• 한국정밀공학회지
• /
• 제12권4호
• /
• pp.100-110
• /
• 1995

This paper aims at reviewing the possibility of application over normal or abnormal, detection used by AE, and the characteristics of grinding processes. In this study, when WA-vitri-fied ' resinoid bond grinding wheels:36 kinds of grinding wheel and grinding depth were tuned at the surface grinding, the zone of AE signal generation is theoretically modelled and reviewed by grinding processes. The variation of grinding resistance( F$n^{9}$ $F_{t}$) and AE signal is detected in-process by the use of AE measuring system. The tests are carried out in accordance with grain size and grade of grinding wheels, and work-pieces-STD11 and STD61. According to the experiment's results, the following can be expected;as grinding time passes by, the relation of grinding depth and quantity of AE signal, observing on AE signal and grinding burn suggest the characteristics of grinding processes and evalution on the possibility of control of grinding machine, and monitoring abnormal conditions.e, and monitoring abnormal conditions.

• 터널과지하공간
• /
• 제21권5호
• /
• pp.349-358
• /
• 2011

본 연구에서는 방사성폐기물처분장에서 발생하는 탄성파와 같이 낮은 신호 대 잡음비로 인하여 P파의 식별이 어려운 신호에 적합한 P파 도달시간 결정 알고리즘에 대한 연구를 수행하였다. 사용된 알고리즘은 임계 전압법, Akaike Information Criterion(AIC), Two step AIC, Hinkley criterion이며 샤프심 압절법에 의하여 생성된 탄성파 신호에 white noise를 적용하여 신호 대 잡음비를 낮추었다. 실험결과 임계전압, AIC, Hinkley criterion 알고리즘의 경우 배경잡음 수준이 증가함에 따라 P파 도달시간의 정확성은 감소하였으나 Two step AIC 알고리즘의 경우 1차적으로 결정된 P파의 도달시간 주변의 신호를 중심으로 특성함수와 AIC 알고리즘을 반복적으로 적용함에 따라 배경잡음 수준에 관계없이 정확한 결과를 나타냈다.

• 비파괴검사학회지
• /
• 제32권1호
• /
• pp.47-55
• /
• 2012

본 논문에서는 단일 센서와 시간역전 원리를 이용하여 간단한 판에서 충격 위치를 결정할 수 있는 탐상법을 다루었다. 수치적인 시뮬레이션과 실험을 통하여 시간역전에 의한 충격위치와 그 주변에서 신호의 집속효과를 관찰하고, 충격위치 결정에 영향을 미칠 수 있는 인자들(가진력의 크기, 신호의 기록시간)에 대해 살펴보았다. 이러한 결과를 기초로 두 가지 다른 충격위치에 대한 실험을 수행하고 그 결과를 가시화하였으며, 실제 충격위치를 정확하게 결정할 수 있음을 확인하였다. 여기서 제안한 방법의 특징은 단일센서를 사용하는 것과 시험체의 형상과 물성을 몰라도 된다는 점이다. 또한 판에서와 같이 분산성의 다중모드 파동이 발생하는 경우에도 특정 모드나 주파수에 의존할 필요가 없다. 따라서 기존의 충격위치 결정법에 비해 많은 장점을 지니고 있다.

• 융합신호처리학회논문지
• /
• 제20권2호
• /
• pp.78-83
• /
• 2019

소리 기반 기계 고장 진단은 기계의 음향 방출 신호에서 비정상적인 소리를 자동으로 감지하는 것이다. 수학적 모델을 사용하는 기존의 방법은 기계 시스템의 복잡성과 잡음과 같은 비선형 요인이 존재하기 때문에 기계 고장 진단이 어려웠다. 따라서 기계 고장 진단의 문제를 패턴 인식 문제로 해결하고자 한다. 본 논문에서 DWT와 인공신경망 기반 패턴 인식 기법을 이용한 자동화 기계 고장 진단 기법을 제안한다. 기계의 결함을 효과적으로 탐지하기 위해 DWT를 이용해 대역별 분해 후 최상위 고주파 부대역과 최하위 저주파 부대역을 제외한 나머지 부대역의 PSD를 구하여 인공신경망 기반 분류기의 입력으로 사용한다. 그 결과 본 연구에서 제안한 방법은 효과적으로 결함을 탐지할 뿐만 아니라 소리 기반의 다양한 자동 진단 시스템에도 효과적으로 활용될 수 있음을 보여준다.

• 융합신호처리학회논문지
• /
• 제21권3호
• /
• pp.121-126
• /
• 2020

소리 기반 기계 고장 진단은 기계의 음향 방출 신호에서 비정상적인 소리를 자동으로 감지하는 것이다. 수학적 모델을 사용하는 기존의 방법은 기계 시스템의 복잡성과 잡음과 같은 비선형 요인이 존재하기 때문에 기계 고장 진단이 어려웠다. 따라서 기계 고장 진단의 문제를 딥러닝 기반 이미지 분류 문제로 해결하고자 한다. 본 논문에서 스펙트로그램 이미지를 이용한 CNN 기반 자동화 기계 고장 진단 기법을 제안한다. 제안한 방법은 기계의 결함 시 발생하는 주파수상의 특징 벡터를 효과적으로 추출하기 위해 STFT를 사용하였으며, STFT에 의해 검출된 특징 벡터들은 스펙트로그램 이미지로 변환하여 CNN을 이용해 기계의 상태별로 분류한다. 그 결과는 제안한 방법은 효과적으로 결함을 탐지할 뿐만 아니라 소리 기반의 다양한 자동 진단 시스템에도 효과적으로 활용될 수 있다.