• 한국지능시스템학회논문지
• /
• 제24권1호
• /
• pp.96-101
• /
• 2014

풍력은 전 세계적으로 가장 각광을 받고 있는 신재생 에너지이며 당분간 이러한 추세는 계속될 것으로 기대되고 있다. 최근 풍력발전시스템의 O&M(Operation & Maintenance) 비용의 절감에 대한 필요성이 꾸준히 대두되고 있는 실정이다. O&M 비용의 절감을 위한 가장 효율적인 방법은 CMS(Condition Monitoring System)의 도입이며 이는 풍력발전기 부품들의 악화, 적절한 선제적 유지보수, 발전중지시간의 단축 및 궁극적으로 풍력발전기의 운전 효율을 증대시키는 것을 가능케 한다. 풍력발전기의 터빈 로터와 관련하여 질량 불평형 및 공력비대칭과 같은 고장이 발생될 수 있다. 일반적으로 이러한 고장은 다양한 형태의 진동을 야기 시킨다. 이에 본 연구에서는 진동신호에 대한 스펙트럼과 간단한 max-min 진단 로직으로 구성된 고장검출 알고리즘을 제안한다. 또한 제안된 진단기법의 유용성의 확인을 위해 GH-Bladed 프로그램을 이용한 다양한 시뮬레이션 고찰을 수행한다.

• International Journal of Aeronautical and Space Sciences
• /
• 제9권1호
• /
• pp.100-110
• /
• 2008

It is not easy to monitor and identify all engine faults and conditions using conventional fault detection approaches like the GPA (Gas Path Analysis) method due to the nature and complexity of the faults. This study therefore focuses on a model based diagnostic method using Neural Network algorithms proposed for fault detection on a turbo shaft engine (PW 206C) selected as the power plant for a tilt rotor type unmanned aerial vehicle (Smart UAV). The model based diagnosis should be performed by a precise performance model. However component maps for the performance model were not provided by the engine manufacturer. Therefore they were generated by a new component map generation method, namely hybrid method using system identification and genetic algorithms that identifies inversely component characteristics from limited performance deck data provided by the engine manufacturer. Performance simulations at different operating conditions were performed on the PW206C turbo shaft engine using SIMULINK. In order to train the proposed BPNN (Back Propagation Neural Network), performance data sets obtained from performance analysis results using various implanted component degradations were used. The trained NN system could reasonably detect the faulted components including the fault pattern and quantity of the study engine at various operating conditions.

• 한국추진공학회지
• /
• 제12권6호
• /
• pp.1-6
• /
• 2008

본 연구에서는 계측 데이터의 성능 추이를 분석하여 가스터빈 엔진의 결함 여부를 탐지하기 위한 퍼지 경향감시 방법을 제안하였다. 제안된 경향감시 방법은 연료유량, 배기가스 온도, 로터회전수, 진동수와 같은 중요 엔진 파라미터를 모니터링 하여 시간에 따른 변화를 분석하여 엔진 상태를 진단하는 것이다. 이를 위해 먼저 선형회귀분석을 통해 엔진 상태 변화를 수식화하고 퍼지 로직을 통해 진단 결과를 분석하여 예측되는 손상 원인을 제시한다.