Transactions on Electrical and Electronic Materials
/
제6권6호
/
pp.262-271
/
2005
In order to achieve timely and accurate fault detection of plasma etching process, neural network based time series modeling has been applied to reactive ion etching (RIE) using two different in-situ plasma-monitoring sensors called optical emission spectroscopy (OES) and residual gas analyzer (RGA). Four different subsystems of RIE (such as RF power, chamber pressure, and two gas flows) were considered as potential sources of fault, and multiple degrees of faults were tested. OES and RGA data were simultaneously collected while the etching of benzocyclobutene (BCB) in a $SF_6/O_2$ plasma was taking place. To simulate established TSNNs as incipient fault detectors, each TSNN was trained to learn the parameters at t, t+T, ... , and t+4T. This prediction scheme could effectively compensate run-time-delay (RTD) caused by data preprocessing and computation. Satisfying results are presented in this paper, and it turned out that OES is more sensitive to RF power and RGA is to chamber pressure and gas flows. Therefore, the combination of these two sensors is recommended for better fault detection, and they show a potential to the applications of not only incipient fault detection but also incipient real-time diagnosis.
In recent years, many investigations about photovoltaic power systems have been significantly carried out in the fields of renewable power energy. Such research area generally includes developments of highly efficient solar cells, advanced power conversion systems, and smart monitoring systems. A generic objective of fault detection and diagnosis techniques is to timely recognize unexpected faulty of dynamic systems so that economic demage occurred by such faulty is decreased by means of engineering techniques. This paper presents a novel fault detection approach for photovoltaic power arrays which are electrically connected in series and parallels. In the proposed fault detection scheme, we first measure all of photovoltaic modules located in each array by using electronic sense systems and then compare each measurement in turn to detect location of fault module through statistic computation algorithm. We accomplish real-time experiments to demonstrate our proposed fault detection methodology by using a test-bed system including two 20 watt photovoltaic modules.
To study the reverse fault formation process and the stress evolution feature, a simulation test system of reverse fault formation is developed based on the analysis of reverse fault formation mechanism. The system mainly consists of simulation laboratory module, operation console and horizontal loading control system, and data monitoring system. It can represent the fault formation process, induce fault crack initiation and simulate faults of different throws. Simulation tests on reverse fault formation process are conducted by using the simulation test system: horizontal loading is added to one side of the model. the bottom rock layer cracks under the effect of the induction device. The crack dip angle is about 29°. A reverse fault is formed with the expansion of the crack dip angle towards the upper right along the fracture surface and the slippage of the hanging wall over the foot wall. Its formation process unfolds five stages: compressive deformation of rock, local crack initiation, reverse fault penetration, slippage of the hanging wall over the foot wall and compaction of fault plane. There is residual structural stress inside rock after fault formation. The study methods and results have guiding and referential significance for further study on reverse fault formation mechanism and rock stress evolution.
In this paper, Cell voltage monitoring method is studied for fault detection of PEMFC(Proton Exchange Membrane Fuel Cell) for FCEV(fuel cell electric vehicle). To measuring several hundred of cells in fuel cell stack, The demanded feature of hardware and software is studied and several types are analysed. Finally, $3.26\%$ maximum measuring error is acquired and verified experimentally.
최근 신재생 에너지원으로서의 선두주자인 풍력발전은 다수의 풍력발전 회사들로 하여금 모니터링 및 고장진단 시스템의 개발을 가속화시키고 있다. 이러한 모니터링 및 진단시스템은 조기의 고장검출을 통해 고장이 발생되었을 경우 발생되는 고가의 수리비용을 미연에 방지할 수 있게 한다. 일반적으로 풍력발전과 관련된 고장진단 시스템은 진동신호 및 신호분석기법에 기반하고 있다. 이에 본 연구에서는 풍력발전 시스템에서 자주 발생되고 있는 질량 불평형 및 축 정렬 불량 등과 같은 기계적인 고장을 효율적으로 진단할 수 있는 시스템을 제안하고자 한다. 본 연구에서 제안된 지능화된 고장진단 알고리즘은 인공신경망기법과 웨이블렛 변환을 이용한 것으로 (주)가온솔루션에서 개발한 풍력발전용 기계적 고장발생 장치에 적용 실험을 통해 제안된 진단기법의 유용성을 확인하고자 하였다.
