[논문]룰 베이스를 이용한 공조기의 고장검출 및 진단

한도영; 주명재

문제 정의

*은 ARX와 인공신경망을 사용한 블랙박스 모델을 이용하여 공조시스템의 고장을 검출하였고, Ngo and Dexter(3) 는 퍼지 매칭기법을 사용하여 고장검줄을 수행하였으며, 국내의 경우 Lee et al乩(4)은 공조기를 4개의 하부 제어시스템으로 구분하고 인공신경망을 사용하여 하부 시스템별 고장을 진단하였고, Han and Lee⑸는 곡선 적합 모델을 사용하여 멀티형냉방기의 응축기 오염과 증발기 오염에 관한 고장을 검출하였으나 대부분의 연구결과는 시스템의 고장을 검출하고 위치만을 진단하는데 그치고 설비운용자에게 유용한 정보가 될 수 있는 고장진행 정도의 진단에 대한 연구는 수행되지 못 하였다. 따라서 본 연구에서는 공조기를 대상으로 룰 베이스와 간단한 곡선 적합 모델을 사용하여 고장별 변수변화 경향을 통해 고장을 검출하고, 각 변수의 잔차분석을 통하여 고장의 정도에따라 10~50%까지 단계별 진단이 가능한 고장검출 및 진단 알고리즘을 개발한 후 동적 시뮬레이션 프로그램을 사용하여 개발된 알고리즘의 유효성을 확인하는 것을 목적으로 한다.

가설 설정

ODF, RDF, EDF의 경우는 다른 2개의 댐퍼가 연동할 때 나머지 한 개의 댐퍼가 정지하고 있는 경우를 의미한다. CCF의 경우는 냉수코일 입구에서 냉수의 유량이 정상상태 냉수유량을 기준으로 10%씩 감소되어 냉수코일로 들어간다고 가정하여 적용하였으며, HCF의 경우에도 CCF의 경우와 동일한 방법으로 적용하였다. HUDF의 경우 정상상태 증기분사유량을 기준으로 10%씩 증기가 분사되지 않는다고 가정하였다.
CCF의 경우는 냉수코일 입구에서 냉수의 유량이 정상상태 냉수유량을 기준으로 10%씩 감소되어 냉수코일로 들어간다고 가정하여 적용하였으며, HCF의 경우에도 CCF의 경우와 동일한 방법으로 적용하였다. HUDF의 경우 정상상태 증기분사유량을 기준으로 10%씩 증기가 분사되지 않는다고 가정하였다. TSF-와 TSF +는 정상상태 급기온도를 기준으로 10%씩 감소 혹은 증가되어 감지된다고 가정하였으며, HSF—와 HSF+의 경우에도 급기온도센서 감도저하와 동일한 방법으로 적용하였다.
HUDF의 경우 정상상태 증기분사유량을 기준으로 10%씩 증기가 분사되지 않는다고 가정하였다. TSF-와 TSF +는 정상상태 급기온도를 기준으로 10%씩 감소 혹은 증가되어 감지된다고 가정하였으며, HSF—와 HSF+의 경우에도 급기온도센서 감도저하와 동일한 방법으로 적용하였다. Table 5는 냉방모드시 SFF에 대한 잔차를, Table 6는 냉방모드시 CCF에 대한 잔차를 나타낸다.
습도와 외기 온 . 습도를 감지하여 엔탈피 차를 이용하는 외기 냉방제어 및 신선 외기도입을 위하여 CO₂ 제어 알고리즘이 적용된다고 가정하여 외기, 환기, 배기 댐퍼가 각각 연동되어 작동하도록 구성하였다.

