• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1994년도 Proceedings of the Korea Automatic Control Conference, 9th (KACC) ; Taejeon, Korea; 17-20 Oct. 1994
• /
• pp.537-542
• /
• 1994

This paper gives a general survey of model-based fault detection and dignosis methods. Specific applications of these ideas to boiler systems will also be discussed. A novel aspect of the fault detection technique described here is that it explicitly accounts for the effects of using simplified models and errors from linearizing a nonlinear system at an operation point. Inclusion of these effects is shown to lead to novel fault detection procedures which outperform existing methods when applied to typical fault scenarios in boiler systems.

• 제어로봇시스템학회논문지
• /
• 제9권11호
• /
• pp.874-882
• /
• 2003

The condition assessment of engineering systems has increased in importance because the manpower needed to operate and supervise various plants has been reduced. Especially, induction motors are at the core of most engineering processes, and there is an indispensable need to monitor their health and performance. So detection and diagnosis of motor faults is a base to improve efficiency of the industrial plant. In this paper, a model-based fault detection system is developed for induction motors, using steady state vibration signals. Early various fault detection systems using vibration signals are a trivial method and those methods are prone to have missed fault or false alarms. The suggested motor fault detection system was developed using a model-based reference value. The stationary signal had been extracted from the non-stationary signal using a data segmentation method. The signal processing method applied in this research is FFT. A reference model with spectra signal is developed and then the residuals of the vibration signal are generated. The ratio of RMS values of vibration residuals is proposed as a fault indicator for detecting faults. The developed fault detection system is tested on 800 hp motor and it is shown to be effective for detecting faults in the air-gap eccentricities and broken rotor bars. The suggested system is shown to be effective for reducing missed faults and false alarms. Moreover, the suggested system has advantages in the automation of fault detection algorithms in a random signal system, and the reference model is not complicated.

• 한국안전학회지
• /
• 제20권3호
• /
• pp.19-26
• /
• 2005

There are three reasoning method in fault diagnosis process. The shallow reasoning is based on the experiential knowledge and deep reasoning is based on physical model. Hybrid reasoning is mixing two type reasoning. This study describes about fault train embodiment of screw type air compressor that is used widely in industrial facilities by using various experimental method and shallow reasoning. We investigate macroscopic failure cause of air compressor through naked eye observation and then microscopic failure cause by various experimental method. We composed fault train with fault knowledge based on empirical data and scientific data that is acquired through several experiments. It is possible to analysis system reliability and failure rate with these fault train.

• 한국지능시스템학회논문지
• /
• 제18권3호
• /
• pp.367-372
• /
• 2008

본 연구는 BLDC 모터의 동일모델간 다른 정상범위로 인해 발생하는 상태판단 문제를 해결해 진단 효율을 높이는데 있다. 모터내 고유한 외란은 동일한 상태임에도 정상상태 범위가 다르게 계측되는 원인이다. 이러한 문제는 진단모델 설계시 모터 상태를 구별하기 위한 특징변수와 상태판단 기준값을 결정하기 어렵게 한다. 실험은 다수의 BLDC 모터들에서 신호를 계측하기 위한 시스템을 구성하고, 모터별 다른 정상범위를 관찰하고 고장들을 상태별로 분류하였다. 계측한 신호는 제안한 상태천이모델을 사용하여 모터 고유외란의 영향을 최소화하였다. 제안한 상태천이모델은 동일 모터모델에서 발생하는 다른 정상상태 특성을 줄여 고장 검출효율을 향상시키는 방법이다. 본 연구의 실험 결과, 고장 검출율이 향상되었으며 제안한 상태천이모델이 진단에서 유용한 방법임을 알 수 있었다.

• International Journal of Aeronautical and Space Sciences
• /
• 제9권1호
• /
• pp.100-110
• /
• 2008

It is not easy to monitor and identify all engine faults and conditions using conventional fault detection approaches like the GPA (Gas Path Analysis) method due to the nature and complexity of the faults. This study therefore focuses on a model based diagnostic method using Neural Network algorithms proposed for fault detection on a turbo shaft engine (PW 206C) selected as the power plant for a tilt rotor type unmanned aerial vehicle (Smart UAV). The model based diagnosis should be performed by a precise performance model. However component maps for the performance model were not provided by the engine manufacturer. Therefore they were generated by a new component map generation method, namely hybrid method using system identification and genetic algorithms that identifies inversely component characteristics from limited performance deck data provided by the engine manufacturer. Performance simulations at different operating conditions were performed on the PW206C turbo shaft engine using SIMULINK. In order to train the proposed BPNN (Back Propagation Neural Network), performance data sets obtained from performance analysis results using various implanted component degradations were used. The trained NN system could reasonably detect the faulted components including the fault pattern and quantity of the study engine at various operating conditions.

