본 논문에서는 적외선 열화상 카메라를 이용한 퍼지추론 기반 실시간 열화진단 시스템과 고조파 파형분석을 통한 퍼지추론 기반 고장진단 시스템을 소개한다. 첫째로, 적외선 열화상 카메라를 이용한 퍼지추론 기반 실시간 열화진단 시스템에서, 적외선 열화상 카메라는 실시간으로 진단 부위를 감시할 수 있으며, 동시에 기기의 열화 상태를 확인한다. 열화상카메라에서 취득된 온도와 온도 변화량은 입력변수로 사용된다. 또한 효율적인 열화진단을 수행하기 위해 퍼지추론 ...
본 논문에서는 적외선 열화상 카메라를 이용한 퍼지추론 기반 실시간 열화진단 시스템과 고조파 파형분석을 통한 퍼지추론 기반 고장진단 시스템을 소개한다. 첫째로, 적외선 열화상 카메라를 이용한 퍼지추론 기반 실시간 열화진단 시스템에서, 적외선 열화상 카메라는 실시간으로 진단 부위를 감시할 수 있으며, 동시에 기기의 열화 상태를 확인한다. 열화상카메라에서 취득된 온도와 온도 변화량은 입력변수로 사용된다. 또한 효율적인 열화진단을 수행하기 위해 퍼지추론 알고리즘을 이용하였으며 퍼지 규칙은 If-then형식으로 구성되고 Look-up table로 규칙을 표현한다. 입력변수의 퍼지 집합을 표현하기 위해 삼각형 멤버십 함수를 사용하였으며, 출력변수에는 singleton 멤버십 함수를 사용하였다. 그리고 비퍼지화를 통해 얻어진 최종적으로 추론된 출력을 이용하여 현재의 열화 상태를 결정한다. 열화발생장치 및 전기기기에서 얻어진 실험 데이터는 제안된 열화 시스템의 모델을 구성하기 위해 이용되고, 모델 기반 열화 시뮬레이터는 실시간으로 진단 부위의 현재 상태를 측정하기 위해 설계되었다. 둘째로, 고조파 파형분석을 이용한 퍼지추론 기반 고장진단 시스템에서, 전력설비의 결함은 전력설비의 외함 접지로부터 얻어진 전류데이터를 이용하여 진단된다. 시간영역의 전류데이터를 퓨리에 변환에 의해 변환한 후, 네 입력변수는 변환된 전류 데이터 중 기본파(60Hz), 3고조파(180Hz), 5고조파(300Hz), 7고조파(420Hz)와 같은 4가지 파형의 진폭 값을 선택하여 고려되어진다. 또한 효율적인 분류를 수행하기 위해 퍼지추론 기반 RBFNNs를 사용하였다. RBFNNs는 조건부, 결론부, 추론부 세 가지의 기능적 모듈로 나뉘어 네트워크 구조가 형성된다. 조건부는 Fuzzy C-Means(FCM) 클러스터링을 사용하고, 결론부는 4개의 다항식 함수로 표현되고, 다항식 연결가중치 계수는 최소자승법(Least Square Estimation; LSE)에 의해 추정된다. 추론부에서는 퍼지추론 방법을 이용하여 최종 출력을 구한다. 그리고 삼상유도전동기의 외함 접지를 통해 얻어진 여러 결함들은 고장 시스템의 분류기를 구성하기 위해 이용된다. 퍼지추론 기반 열화진단 시스템은 실험을 통해 열화뿐만 아니라 열화의 가능성을 예측하여 기존 시스템보다 우수한 진단 능력을 보임을 확인할 수 있었고, 정상 영상과 on-line 현재 영상의 차 영상으로 데이터 처리 속도를 개선시킬 수 있었다. 퍼지추론 기반 고장진단 시스템은 RBFNNs 분류기를 통해 삼상유도전동기의 고장상태를 종류별로 분류한다. 실험결과에서, 단일 고장(고정자 결함 제외)의 패턴분류율은 약 98%를 나타냈고, 복수 결함(고정자+회전자+베어링 결함 제외)의 경우 약 92%를 나타냈다.