제안 방법

Fig. 8(a)와 같은 일반적인 겨울철 외기조건을 오전 8시부터 오후 6시까지 적용하였다. 단계별 고장검출이 이루어지는지를 알아보기 위해서 댐퍼 정지를 제외한 모든고장에 대하여 공조기 가동 3시간 후인 오전 11 시부터 오후 6시까지 0%에서 50%까지 연속적으로 고장을 적용하였다.
실제의 경우와 유사한 조건에서 고장을 검출하기 위하여 Fig. 6(a)와 같은 일반적인 여름철외기조건을 오전 8시부터 오후 6시까지 적용하였다. 단계별 고장검출이 이루어지는지를 알아보기 위해서 댐퍼 정지를 제외한 모든 고장에 대하여 공조기 가동 후 3시간 후인 오전 11시부터 오후 6시까지 0%에서 50%까지 연속적으로 고장을 적용하였다.
고장검출에 사용된 잔차는 동적 시뮬레이션프로그램을 사용하여 표준 외기조건에서 10~50% 까지 10%씩 단계별로 고장을 적용하여 산출하였다. SFF의 경우 정 상상태 급기팬 모터 회 전수를기준으로 10%씩 단계적으로 감소시켜 고장을 모사하였으며, RFF의 경우도 SFF의 경우와 동일한 방법으로 적용하였다. ODF, RDF, EDF의 경우는 다른 2개의 댐퍼가 연동할 때 나머지 한 개의 댐퍼가 정지하고 있는 경우를 의미한다.
개발된 고장검출 알고리즘의 유효성을 확인하기 위해서 고장모사에 의한 시뮬레이션을 수행하였다. 실제의 경우와 유사한 조건에서 고장을 검출하기 위하여 Fig.
7은적용된 고장에 대한 검출 및 진단결과를 나타낸다. 고장검출시 분류기를 사용하여 무고장의 경우에는 0, 알 수 없는 고장의 경우에는 5를 줄력하도록 하였으며, 적용된 고장에 대해서는 Table 2의 고장번호로 출력하되 일단위 숫자는 고장의 정도를 나타내도록 분류하였다. 예를 들어 Fig.
고장검출에 대상이 되는 Fig. 1과 같이 정풍량방식을 선택하였으며, 여기서 고장검출 및 진단에 사용된 감지기를 점선원으로 표시하였다. 본연구에 고려된 제어방식은 실내온도를 감지, 급기온도 설정 알고리즘을 통하여 급기온도를 설정하고 또한 급기온도를 감지하여 냉수코일과 온수코일의 삼방밸브 개도를 조절함으로써 설정 급기온도를 유지하고, 난방시 실내습도를 감지, 급기습도 설정 알고리즘을 통하여 급기습도를 설정하고 또한 급기습도를 감지하여 가습기 밸브 개도를 조절함으로써 설정 급기습도를 유지하도록 하였으며, 댐퍼는 환기 온 .
0078kg/kg로 설정하였다. 고장검출에 사용된 잔차는 동적 시뮬레이션프로그램을 사용하여 표준 외기조건에서 10~50% 까지 10%씩 단계별로 고장을 적용하여 산출하였다. SFF의 경우 정 상상태 급기팬 모터 회 전수를기준으로 10%씩 단계적으로 감소시켜 고장을 모사하였으며, RFF의 경우도 SFF의 경우와 동일한 방법으로 적용하였다.
고장검출은각 변수별로 곡선 적합 모델을 사용하여 예측된값 혹은 설정값과 감지기를 통하여 실시간으로 입력된 값의 차를 실시간으로 비교하여 무고장 허용범위를 넘어서면 고장으로 인식하도록 하였으며 고장검출에 중요한 무고장 허용범위로는 설정값 혹은 예측값의 1%로 하였다. 따라서 선정된 변수 모두가 각 잔차의 허용범위를 넘어서게 되면 고장으로 인식하고, 변수가 무고장상태를 기준으로 증가하였으면 1, 변화하지 않았으면 0, 감소하였으면 -1 을 출력하고 이를 조합하여 각 고장별로 구축된룰 베이스의 조합과 기우관계를 비교하여 고장을검출하고, 각 변수별 잔차의 범위를 비교하여 모든변수가 설정된 단계별 고장범위를 넘어서면 10~ 50%까지 10%씩 고장을 진단하도록 구성하였다.
곡선 적합 모델과 계산된 각 고장에 따른 잔차를 사용하여 고장검출을 수행하였다. 고장검출은각 변수별로 곡선 적합 모델을 사용하여 예측된값 혹은 설정값과 감지기를 통하여 실시간으로 입력된 값의 차를 실시간으로 비교하여 무고장 허용범위를 넘어서면 고장으로 인식하도록 하였으며 고장검출에 중요한 무고장 허용범위로는 설정값 혹은 예측값의 1%로 하였다.
