HHT 기반 신경망을 이용한 풍력터빈 고장진단 방법에 대한 연구 (A Study of Fault Diagnostic Method Using Neural Network Based on HHT for Wind Turbine)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 11권 / 11호 / 45 ~ 51페이지
· 저자명 : 안명수, 강대성

초록

풍력발전은 세계적으로 연구가 크게 활성화 되고 있으며, 기술의 발전으로 점차 대형화 되어 왔다. 하지만 대형화에 따른 고장 발생 가능성은 증가되어 왔다. 따라서 안정적 운영을 확보하고, 유지보수 비용을 줄이기 위한 가장 효율적인 방법은 실시간 상태 감시와 사전 고장 진단 방법이다. 본 논문에서는 고장진단을 위한 신호 분석 방법으로 힐버트 황 변환(Hilbert-Huang Transform, HHT)방법을 사용하여 분류된 정상신호와 고장신호 패턴에 대한 특징정보를 추출한다. 이렇게 추출된 특징정보는 신경망 학습 알고리즘의 입력값으로 사용되어, 학습단계를 거쳐 고장 여부를 판단하게 된다. 이러한 고장 분석 방법은 단순고장이 아닌 긴 시간에 걸쳐서 발생하는 복합적 고장을 조기에 진단할 수 있다.

영어초록

For the wind power, the global research has been activating, and the large scale has been implementing with the development of technology. But due to the development of large-scale structure of wind turbines, the possibility of the failure was increased. So the most effective way is real time condition monitoring and advanced fault diagnosis to ensure the stable operation and reduce the maintenance costs. In this paper, the Hilbert-Huang Transform(HHT) which is the signal analysis for fault diagnosis extracts the feature information from the classified patterns of normal signal and fault signal. The extracted feature information would be used for input layer of neural network algorithm. The failure or not can be identified through the neural network training. In addition, simple faults as well as complex faults that occur over a long time can be diagnosed by proposed method of fault analysis early.

참고자료

· 없음