Although on-device artificial intelligence (AI) has gained attention to diagnosing machine faults in real time, most previous studies did not consider the model retraining and redeployment processes that must be performed in real-world industrial environments. Our study addresses this challenge by proposing an on-device AI-based real-time machine fault diagnosis system that utilizes continual learning. Our proposed system includes a lightweight convolutional neural network (CNN) model, a continual learning algorithm, and a real-time monitoring service. First, we developed a lightweight 1D CNN model to reduce the cost of model deployment and enable real-time inference on the target edge device with limited computing resources. We then compared the performance of five continual learning algorithms with three public bearing fault datasets and selected the most effective algorithm for our system. Finally, we implemented a real-time monitoring service using an open-source data visualization framework. In the performance comparison results between continual learning algorithms, we found that the replay-based algorithms outperformed the regularization-based algorithms, and the experience replay (ER) algorithm had the best diagnostic accuracy. We further tuned the number and length of data samples used for a memory buffer of the ER algorithm to maximize its performance. We confirmed that the performance of the ER algorithm becomes higher when a longer data length is used. Consequently, the proposed system showed an accuracy of 98.7%, while only 16.5% of the previous data was stored in memory buffer. Our lightweight CNN model was also able to diagnose a fault type of one data sample within 3.76 ms on the Raspberry Pi 4B device.
As rotating machines play an important role in industrial applications such as aeronautical, naval and automotive industries, many researchers have developed various condition monitoring system and fault diagnosis system by applying various techniques such as signal processing and pattern recognition. Recently, fault diagnosis systems using artificial neural network have been proposed. For effective fault diagnosis, this paper used MLP(multi-layer perceptron) network which is widely used in pattern classification. Since using obtained signals without preprocessing as inputs of neural network can decrease performance of fault classification, it is very important to extract significant features of captured signals and to apply suitable features into diagnosis system according to the kinds of obtained signals. Therefore, this paper proposes the decision method of the proper feature vectors about each fault signal for neural-network-based fault diagnosis system. We applied LPC coefficients, maximum magnitudes of each spectral section in FFT and RMS(root mean square) and variance of wavelet coefficients as feature vectors and selected appropriate feature vectors as comparing error ratios of fault diagnosis for sound, vibration and current fault signals. From experiment results, LPC coefficients and maximum magnitudes of each spectral section showed 100 % diagnosis ratios for each fault and the method using wavelet coefficients had noise-robust characteristic.
하드웨어 산업에서의 예측 분석은 생산설비의 고장을 방지하기 위해 적절한 시점에 유지보수를 수행할 수 있고 관리비용을 절감할 수 있다. 이는 고장원인분석의 자동화를 통해 보다 효율적이고 과학적인 유지보수를 수행할 수 있도록 도와준다. 그중에서도 예측 관리는 정보 기술을 활용하여 설비 상태의 수집, 분석, 과학적 데이터 관리를 통해 예측 모델을 구성하며, 이를 바탕으로 이상상태를 파악하고 개선함으로써 이상상태가 발생하는 것을 사전에 예방하는 것을 목적으로 한다. 본 연구에서는 Relex 도구를 통해 결함트리(Fault Tree)를 만들고 하드웨어들의 에러코드를 분석하여 안전성을 연구했다.
Condition monitoring(CM) is a method based on non-destructive test(NDT). So, recently many kind of NDT were applied for CM. Acoustic emission(AE) is widely used for the early detection of faults in rotating machinery in these days because of high sensitivity than common accelerometers and detectable low energy vibration signals. And crack is considered one of severe fault in the rotating machine. Therefore, in this paper, study on early detection using AE has been accomplished for the crack of the low-speed shaft. There is a seeded initial crack on the shaft then the AE signal had been measured with low-speed rotation as the applied load condition. The signal detected from crack in rotating machine was detected by the AE transducer then the trend of crack growth had found out by using some of feature values such as peak value, skewness, kurtosis, crest factor, frequency center value(FC), variance frequency value(VF) and so on.
Condition monitoring of permanent magnet synchronous motors (PMSMs) and detecting faults such as eccentricity and demagnetization are essential for ensuring system reliability. Motor current signal analysis is the most commonly used precursor for detecting faults in the PMSM drive system. However, the current signature responds sensitively to the load and temperature of the motor, thereby making it difficult to monitor faults in real- applications. Therefore, in this study, a condition monitoring methodology that detects motor faults, including their classification with standstill conditions, is proposed. The objective is to detect and classify faults of PMSMs by using programmable inverter without additional sensors and systems for detection. Both DC and AC were applied through the d-axis of a three-phase motor, and the change in incremental inductance was investigated to detect and classify faults. Simulation with finite element analysis and experiments were performed on PMSMs in healthy conditions as well as with eccentricity and demagnetization faults. Based on the results obtained from experiments, the proposed method was confirmed to detect and classify types of faults, including their severity.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.