• 한국정밀공학회지
• /
• 제11권5호
• /
• pp.110-123
• /
• 1994

The development of automatic production systems have required inteligent diagnostic and monitoring function to repair system failure and reduce production loss by the failure. In order to perform accurate functions of intelligent system, inferencing about total system failure and fault analysis due to each mechanical component failures are required. Also the solution about repair and maintenance can be suggested from these analysis results. As an essential component of mechanical system, a bearing system is investigated to define the failure behavior. The bearing failure is caused by lubricant system failure, metallurgical defficiency, mechanical condition(vibration, overloading, misalignment) and environmental effect. This study described roller bearing fault train due to stress variation and metallurgical defficiency from lubricant failure by using FTA.

• 한국ITS학회 논문지
• /
• 제16권2호
• /
• pp.128-139
• /
• 2017

철도는 항공기, 선박 등과 더불어 대표적 대중교통 수단으로서 최근 고속 철도의 등장으로 인해 그 비중이 점점 더 높아지고 있으며, 아울러 대형사고의 위험 또한 증가하고 있다. 이중에서 철도 차량의 차축 베어링은 높은 안전성이 요구되는 부품으로서 최근 이의 고장예측을 위한 건전성 관리기술(Prognostics and Health Management, PHM)에 많은 연구가 집중되고 있다. PHM은 센서를 통해 얻은 데이터로부터 결함관련 특징신호를 추출하고 현재의 고장수준 진단과 미래의 고장싯점을 예측하는 기술로서, 이중에서 가장 중요한 부분은 올바른 특징신호를 추출하는 것이다. 그러나 지금까지의 특징신호들은 잡음으로 인한 심한 변동이나 비단조 경향으로 인해 고장예측에 이용하기에 부족한 점이 있었다. 본 연구에서는 이를 극복하기 위해 주파수 에너지 이동현상을 기반으로 정보 엔트로피를 특징신호로 사용하는 새로운 특징신호 추출법을 개발하고 IEEE 2012 PHM 경진대회에서 공개된 FEMTO 베어링 수명시험 데이터를 대상으로 기존의 특징신호들과 고장예측 성능비교를 함으로써 그 우수성을 검증하였다.

• 한국항공우주학회지
• /
• 제50권6호
• /
• pp.413-422
• /
• 2022

본 논문에서는 중대형 위성용 '제어모멘트자이로'의 고속회전체인 모멘텀 휠의 고장 분석에 대해 기술하였다. 고장 분석을 위해 변조된 신호에서 주기적으로 발생되는 충격신호를 찾기 위해 힐베르트 변환 기법과 신호 복조 기법을 사용한 포락선 스펙트럼 분석을 하였다. 이를 통해 높은 신호의 크기를 가지는 특정 주파수 밴드에서 회전주파수의 조화 성분과 베어링 결함 주파수가 있는지 분석하여 모멘텀 휠의 고장을 진단하였다.

• 비파괴검사학회지
• /
• 제36권4호
• /
• pp.300-307
• /
• 2016

차량 부품의 고장은 운용 중단과 탈선 결과로 나타날 수 있으며 차량 주요부품의 이상상태를 진단하는 것은 중요하다. 온도를 이용한 진단 방법은 철도차량 회전기기의 -예를 들면, 베어링, 감속기, 견인전동기, 디스크- 비정상 상태를 진단하는 기본적인 방법이다. 본 연구에서는 적외선열화상과 패턴 이미지법을 이용하여 차량 하부의 회전기기의 이상 진단시스템을 구축하여 현장시험을 수행하였다. 그 이상상태 진단시스템은 차량 하부 회전기기의 이상발열 상태를 진단할 수 있었으며 비정상 상태를 평가할 수 있었다.

