• 전자공학회논문지SC
• /
• 제39권1호
• /
• pp.42-50
• /
• 2002

본 논문에서는 비선형시스템에서 발생한 고장을 감지하고 분류하기 위한 신경회로망기반 다중고장모델을 이용한 고장감지 및 분류 방법을 제안한다. 시스템에 변화가 발생하면 시스템의 출력과 신경회로망 공칭모델 출력 사이의 오차가 고장감지를 위한 문턱값을 넘고, 고장이 감지되면 각 신경회로망 고장모델 출력과 시스템 출력 사이의 오차를 이용하여 통계적 기법으로 고장을 분류한다. 컴퓨터 시뮬레이션 결과로부터 제안한 고장진단방법이 비선형시스템에서의 고장감지 및 분류문제에 잘 적용됨을 알 수 있다.

• 한국원자력학회:학술대회논문집
• /
• 한국원자력학회 1998년도 춘계학술발표회논문집(1)
• /
• pp.252-257
• /
• 1998

국내 원전에 신뢰도 기반 정비(RCM : Reliability Centered Maintenance) 기법을 도입하기 위해 수행하고 있는 영광 1,2호기 시법계통 RCM 분석에서 관련 기기의 고장데이터를 RCM 분석 방법론에 따라 분석하였다. 본 논문에서는 작업의뢰서와 작업보고서 기록내용을 토대로 지배적인 고장모드 및 다빈도 고장발생 기기를 파악하여 고장원인을 분석하였으며, 기기 유형으로 분류하여 고장들을 분석하였다. 분석결과 지배적인 고장모드는 EPRI에서 분류한 고장모드에 모두 포함되었으며, 고장빈도가 높은 기기의 고장원인은 운전환경, 사용유체, 운전형태, 기기 형식 등에 따라 고장메커니즘이 다르게 나타나는 것으로 분석되었다. 기기 유형으로 분류하여 고장모드별로 고장율을 분석한 결과 미국의 Generic Data(IEEE Std 500-1984)와 근소한 차이를 보이거나 약간 낮은 것으로 분석되었으며, 고장율이 높은 기기 유형을 단위 기기별로 세분화하여 분석한 결과 공기구동 조절벨브의 외부누설 고장율은 1.10E-06 이지만 충전유량 조절밸브의 고장율은 1.70E-05로서 약 10배 정도로 고장율이 높은 것으로 분석되었다. 기기별로 세분화한 고장을 분석 결과는 시범계통 RCM 분석시 고장모드 영향분석(FMEA. Failure Mode and Effective Analysis) 단계에서 필수기기를 선정하는 하나의 인자로 활용하였으며, 고장율의 역수로 구한 고장간 평균시간(MTBF:Mean Time Between Failure)은 정비주기 선정시 기초데이터로 활용된다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 추계학술대회 학술발표 논문집 제16권 제2호
• /
• pp.109-112
• /
• 2006

본 논문에서는 PCA에 의한 특징추출과 k-NN과 SVM에 기반을 계층구조의 분류기에 의한 유도전동기의 고장진단 알고리즘을 제안한다. 제안된 방법은 k-NN에 의해 선형적으로 분류 가능한 고장패턴을 분류한 후, 분류가 되지 않는 부분을 커널 함수에 의해 고차원 공간으로 입력패턴을 매핑한 후 SVM에 의해 고장을 진단하는 계층구조를 갖는다. 실험장치를 구축한 후, 다양한 부하에 대하여 몇몇의 전기적 고장과 기계적 고장 하에서 획득한 데이터를 이용하여 제안된 방법의 타당성을 검증한다.