본 논문에서는 적외선 열화상 카메라를 이용한 퍼지추론 기반 실시간 열화진단 시스템과 고조파 파형분석을 통한 퍼지추론 기반 고장진단 시스템을 소개한다. 첫째로, 적외선 열화상 카메라를 이용한 퍼지추론 기반 실시간 열화진단 시스템에서, 적외선 열화상 카메라는 실시간으로 진단 부위를 감시할 수 있으며, 동시에 기기의 열화 상태를 확인한다. 열화상카메라에서 취득된 온도와 온도 변화량은 입력변수로 사용된다. 또한 효율적인 열화진단을 수행하기 위해 퍼지추론 알고리즘을 이용하였으며 퍼지 규칙은 If-then형식으로 구성되고 Look-up table로 규칙을 표현한다. 입력변수의 퍼지 집합을 표현하기 위해 삼각형 멤버십 함수를 사용하였으며, 출력변수에는 singleton 멤버십 함수를 사용하였다. 그리고 비퍼지화를 통해 얻어진 최종적으로 추론된 출력을 이용하여 현재의 열화 상태를 결정한다. 열화발생장치 및 전기기기에서 얻어진 실험 데이터는 제안된 열화 시스템의 모델을 구성하기 위해 이용되고, 모델 기반 열화 시뮬레이터는 실시간으로 진단 부위의 현재 상태를 측정하기 위해 설계되었다. 둘째로, 고조파 파형분석을 이용한 퍼지추론 기반 고장진단 시스템에서, 전력설비의 결함은 전력설비의 외함 접지로부터 얻어진 전류데이터를 이용하여 진단된다. 시간영역의 전류데이터를 퓨리에 변환에 의해 변환한 후, 네 입력변수는 변환된 전류 데이터 중 기본파(60Hz), 3고조파(180Hz), 5고조파(300Hz), 7고조파(420Hz)와 같은 4가지 파형의 진폭 값을 선택하여 고려되어진다. 또한 효율적인 분류를 수행하기 위해 퍼지추론 기반 RBFNNs를 사용하였다. RBFNNs는 조건부, 결론부, 추론부 세 가지의 기능적 모듈로 나뉘어 네트워크 구조가 형성된다. 조건부는 Fuzzy C-Means(FCM) 클러스터링을 사용하고, 결론부는 4개의 다항식 함수로 표현되고, 다항식 연결가중치 계수는 최소자승법(Least Square Estimation; LSE)에 의해 추정된다. 추론부에서는 퍼지추론 방법을 이용하여 최종 출력을 구한다. 그리고 삼상유도전동기의 외함 접지를 통해 얻어진 여러 결함들은 고장 시스템의 분류기를 구성하기 위해 이용된다. 퍼지추론 기반 열화진단 시스템은 실험을 통해 열화뿐만 아니라 열화의 가능성을 예측하여 기존 시스템보다 우수한 진단 능력을 보임을 확인할 수 있었고, 정상 영상과 on-line 현재 영상의 차 영상으로 데이터 처리 속도를 개선시킬 수 있었다. 퍼지추론 기반 고장진단 시스템은 RBFNNs 분류기를 통해 삼상유도전동기의 고장상태를 종류별로 분류한다. 실험결과에서, 단일 고장(고정자 결함 제외)의 패턴분류율은 약 98%를 나타냈고, 복수 결함(고정자+회전자+베어링 결함 제외)의 경우 약 92%를 나타냈다.
In this paper, we introduce fuzzy inference-based real-time deterioration diagnosis system with the aid of infrared thermal imaging camera and fuzzy inference-based fault diagnosis system through harmonic wave analysis. First, In fuzzy inference-based real-time deterioration diagnosis system with th...
