합성곱 신경망을 적용한 볼 베어링의 결함 분류 (Fault Classification of Ball Bearings Using a Convolution Neural Network)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 A / 46권 / 5호 / 521 ~ 527페이지
· 저자명 : 고한별, 박형준, 이광기, 한승호

초록

볼 베어링은 회전 기계의 성능을 결정하는 주요 구성 요소 중 하나로 볼과 내·외륜 사이의 구름 접촉으로 다양한 결함이 발생하며, 이는 회전 기계에서 발생하는 고장의 주요 원인이다. 이를 사전에 방지하기 위하여 다양한 기계학습 알고리즘을 적용한 볼 베어링의 결함 분류 모델에 대한 연구가 이루어지고 있다. 하지만 정확도가 높은 결함 분류 모델을 구축하기 위하여 충분한 데이터를 수집하는 데에는 어려움이 따른다. 본 연구에서는 데이터가 충분하지 않은 환경에서 결함 분류를 위해 합성곱 신경망(CNN: convolution neural network)이 적용된 결함 분류 모델을 제안하였으며, 정상상태 및 5가지 결함 데이터를 대상으로 분류 모델의 학습을 수행하고 결함 분류의 정확도를 평가하였다. 또한, 다층 지각(multi-layer perceptron)과 장단기 메모리(long short-term memory) 알고리즘이 적용된 기존의 결함 분류 모델과 CNN 모델의 결함 분류 정확도를 비교하였다. 이를 통해 데이터가 충분하지 않은 환경에서 볼 베어링 결함 상태를 분류하는 데 있어 CNN 모델의 적용이 적합함을 확인하였다.

영어초록

A ball bearing is one of the main components that play an important role in the performance of rotating machinery. Faults occur frequently owing to concentrated loads on the contact areas between balls and race tracks, which directly affect operation of the rotating machinery. To prevent such issues in advance, studies on the fault classification models have been carried out, for which various machine learning algorithms were considered. To attain a high accuracy fault classification model, even though sufficient collected fault data are needed, there are still limit and restriction on this purpose. In the present study, a fault classification model for a ball bearing was proposed, in which CNN (convolution neural network) algorithm was applied to classify faults with a high accuracy even for insufficient collected fault data. The CNN model was constructed after training with the vibration signals acquired from operating ball bearing including normal condition and five fault types. In addition, other fault classification models were prepared using conventional machine learning algorithms, such as MLP (multi-layer perceptron) and LSTM (long short-term memory). The obtained results were compared with those of the CNN algorithm. Subsequently, the availability of the CNN model was verified with insufficient collected fault data.

참고자료

· 없음