• 한국원자력학회:학술대회논문집
• /
• 한국원자력학회 1998년도 춘계학술발표회논문집(1)
• /
• pp.303-308
• /
• 1998

SMART 계측제어계통 측정신호의 신뢰성을 높이기 위한 실시간 신호검증알고리듬을 개발하였다. 개발된 알고리듬은 선행고장검출행렬, 아날로그 신호용 다중성 기법, 접촉신호용 논리표 알고리듬, 주파수 신호용 다중성 기법 그리고 아날로그 센서 경증을 위한 통계적 모듈의 5개 모듈로 구성되어 있다. 선행고장검출행렬은 측정 신호 중에서 고장의 가능성이 있는 신호를 추출하여 선정된 신호만을 적절한 알고리듬으로 검증하도록 함으로써 전체적인 수행시간을 감소시킨다. 아날로그 신호검증 모듈은 아날로그 측정신호에 대한 물리적/해석적 다중성에 입각하여 고장신호의 크기, 위치를 검출하며, 접촉신호 검증 모듈은 접촉신호들간의 논리값을 비교하여 발생 불가능한 논리값을 가지는 신호를 고장신호로 검출한다. 주파수신호는 아날로그 신호와 유사한 기법을 구현하였으며, 통계적 모듈은 아날로그 센서 자체의 물리적 건전성을 검사하는 모듈이다. 현재 SMART의 설계가 확정되어 있지 않으므로 개발된 신호검증알고리듬을 시험하기 위해서 여러 주요 공정변수가 표현되는 상용 원자로의 냉각재계통을 대상으로 검증 알고리듬을 구현하였으며, 운전모사기로 모사된 신호를 이용하여 개발된 신호검증알고리듬을 시험하였다. 시험결과 각 모듈별로 적절히 고장을 검출함을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.1527-1528
• /
• 2015

본 논문에서는 케이블 고장 종류 및 위치를 탐지하는 기법으로 펄스 신호를 수열로 확신시켜 사용하는 STDR 기법의 측정성능 향상을 위해 인가신호 제거방식을 제안한다. 케이블의 고장위치가 가까워 인가신호와 반사 신호가 중첩이 되거나 반사 신호의 감쇠로 인해 고장종류와 위치추정이 어려울 때 제안한 인가신호 제거방식을 사용하면 고장위치 탐지성능을 크게 개선시킬 수 있음을 실험을 통하여 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 추계학술대회 논문집 전기물성,응용부문
• /
• pp.229-230
• /
• 2006

이 논문은 현재 국내에 설치된 LED교통신호등 중 고장이 발생한 다수의 시료를 채취하여 고장사례를 정리하고, 사례별로 괴상원인을 분석하였다. 특히 신호등의 성능을 좌우하고 실질적인 고장의 원인을 제공하는 전원장치의 고장에 대하여 고장유형별로 구동방식을 비교, 분석함과 동시에 고장부분별 원인분석 및 평가를 통하여 LED교통신호등의 고장을 최소화 할 수 있는 방안을 제시하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2007년도 춘계학술대회논문집
• /
• pp.238-242
• /
• 2007

자동차의 고장은 그 종류나 특징면에서 다양하게 나타나게 되므로 자동차의 진단과 점검에는 많은 노동력과 비용, 시간이 소요되며 운전자에 의한 정보를 기대하기 힘든 경우에는 진단이나 정비과정에 많은 어려움을 겪게 된다. 따라서 본 연구에서는 운전자에 의한 일반적인 정보와 진동 소음센서에 의한 정보의 신호처리기술을 종합하여 자동차 부품의 이상 신호 분석을 하였다. 그리고 정상 상태 대비 이상 신호에 따른 진동 소음 데이터 변화율을 계산하여 작동 모드 별 실내음압에 영향을 미치는 신호 및 해당 주파수 특성을 분석하였다. 이에 따라 자동차 정비 전문가 시스템 구축을 위한 기초 연구로 엔진부의 이상 신호와 각 부품 별 이상 신호로 나누어 분석하여 데이터 처리 과정 및 이상 증상 별 경향 파악에 본 연구의 목적을 둔다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2007년도 춘계학술대회논문집
• /
• pp.243-246
• /
• 2007

