• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.11a
• /
• pp.265-267
• /
• 2022

선박 기관시스템이 효율적이고 안이정적인 운용을 위해서는 실시간 상태 모니터링 기반의 이상탐지, 고장진단 더 나아가 고장예측에 따른 대응조치를 할 수 있는 기술이 필요하며 이를 상태기반 유지관리(Condition Based Maintenance, CBM)이라 지칭한다. 해당 기술을 개발 및 확보하기 위해서는 가장 우선적으로 기관시스템에 대한 다양한 고장 데이터가 확보되어야 하며 이후, 확보된 데이터에 대한 특징추출 등 전처리 알고리즘, 고장 진단 및 예측 알고리즘 등을 개발하여야 한다. 본 연구에서는 선박 추진용 엔진 및 발전기 엔진에 대한 상태기반 유지관리 기술의 개발현황과 향후 지속적인 연구 추진방향을 소개하고자 한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2021.11a
• /
• pp.212-213
• /
• 2021

자율운항선박 기술개발사업 중 2세부(자율운항선박 핵심 기관시스템 성능 모니터링 및 고장예측 진단 기술 개발) 과제는 자율운항선박의 추진 및 전력 생산을 담당하는 핵심 기관시스템의 운전 상태를 실시간 모니터링하여, 계측 데이터 기반의 고장 진단/예측을 수행하고 장애 발생 시 원격 지원체계를 통해 체계적/전문적 정비를 수행할 수 있도록 지원하는 기술이다. 자율운항선박은 선원이 없이 자율적으로 운항도 하지만, 핵심장비/기자재에 대해서도 실측 데이터를 기반으로 스스로 판단하여 고장여부에 대한 의사결정이 가능하여야 한다. 선박 기관시스템은 선박 운항의 안전과 정시 입·출항에 핵심이 되는 장비/기자재로써 자율운항선박 구현에 필요한 핵심 기술이다. 본 연구에서는 자율운항선박 핵심장비 중 보조기기 2종(Pump, Purifier), 배관(Seawater Pipe, Steam Pipe)의 성능 모니터링 및 고장예측/진단 소프트웨어를 개발하기 위한 연구를 수행한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.11a
• /
• pp.111-113
• /
• 2023

자율운항선박 기술개발사업 중 2세부(자율운항선박 핵심 기관시스템 성능 모니터링 및 고장예측 진단 기술 개발)과제에서 자율운항선박 핵심장비 중 증기 배관(Steam Pipe)의 모니터링 및 고장예측 시스템 중 열화상 카메라에 의한 증기 배관(Steam Pipe)을 브라우저에서 모니터링 하는 시스템을 연구 및 개발 목표로 한다.

• Proceedings of the Safety Management and Science Conference
• /
• 2000.11a
• /
• pp.31-37
• /
• 2000

지금까지 고장예측에 관한 연구 논문들은 여러 분야에서 많이 다루어져 왔다. 그 대표적인 예측 방법 중에 하나인 FTA(Fault Tree Analysis)가 가장 많이 사용되어져 왔으며, 여러 산업분야에서 가장 활발하게 시스템 및 부품에 대한 고장 가능성 진단을 실시하여 왔다. 하지만 기존의 전통적인 FTA 방법을 사용하는데 있어서 몇 가지 문제점을 발견할 수가 있었다. 즉, 지금까지 FTA를 실시하는 과정에 있어서 시스템 및 부품에 대한 데이터의 자료가 정확하다는 전제하에 고장 값을 예측하여 왔다. 만일 시스템 및 부품에 대한 불확실한 데이터나 부정확한 자료를 동시에 가지고 있다면 지금까지 사용하여 왔던 전통적인 FTA를 사용하여 고장 값을 예측하여 정확한 값을 찾아내기란 어려운 것이라 할 수가 있다. 이와 같은 문제점을 해결하기 위해서는 본 연구에서 제시하는 Fuzzy FTA를 사용하는 것이 보다 바람직할 것이며, 이러한 방법을 사용하여 불확실하고 부정확한 데이터를 가지고 고장진단을 실시하여 고장가능성 값을 찾아내어 전체 시스템의 고장 발생 가능성을 예측하는 것이 이 논문의 목적이라 할 수가 있다.

• Journal of the Korea Society of Computer and Information
• /
• v.16 no.3
• /
• pp.141-147
• /
• 2011

This paper proposes an efficient two-stage fault prediction algorithm for fault detection and diagnosis of induction motors. In the first phase, we use a linear predictive coding (LPC) method to extract fault patterns. In the second phase, we use a dynamic time warping (DTW) method to match fault patterns. Experiment results using eight vibration data, which were collected from an induction motor of normal fault states with sampling frequency of 8 kHz and sampling time of 2.2 second, showed that our proposed fault prediction algorithm provides about 45% better accuracy than a conventional fault diagnosis algorithm. In addition, we implemented and tested the proposed fault prediction algorithm on a testbed system including TI's TMS320F2812 DSP that we developed.

• 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

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.205-209
• /
• 2007

생산 현장에서 기기의 운영과 관리는 제품의 품질 및 기업의 수익성과 직결된다. 그러나 정상적인 작동을 하고 있는 시스템에서 고장의 시점과 고장의 종류를 예측하기 곤란하며 따라서 잔여 가동 시간이 얼마인지도 예측하기 힘들다. 본 논문에서는 산업용 기계, 공정과 의료기기 등 신뢰성이 요구되는 Brushless DC 모터의 상태 변화의 추이를 관찰하여 진단의 특징점으로 사용한다. 본 논문에서 제안한 상태천이 모텔은 고장의 시점과 고장의 종류를 예측할 수 있으며 유지보수의사결정에 도움을 줄 수 있다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.438-440
• /
• 2022

자율운항선박 기술개발사업 중 2세부(자율운항선박 핵심 기관시스템 성능 모니터링 및 고장예측 진단 기술 개발)과제에서 자율운항선박 핵심장비 중 보조기기 2종(Pump, Purifier), 배관(Seawater Pipe, Steam Pipe)의 실시간 모니터링 및 고장예측 시스템의 연구 및 개발을 목표로 한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2021.11a
• /
• pp.54-56
• /
• 2021

다양한 소스로부터 수집되고 연동되는 데이터를 모델링하는 기술로 그래프 데이터베이스를 활용한 분석 기법이 각광받고 있다. 이 연구에서는 항로표지에서 관측되는 상태 및 주변 정보를 모델링하고, 고장진단 및 예측에 적용할 수 있는 기계학습 기법을 소개한다.

• Transactions of the Korean Society of Mechanical Engineers B
• /
• v.35 no.11
• /
• pp.1111-1117
• /
• 2011

This paper proposed a fault detection and diagnosis (FDD) algorithm using nonlinear regression models, focusing especially on heat exchanger faults. This research concerned four working modes: those with no fault, evaporator fault, condenser fault, and evaporator and condenser faults. This research used no fault mode data to create an FDD algorithm. Using the no fault mode data, correlation functions for predicting the degree of superheat or subcool of heat exchangers (an evaporator and a condenser) were derived. Each correlation function has five inputs and one output. Based on these correlation functions, it is possible to predict the degree of superheat or subcool of each heat exchanger under various working conditions. The FDD algorithm was developed by comparing the predicted value and the simulation value. The FDD algorithm works well in all four working modes.