• 한국기계가공학회지
• /
• 제20권9호
• /
• pp.28-34
• /
• 2021

The Fourth Industrial Revolution has led to the development of drones for commercial and private applications. Therefore, the malfunction of drones has become a prominent problem. Failure mode and effect analysis was used in this study to analyze the primary cause of drone failure, and blade breakage was observed to have the highest frequency of failure. This was tested using a vibration sensor placed on drones along the breakage length of the blades. The data exhibited a significant increase in vibration within the drone body for blade fracture length. Principal component analysis was used to reduce the data dimension and classify the state with machine learning algorithms such as support vector machine, k-nearest neighbor, Gaussian naive Bayes, and random forest. The performance of machine learning was higher than 0.95 for the four algorithms in terms of accuracy, precision, recall, and f1-score. A follow-up study on failure prediction will be conducted based on the results of fault diagnosis.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제60차 하계학술대회논문집 27권2호
• /
• pp.11-12
• /
• 2019

본 논문에서 에스컬레이터 기계실 내부 전동기, 감속기, 구동 체인의 IoT 소음 및 진동 센서를 부착하여 에스컬레이터 운영중 실시간 상태 감시가 가능한 IoT 기반 에스컬레이터 고장 예지 시스템을 제안한다. IoT 소음 및 진동 센서는 에스컬레이터 운영 중 발생하는 소음 및 진동 데이틀 수집하여 PHM(Prognostics and Health Management) 서버로 전송하며, 서버에서는 진단 알고리즘을 통해 고장 유 무를 판단한다. 소음 데이터를 이용한 체인 피치 길이 알고리즘을 검증하기 위하여 실제 체인의 길이를 측정한 결과 값과 비교한 결과 99.8% 정확도를 가지며, 진동 데이터를 이용하여 전동기, 감속기의 상태 판단을 위한 알고리즘 검증을 위해 AST 사의 진동 센서와 비교한 결과 약간의 오차는 발생하지만 ISO 10816-3을 기준으로 한 판단 결과 값은 동일한 결과 값을 가지는 것을 확인하였다.

• 사물인터넷융복합논문지
• /
• 제8권6호
• /
• pp.55-63
• /
• 2022

최근 중국에서 중대형 도시철도의 급속한 발전으로 고속철도의 총 운행거리와 총 EMU(Electric Multiple Units) 수가 증가하고 있다. 고속 EMU의 시스템 복잡성은 지속적으로 증가하고 있으며, 이는 장비의 안전성과 유지보수의 효율성에 대한 더 높은 요구사항을 제시한다. 현재 중국의 고속 EMU의 유지보수 모드는 여전히 계획적인 유지보수 및 고장보수에 기반한 사후 유지보수 방식을 채택하고 있어 유지보수가 미흡하거나 과도하게 이루어지며, 장비 고장 처리의 효율성을 떨어뜨리고 유지보수 비용을 증가시킨다. PHM(진단 및 예측관리)의 지능형 운영 및 유지관리 기술을 기반으로 합니다. 본 논문은 고속 EMU의 서로 다른 시나리오의 다중 소스 이기종 데이터를 통합하여 "차량 시스템-통신 시스템-지상 시스템"의 통합 PHM 플랫폼을 구축하고, 장비 고장 메커니즘을 인공지능 알고리즘과 결합하여 고속 EMU의 트랙션 모터에 대한 고장 예측 모델을 구축한다. 고속 EMU의 안전하고 효율적인 작동을 보장하기 위해 고장 예측 및 정확한 유지보수를 사전에 수행해야 한다.

• 반도체디스플레이기술학회지
• /
• 제21권4호
• /
• pp.65-70
• /
• 2022

In manufacturing and semiconductor industries, transfer robots increase productivity through accurate and continuous work. Due to the nature of the semiconductor process, there are environments where humans cannot intervene to maintain internal temperature and humidity in a clean room. So, transport robots take responsibility over humans. In such an environment where the manpower of the process is cutting down, the lack of maintenance and management technology of the machine may adversely affect the production, and that's why it is necessary to develop a technology for the machine failure diagnosis system. Therefore, this paper tries to identify various causes of failure of transport robots that are widely used in semiconductor automation, and the Prognostics and Health Management (PHM) method is considered for determining and predicting the process of failures. The robot mainly fails in the driving unit due to long-term repetitive motion, and the core components of the driving unit are motors and gear reducer. A simulation drive unit was manufactured and tested around this component and then applied to 6-axis vertical multi-joint robots used in actual industrial sites. Vibration data was collected for each cause of failure of the robot, and then the collected data was processed through signal processing and frequency analysis. The processed data can determine the fault of the robot by utilizing machine learning algorithms such as SVM (Support Vector Machine) and KNN (K-Nearest Neighbor). As a result, the PHM environment was built based on machine learning algorithms using SVM and KNN, confirming that failure prediction was partially possible.

• 대한기계학회논문집A
• /
• 제35권10호
• /
• pp.1299-1306
• /
• 2011

본 연구에서는 측정된 균열 데이터를 토대로 변동하중 하에서의 균열성장모델 변수들을 베이지안 모델변수 추정 방법을 통해서 확률적인 분포로 구하는 방법을 제시하였다. 모델변수의 확률분포를 구하기 위해 Markov Chain Monte Carlo (MCMC) 샘플링 방법을 이용하였다. 변동하중 하에서는 균열성장 모델이 더욱 복잡해 짐에 따라 기존의 MCMC 기법으로는 확률분포를 잘 구하지 못하므로 주변확률밀도분포를 제안함수로 사용하는 MCMC 기법을 새롭게 제안하였다. 모델변수의 추정을 위해 여러 크기의 일정 진폭 하중 하에서 시편시험을 수행하여 얻은 균열성장 데이터를 이용하였다. 추정된 변수들을 사용하여 변동하중 하에서의 시편에 대해 균열성장 예측을 수행하였고, 이를 실제 시험 데이터를 통해서 검증하였다.