• 한국음향학회지
• /
• 제15권5호
• /
• pp.73-81
• /
• 1996

많은 수의 프로세서와 메모리 소자사이의 연결을 위한 구조들은 다단 상호연결 네트워크를 이용해서 구현할 수 있다. 또한 경제성, 처리능력 및 고장 허용면에서의 발전은 자연스럽게 컴퓨터 시스템 성장에 있어서 가장 중요한 요건이 되었다. 그러나 지금까지의 다단 상호연결 네트워크에서의 고장의 허용방법, 특히 전단에 관한 연구가 미흡하다. 따라서 본 논문에서는 기존의 다단 상호연결 네트워크중에서 generalized cube네트워크를 바탕으로 링크 고착 고장 및 direct와 cross상태에서 스위칭 소자의 고장, 그리고 새로운 broadcast상태에서 고장진단을 포함하는 generalized cube네트워크에 스위칭 소자가 가지는 4가지 상태의 전체적인 진단을 한다. 가정된 고장모델을 검출할 수 있는 테스트 집합을 산출하고 이를 통해서 고장의 검출 및 위치를 결정할 수 있는 효율적인 알고리즘을 제안하고 적용의 예를 보인다.

• 한국압력기기공학회 논문집
• /
• 제19권1호
• /
• pp.44-51
• /
• 2023

The RCP is one of the main components in nuclear power plants and plays an important role in circulating coolant to the RCS system. Currently, nuclear plants are monitored using various monitoring systems. However, since they operate independently according to their functional purpose, it is not able to analyze vibration and operation/performance information comprehensively, and thus failure diagnosis accuracy is limited. In addition, these systems do not provide some important information (such as fault type, parts and cause) necessary for emergency actions, but provide only alarm information. To improve these technical problems, this study proposes a diagnosis technique (M/L, Rule-based model, Data-driven model, Narrow band model) and methodology for comprehensive analysis.

• 전기학회논문지
• /
• 제66권10호
• /
• pp.1445-1453
• /
• 2017

In this paper, we propose a fault detection model based on multi-layer neural network using data mining technique for faults due to boiler tube leakage in a thermal power plant. Major measurement data related to faults are analyzed using statistical methods. Based on the analysis results, the number of input data of the proposed fault detection model is simplified. Then, each input data is clustering with normal data and fault data by applying K-Means algorithm, which is one of the data mining techniques. fault data were trained by the neural network and tested fault detection for boiler tube leakage fault.

• Korean Chemical Engineering Research
• /
• 제46권2호
• /
• pp.383-388
• /
• 2008

화학공정의 안전하고 효율적인 운전에 관심이 커지면서 공정이상의 원인을 조기에 진단하기 위한 다양한 이상진단방법이 연구되어 왔다. 최근에는 통계적 모델 등 정량적 데이터에 기반한 이상진단방법이 많이 연구되고 있으나, 특정 조업영역에서 얻어진 통계적 모델을 다른 조업영역에 적용하면 오진단이 많아지게 된다. 따라서 공정특성상 다양한 조업영역이 존재하는 화학공정에 데이터기반 방법론을 적용하기에는 어려움이 있어 화학공정의 조업영역 판별법이 요구되고 있다. 이 연구에서는 유클리드 거리(Euclidean distance), FDA(Fisher's discriminant analysis), PCA(principal component analysis)의 통계모델과 이 모델들에 공정변수의 동특성을 반영한 모델을 제안하였다. 6개의 조업모드를 가진 TE(tennessee eastman) 공정에 대한 사례연구를 통해 동특성을 반영한 PCA 모델의 성능이 가장 우수함을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권4호
• /
• pp.179-188
• /
• 2022

기계의 주요 부품인 베어링 결함 진단에 딥러닝을 활용하는 연구가 활발하게 진행되어 좋은 성능을 달성하였으나, 학습 데이터와 테스트 데이터의 운영 환경 차이로 인해 기계가 실제로 가동되는 환경에서는 성능 저하가 발생하는 문제가 있다. 학습 데이터와 테스트 데이터의 분포 차이 문제를 다루는 방법으로 데이터 적응이 제안되어 좋은 결과를 보여주고 있으나, 각 방법이 가정하고 있는 특정 적용 시나리오를 벗어나기 어렵다는 제약이 있다. 이에 본 연구는 MFCCs를 이용한 입력 데이터의 변환과 간단한 CNN 구조를 이용해 원시 도메인 데이터로부터 생성된 모델에 대해 추가적인 학습이나 조정 없이 타겟 도메인 데이터에 대한 테스트를 강건하게 수행하는 방법을 제안하였으며, 대표적인 베어링 결함 진단 데이터셋인 CWRU 베어링 데이터를 이용해 제안한 방법에 대한 실험 및 분석을 수행하였다. 실험 결과 전이 학습 기반의 방법들과 대등한 성능을 보였으며, 입력 변환 기반의 베이스라인 방법보다는 최소 15% 정도의 높은 성능을 달성하였다.