선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 개별 이론을 실제 데이터에 직접 적용할 경우 다양한 현실적인 문제가 발생함을 보였으며 이를 보완하기 위하여 대응책을 함께 제시하였다. 이때 Fig.
- 이러한 방법은 비교적 가격이 저렴한 가속도 센서를 통해 측정된 진동 신호를 이용하여 구현하는 것이 가능하다. 본 논문에서는 이와 같은 방법의 유효성을 검증하기 위하여 항공기의 축소모형을 이용하여 조종면 힌지에 고장이 발생하였을 때 진동을 계측하여 이를 통해 고장을 검출하고 분리하는 과정을 도시하였다. 이때 제안된 알고리즘의 전체 구성 및 데이터 흐름은 Fig.
- 본 논문에서는 이와 같은 예측을 위하여 고장이 발생하기 전에 항공기 구조물에 설치된 센서의 신호에 대한 경향성을 분석하여 조종면의 상태를 진단하는 방법을 제안하고자 한다. 이를 구현하기 위하여 본 논문에서는 ANPSD (Averaged Normalized Power Spectral Density)와 PCA (Principle Component Analysis), 그리고 GC (Geometric Classifier) 방법을 이용하였으며 ANPSD는 주파수 영역에서의 진동 분석을, PCA는 ANPSD의 중요 정보 추출을, GC는 고장검출 및 분리 시의 오류 최소화를 위하여 사용되었다.
- 본 논문에서는 힌지로 좌측, 중앙, 우측에서 주익에 연결되어 있는 형태의 에일러론을 사용하였다. 이때 에일러론의 좌측과 우측 힌지에 대하여 연결부위 전체가 손실되거나 절반이 손실되었을 때를 주로 다루고자 한다. 이러한 네 가지의 고장 상태들은 고장의 종류와 정도의 측면에서 고장의 검출 및 분리 알고리즘의 검증에 필요한 다양성을 충분히 갖추었다고 판단된다.
- 조종면과 관련하여 발생 가능한 고장의 종류는 다양하지만 본 논문에서는 에일러론의 힌지고장에 대하여 주로 다루고자 한다. 실제의 소형 항공기에서 에일러론의 힌지는 정비를 위해 에일러론을 주익에서 분리하기 전까지는 고장의 진행과정을 외부에서 육안으로 확인하기 어렵기 때문에 이에 대한 고장의 크기와 종류를 예측하는 것은 정비의 효율과 비용적인 면에서 장점을 갖는다.
가설 설정
- 고장의 정도를 예측하기 위해서는 고장의 위치가 먼저 분류되어야 한다. 여기서는 이해의 편의를 위해 Xtst가 오른쪽 힌지 고장으로 분류되었다고 가정한다. 이 경우에는 실험에 의해 측정된 ANPSD 집합 #, #가 미리 준비되어야 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.