진동 분석 및 합성곱 신경망 기반 기계 고장 진단 (Machine Fault Diagnosis based on Vibration Analysis and Convolutional Neural Network)

서지정보

· 발행기관 : 한국비파괴검사학회
· 수록지 정보 : 비파괴검사학회지 / 42권 / 6호 / 496 ~ 502페이지
· 저자명 : 정광훈, 김완승, 김나래, 박준홍

초록

진동신호에 음질인자를 적용하여 사람의 청감 특성과 연관된 직관적인 고장 진단 방법론을 제안한다. 기계의 고장으로부터 비정상적인 소음이 발생하며, 이러한 소음을 이용하여 작업자들은 기계의 이상 상태를 탐지한다. 음향 특성은 기계의 다양한 고장 상태에 따라 상이하지만, 작업자의 청감 특성에만 의존하여 여러 고장 상태의 진단에는 한계가 있다. 음질인자는 사람의 청감 특성을 물리량으로 나타낸 지표이다. 하지만, 음향신호는 외부에서 발생하는 다양한 외부 소음에 취약하다. 진동신호는 외부 소음에 매우 강건한 특성을 지니고 있으며 음향신호와 진동신호는 매우 큰 상관성을 가진다. 따라서 전자레인지의 정상 상태 및 여러 고장 상태들에 대한 진동신호를 laser Doppler vibrometer (LDV)로 측정하였다. 진동신호에 음질인자가 적용되었으며, 각 기계의 상태에 대한 음질인자의 특성들이 분석되었다. 합성곱 신경망(convolutional neural network, CNN)은 패턴 인식을 위해 음질인자에서 중요한 특징을 추출하였다. 분류된 특징들은 각 기계의 상태들 간에 경계를 뚜렷하게 하였다. 제안한 방법의 분류 성능은 다른 분류 모델들과의 비교를 통해 검증되었다.

영어초록

We developed an intuitive fault diagnosis method related to human auditory characteristics by applying sound quality parameters to the vibration signal. Abnormal noise was generated from a fault in a machine, and the operator used this noise to detect the abnormal condition. Although these acoustic characteristics differ with the fault conditions, diagnosing various fault conditions is limited by the auditory characteristics of the operator. The sound quality parameters represent the human auditory characteristics as physical quantities. However, the sound signal is vulnerable to various external noises generated in the environment. The vibration signal is robust to various external noises generated in the process, and the sound signal and vibration signal have a high correlation. Therefore, the vibration signals of the normal condition and various fault conditions were measured using a laser Doppler vibrometer (LDV). The sound quality parameters were applied to the vibration signal, and the characteristics of the sound quality parameters for each machine condition were analyzed. A convolutional neural network (CNN) was used to extract important features from the sound quality parameters for pattern recognition. The classified features facilitated a clear demarcation between the conditions of the machine. The classification performance of the proposed method was verified through comparison with other classification models.

참고자료

· 없음