영상 인식의 분야에서 인공지능이 인간보다 오류가 적은 것에 착안하여 대구경 원심펌프에서 발생하는 소음을 FFT 처리하여 3차원 이미지로 나타냈다. 그 결과, 규격이 다른 원심펌프에서 발생하는 소음이 어떤 규칙적인 형태로 나타나는 것을 확인했다. 실험 결과 측정 설비 전체에서 ...
영상 인식의 분야에서 인공지능이 인간보다 오류가 적은 것에 착안하여 대구경 원심펌프에서 발생하는 소음을 FFT 처리하여 3차원 이미지로 나타냈다. 그 결과, 규격이 다른 원심펌프에서 발생하는 소음이 어떤 규칙적인 형태로 나타나는 것을 확인했다. 실험 결과 측정 설비 전체에서 BPF(깃통과주파수 : Blade Passing Frequency)와 베어링 고유 주파수가 우세하게 검출되는 것을 확인했다. 검출된 이미지는 이미지 분류 분야에서 가장 많이 사용되는 인공지능 알고리즘인 CNN을 적용했다. 그리고 인공지능이 펌프의 이상 유무를 판단하기 위해서는 정상 상태의 이미지뿐만 아니라 고장 상태의 이미지도 많이 필요하므로 소형 원심펌프의 베어링을 파손하여 고장 이미지를 확보했다. 이렇게 구해진 고장 상태 이미지와 정상 상태 이미지는 인공지능의 지도학습인 CNN으로 학습하여 실시간으로 인공지능 알고리즘이 스펙트로그램 이미지를 판독하여 설비 이상유무를 판단하도록 구현했다. 본 연구를 통해 시도된 실험방법이나 머신러닝 기법들이 앞으로 플랜트의 펌프설비에 적용될 것으로 본다. 또한 이 연구를 계속 발전시키기 위해 본 연구의 실험 대상 설비에 라즈베리파이 기반의 실시간 FFT 분석시스템을 설치하여 주기적으로 스펙트로그램을 이미지로 저장하여 머신러닝의 바탕이 되는 빅 데이터를 수집할 예정이다.
영상 인식의 분야에서 인공지능이 인간보다 오류가 적은 것에 착안하여 대구경 원심펌프에서 발생하는 소음을 FFT 처리하여 3차원 이미지로 나타냈다. 그 결과, 규격이 다른 원심펌프에서 발생하는 소음이 어떤 규칙적인 형태로 나타나는 것을 확인했다. 실험 결과 측정 설비 전체에서 BPF(깃통과주파수 : Blade Passing Frequency)와 베어링 고유 주파수가 우세하게 검출되는 것을 확인했다. 검출된 이미지는 이미지 분류 분야에서 가장 많이 사용되는 인공지능 알고리즘인 CNN을 적용했다. 그리고 인공지능이 펌프의 이상 유무를 판단하기 위해서는 정상 상태의 이미지뿐만 아니라 고장 상태의 이미지도 많이 필요하므로 소형 원심펌프의 베어링을 파손하여 고장 이미지를 확보했다. 이렇게 구해진 고장 상태 이미지와 정상 상태 이미지는 인공지능의 지도학습인 CNN으로 학습하여 실시간으로 인공지능 알고리즘이 스펙트로그램 이미지를 판독하여 설비 이상유무를 판단하도록 구현했다. 본 연구를 통해 시도된 실험방법이나 머신러닝 기법들이 앞으로 플랜트의 펌프설비에 적용될 것으로 본다. 또한 이 연구를 계속 발전시키기 위해 본 연구의 실험 대상 설비에 라즈베리파이 기반의 실시간 FFT 분석시스템을 설치하여 주기적으로 스펙트로그램을 이미지로 저장하여 머신러닝의 바탕이 되는 빅 데이터를 수집할 예정이다.
This paper describes the diagnosis of centrifugal pumps, which are the core part of plant facilities by applying the machine learning methods. The vibration values were usually measured to diagnose the condition of the centrifugal pumps. On the other hand, focusing on the noises instead of the vibra...
This paper describes the diagnosis of centrifugal pumps, which are the core part of plant facilities by applying the machine learning methods. The vibration values were usually measured to diagnose the condition of the centrifugal pumps. On the other hand, focusing on the noises instead of the vibrations, this study analyzed and displayed the noises in a 3 dimensional graph, called the spectrogram. First, this study aimed to identify the significances of frequency and amplitude through FFT analysis of the noises. In the analysis, the blade passing frequencies (BPFs) were strong in all pumps, and the bearing defect frequencies were identified in some pumps. This study confirmed that the method of measuring noises in centrifugal pumps was effective, and the spectrograms were utilized as image files to use as learning data for machine learning. To gain a lot of image files in a broken state, this study applied spectrograms for a small centrifugal pump with a bearing failure. In the analysis, the obtained images were classified into three categories : normal, signs of failure, and breakdown, and a CNN model was created to learn. As improving the performance of the learned model, it revealed the accuracy of 98.88%. In order to examine the condition of the pumps in operation and to collect big data, the best performing learning model file was stored for the implementation of Raspberry Pi based real-time image reading system to prevent serious pump failure. The further research will be continued collecting data and classifying the images of learning models for centrifugal pumps with different BPFs and bearing defect frequencies.
This paper describes the diagnosis of centrifugal pumps, which are the core part of plant facilities by applying the machine learning methods. The vibration values were usually measured to diagnose the condition of the centrifugal pumps. On the other hand, focusing on the noises instead of the vibrations, this study analyzed and displayed the noises in a 3 dimensional graph, called the spectrogram. First, this study aimed to identify the significances of frequency and amplitude through FFT analysis of the noises. In the analysis, the blade passing frequencies (BPFs) were strong in all pumps, and the bearing defect frequencies were identified in some pumps. This study confirmed that the method of measuring noises in centrifugal pumps was effective, and the spectrograms were utilized as image files to use as learning data for machine learning. To gain a lot of image files in a broken state, this study applied spectrograms for a small centrifugal pump with a bearing failure. In the analysis, the obtained images were classified into three categories : normal, signs of failure, and breakdown, and a CNN model was created to learn. As improving the performance of the learned model, it revealed the accuracy of 98.88%. In order to examine the condition of the pumps in operation and to collect big data, the best performing learning model file was stored for the implementation of Raspberry Pi based real-time image reading system to prevent serious pump failure. The further research will be continued collecting data and classifying the images of learning models for centrifugal pumps with different BPFs and bearing defect frequencies.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.