• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 추계학술대회
• /
• pp.819-820
• /
• 2016

수배전분야는 고압 수배전반, 저압 수배전반, 모터 컨트롤 센터(motor control center; MCC)로 구성되며, MCC는 모터의 운전 및 정지를 할 수 있고, 이상상황 발생 시 비상정지 및 이상 상황에 대한 통보를 할 수 있도록 전자식 모터보호계전기(electronic over current relay; EOCR)가 사용되고 있다. 기존 EOCR은 과전류, 부족전류, 결상, 역상, 전류 불평형, 지락과 같은 전기적 결함 탐지는 가능하지만, 구속보호, 모터 고정자 및 회전자, 베어링 결함과 같은 기계적 결함은 탐지가 어렵다. 본 논문에서는 모터의 전기적, 기계적 결함을 탐지하기 위해 기존 EOCR의 전기적 결함 탐지에 기계적 결함 탐지를 결합하여 회전기기 보호장치를 위한 전기적인 결함과 기계적인 결함을 통합적으로 탐지할 수 있는 시스템을 제안한다. 회전기기 결함탐지를 위한 신호입력부 및 제어부, 시스템 인터페이스, 데이터 획득장치를 설계하였으며, 절연저항 측정, 모터 구속 측정 및 제어, MC 카운터 및 베어링 온도 측정 및 제어를 통해 전기적 결함과 기계적 결함 탐지가 가능하였다.

• 한국소음진동공학회논문집
• /
• 제14권12호
• /
• pp.1233-1240
• /
• 2004

Condition monitoring and fault diagnosis of machines are gaining importance in the industry because of the need to increase reliability and to decrease possible loss of production due to machine breakdown. By comparing the nitration signals of a machine running in normal and faulty conditions, detection of faults like mass unbalance, shaft misalignment and bearing defects is possible. This paper presents a novel approach for applying the fault diagnosis of rotating machinery. To detect multiple faults in rotating machinery, a feature selection method and support vector machine (SVM) based multi-class classifier are constructed and used in the faults diagnosis. The results in experiments prove that fault types can be diagnosed by the above method.

• Smart Structures and Systems
• /
• 제6권4호
• /
• pp.389-403
• /
• 2010

By using image recognition technology, this paper presents a new fault diagnosis method for rotating machinery with artificial immune algorithm. This method focuses on the vibration state parameter image. The main contribution of this paper is as follows: firstly, 3-D spectrum is created with raw vibrating signals. Secondly, feature information in the state parameter image of rotating machinery is extracted by using Wavelet Packet transformation. Finally, artificial immune algorithm is adopted to diagnose rotating machinery fault. On the modeling of 600MW turbine experimental bench, rotor's normal rate, fault of unbalance, misalignment and bearing pedestal looseness are being examined. It's demonstrated from the diagnosis example of rotating machinery that the proposed method can improve the accuracy rate and diagnosis system robust quality effectively.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2003년도 추계학술대회논문집
• /
• pp.537-543
• /
• 2003

Condition monitoring and fault diagnosis of machines are gaining importance in the industry because of the need to increase reliability and to decrease possible loss of production due to machine breakdown. By comparing the vibration signals of a machine running in normal and faulty conditions, detection of faults like mass unbalance, shaft misalignment and bearing defects is possible. This paper presents a novel approach for applying the fault diagnosis of rotating machinery. To detect multiple faults in rotating machinery, a feature selection method and support vector machine (SVM) based multi-class classifier are constructed and used in the faults diagnosis. The results in experiments prove that fault types can be diagnosed by the above method.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2001년도 춘계학술대회논문집
• /
• pp.603-608
• /
• 2001

In order to distinguish fault electric motors automatically in real time. an intelligent diagnosis technique may be required. This paper presents an automatic fault detection system for electric motors by using their acoustic noises. Time signals of each candidate motor were measured in an anechoic chamber for further analysis. Spectral analysis was first carried out and they showed that two typical types of fault motors could be successfully distinguished in the frequency domain; bearing faults and scratches. Unlike the trend of normal motors that shows only a single dominant peak at around 2000 ㎐, several peaks are bunched together in bearing fault motors. On the other hand, large frequency noises at around 6500 ㎐ are newly arisen in scratchy fault motors. However, the processing time for spectral analysis was rather long for a real time application in production lines. Thus, a number of band-pass filters were used in the time domain instead for a real time application. Before applying filters, the bands of filters were set from the information of spectral analysis. By applying a set of band-pass filters, the RMS values of each filtered signal were calculated, and thus the normal and damaged motors could be successfully distinguished.

• 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.