공조기에서 발생할 수 있는 여러가지 고장에 대한 검출 및 진단을 위해 룰 베이스를 이용한 고장의 변수변화 경향과 외기온도변화에 따른 변수의 간단한 곡선 적합 모델을 사용하여 고장검출 및 단계별 진단 알고리즘을 개발하였다. 개발된 알고리즘을 사용하여 실제와 유사한 외기조건하에서 급기팬, 환기팬, 냉수코일, 온수코일, 가습기, 온도센서, 습도센서의 점진적인 고장을 0%에서 50%까지 연속적으로 적용하고 각 댐퍼의 고장으로 인한 정지현상에 대하여 시뮬레이션한 결과고장 정도에 따라 고장을 검출하고 단계적으로 진단할 수 있었으며 따라서 개발된 알고리즘은 공조기에서 발생하는 점진적인 고장에 대한 검출과 단계별 진단에 효과적으로 적용될 수 있음을 확인할 수 있었으며, 향후 보다 효과적인 고장검출 및 진단 시스템을 개발하기 위해서는 공조 시스템 전반에 거쳐 더 많은 고장을 검출하고 진단할 수 있도록 최소한의 감지기를 사용하여 고장의 특성을 나타낼 수 있는 최적의 위치를 선정하는 것과 관련된 연구가 계속되어야 할 것이다.
본 연구에서는 고장검출 및 진단의 가장 중요한 목적인 에너지 절약에 초점을 맞추어공조기에서 발생할 수 있는 대표적인 몇 가지 고장을 선정하여 Table 1에 나타내었으며 냉방모드와 난방모드로 구분하여 냉방모드시 급기팬 성능저하, 환기팬 성능저하, 외기댐퍼 정지, 환기댐퍼정지, 배기댐퍼 정지, 냉수코일 누수, 급기온도감지기 감도저하의 고장을 적용하였으며, 난방모드시 급기팬 성능저하, 환기팬 성능저호}, 외기댐퍼 정지, 환기댐퍼 정지, 배기댐퍼 정지, 온수코일 누수, 가습기 막힘, 급기온도 감지기 감도저하, 급기습도 감지기 감도저하에 대한 고장을 적용하였다. 급기팬과 환기 팬 성능저 하는 팬을 구동하는 모터의 성능이 저하되어 회전수가 줄어드는 현상에 대하여 적용하였고, 댐퍼 정지의 경우댐퍼 구동시 외기, 환기, 배기댐퍼가 각각 고장으로 인하여 상대적으로 연동하지 않고 정지한 경우를 고려하였으며, 냉수코일 및 온수코일 누수의 경우 코일의 노화로 인하여 코일 입구에서 온수 혹은 냉수가 누수되는 현상에 대하여 고려하였고, 가습기 막힘의 경우 가습기 노즐이 막힘으로 인하여 실제 가습되어야 하는 양보다 더 적게가습되는 현상에 대하여 고려하였으며, 급기 온도 감지기의 경우 감도저하시 실제값보다 더 낮은 값을 출력하는 경우(-)와 더 높은 값을 출력하는 경우(+)를 모두 고려하였고, 급기 습도감지기의 경우 온도감지기의 감도저하와 같은 방법으로 고장을 적용하였다.
6(a)와 같은 일반적인 여름철외기조건을 오전 8시부터 오후 6시까지 적용하였다. 단계별 고장검출이 이루어지는지를 알아보기 위해서 댐퍼 정지를 제외한 모든 고장에 대하여 공조기 가동 후 3시간 후인 오전 11시부터 오후 6시까지 0%에서 50%까지 연속적으로 고장을 적용하였다. Fig.
8(a)와 같은 일반적인 겨울철 외기조건을 오전 8시부터 오후 6시까지 적용하였다. 단계별 고장검출이 이루어지는지를 알아보기 위해서 댐퍼 정지를 제외한 모든고장에 대하여 공조기 가동 3시간 후인 오전 11 시부터 오후 6시까지 0%에서 50%까지 연속적으로 고장을 적용하였다. Fig.
