• 한국철도학회논문집
• /
• 제20권2호
• /
• pp.223-233
• /
• 2017

철도에 사용되고 있는 분기기는 중요한 시스템 중 하나이다. 분기기 시스템의 건전성은 철도운용 안정성에 매우 중요하다. 분기기 시스템을 진단하기 위하여, LVDT와 accelerometer를 분기기에 설치하였다. LVDT는 분기기에서 변위가 발생하는 부분에 설치하여, 분기기의 이동과 차량의 주행에서 발생되는 변위를 측정하였다. Accelerometers는 충격과 진동이 발생하는 부분에 설치하여 충격량과 진동을 측정하였다. 측정된 데이터를 이용하여 변수화를 위한 데이터를 추출하였으며, 이 변수들은 진단에 사용하였다. 진단 알고리즘은 확률분포와 인공신경망을 사용하였다. 변수화된 값이 확률분포를 이용하여 판단할 수 있으면 확률분포를 사용하였으며, 형태를 보고 판단할 필요가 있으면 인공신경망을 활용하였다. 본 논문에서는 정상적인 상태에서 데이터를 측정하여, 정상상태의 조건을 위한 학습을 수행하였다.

• 제어로봇시스템학회논문지
• /
• 제18권10호
• /
• pp.921-927
• /
• 2012

In this paper we deal with a hydraulic tilting actuator to make a diagnosis of load characteristic acting on the tilting actuator of the tilting train. Tilting actuator in the tilting train plays a role of making tilt of the train when the train runs a curve section to make the train run without deceleration. However in the process of tilt the tilting actuator is affected by the load acting on the actuator, which has a possibility to make bogie vibration. In order to figure out the effect of the load on the tilting actuator a hydraulic tilting devices that are capable of tilting the train is proposed. The proposed devices are installed in the front bogie and in the rear bogie to make tilting of the train. The devices are consist of sensors that measure the load capacity of the actuator and displacement of the hydraulic cylinder stroke, control blocks to make synchronization of the two actuators, user interface block to monitor the status of the actuators. The effectiveness of the proposed hydraulic tilting actuators is presented by the experimental evaluation using actual tilting train.

• 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.

• 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.

• 한국인터넷방송통신학회논문지
• /
• 제22권3호
• /
• pp.9-14
• /
• 2022

각종 기기들이 연결되는 사물인터넷(internet of things) 시스템에서 중요한 부품의 고장은 경제적, 인명의 손실을 야기할 수 있다. 시스템 내에서 발생하는 고장으로 인한 손실을 줄이기 위해 고장 검진 기술이 IoT에서 중요한 기술로써 여겨지고 있다. 본 논문에서는 그래프 신경망 기반 방법을 사용하여 시스템 내의 설비에서 취득된 진동 데이터의 특징을 추출하여 고장 여부를 판단하고 유형을 분류하는 방법을 제안한다. 딥러닝 모델의 학습을 위해, CWRU(case western reserve university)에서 취득된 고장 데이터 셋을 입력 데이터로 사용한다. 제안하는 모델의 분류 정확도 성능을 확인하기 위해 기존 제안된 합성곱 신경망(convolutional neural networks) 기반 분류 모델과 제안된 모델을 비교한다. 시뮬레이션 결과, 제안된 모델은 불균등하게 나누어진 데이터에서 기존 모델보다 분류 정확도를 약 5% 향상 시킬 수 있는 것을 확인하였다. 이후 연구로, 제안하는 모델을 경량화해서 분류 속도를 개선할 예정이다.

• International Journal of Computer Science & Network Security
• /
• 제23권1호
• /
• pp.147-152
• /
• 2023

Mostly in motor fault detection the instantaneous values 3 axis vibration and 3phase current in time domain are acquired and converted to frequency domain. Vibrations are more useful in diagnosing the mechanical faults and motor current has remained more useful in electrical fault diagnosis. With having some experience and knowledge on the behavior of acquired data the electrical and mechanical faults are diagnosed through signal processing techniques or combine machine learning and signal processing techniques. In this paper, a single-layer LSTM based condition monitoring system is proposed in which the instantaneous values of three phased motor current are firstly acquired in simulated motor in in health and supply imbalance conditions in each of three stator currents. The acquired three phase current in time domain is then used to train a LSTM network, which can identify the type of fault in electrical supply of motor and phase in which the fault has occurred. Experimental results shows that the proposed single layer LSTM algorithm can identify the electrical supply faults and phase of fault with an average accuracy of 88% based on the three phase stator current as raw data without any processing or feature extraction.

