• 스마트미디어저널
• /
• 제1권2호
• /
• pp.47-53
• /
• 2012

전 세계적으로 풍력발전은 전력생산을 위해 사용되는 신재생 에너지원 중 가장 빨리 성장하고 있는 분야로 새로 건설되는 풍력발전단지는 전체 전력 생산량에서 많은 부분을 차지해가고 있다. 풍력발전단지의 설치 중가는 더욱 효율적인 운영과 유지보수에 대한 기술 개발을 요구하게 된다. CM(Condition Monitoring) 시스템은 풍력발전 시스템의 효율적 운영을 가능케 하는 중요한 도구로 운영자에게 기계의 운전 상태에 대한 정보를 제공함과 동시에 유지보수와 관련된 체계적인 정보를 제공한다. 이에 본 연구에서는 풍력 발전용 SCADA 시스템으로부터의 각종 정보를 이용하여 해당 장치의 고장검출에 효율적으로 사용될 수 있는 인공신경망을 기반으로 하는 정상 동작 모델의 체계적인 설계 과정에 대해 고찰하고자 한다. 또한 제안된 설계 기법의 유용성 확인을 위해 군산 비응도에 설치된 Vestas사의 850KW급 풍력발전시스템으로부터의 SCADA 데이터를 사용하였다.

• 한국지능시스템학회논문지
• /
• 제24권1호
• /
• pp.96-101
• /
• 2014

풍력은 전 세계적으로 가장 각광을 받고 있는 신재생 에너지이며 당분간 이러한 추세는 계속될 것으로 기대되고 있다. 최근 풍력발전시스템의 O&M(Operation & Maintenance) 비용의 절감에 대한 필요성이 꾸준히 대두되고 있는 실정이다. O&M 비용의 절감을 위한 가장 효율적인 방법은 CMS(Condition Monitoring System)의 도입이며 이는 풍력발전기 부품들의 악화, 적절한 선제적 유지보수, 발전중지시간의 단축 및 궁극적으로 풍력발전기의 운전 효율을 증대시키는 것을 가능케 한다. 풍력발전기의 터빈 로터와 관련하여 질량 불평형 및 공력비대칭과 같은 고장이 발생될 수 있다. 일반적으로 이러한 고장은 다양한 형태의 진동을 야기 시킨다. 이에 본 연구에서는 진동신호에 대한 스펙트럼과 간단한 max-min 진단 로직으로 구성된 고장검출 알고리즘을 제안한다. 또한 제안된 진단기법의 유용성의 확인을 위해 GH-Bladed 프로그램을 이용한 다양한 시뮬레이션 고찰을 수행한다.

• Korean Chemical Engineering Research
• /
• 제45권1호
• /
• pp.87-92
• /
• 2007

최근 공정의 이상을 감지하고 진단하기 위한 공정 모니터링 시스템의 개발이 공정 시스템 분야에서 많은 주목을 받고 있다. 공정으로부터 얻어지는 데이터는 공정의 특성에 대한 유용한 정보를 제공하고 이는 공정의 모델링과 모니터링 그리고 제어에 사용된다. 현대의 화학 및 환경 공정은 고차원적인 특성과 변수간의 강한 상관관계와 동특성 그리고 비선형적 특성을 가지고 있어 모델 기반 접근을 통해 공정을 분석하는 것을 쉽지 않다. 이러한 모델 기반 접근의 한계를 극복하기 위해 많은 시스템 엔지니어와 연구자들이 주성분 분석법(principal component analysis, PCA) 또는 부분 최소 자승법(partial least squares, PLS)과 같은 다변량 분석을 접목한 통계 기반 접근법에 초점을 맞추고 있다. 또한 동특성, 비선형성 등과 같은 특성을 가진 공정에 적용하기 위해 많은 다변량 분석법들이 보완되었다. 여기에서는 동적 주성분 분석법(dynamic PCA)과 케노니컬 변수 분석법(canonical variate analysis)을 이용한 결측 데이터의 예측법과 공정 변수의 복원을 통한 센서 오작동의 판별법에 대해 언급해 보고자 한다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.251-266
• /
• 2022

Structural Health Monitoring (SHM) of critical infrastructure comprises a major pillar of maintenance management, shielding public safety and economic sustainability. Although SHM is usually associated with data-driven metrics and thresholds, expert judgement is essential, especially in cases where erroneous predictions can bear casualties or substantial economic loss. Considering that visual inspections are time consuming and potentially subjective, artificial-intelligence tools may be leveraged in order to minimize the inspection effort and provide objective outcomes. In this context, timely detection of sensor malfunctioning is crucial in preventing inaccurate assessment and false alarms. The present work introduces a sensor-fault detection and interpretation framework, based on the well-established support-vector machine scheme for anomaly detection, combined with a coalitional game-theory approach. The proposed framework is implemented in two datasets, provided along the 1st International Project Competition for Structural Health Monitoring (IPC-SHM 2020), comprising acceleration and cable-load measurements from two real cable-stayed bridges. The results demonstrate good predictive performance and highlight the potential for seamless adaption of the algorithm to intrinsically different data domains. For the first time, the term "decision trajectories", originating from the field of cognitive sciences, is introduced and applied in the context of SHM. This provides an intuitive and comprehensive illustration of the impact of individual features, along with an elaboration on feature dependencies that drive individual model predictions. Overall, the proposed framework provides an easy-to-train, application-agnostic and interpretable anomaly detector, which can be integrated into the preprocessing part of various SHM and condition-monitoring applications, offering a first screening of the sensor health prior to further analysis.