자동차의 고장은 그 종류나 특징 면에서 다양하게 나타나게 되므로 자동차의 진단과 점검에는 많은 노력과 비용, 시간이 소요되며 운전자에 의한 정보를 기대하기 힘든 경우에는 진단이나 정비과정에 많은 어려움을 겪게 된다. 따라서 본 연구에서는 운전자에 의한 일반적인 정보와 진동 소음 센서에 의한 정보의 신호처리기술을 종합하여 자동차 부품의 이상 신호 분석을 하였다. 그리고 정상 상태 대비 이상 신호에 따른 진동 소음 데이터 변화율을 계산하여 작동 모드 별 실내 음압에 영향을 미치는 신호 및 해당 주파수 특성을 분석하였다. 이에 따라 자동차 정비 전문가 시스템 구축을 위한 기초 연구로 엔진부의 이상 신호와 각 부품 별 이상 신호로 나누어 분석하여 데이터 처리 과정 및 이상 증상 별 경향 파악에 본 연구의 목적을 둔다.

• 융합신호처리학회논문지
• /
• 제6권3호
• /
• pp.143-147
• /
• 2005

운전 중인 기계들의 안전 운전과 예지 보전을 위한 설비의 고장 감지 및 진단과 상태감시는 산업 현장에서 중요한 역할을 담당하고 있다. 이러한 설비의 많은 기기들은 회전기기로 이루어져 있으며 회전기기의 고장진단은 오랜 기간 많은 분야에서 연구되고 있다. 본 연구에서는 회전기기의 고장신호는 주파수 영역의 신호의 변화로 나타난다는 특징을 이용하여 보다 효율적인 주파수 영역에서의 신호 해석을 위하여 Linear Predictive Coding(LPC) 계수를 이용하였다. 사용된 데이터는 회전기기의 고장 신호의 습득을 용이하게 하기 위하여 유도전동기에 인위적인 고장재현을 통하여 습득된 진동 신호를 사용하였다. 제안된 시스템은 LPC 분석을 사용하여 일반적으로 사용되는 주파수 영역 상에서의 다른 해석 방법들보다 빠른 시간에 연산 결과를 도출할 수 있는 장점을 가질 수 있었으며, 성공적인 실험 결과를 얻을 수 있었다.

• 정보처리학회논문지B
• /
• 제18B권3호
• /
• pp.147-156
• /
• 2011

본 논문에서는 유도전동기 고장 검출 및 분류를 위한 3-단계 (고장 신호의 전 처리, 고장 신호의 특징 추출, 고장 신호의 고장 유형별 분류) 알고리즘을 제안한다. 먼저 전 처리 단계에서는 저역 통과 필터를 통해 취득한 신호의 고주파 대역에 영향을 미칠 수 있는 잡음 성분을 제거하며, 다음으로는 이산 코사인 변환(discrete cosine transform)과 통계적 방법을 이용하여 고장 유형별 신호의 특징을 추출하고, 마지막 단계에서는 추출된 특징을 입력으로 하는 역 전파 신경 회로망(back propagation neural network)를 이용하여 신호를 고장 유형별로 분류한다. 시스템의 성능을 평가하기 위해 모의실험에 사용된 신호는 유도전동기의 진동 신호로, 정상 및 각종 이상 상태에 대해 8kHz의 샘플링율을 갖는 1초 길이의 데이터를 사용하였다. 모의실험 결과, 제안한 알고리즘은 학습된 상황의 고장 분류에서는 100%의 정확도를 보였으며, 기존의 공분산을 이용한 고장 검출 및 분류 알고리즘과 비교하여 약 50%의 정확도 향상을 보였다. 또한 고장 신호 취득 시 사용하는 센서의 종류나 주변 환경으로 인해 잡음이 추가될 수 있는 상황을 고려하여 취득한 데이터에 백색 가우시안 잡음을 인위적으로 추가한 모의실험에서도 98%이상의 고장 분류 정확도를 보였다. 더불어, 본 논문에서는 TI사의 TMS320F2812 디지털 신호 처리기에 제안한 고장 검출 및 분류 알고리즘을 탑재하여 실제 산업현장에서의 사용여부를 검증하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.110-110
• /
• 2022