• 반도체디스플레이기술학회지
• /
• 제21권4호
• /
• pp.65-70
• /
• 2022

In manufacturing and semiconductor industries, transfer robots increase productivity through accurate and continuous work. Due to the nature of the semiconductor process, there are environments where humans cannot intervene to maintain internal temperature and humidity in a clean room. So, transport robots take responsibility over humans. In such an environment where the manpower of the process is cutting down, the lack of maintenance and management technology of the machine may adversely affect the production, and that's why it is necessary to develop a technology for the machine failure diagnosis system. Therefore, this paper tries to identify various causes of failure of transport robots that are widely used in semiconductor automation, and the Prognostics and Health Management (PHM) method is considered for determining and predicting the process of failures. The robot mainly fails in the driving unit due to long-term repetitive motion, and the core components of the driving unit are motors and gear reducer. A simulation drive unit was manufactured and tested around this component and then applied to 6-axis vertical multi-joint robots used in actual industrial sites. Vibration data was collected for each cause of failure of the robot, and then the collected data was processed through signal processing and frequency analysis. The processed data can determine the fault of the robot by utilizing machine learning algorithms such as SVM (Support Vector Machine) and KNN (K-Nearest Neighbor). As a result, the PHM environment was built based on machine learning algorithms using SVM and KNN, confirming that failure prediction was partially possible.

• 한국조명전기설비학회:학술대회논문집
• /
• 한국조명전기설비학회 2004년도 학술대회 논문집
• /
• pp.371-374
• /
• 2004

Induction motors are a critical component of many industrial processes and are frequently integrated in commercially available equipment. Safety, reliability, efficiency, and performance are some of the major concerns of induction motor applications. Preventive maintenance of induction motors has been a topic great interest to industry because of their wide range application of industry. Since the use of mechanical sensors, such as vibration probes, strain gauges, and accelerometers is often impractical, the motor current signature analysis (MACA) techniques have gained murk popularity as diagnostic tool. Fault tolerant control (FTC) strives to make the system stable and retain acceptable performance under the system faults. All present FTC method can be classified into two groups. The first group is based on fault detection and diagnostics (FDD). The second group is independent of FDD and includes methods such as integrity control, reliable stabilization and simultaneous stabilization. This paper presents the fundamental FDD-based FTC methods, which are capable of on-line detection and diagnose of the induction motors. Therefore, our group has developed the embedded distributed fault tolerant and fault diagnosis system for industrial motor. This paper presents its architecture. These mechanisms are based on two 32-bit DSPs and each TMS320F2407 DSP module is checking stator current, voltage, temperatures, vibration and speed of the motor. The DSPs share information from each sensor or DSP through DPRAM with hardware implemented semaphore. And it communicates the motor status through field bus (CAN, RS485). From the designed system, we get primitive sensors data for the case of normal condition and two abnormal conditions of 3 phase induction motor control system is implemented. This paper is the first step to drive multi-motors with serial communication which can satisfy the real time operation using CAN protocol.

• 대한기계학회논문집B
• /
• 제37권6호
• /
• pp.551-558
• /
• 2013

서포트 벡터 머신(Support Vector Machine, SVM)은 학습용 데이터 집합이 확보되어 있을 경우, 매우 강력한 분류 알고리즘이다. 따라서 패턴인식은 물론 기계학습 분야에서 결함진단 도구의 하나로 이용되고 있다. 본 논문에서는 최적 특징과 SVM 을 이용하여 볼 베어링의 결함유형과 결함의 정도를 진단한 결과를 기술하였다. SVM 학습용 특징데이터에는 12 개의 시간영역 특징과 9 개의 주파수영역 특징들이 포함되어 있으며 이들 특징들은 다양한 베어링 결함조건에서 측정된 진동신호와 진동신호의 이산 웨이블렛 변환신호로부터 추출되었다.

• 한국공간구조학회논문집
• /
• 제9권3호
• /
• pp.67-74
• /
• 2009

가진력의 영향을 평가하기 위해 이용되는 압전소자와 물체의 변형량을 분석하기 위해 사용되는 광섬유 센서와 변형 게이지는 각종 시험과 실험에 널리 사용되고 있다. 본 연구에서는 케이블 시스템에서 발생한 손상을 검토하기 위해 압전소자와 광섬유센서를 이용하였다. 케이블 시스템은 압축이나 휨이 발생하지 않고 막구조에서 단지 인장력을 분담한다. 그러나 기존의 안전진단법을 이용하여 케이블 시스템의 손상을 판단하는 것은 전체구조의 특이한 구조거동 등으로 검토하기 어렵다. 인장부재에서 케이블의 풀림과 할렬이 발생하면 진동을 유발하기 때문에 압전소자를 케이블의 손상을 검토하기 위해 이용하였으며, 이를 광섬유 센서를 이용한 실험의 결과와 비교하였다. 본 연구는 인장응력 하에 케이블 시스템의 손상을 검토하는 방법을 제안하기 위한 실험적 연구이다.