In this paper, we introduce fuzzy inference-based real-time deterioration diagnosis system with the aid of infrared thermal imaging camera and fuzzy inference-based fault diagnosis system through harmonic wave analysis. First, In fuzzy inference-based real-time deterioration diagnosis system with the aid of infrared thermal imaging camera, the infrared thermal imaging camera enables us to monitor diagnostic area in real time and then checks the state of deterioration of electric equipments at the same time. Temperature and temperature variation obtained from the infrared thermal imaging camera are used as input variables. In addition to perform more efficient diagnosis, fuzzy inference algorithm is applied to the proposed system, and fuzzy rules are defined by 'If-then' form and are depicted as look-up table. While triangular membership function is used to describe the fuzzy set of input variables, that of output variable is given as singleton membership function. And the present state of deterioration is determined with the aid of the finally inferred output through defuzzification. Experimental data obtained from deterioration generating device as well as electric equipments are used in order to construct the model of the proposed deterioration system. And the model-based deterioration simulator is designed in order to measure the current state of diagnostic area in real-time. Secondly, in the fuzzy inference-based fault diagnosis system for harmonic wave analysis, the fault of electric equipments is diagnosed by using current data obtained from frame grounding of electric equipments. After transforming the time domain-based current data by fourier transform(frequency domain-based), four input variables are considered by selecting the amplitude values of four kinds of waves (such as fundamental wave, third harmonic wave, fifth harmonic wave, and seventh harmonic wave) among the transformed current data. Also, fuzzy inference based RBFNNs is used in order to perform efficient classification. RBFNNs consist of three functional modules such as the condition part, the conclusion part, and the inference part. In the condition part, Fuzzy C-Means(FCM) clustering is used, and the conclusion part is represented as four types of polynomial functions. Polynomial coefficients related to connection weights are estimated by Least Square Estimation(LSE) method. In the inference part, final output is calculated by fuzzy inference method. And diverse fault data obtained from frame grounding of three-phase induction motor is used in order to construct the classifier of the fault system . Fuzzy inference-based deterioration diagnosis system which predicts the possibility of deterioration as well as deterioration indicates better diagnosis ability when compared with standard system without fuzzy inference. And computing overhead for data processing could lessen by different image between normal image and on-line present image. Fuzzy inference-based fault diagnosis system classifies several fault state of three-phase induction motor through RBFNNs classifier. In the experimental results, the mean pattern classification rate in the case of single fault(except stator fault) indicates about 98 percent, that in the case of multiple fault(except stator+rotor+bearing fault) denotes about 92 percent.
In this paper, we introduce fuzzy inference-based real-time deterioration diagnosis system with the aid of infrared thermal imaging camera and fuzzy inference-based fault diagnosis system through harmonic wave analysis. First, In fuzzy inference-based real-time deterioration diagnosis system with the aid of infrared thermal imaging camera, the infrared thermal imaging camera enables us to monitor diagnostic area in real time and then checks the state of deterioration of electric equipments at the same time. Temperature and temperature variation obtained from the infrared thermal imaging camera are used as input variables. In addition to perform more efficient diagnosis, fuzzy inference algorithm is applied to the proposed system, and fuzzy rules are defined by 'If-then' form and are depicted as look-up table. While triangular membership function is used to describe the fuzzy set of input variables, that of output variable is given as singleton membership function. And the present state of deterioration is determined with the aid of the finally inferred output through defuzzification. Experimental data obtained from deterioration generating device as well as electric equipments are used in order to construct the model of the proposed deterioration system. And the model-based deterioration simulator is designed in order to measure the current state of diagnostic area in real-time. Secondly, in the fuzzy inference-based fault diagnosis system for harmonic wave analysis, the fault of electric equipments is diagnosed by using current data obtained from frame grounding of electric equipments. After transforming the time domain-based current data by fourier transform(frequency domain-based), four input variables are considered by selecting the amplitude values of four kinds of waves (such as fundamental wave, third harmonic wave, fifth harmonic wave, and seventh harmonic wave) among the transformed current data. Also, fuzzy inference based RBFNNs is used in order to perform efficient classification. RBFNNs consist of three functional modules such as the condition part, the conclusion part, and the inference part. In the condition part, Fuzzy C-Means(FCM) clustering is used, and the conclusion part is represented as four types of polynomial functions. Polynomial coefficients related to connection weights are estimated by Least Square Estimation(LSE) method. In the inference part, final output is calculated by fuzzy inference method. And diverse fault data obtained from frame grounding of three-phase induction motor is used in order to construct the classifier of the fault system . Fuzzy inference-based deterioration diagnosis system which predicts the possibility of deterioration as well as deterioration indicates better diagnosis ability when compared with standard system without fuzzy inference. And computing overhead for data processing could lessen by different image between normal image and on-line present image. Fuzzy inference-based fault diagnosis system classifies several fault state of three-phase induction motor through RBFNNs classifier. In the experimental results, the mean pattern classification rate in the case of single fault(except stator fault) indicates about 98 percent, that in the case of multiple fault(except stator+rotor+bearing fault) denotes about 92 percent.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.