본 연구는 자율운항 선박의 원격 고장 진단 기법 개발의 일부로 수행되었다. 특히, 엔진 연료 계통 장비로부터 계측된 시계열 데이터로부터 상태 진단을 위한 알고리즘 구현 결과를 제시하였다. 엔진 연료 펌프와 청정기를 가진 육상 실험 장비로부터 진동 시계열 데이터 계측하였으며, 이상 감지, 고장 분류 및 고장 예측이 가능한 심층 학습(Deep Learning) 및 기계 학습(Machine Learning) 알고리즘을 구현하였다. 육상 실험 장비에 고장 유형 별로 인위적인 고장을 발생시켜 특징적인 진동 신호를 계측하여, 인공 지능 학습에 이용하였다. 계측된 신호 데이터는 선행 발생한 사건의 신호가 후행 사건에 영향을 미치는 특성을 가지고 있으므로, 시계열에 내포된 고장 상태는 시간 간의 선후 종속성을 반영할 수 있는 학습 알고리즘을 제시하였다. 고장 사건의 시간 종속성을 반영할 수 있도록 순환(Recurrent) 계열의 RNN(Recurrent Neural Networks), LSTM(Long Short-Term Memory models)의 모델과 합성곱 연산 (Convolution Neural Network)을 기반으로 하는 Conv1D 모델을 적용하여 예측 정확성을 비교하였다. 특히, 합성곱 계열의 RNN LSTM 모델이 고차원의 순차적 자연어 언어 처리에 장점을 보이는 모델임을 착안하여, 신호의 시간 종속성을 학습에 반영할 수 있는 합성곱 계열의 Conv1 알고리즘을 고장 예측에 사용하였다. 또한 기계 학습 모델의 효율성을 감안하여 XGBoost를 추가로 적용하여 고장 예측을 시도하였다. 최종적으로 연료 펌프와 청정기의 진동 신호로부터 Conv1D 모델과 XGBoost 모델의 고장 예측 성능 결과를 비교하였다

• 한국산학기술학회논문지
• /
• 제17권3호
• /
• pp.450-456
• /
• 2016

케이블에 인가되는 신호로 의사잡음 수열을 사용하여 인가신호와 반사신호의 시간 상관 분석을 실시하여 케이블 고장을 검출하는 STDR (sequence time domain reflectometry)은 노이즈 환경에 강하고, 단선, 합선을 포함한 간헐적 고장의 검출이 가능한 것으로 알려져 있다. 하지만 고장 위치의 거리가 멀거나 경미한 고장의 경우 반사신호의 감쇄가 크고 상관계수가 작아지게 되어, 케이블 고장 판별이 어렵거나 측정 거리 오차가 커진다. 또한 위상과 피크치 검출에 의한 고장 탐지 자동화가 어렵게 된다. 따라서 본 논문에서는 기존의 STDR의 고장 검출 성능을 향상시키기 위해 케이블에 인가되는 인가신호의 상관계수의 최댓값을 검출하고, 다음으로 인가신호를 제거하여 반사신호의 상관계수의 최댓값을 검출하는 알고리즘을 제안하였다. 제안된 방법은 저압 전력 케이블에서의 고장 검출 실험을 통해 성능을 입증하였다. 그 결과 제안된 방법은 신호가 감쇄되더라도 전통적인 STDR보다 고장 여부의 정확한 구분과 위치의 추적이 가능하였다. 또한 기준신호 제거와 상관계수의 정규화를 통해 위상과 최대값 검출 방법을 사용함으로써 자동 고장 판별과 거리 계산에 오류가 발생하지 않았다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.208-211
• /
• 2006

본 논문에서는 3상 유도전동기의 고장진단을 수행하기 위해 패턴인식에 기반을 둔 진단 알고리즘을 제안한다. 실험 장치는 유도전동기 구동의 고장신호를 얻기 위하여 구축하였으며, 취득된 데이터를 이용하여 진단 알고리즘을 구축하였다. 취득된 데이터 중에서 진단을 위해 사용될 훈련데이터는 퍼지 기반 클러스터링 기법을 이용하여 신뢰성 높은 데이터를 선택하여 고장별 신호를 추출하였다. 진단 알고리즘으로는 데이터를 주성분 분석기법을 적용하였으며, 최종 분류를 위해 Euclidean 기반 거리척도 기법을 이용하였다. 다양한 부하 및 고장신호에 대하여 제안된 방법을 적용하여 타당성을 검증하였다.