• 한국정밀공학회지
• /
• 제18권11호
• /
• pp.124-131
• /
• 2001

Fault diagnosis of an assembled small motor relies usually on human experts hearing ability. The quality of diagnosis depends, however, heavily on physical conditions of the human experts. A fault diagnosis system for assembled small motors is developed using artificial neural network (ANN) in this paper. It is consisted of sound sampling device and fault diagnosis software package. Six parameters are defined to characterize the sampled sound waves. The Levenberg-Marquardt Backpropagation (LMBP) Algorithm is used to diagnose the fault of assembled small motors. Experimental results for more than two hundred small motors verify the performance of the developed system.

• Journal of Power Electronics
• /
• 제13권6호
• /
• pp.985-990
• /
• 2013

This paper proposes a novel fault diagnosis scheme using parameter estimation of the stator resistance, especially in the case of the open-phase faults of PMSM drives. The stator resistance of PMSMs can be estimated by the recursive least square (RLS) algorithm in real time. Fault diagnosis is achieved by analyzing the estimated stator resistance of each phase according to the fault condition. The proposed fault diagnosis scheme is implemented without any extra devices. Moreover, the estimated parameter information can be used to improve the control performance. The feasibility of the proposed fault diagnosis scheme is verified by simulation and experimental results.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1994년도 추계학술대회 논문집
• /
• pp.670-675
• /
• 1994

Yhis paper describes a fault diagnosis simulation of the Real-Time Multiple Fault Dignosis System (RTMFDS) for forcasting faults in a system and deciding current machine state from signal information. Comparing with other diagnosis system for single fault,the system developed deals with multiple fault diagnosis,comprising two main parts. One is a remotesignal generating and transimission terminal and the other is a host system for fault diagnosis. Signal generator generate the random fault signal and the image information, and send this information to host. Host consists of various modules and agents such as Signal Processing Module(SPM) for sinal preprocessing, Performence Monotoring Module(PMM) for subsystem performance monitoring, Trigger Module(TM) for multi-triggering subsystem fault diagnosis, Subsystem Fault Diagnosis Agent(SFDA) for receiving trigger signal, formulating subsystem fault D\ulcornerB and initiating diagnosis, Fault Diagnosis Module(FDM) for simulating component fault with Hierarchical Artificial Neural Network (HANN), numerical models and Hofield network,Result Agent(RA) for receiving simulation result and sending to Treatment solver and Graphic Agent(GA). Each agent represents a separate process in UNIX operating system, information exchange and cooperation between agents was doen by IPC(Inter Process Communication : message queue, semaphore, signal, pipe). Numerical models are used to deseribe structure, function and behavior of total system, subsystems and their components. Hierarchical data structure for diagnosing the fault system is implemented by HANN. Signal generation and transmittion was performed on PC. As a host, SUN workstation with X-Windows(Motif)is used for graphic representation.

• 한국산학기술학회논문지
• /
• 제17권1호
• /
• pp.538-543
• /
• 2016

고품질의 제품과 조업 안전을 확보하기 위해서는 적절한 실시간 공정 감시 및 진단 시스템이 설치되어있는 것이 무엇보다 중요하다. 공정 감시 시스템과 결합된 신뢰도 높은 진단 시스템은 공정에서 발생한 특별한 사건이나 사고의 근본적인 원인과 공정 변수를 알려준다. 본 연구에서는 다변량 통계 분석과 분류기법에 기반한 공정진단 체계를 제시한다. 이 진단시스템은 비선형 데이터 표현과 필터링을 통한 지능적 데이터 표현으로 구성되어 있다. 진단 성능을 평가하기 위해 사례연구를 수행하였으며 다른 방법론과의 결과를 비교하기 위하여 진단 결과와 미래값 추정 방법을 평가하였다. 그 결과 본 연구에서 비교된 진단 방법론들에 비해 신뢰도 높은 진단 결과를 얻을 수 있었다.

