• Journal of the Korean Society for Nondestructive Testing
• /
• v.23 no.2
• /
• pp.116-124
• /
• 2003

• The Journal of the Acoustical Society of Korea
• /
• v.40 no.4
• /
• pp.337-346
• /
• 2021

Detection of abnormal signal generally can be done by using features of normal signals as main information because of data imbalance. This paper propose an efficient method for abnormal signal detection using parallel AutoEncoder (AE) which can use features of abnormal signals as well. The proposed Parallel AE (PAE) is composed of a normal and an abnormal reconstructors having identical AE structure and train features of normal and abnormal signals, respectively. The PAE can effectively solve the imbalanced data problem by sequentially training normal and abnormal data. For further detection performance improvement, additional binary classifier can be added to the PAE. Through experiments using public acoustic data, we obtain that the proposed PAE shows Area Under Curve (AUC) improvement of minimum 22 % at the expenses of training time increased by 1.31 ~ 1.61 times to the single AE. Furthermore, the PAE shows 93 % AUC improvement in detecting abnormal underwater acoustic signal when pre-trained PAE is transferred to train open underwater acoustic data.

• Journal of the Institute of Convergence Signal Processing
• /
• v.6 no.1
• /
• pp.23-26
• /
• 2005

This paper describes the algorithm for deciding the status of the operating machines in the power plants. It is very important to decide whether the status of the operating machines is good or not in the industry to protect the accidents of machines and improve the operation efficiency of the plants. There are two steps to analyze the status of the running machines. First, we extract the features from the input original data. Second, we classify those features into normal/abnormal condition of the machines using the wavelet transform and the input RMS vector through the K-means algorithm. In this paper we developed the algorithm to detect the fault operation using the K-means method from the sound of the operating machines.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2012.06a
• /
• pp.74-75
• /
• 2012

신뢰성 있는 위성항법기반의 위치정보 서비스 제공 및 필요한 항법신호의 이상을 감시하는 서비스를 개발하기 위해서는 위성항법신호의 이상을 재현할 수 있는 시뮬레이터가 필요하다. 본 연구에서는 위성항법신호를 생성하는 시뮬레이터가 아닌 실시간 위성항법신호에 이상을 인가하는 시뮬레이터를 설계하는데 그 목적이 있다. 실시간 위성항법신호 이상 인가 시뮬레이터는 GPS 수신기로부터 수신기 메시지를 수집하여 저장하는 수신부분과, 위성항법신호의 이상을 생성하는 이상생성부분, 항법신호의 이상을 감시하는 서비스에 전달하는 신호조합부분으로 나누어 전체 시스템을 모듈화 하였으며, 시스템에 대한 안정성 및 향후 정상상태의 위성항법신호와 이상상태의 위성항법신호를 비교할 수 있도록 확장성을 고려하여 설계하였다. 본 연구를 통하여 실시간으로 수집되는 위성항법신호에 이상을 인가하여 보다 실제상황에 맞는 이상을 재현할 수 있게 되었으며, 본 연구결과는 다양한 위성항법시스템 개발에 기반자료로 활용될 수 있다.

• Journal of the Korea Society for Simulation
• /
• v.21 no.2
• /
• pp.79-90
• /
• 2012

In this paper, a feature signal extraction method is proposed in order to enhance the low performance of fault detection caused by unbalanced data which denotes the situations when severe disparity exists between the numbers of class instances. Most of the cyclic signals gathered during the process are recognized as normal, while only a few signals are regarded as fault; the majorities of cyclic signals data are unbalanced data. SOM(Self-Organizing Map)-based feature signal extraction method is considered to fix the adverse effects caused by unbalanced data. The weight neurons, mapped to the every node of SOM grid, are extracted as the feature signals of both class data which are used as a reference data set for fault detection. kNN(k-Nearest Neighbor) and SVM(Support Vector Machine) are considered to make fault detection models with comparisons to Hotelling's $T^2$ Control Chart, the most widely used method for fault detection. Experiments are conducted by using simulated process signals which resembles the frequent cyclic signals in semiconductor manufacturing.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2007.05a
• /
• pp.238-242
• /
• 2007

자동차의 고장은 그 종류나 특징면에서 다양하게 나타나게 되므로 자동차의 진단과 점검에는 많은 노동력과 비용, 시간이 소요되며 운전자에 의한 정보를 기대하기 힘든 경우에는 진단이나 정비과정에 많은 어려움을 겪게 된다. 따라서 본 연구에서는 운전자에 의한 일반적인 정보와 진동 소음센서에 의한 정보의 신호처리기술을 종합하여 자동차 부품의 이상 신호 분석을 하였다. 그리고 정상 상태 대비 이상 신호에 따른 진동 소음 데이터 변화율을 계산하여 작동 모드 별 실내음압에 영향을 미치는 신호 및 해당 주파수 특성을 분석하였다. 이에 따라 자동차 정비 전문가 시스템 구축을 위한 기초 연구로 엔진부의 이상 신호와 각 부품 별 이상 신호로 나누어 분석하여 데이터 처리 과정 및 이상 증상 별 경향 파악에 본 연구의 목적을 둔다.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2007.05a
• /
• pp.243-246
• /
• 2007

