다변량 통계분석 기반 구름 베어링 결함 감지 알고리즘에 대한 연구 (Study on Fault Detection Algorithms for Rolling Bearing based on Multivariate Statistical Analysis)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 A / 46권 / 6호 / 601 ~ 609페이지
· 저자명 : 황해성, 박형준, 강효림, 이광기, 한승호

초록

구름 베어링의 결함은 회전기계의 정밀도를 감소시키며 예기치 못한 다운타임(down-time)을 발생시켜 경제적 손실을 야기한다. 따라서 구름 베어링에 발생한 결함을 조기에 감지하고 대응하기 위한 결함 감지 알고리즘의 필요성이 증가하고 있다. 결함 감지 알고리즘은 센서를 통해 수집한 가속도 데이터로부터 통계량을 선정하고 데이터를 분류하는 과정으로 이루어져 있으며, 데이터의 분류는 선정된 통계량들을 종합적으로 평가하여 이루어진다. 이때 통계량 간 상관성이 존재할 경우 다변량 통계분석 방법 중 Hotelling의 T2 통계량을 이용한 방법이 효과적이다. 본 연구에서는 통계량 간 상관성을 고려하지 못하는 기존의 유클리디안 거리 기반 결함 감지 알고리즘과 Hotelling의 T2 통계량 기반 결함 감지 알고리즘의 분류 정확도를 비교하여 그 효과를 검증하였다. 결함 분류의 정확도 검증에서 두 알고리즘 모두 90% 이상의 높은 분류 정확도를 보이지만, Hotelling의 T2 통계량 기반 결함 감지 알고리즘의 결함 분류 정확도가 97.8%로서 매우 높음을 확인하였다.

영어초록

Failures due to rolling bearing cause a reduction in the machining accuracy and a down-time for rotating machines, which can lead to significant monetary losses. Hence, fault detection algorithms are necessary for the early detection of and rapid response of these failures. The process used by the fault detection algorithms involves selecting the statistics of the extracted acceleration data obtained from sensors, and classifying the fault data through an investigation of the selected statistics. For the fault data classification, the Hotelling’s T2 statistic was used, which is multivariate statistical analysis method that can be used effectively if there is a correlation between the selected statistics. In this study, the availability of fault detection algorithms based on the Hotelling's T2 statistic was investigated by comparing the conventional fault detection algorithm based on the Euclidean distance. Using these algorithms, a satisfactory accuracy for the fault classification data was obtained, with the Hotelling’s T2 statistic providing a higher accuracy of more than 97.8%.

참고자료

· 없음