고장검출은각 변수별로 곡선 적합 모델을 사용하여 예측된값 혹은 설정값과 감지기를 통하여 실시간으로 입력된 값의 차를 실시간으로 비교하여 무고장 허용범위를 넘어서면 고장으로 인식하도록 하였으며 고장검출에 중요한 무고장 허용범위로는 설정값 혹은 예측값의 1%로 하였다. 따라서 선정된 변수 모두가 각 잔차의 허용범위를 넘어서게 되면 고장으로 인식하고, 변수가 무고장상태를 기준으로 증가하였으면 1, 변화하지 않았으면 0, 감소하였으면 -1 을 출력하고 이를 조합하여 각 고장별로 구축된룰 베이스의 조합과 기우관계를 비교하여 고장을검출하고, 각 변수별 잔차의 범위를 비교하여 모든변수가 설정된 단계별 고장범위를 넘어서면 10~ 50%까지 10%씩 고장을 진단하도록 구성하였다.
룰 베이스를 통해 선정된 변수 중 외기온도에의해 영향을 받는 변수는 냉방모드시 #, #고, 난방모드시 TffCa.in, THCw, in, m HUDs, in 이므로 다양한 외기조건에서 변수의 변화를 예측할 수 있도록 곡선 적합 모델을 구성하기 위해서저온조건부터 고온조건까지 2, C 간격으로 외기온도를 변화시키면서 시뮬레이션을 수행하였다. Fig.
본 연구에서는 고장검출 및 진단의 가장 중요한 목적인 에너지 절약에 초점을 맞추어공조기에서 발생할 수 있는 대표적인 몇 가지 고장을 선정하여 Table 1에 나타내었으며 냉방모드와 난방모드로 구분하여 냉방모드시 급기팬 성능저하, 환기팬 성능저하, 외기댐퍼 정지, 환기댐퍼정지, 배기댐퍼 정지, 냉수코일 누수, 급기온도감지기 감도저하의 고장을 적용하였으며, 난방모드시 급기팬 성능저하, 환기팬 성능저호}, 외기댐퍼 정지, 환기댐퍼 정지, 배기댐퍼 정지, 온수코일 누수, 가습기 막힘, 급기온도 감지기 감도저하, 급기습도 감지기 감도저하에 대한 고장을 적용하였다. 급기팬과 환기 팬 성능저 하는 팬을 구동하는 모터의 성능이 저하되어 회전수가 줄어드는 현상에 대하여 적용하였고, 댐퍼 정지의 경우댐퍼 구동시 외기, 환기, 배기댐퍼가 각각 고장으로 인하여 상대적으로 연동하지 않고 정지한 경우를 고려하였으며, 냉수코일 및 온수코일 누수의 경우 코일의 노화로 인하여 코일 입구에서 온수 혹은 냉수가 누수되는 현상에 대하여 고려하였고, 가습기 막힘의 경우 가습기 노즐이 막힘으로 인하여 실제 가습되어야 하는 양보다 더 적게가습되는 현상에 대하여 고려하였으며, 급기 온도 감지기의 경우 감도저하시 실제값보다 더 낮은 값을 출력하는 경우(-)와 더 높은 값을 출력하는 경우(+)를 모두 고려하였고, 급기 습도감지기의 경우 온도감지기의 감도저하와 같은 방법으로 고장을 적용하였다.
선정하는 것이 요구된다. 본 연구에서는 베이스의 비교 분석을 통하여룰 냉방모드의 경우8가지 고장을 검출하기 위하여 기존 제어감지위치 외에 1개의 위치를 추가,기 총 5가지 변수르선정하여 Table 2에 나타내었고, 난방모드의 경우도 11가지 고장을 검출하기 위하여 기존의 제어를 위한 감지기 위치 외에 3개의 위치를 추가, 총 7가지의 변수를 선정하여 Table 3에 나타내었으며, 여기서 P, T, m, H는 각각 압력, 온도, 유량, 습도를 의미하며, 하첨자 SF, RF, CC, HC, HUD는 각각 급기팬, 환기팬, 냉수코일, 온수코일, 가습기를 의미하고, a, w, s 는 각각 공기, 물, 증기를 의미하며, in, oute 입구 혹은 출구의 상태를 의미한다. 따라서, 냉방모드시 선정된 5가지 변수 중 PsFjMe 급기팬 출구 공기 압력, TRFa.
1과 같이 정풍량방식을 선택하였으며, 여기서 고장검출 및 진단에 사용된 감지기를 점선원으로 표시하였다. 본연구에 고려된 제어방식은 실내온도를 감지, 급기온도 설정 알고리즘을 통하여 급기온도를 설정하고 또한 급기온도를 감지하여 냉수코일과 온수코일의 삼방밸브 개도를 조절함으로써 설정 급기온도를 유지하고, 난방시 실내습도를 감지, 급기습도 설정 알고리즘을 통하여 급기습도를 설정하고 또한 급기습도를 감지하여 가습기 밸브 개도를 조절함으로써 설정 급기습도를 유지하도록 하였으며, 댐퍼는 환기 온 . 습도와 외기 온 .