• Tribology and Lubricants
• /
• 제36권6호
• /
• pp.297-306
• /
• 2020

This paper reviews studies on the types and functions of oil sensors used for machine condition monitoring. Machine condition monitoring is essential for maintaining the reliability of machines and can help avoid catastrophic failures while ensuring the safety and longevity of operation. Machine condition monitoring involves several components, such as compliance monitoring, structural monitoring, thermography, non-destructive testing, and noise and vibration monitoring. Real-time monitoring with oil analysis is also utilized in various industries, such as manufacturing, aerospace, and power plants. The three main methods of oil analysis are off-line, in-line, and on-line techniques. The on-line method is the most popular among these three because it reduces human error during oil sampling, prevents incipient machine failure, reduces the total maintenance cost, and does not need complicated setup or skilled analysts. This method has two advantages over the other two monitoring methods. First, fault conditions can be noticed at the early stages via detection of wear particles using wear particle sensors; therefore, it provides early warning in the failure process. Second, it is convenient and effective for diagnosing data regardless of the measurement time. Real-time condition monitoring with oil analysis uses various oil sensors to diagnose the machine and oil statuses; further, integrated oil sensors can be used to measure several properties simultaneously.

• 한국지능시스템학회논문지
• /
• 제17권6호
• /
• pp.760-765
• /
• 2007

센서 네트워크 시스템은 한정된 자원을 갖는 센서노드들을 광대한 영역에 설치하여 새로운 정보를 수집하고 모니터링하는 기능을 한다. 센서 노드와 센서의 고장(Sensor node faulty or Sensor faulty)은 열악한 설치 환경이나 제한된 리소스에 의해 종종 발생되는데 이들 고장은 네트워크 내에서 요구되는 양질의 서비스 제공에 많은 문제를 가져온다. 본 논문에서는 센서 노드의 고장 검출 알고리즘으로 알려져 있는 Consensus 알고리즘과 센서노드에서 사용되는 센서의 고장을 검출할 수 있는 localized faulty sensor detection 알고리즘을 혼합하여 시스템에 안정된 서비스를 제공할 수 있는 방법을 제안하며 실제 시뮬레이션과 제작된 실험장치에 적용함으로써 그 유용성을 확인하고자 한다.

• 산업공학
• /
• 제20권3호
• /
• pp.288-297
• /
• 2007

Success of semiconductor/LCD industry depends on its yield and quality of product. For the purpose, FDC (Fault Detection and Classification) system is used to diagnose fault state in main manufacturing processes by monitoring time series data collected by equipment sensors which represent various conditions of the equipment. The data set is segmented at the start and end of each product lot processing by a trigger event module. However, in practice, segmented sensor data usually have the features of data asynchronization such as different start points, end points, and data lengths. Due to the asynchronization problem, false alarm (type I error) and missed alarm (type II error) occur frequently. In this paper, we propose a robust process fault detection system by integrating a process event detection method and a similarity measuring method based on dynamic time warping algorithm. An experiment shows that the proposed system is able to recognize abnormal condition correctly under the asynchronous data situation.

• 한국소음진동공학회논문집
• /
• 제21권11호
• /
• pp.1020-1028
• /
• 2011

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 artificial neural network. 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 a neural-network-based fault diagnosis system using AR coefficients as feature vectors by LPC(linear predictive coding) and EIV(errors-in variables) analysis. We extracted feature vectors from sound, vibration and current faulty signals and evaluated the suitability of feature vectors depending on the classification results and training error rates by changing AR order and adding noise. From experimental results, we conclude that classification results using feature vectors by EIV analysis indicate more than 90 % stably for less than 10 orders and noise effect comparing to LPC.

• 한국항행학회논문지
• /
• 제15권1호
• /
• pp.18-24
• /
• 2011

본 논문은 선박 감시 시스템에서 수집된 데이터를 통계적 분석을 통해 고장유무를 진단할 수 있는 통계적 방법 기반의 고장진단시스템을 제안한다. 이를 위해 선박엔진데이터를 연소계통, 열교환계통, 그리고 전동기 및 펌프계통으로 분류하고 이들 데이터 간 상관계수를 분석하여 고장진단을 위해 필요한 전문가지식기반의 진단테이블을 도출한다. 고장진단성능을 테스트하기 위해 실제 운항데이터에 고장의 원인이 될 수 있는 외란을 삽입하여 고장유무를 판단하며 이를 사용자편의의 인터페이스로 제공하기 위해 VC++로 고장진단시스템을 구현한다.

• 비파괴검사학회지
• /
• 제32권1호
• /
• pp.7-11
• /
• 2012

기존 진단법과 달리 동적 하중조건하 회전체의 마모 단계에 따른 결함 진단을 위해 비접촉, 비파괴의 적외선 열화상 기법이 제안된다. 본 연구에서는 시험시편인 단열 깊은 홈의 볼 베어링을 설정하여 기존의 스펙트럼 분석과 같은 고장탐지법에 대한 대안으로써 수동형 열화상시험이 수행되었다. 본 연구로부터, 적외선 열화상시험은 신뢰성을 평가하기 위해 기존 진동 스펙트럼 분석시험과 비교, 분석되었다. 연구의 비파괴시험의 결과로써, 마모 단계에 따른 볼 베어링의 온도 특성이 분석되었다.