• Journal of Electrical Engineering and Technology
• /
• 제2권4호
• /
• pp.485-493
• /
• 2007

This paper deals with the problem of detection of induction motor incipient faults. Artificial Neural Network (ANN) approach is applied to detect two types of incipient faults (1). Interturn insulation and (2) Bearing wear faults in single-phase induction motor. The experimental data for five measurable parameters (motor intake current, rotor speed, winding temperature, bearing temperature and the noise) is generated in the laboratory on specially designed single-phase induction motor. Initially, the performance is tested with two inputs i.e. motor intake current and rotor speed, later the remaining three input parameters (winding temperature, bearing temperature and the noise) were added sequentially. Depending upon input parameters, the four ANN based fault detectors are developed. The training and testing results of these detectors are illustrated. It is found that the fault detection accuracy is improved with the addition of input parameters.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1850-1851
• /
• 2011

The faults of a electric motor cause to rise the maintenance and repair cost and to reduce the reliability of the electric power system. In this paper, the auto fault detection system for a induction motor is developed using the torque signal spectrum analysis. The spectrum of motor torque signal is used for finding a bearing fault feature frequency. A threshold value, for detecting the motor bearing fault is set by the difference of torque signal spectrum(FFT signal) between normal condition and faulted condition of the motor.

• Tribology and Lubricants
• /
• 제3권1호
• /
• pp.52-60
• /
• 1987

Many kinds of condition monitoring technique as the preventive maintenance technique have been studied, so this study has investigated the possibility of chbcking the trend in the fault diagnosis of ball bearing, one of the important elements of rotating machine, by applying the cepstral analysis method. And computer simulation is conducted in order to identify obviously the physical meaning of cepstral analysis. It is identified that cepstral analysis is effective method to distinguish between the basic and reflected wave by computer simulation, and we know that it is possible to apply the cepstral analysis to the arbitrary elements of rotating machine which are different in fundamental frequency. It is verified that cepstral analysis method is more effective than the other conventional method in bearing fault diganosis.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2004년도 춘계학술발표회
• /
• pp.74-81
• /
• 2004

In this study, static end loading tests with load transfer measurement were accomplished for large diameter drilled shaft constructed in fault zone. Yield pile capacity (or ultimate pile capacity) from load-settlement curve was determined and axial load transfer behavior was measurd. The end bearing capacity was increased 2 times due to grouting the toe ground under pile base.

• 한국소음진동공학회논문집
• /
• 제17권11호
• /
• pp.1102-1111
• /
• 2007

The theory for a fault-tolerant control of homopolar magnetic bearings is developed. New coil winding law is utilized such that control fluxes are isolated for an 8-pole homopolar magnetic bearing. Decoupling chokes are not required for the fault tolerant magnetic bearing since C-core fluxes are isolated. If some of the coils or power amplifiers suddenly fail, the remaining coil currents change via a distribution matrix such that the same magnetic forces are maintained before and after failure. Lagrange multiplier optimization with equality constraints is utilized to calculate the optimal distribution matrix that maximizes the load capacity of the failed bearing. Some numerical examples of distribution matrices are provided to illustrate the theory. Simulations show that very much the same dynamic responses (orbits or displacements) are maintained throughout failure events while currents and fluxes change significantly.

• 비파괴검사학회지
• /
• 제33권4호
• /
• pp.355-360
• /
• 2013

본 연구에서는 적외선 열화상 카메라를 통하여 베어링의 온도변화를 분석하고, FEM 수치해석을 통하여 모델러에 대한 정상상태에서의 시뮬레이션을 통해 베어링의 열적분포를 해석하였다. 전산 열해석을 위한 유한요소 해석과 열화상 실험을 서로 비교분석하였고 유한요소 전산해석을 통하여 열화상 실험의 정확도를 확인하였다. 본 연구를 통하여 적외선 열화상 실험은 실시간으로 베어링의 상태를 감시할 수 있어 다른 진단방식보다 많은 장점을 가지고 있다. 또한 작업 현장에서 베어링 파손 상태 유무 확인과 파손 방지를 위해서 현장 작업조건을 적용한 유한요소 해석 결과를 비롯하여, 하중조건 회전속도조건, 볼 손상조건, 내외륜 손상조건 등에 따라, 열화상 카메라로 실시간으로 베어링을 감시하면 베어링의 파손을 진단 검출할 수 있다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2002년도 추계학술대회논문집
• /
• pp.611-616
• /
• 2002

Bearing diagnostics is difficult in a gearbox because bearing signals are masked by the strong gear signals. Self adaptive noise cancellation(SANC) is useful technique to seperate bearing signals from gear signals. While gear signals are correlated with a long correlation length, bearing signals are not correlated with a short length. SANC seperates two components on the basis of correlation length. Then we can find defect frequency component in the envelope spectrum of the bearing signals.

• 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.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권4호
• /
• pp.179-188
• /
• 2022

기계의 주요 부품인 베어링 결함 진단에 딥러닝을 활용하는 연구가 활발하게 진행되어 좋은 성능을 달성하였으나, 학습 데이터와 테스트 데이터의 운영 환경 차이로 인해 기계가 실제로 가동되는 환경에서는 성능 저하가 발생하는 문제가 있다. 학습 데이터와 테스트 데이터의 분포 차이 문제를 다루는 방법으로 데이터 적응이 제안되어 좋은 결과를 보여주고 있으나, 각 방법이 가정하고 있는 특정 적용 시나리오를 벗어나기 어렵다는 제약이 있다. 이에 본 연구는 MFCCs를 이용한 입력 데이터의 변환과 간단한 CNN 구조를 이용해 원시 도메인 데이터로부터 생성된 모델에 대해 추가적인 학습이나 조정 없이 타겟 도메인 데이터에 대한 테스트를 강건하게 수행하는 방법을 제안하였으며, 대표적인 베어링 결함 진단 데이터셋인 CWRU 베어링 데이터를 이용해 제안한 방법에 대한 실험 및 분석을 수행하였다. 실험 결과 전이 학습 기반의 방법들과 대등한 성능을 보였으며, 입력 변환 기반의 베이스라인 방법보다는 최소 15% 정도의 높은 성능을 달성하였다.

• 전기전자학회논문지
• /
• 제26권3호
• /
• pp.488-493
• /
• 2022

제조 현장에 사용되는 전기적 구동 모터는 베어링의 결함 발생 시 시스템 전체의 작동 정지를 초래하게 된다. 제조 환경 작동의 정지는 시간과 금전적으로 막대한 손해를 일으키며 이러한 베어링의 결함 원인으로는 회전 요소들의 지속적인 접촉으로 인한 마모, 과도한 하중 적용, 구동 환경 등 다양한 요소가 될 수 있다. 따라서 본 논문에서는 국내 제조 환경과 유사한 모터 구동 환경을 제작하여, 다양한 원인의 베어링 환경을 모의한다. 또한 구축된 환경을 바탕으로 정상 및 결함 상태에 따라 달라지는 진동 특성의 변화를 센서를 통해 수집하여 베어링 결함 예지 정비를 위한 데이터셋을 제안한다. 진동 특성 수집에 사용된 센서는 Microphone G.R.A.S. 40PH-10을 사용하여 수집하였으며, 다양한 기계학습 모델을 사용하여 제안하는 데이터셋에 훈련된 견본 베어링 예지 정비 시스템을 제작해본 결과, 심층 신경망 모델 기준 시간 영역 92.3%, 주파수 영역 98.3%의 높은 정확도 성능을 보여준다.