• 한국산학기술학회논문지
• /
• 제19권1호
• /
• pp.75-84
• /
• 2018

본 철도 유지보수 산업의 효율화를 위해서는 핵심부품의 적시 관리를 통한 부품 가동률 향상 및 철도 운행의 안정성 향상이 필요하다. 또한 유지보수 시스템 고속화에 따른 신뢰성 향상과 핵심부품의 유지보수 비용 절감의 두 가지 측면을 모두 만족시키기 위해, 부품 이력관리와 대규모 빅데이터의 자동화된 분석 기술을 활용한 부품 상태 진단 기술 수요가 증가하고 있다. 이 논문에서는 철도차량의 차상 및 지상 장치로부터 발생되는 실시간 빅데이터 수집, 처리, 분석을 위해서 빅데이터 플랫폼 기반의 철도차량 부품의 상태 데이터 관리시스템을 개발하였으며, 이 시스템의 활용으로 철도차량의 부품 상태정보 및 시스템 리소스에 대한 실시간 모니터링이 가능하다. 또한 빅데이터 플랫폼으로부터 수집된 상태 데이터를 기반으로 분산/병렬처리 및 자동화된 부품 고장진단이 가능한 머신러닝 기법을 제안하였다. 실험결과, 분산/병렬처리 기술이 적용된 알고리즘의 실행시간 단축을 아마존 웹서비스의 가상 인스턴스 생성 시스템을 통해 증명하였으며, random forest 머신러닝 기법을 활용한 고장 진단 모델의 베어링 및 차륜 부품에 대한 상태 예측 정확도가 83%임을 확인하였다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제31권1호
• /
• pp.95-102
• /
• 2007

The issues of preventive and condition-based maintenance, online monitoring, system fault detection, diagnosis and prognosis are of increasing importance. This study introduces a technique to detect and identify faults in induction motors. Stator currents were measured and stored by time domain. The time domain is not suitable for representing current signals, so wavelet transform is used to convert the signals onto frequency domain. The raw signals can not show the significant feature, therefore difference values between the signal of the health conditions and that of the fault conditions are applied. The difference values were transformed by wavelet transform and the features are extracted from the transformed signals. The dynamic time warping method was used to identify the fault type. This study describes the results of detecting fault using wavelet analysis.

• 한국컴퓨터정보학회논문지
• /
• 제28권2호
• /
• pp.9-17
• /
• 2023

본 논문에서는 베어링의 결함 진단을 위한 단일 클래스 분류의 진동 이상 탐지 시스템을 제안한다. 베어링 고장으로 인해 발생하는 경제적 및 시간적 손실을 줄이기 위해 정확한 결함 진단시스템은 필수적이며 문제 해결을 위해 딥러닝 기반의 결함 진단 시스템들이 널리 연구되고 있다. 그러나 딥러닝 학습을 위한 실제 데이터 채집 환경에서 비정상 데이터 확보에 어려움이 있으며 이는 데이터 편향을 초래한다. 이에 정상 데이터만 활용하는 단일 클래스 분류 방법을 활용한다. 일반적인 방법으로는 AutoEncoder를 통한 압축과 복원 과정을 학습하여 진동 데이터의 특성을 추출한다. 추출된 특성으로 단일 클래스 분류기를 학습하여 이상 탐지를 실시한다. 하지만 이와 같은 방법은 진동 데이터의 주파수 특성을 고려하지 않아서 진동 데이터의 특성을 효율적 추출할 수 없다. 이러한 문제를 해결하기 위해 진동 데이터의 주파수 특성을 고려한 AutoEncoder 모델을 제안한다. 분류 성능은 accuracy 0.910, precision 1.0, recall 0.820, f1-score 0.901이 나왔다. 주파수 특성을 고려한 네트워크 설계로 기존 방법들보다 우수한 성능을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1850-1851
• /
• 2011

The faults of a electric motor cause to rise the maintenance and repair cost and to reduce the reliability of the electric power system. In this paper, the auto fault detection system for a induction motor is developed using the torque signal spectrum analysis. The spectrum of motor torque signal is used for finding a bearing fault feature frequency. A threshold value, for detecting the motor bearing fault is set by the difference of torque signal spectrum(FFT signal) between normal condition and faulted condition of the motor.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.638_639
• /
• 2009

The motors faults including mechanical rotor imbalances, broken rotor bar, bearing failure and eccentricities problems are reflected in electric, electromagnetic and mechanical quantities. This paper presents a study and the practical implementation of an induction motor for reactor containment fan cooler in nuclear power plant with Electric Signature Analysis(ESA). The results obtained present a good degree of reliability hence; the ESA predictive maintenance tools enable a pro-active evaluation of induction motors performance prior to failure.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1992년도 추계학술대회 논문집
• /
• pp.325-329
• /
• 1992

The development of automatic production system have required intelligent diagnostic and monitoring function to repair system failure and reduce production loss by the failure. In order to perform accurate functions of intelligent system, inference about total system failure and fault analysis due to each mechanical component failures are required. Also the solution about repair and maintenance can be suggested from these analysis results. Generally, bearing is a essential mechanical component in the machinery. The bearing failure is caused by lubricant system failure, metallurgical defficiency, mechanical condition(vibration overloading misalignment), environmental effect. This study described roller bearing fault train due to stress variation and metallurgical defficiency from lubricant failure by using FTA.