• 한국지능시스템학회논문지
• /
• 제12권6호
• /
• pp.503-510
• /
• 2002

본 논문에서는 비선형시스템에서 발생한 고장을 감지하고 분류하기 위해 신경회로망기반 다중고장모델과 통계적기법에 의한 고장진단 방법을 제안한다. 제안한 알고리듬에서는 시스템의 출력과 신경회로망 공칭모델 출력 사이의 오차가 미리 설정한 문턱 값을 넘으면 고장을 감지한다. 고장이 감지되면 고장분류기에서는 각 신경회로망 고장모델 출력과 시스템 출력 사이의 오차를 이용하여 통계적 기법으로 고장을 분류한다. 컴퓨터 시뮬레이션 결과로부터 제안한 고장진단방법이 비선형 시스템에서의 고장감지 및 분류문제에 잘 적용됨을 알 수 있다.

• 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.

• 항공우주시스템공학회지
• /
• 제17권6호
• /
• pp.100-107
• /
• 2023

영구자석 동기전동기의 권선 개방 고장은 권선이 끊어지거나 인버터 스위치의 고장으로 발생한다. 권선 개방 고장이 발생하면 전동기에 토크리플과 진동이 발생하게 되며, 영구자석 동기전동기를 작동기로 사용하는 항공기 등을 포함하는 운행체의 안전성에 치명적인 영향을 미치게 된다. 따라서 신속한 고장 검출 및 분류가 필수적이다. 본 논문에서는 영구자석 동기전동기의 권선 개방 고장의 검출과 고장 위치 파악을 위한 분류 기법을 제안한다. 제안된 기법은 확장칼만필터를 통해 고장을 검출 후 다중모델 필터를 통해 고장을 분류한다.

• 한국지능시스템학회논문지
• /
• 제14권7호
• /
• pp.830-837
• /
• 2004

본 논문에서는 비선형시스템에서 발생한 고장을 감지하고 분류하기 위한 신경회로망기반 고장진단 방법을 제안한다. 제안한 알고리듬에서는 시스템의 출력과 다층신경회로망 공칭모델 출력 사이의 오차가 미리 설정한 문턱값을 넘으면 고장을 감지한다. 고장이 감지되면 다층신경회로망과 ART2 신경회로망을 이용한 고장분류기에서 시스템에서 발생한 고장을 분류한다. 컴퓨터 시뮬레이션 결과로부터 제안한 고장진단방법이 비선형시스템에서의 고장감지 및 분류문제에 잘 적용됨을 알 수 있다.

• 한국지능시스템학회논문지
• /
• 제15권6호
• /
• pp.673-681
• /
• 2005

원자력 발전소는 안정성 및 신뢰성 확보가 가장 중요하므로 고장의 감지 및 진단 시스템의 개발은 원전 자체가 구축하고 있: 다중의 하드웨어 중첩도(hardware redundancy)에도 불구하고 가장 중요한 문제로 취급되고 있다. 본 논문에서는 원저 PWR 증기발생기에서 발생한 고장을 진단하기 위한 알고리듬의 개발을 위해 시스템에서 발생한 고장을 감지하고 분류할 수 있는 ART2 시경회로망 기반 고장진단방법을 제안한다. 고장진단시스템은 발생한 고장을 감지하기 위한 고장감지부, 변화된 시스템파라미터를 추정하기 위한 파라미터 추정부 및 발생한 고장의 종류를 알아내기 위한 고장분류부로 구성된다. 고장분류부는 여러 경계인수를 갖는 ART2(adaptive resonance theory 2) 신경회로망을 이용한 고장분류기로 구성된다. 제안한 고장진단 알고리듬을 증기발생기의 고장진단문제에 적용하여 성능을 확인하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• 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.

• 한국지능시스템학회논문지
• /
• 제16권1호
• /
• pp.119-123
• /
• 2006

본 논문에서는, 주성분분석기법과 다층신경망에 기반을 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, 주성 분석기법에 추출된 특징벡터가 고장상태별로 비선형성 특성을 보일 경우 기존의 거리척도 기반에 의한 분류방법으로 정확한 진단을 하는데 어려움이 있다. 이를 위해 비선형 분류기인 MLP를 적용함으로써 효과적인 고장진단을 하자 한다. 세안된 기법은 다양한 실험을 통해 기존의 선형분류기에 비해 우수한 겨과를 보임을 나타내고자 한다.