자동차의 고장은 그 종류나 특징 면에서 다양하게 나타나게 되므로 자동차의 진단과 점검에는 많은 노력과 비용, 시간이 소요되며 운전자에 의한 정보를 기대하기 힘든 경우에는 진단이나 정비과정에 많은 어려움을 겪게 된다. 따라서 본 연구에서는 운전자에 의한 일반적인 정보와 진동 소음 센서에 의한 정보의 신호처리기술을 종합하여 자동차 부품의 이상 신호 분석을 하였다. 그리고 정상 상태 대비 이상 신호에 따른 진동 소음 데이터 변화율을 계산하여 작동 모드 별 실내 음압에 영향을 미치는 신호 및 해당 주파수 특성을 분석하였다. 이에 따라 자동차 정비 전문가 시스템 구축을 위한 기초 연구로 엔진부의 이상 신호와 각 부품 별 이상 신호로 나누어 분석하여 데이터 처리 과정 및 이상 증상 별 경향 파악에 본 연구의 목적을 둔다.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1997.10a
• /
• pp.233-238
• /
• 1997

위그너분포(Wigner Distribution)를 이용하여 진동신호를 분석하고, 신경회로망을 이용하여 온라인으로 진동발생에 따른 냉각재펌프의 이상상태를 진단하고자 하였다. 진동신호 분석을 위하여 현재 정상 가동중인 원전 냉각재펌프의 진동신호와 Rotor Kit으로부터 이상상태에 대한 모의신호를 추출하였다. 본 연구에서 진동신호 분석을 위하여 시간 및 주파수성분을 동시에 표현가능한 위그너분포 이론을 적용하므로써 기존의 시간 및 주파수성분을 별도로 표현하던 방법보다 신호분석이 용이함을 확인하였으며, 이 신호분석 결과를 바탕으로 역전파 신경회로망의 패턴인식 및 분류 특징을 이용한 진단결과는 실험데이타 량에 비추어 만족할 만한 인식률을 보였다.

• Journal of IKEEE
• /
• v.25 no.4
• /
• pp.710-715
• /
• 2021

Power line signal can show disturbances due to various causes. Typical anomalies are temporary sag/swell of the amplitude, flat topped signal, and harmonic distortions. The disturbances need to be detected and treated properly for the quality of the power signal. In this study, the power disturbances are detected using the inflection points (IP). The inflection points are defined as points where local maxima/minima or the slope changes occur. The power line signal has a fixed IP pattern since it is basically sinusoidal, and it may have additional inflection points if there is any disturbance. The disturbance is detected by comparing the IP patterns between the normal signal and distorted signal. In addition, by defining a cost function, the time instant where the disturbance happens can be decided. The computer simulation shows that the proposed method is useful for the detection of various disturbances. The simple sag or swell signal only shows the amplitude changes at the detected inflection points. However, the flat top signal and harmonically distorted signal produce additional inflection points and large values in the cost function. These results can be exploited for the further processing of disturbance classification.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2005.11a
• /
• pp.369-372
• /
• 2005

산업체에서 사용되는 BLDC 모터 제어보드의 경우에는 대량 생산을 통하여 제작하며, 제작과정에서 발생한 불량 제어보드는 모터의 초기 기동실패와 고속회전시의 소음 및 화재 발생 등의 원인일뿐만이 아니라 이를 사용하여 응용제품을 생산하는 업체의 품질관리면에서 제어보드의 이상유무 확인이 반드시 필요하다. 일반적인 모터 제어보드의 이상 유무는 육안 및 소음에 의한 방법으로 모토의 기동실패나 고속 회전을 통한 소음등으로부터 경험에 의해 판단한다. 그러나 고속 회전시 발생되는 소음으로 모터 제어보드의 이상유무를 판단하게 되면 이상유무 판단에 필요한 시간이 길어져 대규모 생산과정에 적합하지 않을 뿐만아니라 작업자의 경험에 의존하게 됨으로써 생산성에 지장을 주게된다. 또한 검사시간을 줄이기 위하여, 저속 회전만으로 이상유무를 판단하고자 할 경우 소음정도가 약해 이상유무를 판단하기가 매우 어렵고 더욱더 숙련된 검사자를 필요로 하게 되므로 생산공정에 자동검사기의 도입이 필요하디. 본 논문은 BLDC 모터 제어기의 이상이 발생할 수 있는 경우를 고찰하고, 이러한 BLDC 모터 제어보드의 이상상태가 납땜불량 및 소자 파괴 의하여 입${\cdot}$출력이 비정상적으로 이루어 질 경우의 전류신호와 정상일 때의 전류신호를 비교분석한 후 이를 검출할 수 있는 아날로그 회로를 구현하고 실험을 통하여 검증을 하였다. 또한 이러한 BLDC모터 제어기의 검사기를 아날로그 회로로 구현할 경우의 주의점을 고찰한다.