• Nuclear Engineering and Technology
• /
• 제55권6호
• /
• pp.2096-2106
• /
• 2023

Rotating machinery is widely applied in important equipment of nuclear power plants (NPPs), such as pumps and valves. The research on intelligent fault diagnosis of rotating machinery is crucial to ensure the safe operation of related equipment in NPPs. However, in practical applications, data-driven fault diagnosis faces the problem of small and imbalanced samples, resulting in low model training efficiency and poor generalization performance. Therefore, a deep convolutional conditional generative adversarial network (DCCGAN) is constructed to mitigate the impact of imbalanced samples on fault diagnosis. First, a conditional generative adversarial model is designed based on convolutional neural networks to effectively augment imbalanced samples. The original sample features can be effectively extracted by the model based on conditional generative adversarial strategy and appropriate number of filters. In addition, high-quality generated samples are ensured through the visualization of model training process and samples features. Then, a deep convolutional neural network (DCNN) is designed to extract features of mixed samples and implement intelligent fault diagnosis. Finally, based on multi-fault experimental data of motor and bearing, the performance of DCCGAN model for data augmentation and intelligent fault diagnosis is verified. The proposed method effectively alleviates the problem of imbalanced samples, and shows its application value in intelligent fault diagnosis of actual NPPs.

• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.1-8
• /
• 2023

자동차의 주요 부품인 휠 베어링에 결함이 생기면 교통사고등 문제를 발생시켜 이를 해결하기 위해 빅데이터를 수집해서 예측진단 및 관리 기술을 통한 휠 베어링의 고장 유무 및 고장 유형을 조기에 알려 주는 알고리즘과 모니터링 시스템 개발이 필요하다. 본 논문에서는 이러한 지능형 휠 허브 베어링 정비 시스템 구현을 위해 신뢰성 및 건전성에 대한 모니터링용 센서 및 예측 진단하는 알고리즘이 탑재된 임베디드 시스템을 개발하였다. 사용된 알고리즘은 휠 베어링에 설치된 가속도 센서로부터 진동 신호를 취득하고 이를 신호 처리기법, 결함주파수 분석, 건전성 특징 인자정의 등의 과정을 빅데이터 기술을 통해 고장을 예측하고 진단할 수 있다. 구현된 알고리즘은 진동 주파수 성분들은 최소화하고 휠 베어링에서 발생하는 진동 성분을 극대화할 수 있는 안정 신호 추출 알고리즘을 적용하고, 필터를 활용한 노이즈 제거에서는 인공지능 기반의 건전성 추출 알고리즘을 적용하였으며, FFT를 통한 결함 주파수를 분석하여 고장 특성인자 추출을 통한 고장을 진단하였다. 본 시스템의 성능 목표는 12,800ODR 이상으로 시험 결과를 통해 목표치를 만족하였다.

• 한국소음진동공학회논문집
• /
• 제16권4호
• /
• pp.404-413
• /
• 2006

Induction motors are the workhorse of our industry because of their versatility and robustness. The diagnosis of mechanical load and power transmission system failures is usually carried out through mechanical signals such as vibration signatures, acoustic emissions, motor speed envelope. The motor faults including mechanical rotor imbalances, broken rotor bar, bearing failure and eccentricities problems are reflected in electric, electromagnetic and mechanical quantities. The recent research has been directed toward electrical monitoring of the motor with emphasis on inspecting the stator current of the motor, The stator current spectrum has been widely used for fault detection in induction motor systems. The motor current signature analysis is the useful technique to assess machine electrical condition. This paper describes the motor condition detected by the current signatures Paralleled with vibration signatures analysis of induction motors with the roller bearing and the journal bearing type for large vertical pumps in power plant as examples to discuss for motor fault detection and diagnosis.

• 플랜트 저널
• /
• 제11권2호
• /
• pp.39-44
• /
• 2015

본 연구는 석탄화력 탈황설비인 흡수탑 교반기용 유도전동기의 베어링 결함진단을 토대로 전류 스펙트럼 해석이 예측정비 수단으로서 활용할 수 있는지를 논하고자 하였다. 베어링의 교체 전과 후의 전류스펙트럼 해석을 하고 베어링을 육안 점검하여 비교 분석함으로써 실제 발전 산업현장에서 부하운전중인 유도전동기의 베어링의 결함진단을 하였다. 분석 결과, 볼과 외륜의 베어링 결함에 해당하는 주파수성분이 예측한 값으로 검출되었고 전압기준의 진폭크기로 환산하여 베어링 교체하기 전과 후를 비교하면 결함이 진행될 경우 볼 결함에서는 약 2.9배 증가되고 외륜 결함에서는 약 2.24배 증가 되었음을 확인할 수 있었다. 이 같은 결론으로 인위적인 고장요소에 의한 베어링 결함진단 뿐만 아니라 산업현장에서 부하 운전되고 있는 유도전동기의 베어링 결함을 사전에 예측하는데 있어서도 매우 유용하였다.