• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.5
• /
• pp.706-712
• /
• 2009

In this paper, a fault diagnosis method is proposed to detect and classifies faults that occur in press process line. An oil level automatic monitoring method is also presented to detect oil level. The FFT(fast fourier transform) frequency analysis and ART2 NN(adaptive resonance theory 2 neural network) with uneven vigilance parameters are used to achieve fault diagnosis in proposing method, and GUI(graphical user interface) program for fault diagnosis and oil level automatic monitoring using LabVIEW is produced and fault diagnosis was done. The experiment results demonstrate the effectiveness of the proposed fault diagnosis method of induction motors and oil level automatic monitor system.

• Proceedings of the KIPE Conference
• /
• 2010.11a
• /
• pp.218-219
• /
• 2010

유도 전동기의 편심 고장은 베어링 손상 등으로 발생되며, 심해질 경우 고정자와 회전자간의 접촉으로 전동기 파괴를 일으킨다. 이를 진단하는 대표적인 방법으로 온라인 전류 스펙트럼 분석법(Motor Current Signature Analysis, MCSA)이 있으나 전동기 정보의 필요, 부하에 영향을 받는 등의 문제점이 있다. 본 논문에서는 유도 전동기의 편심을 오프라인으로 진단하는 새로운 방법을 제안한다. 유도 전동기의 회전자의 위치를 변경하며 고정자 권선으로부터 관측된 임피던스 값으로 편심을 진단한다. 제안된 방법은 온라인 진단 후 정확한 편심 고장 여부를 확인하는데 사용될 수 있으며, 7.5마력 유도전동기의 정적, 동적, 복합 편심에 대한 실험을 통해 증명되었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.1
• /
• pp.119-123
• /
• 2006

In this paper, we propose fault diagnosis of induction motor based on PCA and MLP. To resolve the main drawback of MLP, we calculate the reduced features by PCA in advance. Finally, we develop the diagnosis system based on nonlinear classifier by MLP rather than linear classifier by conventional k-NN. By various experiments, we obtained better classification performance in comparison to the results produced by linear classifier by k-NN.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2070-2072
• /
• 2003

본 연구는 3상 소형 유도전동기의 고정자 권선 고장의 효과적인 진단을 위하여 고정자 전류에 대하여 Park's Vector를 이용한 기법을 적용하였다. 본 기법은 고정자 3상 전류를 측정하여 Park's vector 변환을 통하여 직축, 횡축 전류로 변환하고 이를 이용하여 고장 진단을 위한 Park's Vector Pattern을 통하여 고장진단을 수행하였다. 제안한 방법의 유용성을 확인하기 위하여 고정자 권선 한 상에 2턴, 10턴, 그리고 20턴의 단락고장을 발생시켜 정격부하의 25%, 50%, 100%에 대하여 부하변동에 따른 각각의 단락고장의 경우와 정상 전동기의 Park's Vector Pattern 비교하였으며 그 유용성을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.157-158
• /
• 2007

본 논문에서는 산업전반에 걸쳐 널리 사용되는 유도전동기의 고장상태를 검출하기 위해 DFT(Discreet Fourier Transform)와 LDA에 기반을 둔 진단 알고리즘을 제안하고자 한다. 실험에 의해 측정된 전류값을 DFT에 의해 시간공간에서 주파수 공간으로 변환한 후에 LDA기법을 이용하여 특징벡터를 산출한 후 거리 유사도에 의해 진단이 수행된다. 제안된 방법의 타당성을 보이기 위해 여섯 가지의 고장을 대상으로 다양한 조건하에서 실험한 결과 기존 방법에 비교하여 우수한 결과를 나타냈다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.321-324
• /
• 2004

본 논문에서는 유도전동기 고장진단을 위하여 계층적인 하이브리드 뉴럴네트웍을 제안하였다. 시스템의 입출력 데이터에 근거하여 패턴을 분류하고자 할 때 직접적인 분류가 어렵거나 성능이 좋지 않을 경우 적절한 방법을 통하여 변환을 하거나 또는 패턴 분류기의 특성에 맞도록 변환하여 패턴 분류 성능을 향상하는 등 단계별 변환 및 분류 기법을 이용하였다. 제안된 방법에서는 실험에 의해 측정된 전류값을 주기별로 주성분분석(PCA) 기법을 이용하여 입력차원을 축소한 후 이를 조건부 FCM으로 방사기저함수의 초기치를 최적화하여 학습을 하였다. 이는 주성분분석이 가지는 특성을 이용하여 데이터의 특징을 나누었으며 이를 뉴럴네트웍의 학습 기능을 이용하여 모델의 최종 성능을 개선하는 것이다. 각각의 알고리즘이 가지는 특징을 활용하면서도 단점을 계층적으로 보안하여 유도 전동기 고장 진단 성능을 개선하였다. 이를 실제 계측된 유도전동기 데이터를 이용하여 제안된 방법의 유용성을 보이고자 한다.

• 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.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.24 no.8
• /
• pp.55-61
• /
• 2010

In this paper, we proposed selective extraction method of frequency information and PCA-ELM based diagnosis system for three-phase induction motors. As the first step for diagnosis procedure, DFT is performed to transform the acquired current signal into frequency domain. And then, frequency components are selected according to discriminate order calculated by variance As the next step, feature extraction is performed by principal component analysis (PCA). Finally, we used the classifier based on Extreme Learning Machine (ELM) with fast learning procedure. To show the effectiveness, the proposed diagnostic system has been intensively tested with the various data acquired under different electrical and mechanical faults with varying load.

• KIPE Magazine
• /
• v.15 no.4
• /
• pp.25-32
• /
• 2010

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.444-447
• /
• 2005

본 논문에서는, 주성분분석기법과 다층신경망에 기반을 둔 유도전동기의 고장진단기법을 제안하고자 한다. 입력의 수가 많을 경우 다층신경망만을 이용하여 분류하는 데는 한계가 있다. 이러한 문제점을 해결하기 위해 주성분분석기법에 의해 입력특징의 수를 축약한 후, 비선형분류기인 다층신경망을 적용하였다. 또한, 주성분 분석기법에 추출된 특징벡터가 고장상태별로 비선형성특성을 보일 경우 기존의 거리척도 기반에 의한 분류방법으로는 정확한 진단을 하는데 어려움이 있다. 이를 위해 비선형 분류기인 MLP를 적용함으로써 효과적인 고장진단을 하고자 한다. 제안된 기법은 다양한 실험을 통해 기존의 선형분류기에 비해 우수한 결과를 보임을 나타내고자 한다.