 방식으로 고장에 의한 소음의 높은 주파수를 분석하여 고장진단을 시행할 수 있었다. 제안된 시스템은 실제 화력 발전소에서 취득한 데이터를 바탕으로 실험 환경을 구성하였으며 드론에 설계된 시스템을 탑재하여 가상 환경 실험을 하여 제안된 시스템의 유용성을 확인하였다. 향후에는 드론의 비행 안정성 향상과 고장 주파수에 대한 좀 더 정밀한 방법을 사용하여 판별성능을 향상 시키는 연구가 요구된다.

• Nuclear Engineering and Technology
• /
• 제53권1호
• /
• pp.148-163
• /
• 2021

Timely fault identification is important for safe and reliable operation of the electric valve system. Many research works have utilized different data-driven approach for fault diagnosis in complex systems. However, they do not consider specific characteristics of critical control components such as electric valves. This work presents an integrated shallow-deep fault diagnostic model, developed based on signals extracted from DN50 electric valve. First, the local optimal issue of particle swarm optimization algorithm is solved by optimizing the weight search capability, the particle speed, and position update strategy. Then, to develop a shallow diagnostic model, the modified particle swarm algorithm is combined with support vector machine to form a hybrid improved particle swarm-support vector machine (IPs-SVM). To decouple the influence of the background noise, the wavelet packet transform method is used to reconstruct the vibration signal. Thereafter, the IPs-SVM is used to classify phase imbalance and damaged valve faults, and the performance was evaluated against other models developed using the conventional SVM and particle swarm optimized SVM. Secondly, three different deep belief network (DBN) models are developed, using different acoustic signal structures: raw signal, wavelet transformed signal and time-series (sequential) signal. The models are developed to estimate internal leakage sizes in the electric valve. The predictive performance of the DBN and the evaluation results of the proposed IPs-SVM are also presented in this paper.