성능/효과

7 (a)의 SFF의 경우 11시 이후 11, 12, 13, 14, 15로검출되는 것은 급기팬이 10%, 20%, 30%, 40%, 50%로 성능저하가 되고 있다는 것을 의미한다. 고장이 적용된 후 검출이 약 30분 후에 되는 것은초기에 고장의 정도가 매우 미약하여 무고장의 오차범 위에 포함되는 것으로 파악되었다. ODF, RDF, EDF 경우 공조기 가동 후 1시간 40분 간격으로 무고장, ODF, 무고장, RDF, 무고장, EDF를 적용한 결과를 Fig.

후속연구

개발된 알고리즘을 사용하여 실제와 유사한 외기조건하에서 급기팬, 환기팬, 냉수코일, 온수코일, 가습기, 온도센서, 습도센서의 점진적인 고장을 0%에서 50%까지 연속적으로 적용하고 각 댐퍼의 고장으로 인한 정지현상에 대하여 시뮬레이션한 결과고장 정도에 따라 고장을 검출하고 단계적으로 진단할 수 있었으며 따라서 개발된 알고리즘은 공조기에서 발생하는 점진적인 고장에 대한 검출과 단계별 진단에 효과적으로 적용될 수 있음을 확인할 수 있었으며, 향후 보다 효과적인 고장검출 및 진단 시스템을 개발하기 위해서는 공조 시스템 전반에 거쳐 더 많은 고장을 검출하고 진단할 수 있도록 최소한의 감지기를 사용하여 고장의 특성을 나타낼 수 있는 최적의 위치를 선정하는 것과 관련된 연구가 계속되어야 할 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

룰 베이스를 이용한 공조기의 고장검출 및 진단
Fault Detection and Diagnosis of an Air Handling Unit Based on Rule Bases 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

성능/효과

후속연구

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

룰 베이스를 이용한 공조기의 고장검출 및 진단 Fault Detection and Diagnosis of an Air Handling Unit Based on Rule Bases 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

성능/효과

후속연구

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

한도영 (35)

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

룰 베이스를 이용한 공조기의 고장검출 및 진단
Fault Detection and Diagnosis of an Air Handling Unit Based on Rule Bases 원문보기

AI 본문요약
AI-Helper