• Proceedings of the Korean Nuclear Society Conference
• /
• 1998.05a
• /
• 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.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• 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.

• Proceedings of the KIEE Conference
• /
• 2006.10a
• /
• 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.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2007.05a
• /
• 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.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2007.05a
• /
• 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.

• Journal of the Institute of Convergence Signal Processing
• /
• v.6 no.3
• /
• pp.143-147
• /
• 2005

Monitoring and diagnosis of the operating machines are very important for safety operation and maintenance in the industrial fields. These machines are most rotating machines and the diagnosis of the machines has been researched for long time. We can easily see the faulted signal of the rotating machines from the changes of the signals in frequency. The Linear Predictive Coding(LPC) is introduced for signal analysis in frequency domain. In this paper, we propose fault detection and diagnosis method using the Linear Predictive Coding(LPC) and residual signal energy. We applied our method to the induction motors depending on various status of faulted condition and could obtain good results.

• The KIPS Transactions:PartB
• /
• v.18B no.3
• /
• pp.147-156
• /
• 2011

This paper proposes a 3-stage (preprocessing, feature extraction, and classification) fault detection and classification algorithm for induction motors. In the first stage, a low-pass filter is used to remove noise components in the fault signal. In the second stage, a discrete cosine transform (DCT) and a statistical method are used to extract features of the fault signal. Finally, a back propagation neural network (BPNN) method is applied to classify the fault signal. To evaluate the performance of the proposed algorithm, we used one second long normal/abnormal vibration signals of an induction motor sampled at 8kHz. Experimental results showed that the proposed algorithm achieves about 100% accuracy in fault classification, and it provides 50% improved accuracy when compared to the existing fault detection algorithm using a cross-covariance method. In a real-world data acquisition environment, unnecessary noise components are usually included to the real signal. Thus, we conducted an additional simulation to evaluate how well the proposed algorithm classifies the fault signals in a circumstance where a white Gaussian noise is inserted into the fault signals. The simulation results showed that the proposed algorithm achieves over 98% accuracy in fault classification. Moreover, we developed a testbed system including a TI's DSP (digital signal processor) to implement and verify the functionality of the proposed algorithm.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• 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

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.17 no.3
• /
• pp.450-456
• /
• 2016

STDR (sequence time domain reflectometry) to detect a cable fault using a pseudo noise sequence as a reference signal, and time correlation analysis between the reference signal and reflection signal is robust to noisy environments and can detect intermittent faults including open faults and short circuits. On the other hand, if the distance of the fault location is far away or the fault type is a soft fault, attenuation of the reflected signal becomes larger; hence the correlation coefficient in the STDR becomes smaller, which makes fault detection difficult and the measurement error larger. In addition, automation of the fault location by detection of phase and peak value becomes difficult. Therefore, to improve the cable fault detection of a conventional STDR, this paper proposes the algorithm in that the peak value of the correlation coefficient of the reference signal is detected, and a peak value of the correlation coefficient of the reflected signal is then detected after removing the reference signal. The performance of the proposed method was validated experimentally in low-voltage power cables. The performance evaluation showed that the proposed method can identify whether a fault occurred more accurately and can track the fault locations better than conventional STDR despite the signal attenuation. In addition, there was no error of an automatic fault type and its location by the detection of the phase and peak value through the elimination of the reference signal and normalization of the correlation coefficient.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• 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.