• Smart Structures and Systems
• /
• 제22권2호
• /
• pp.133-137
• /
• 2018

Increasing interest in prognostics and health management has heightened the need for wireless sensor networks (WSN) with efficient power sources. Piezoelectric energy harvesters using Pb(Zr,Ti)O3 (PZT) are one of the candidate power sources for WSNs as they efficiently convert mechanical vibration energy into electrical energy. These types of devices are resonated at a specific frequency, which has a significant impact on the amount of energy harvested, by external vibration. Hence, precise prediction of mechanical deformation including modal analysis of piezoelectric devices is crucial for estimating the energy generated under specific conditions. In this study, an experimental vibrational system capable of controlling a wide range of frequencies and accelerations was designed to generate mechanical vibration for piezoelectric energy harvesters. In conjunction with MATLAB, the system automatically finds the resonance frequency of harvesters. A small accelerometer and non-contact laser displacement sensor are employed to investigate the mechanical deformation of harvesters. Mechanical deformation under various frequencies and accelerations were investigated and analyzed based on data from two types of sensors. The results verify that the proposed system can be employed to carry out vibration experiments for piezoelectric harvesters and measurement of their mechanical deformation.

• 대한기계학회논문집A
• /
• 제40권8호
• /
• pp.721-724
• /
• 2016

실제 사용되는 기계 구조물의 수명 예측은 공정산포, 미래의 하중조건, 손상 모델의 불완전성 등으로 인하여 실험실에서 얻은 결과와 차이를 보일 수 밖에 없다. 본 연구에서는 이러한 불확실성이 내포된 기계 구조물의 피로파괴를 사전에 예지하기 위해 이중센서를 개발하고, 상온에서 단축 피로 하중을 받는 구조물에 적용하여 실증하였다. 이중 센서는 피로하중을 받는 대상 구조물보다 약간 더 큰 응력이 인가되도록 고안된 감지 구조물에 변형률 게이지를 부착한 형태이며, 균열이 센서자체에 먼저 발생함으로써 피로파괴를 예지하며, 쌍으로 제작된 감지부의 변형률 차를 이용하여 변동하중 하에서도 정상상태와 고장상태를 구분이 가능하다.

• 한국기계가공학회지
• /
• 제18권9호
• /
• pp.29-35
• /
• 2019

The structure of the machinery industry due to the 4th industrial revolution is changing from precision and durability to intelligent and smart machinery through sensing and interconnection(IoT). There is a growing need for research on prognostics and health management(PHM) that can prevent abnormalities in processing machines and accurately predict and diagnose conditions. PHM is a technology that monitors the condition of a mechanical system, diagnoses signs of failure, and predicts the remaining life of the object. In this study, the vibration generated during machining is measured and a classification algorithm for normal and fault signals is developed. Arbitrary fault signal is collected by changing the conditions of un stable supply cutting oil and fixing jig. The signal processing is performed to apply the measured signal to the learning model. The sampling rate is changed for high speed operation and performed machine learning using raw signal without FFT. The fault classification algorithm for 1D convolution neural network composed of 2 convolution layers is developed.

• 해양환경안전학회지
• /
• 제27권7호
• /
• pp.1088-1097
• /
• 2021

기계 장비의 진동 데이터는 필연적으로 노이즈를 포함하고 있다. 이러한 노이즈는 기계 장비의 유지보수를 진행하는데 악영향을 끼친다. 그에 따라 데이터의 노이즈를 얼마나 효과적으로 제거해주냐에 따라 학습 모델의 성능을 좌우한다. 본 논문에서는 시계열 데이터를 전처리 함에 있어 특성추출 과정을 포함하지 않는 Denoising Auto Encoder 기법을 활용하여 데이터의 노이즈를 제거했다. 또한 기계 신호 처리에 널리 사용되는 Wavelet Transform과 성능 비교를 진행했다. 성능비교는 고장 탐지율을 계산하여 진행했으며 보다 정확한 비교를 위해 분류 성능 평가기준 중 하나인 F-1 Score를 계산하여 성능 비교를 진행했다. 고장을 탐지하는 과정에서는 One-Class SVM 기법을 활용하여 고장 데이터를 탐지했다. 성능 비교 결과 고장 진단율과 오차율 측면에서 Denoising Auto Encoder 기법이 Wavelet Transform 기법에 비해 보다 좋은 성능을 나타냈다.

• 한국군사과학기술학회지
• /
• 제27권1호
• /
• pp.1-7
• /
• 2024

Weather is one of the main causes of aircraft accidents, and among the phenomena caused by weather, icing is a phenomenon in which an ice layer is formed when an object exposed to an atmosphere below a freezing temperature collides with supercooled water droplets. If this phenomenon occurs in the rotor blades, it causes defects such as severe vibration in the airframe and eventually leads to loss of control and an accident. Therefore, it is necessary to foresee the icing situation so that it can ascend and descend at an altitude without a freezing point. In this study, vibration data in normal and faulty conditions was acquired, data features were extracted, and vibration was predicted through deep learning-based algorithms such as CNN, LSTM, CNN-LSTM, Transformer, and TCN, and performance was compared to evaluate blade icing. A method for minimizing operating loss is suggested.