결측치 처리 방법에 따른 인공지능 기반 유압 펌프 고장 진단 (Artificial Intelligence-Based Fault Detection of Hydraulic Pump According to Missing Value Handling)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 A / 48권 / 7호 / 445 ~ 454페이지
· 저자명 : 김아란, 김하선, 김선영

초록

굴착기는 험지 주행을 수행하는 건설 장비로써 고장은 예측하지 못한 시점에 발생된다. 실제 산업 현장에서 수집되는 센서 데이터는 큰 잡음과 결측치를 포함한다. 따라서 본 연구에서 굴착기용 유압 펌프인 사판식 액시얼 피스톤 펌프의 결측치를 포함한 데이터를 이용하여 잡음에 강건한 결측치 대체 방법과 진단 네트워크를 제안한다. 데이터는 시뮬레이션을 통해 추출한 정상과 3가지 고장(호스 터짐, 호스 막힘, 피스톤 1개 막힘)의 펌프 출구 압력 신호이다. 또한 1 ~ 50%의 다양한 결측률도 고려되었다. 최종적으로 단순 대체 방법 중 평균값 대체가 안정적으로 높은 성능을 가짐과 장단기 메모리에 Bahdanau 어텐션 메커니즘을 결합한 네트워크가 다른 네트워크에 비하여 잡음에 강건함을 확인하였다.

영어초록

Excavators are construction equipment that operate on rough terrain, and their breakdowns can occur unexpectedly. Sensor data collected from real industrial sites contain large amount of noise and missing values. Therefore, we propose a missing value imputation method and network that are robust to missing values and noise for fault detection of the swash plate axial piston pump, which is a hydraulic pump for excavators. The data are pump outlet pressure signals with missing values for normal and three faults (hose breakage, hose blockage, and one piston blockage) extracted through simulation. Additionally, various missing rates of 1 ~ 50% were considered. Finally, we confirmed that the mean imputation has stable high performance, and the network combining LSTM and Bahdanau attention mechanism is more robust to noise and missing values compared to other networks.

참고자료

· 없음