• 한국공간구조학회논문집
• /
• 제11권1호
• /
• pp.97-104
• /
• 2011

본 연구에서는 막구조 건축물의 유지관리를 위한 막재의 표면 및 코팅층의 열화진단을 수행하였다. 막재는 내화학성능 및 내부식 성능을 포함하는 내구성능이 가장 중요시 되는 재료이다. 일반적으로 대공간 건축물의 지붕재료로 사용되는 막재의 유지관리 진단항목은 막재의 표면 열화진단, 막재의 코팅층 열화진단, 막재의 코팅층 및 섬유포 사이의 열화진단, 막재 전면에 걸친 열화진단, 로프의 열화진단, 보강벨트의 열화진단, 커버고무 등의 열화진단 등으로 대별된다. 본 연구는 대공간 건축물의 지붕재료로 많이 사용되는 PVDF계 막재를 대상으로 표면 및 코팅층의 열화도 진단 결과를 보고한다.

• 대한기계학회논문집A
• /
• 제41권10호
• /
• pp.931-940
• /
• 2017

본 논문은 슬라이딩 모드 관측기를 이용한 기구학 모델 기반 자율주행 자동차의 예견 고장진단 알고리즘에 관한 연구이다. 자율주행 자동차는 안전한 주행을 위해 신뢰성이 확보된 주행 환경 정보와 차량의 동적상태 정보가 필요하다. 센서 정보의 신뢰성 판단을 위해 본 연구에서는 종방향 기구학 모델기반 슬라이딩모드 관측기를 이용하여 종방향 환경정보와 차량 가속도 정보를 실시간으로 상호 보완적 고장진단이 가능한 예견 알고리즘을 제안하였다. 적용된 슬라이딩 모드 관측기는 종방향 환경정보의 고장신호에도 강건한 입력신호 재건성능을 보이면서 알고리즘의 신뢰성을 확보할 수 있었다. 예견 고장진단 알고리즘의 합리적 성능평가를 위해 네 가지 조건에 대한 실제 주행 데이터 기반 선행차량 추종시나리오를 적용하였다. 성능평가 결과 본 연구에서 제안된 예견 고장진단 알고리즘은 모든 평가조건과 주행 시나리오에 대해 합리적인 고장진단 성능을 보여주었다.

• 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.

• 수면정신생리
• /
• 제10권1호
• /
• pp.12-19
• /
• 2003

Sleepiness, or hypersomnia, is a relatively common complaint and one of the main problems of modern society. Accurate evaluation and diagnosis of sleepiness are important. The methods used for evaluating sleepiness are subjective measures or self-evaluations, performance decrease measures, sleep propensity measures, and arousal decrease measures. A clear and detailed history is important in differential diagnosis of sleepiness because symptoms of sleepiness may be expressed in terms of 'tiredness' or 'fatigue' that do not directly denote sleepiness. Comprehensive diagnostic evaluation is also invaluable because these symptoms may result from a variety of causes ranging from medical disorders to insufficient nocturnal sleep.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2002년도 추계학술대회논문초록집
• /
• pp.382.1-382
• /
• 2002

This paper presents a new approach integrated Case-Based Reasoning with Self- Organization Map(SOM) in diagnosis systems. The causes of faults are obtained by case-base trained from SOM. When the vibration problem of rotating machinery occurs, this provides an exact diagnosis method that shows the fault cause of vibration problem. In order to verify the performance of algorithm, we applied it to diagnose the fault cause of the electric motor.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 1995년도 춘계공동학술대회논문집; 전남대학교; 28-29 Apr. 1995
• /
• pp.387-394
• /
• 1995

With respect to the effectiveness of types of knowledge on human diagnostic performance, the results of several experiments claimed that training with diagnostic rules (procedural knowledge) is more effective than training that provides theoretical knowledge (principle knowledge). However, we usually have the idea that understanding the principles of system dynamics is necessary for diagnosis in some situations. In this study, we pointed out some problems in the previous experiments that force to reinterpret their experimental conclusions. Accordingly, we conducted an experiment to reinvestigate the value of theoretical knowledge in two problem situations. A simulator system, which is named DLD, that is to diagnose an electronic device was created for this purpose. It is a context-free digital logic circuit which includes forty-one gates of three basic types. Our experiment investigated the marginal effects of theoretical knowledge over common diagnostic rules. The experimental results showed that the effectiveness of the instruction in theoretical knowledge is dependent on the complexity of diagnostic situations. This adds up an experimental evidence against the presumed ineffectiveness of theoretical knowledge and forward reasoning in fault diagnosis. Furthermore, the result suggests the source of the use of theoretical knowledge.