[논문]인공신경망을 이용한 정면밀링에서 이상진단에 관한 연구

김원일; 이윤경; 왕덕현; 강재관; 김병창; 이관철; 정인룡

문제 정의

본 연구에서는 기존의 절삭 과정에 관한 연구들이 발생원인 규명에 국한되어 왔고 절삭 과정에서 생산 시스템의 자동화를 위한 실용화에는 많은 문제점이 내포되고 있는바 판단 불가능하고 애매모호한 데이터의 처리 한계를 가지고 있는 종래의 방식을 보완한 보다 지능화된 자동화 시스템을 구현하기 위해서 인간의 신경 체계를 모델로 하는 인공 신경망을 구현하여 매우 불규칙하고 복잡한 절삭 과정에서의 이상 진단 시스템을 구현하는데 있다.

제안 방법

따라서 정면 밀링을 수행하면서 발생되는 부하 전류를 측정하여 절삭 과정에서 발생할 수 있는 이상 데이터를 컴퓨터의 난수 데이터로 생성하여 입력변수를 구하였다. 여기에서 얻은 이상 데이터를 Visual 시스템 개발 도구를 활용하여 인공 신경망 시스템을 개발한 뒤 이를 분석하고 해석함으로써 인공 신경망을 이용한 밀링 가공의 이상 진단을 하고자 한다.
따라서 정면 밀링을 수행하면서 발생되는 부하 전류를 측정하여 절삭 과정에서 발생할 수 있는 이상 데이터를 컴퓨터의 난수 데이터로 생성하여 입력변수를 구하였다. 여기에서 얻은 이상 데이터를 Visual 시스템 개발 도구를 활용하여 인공 신경망 시스템을 개발한 뒤 이를 분석하고 해석함으로써 인공 신경망을 이용한 밀링 가공의 이상 진단을 하고자 한다.
입력 데이터인 I₁에서 I₅에서 입력받은 데이터는 출력 데이터 O₁에서 O₅의 결과 값을 출력하는 비지도형 학습을 수행하도록 구성하였다.
여기서 인공 신경망의 학습에 많은 영향을 주는 인자인 결합 함수를 숨은 층과 출력 층의 각 뉴런에서 구하여 비교하였고 인공 신경망의 입출력 데이터와 성능과의 관련성을 확인하였다.
절삭실험 데이터의 경우 기계 제조 회사에서 제공하는 가공 부하 실험 조건을 참조하여 실험하였고 이에 따라 절삭 가공 중에 발생하는 부하 전류를 측정하여 절삭 공식에 따라 데이터를 계산하였다.
기존의 시스템 개발 도구가 가지는 이식성이나 호환성을 향상시키고 각종 코딩 작업에 많은 불편이나 웹 환경에 대한 적응성 등을 획기적으로 개선한 시스템 개발 도구를 사용하였다.
본 연구에 인공 신경망을 이용한 정면 밀링에서 이상 진단을 위해서 인공 신경망의 전체적인 구조는 입력 층과 숨은 층 그리고 출력 층이 각각 5개씩을 가지는 5-5-5 네트워크로 구현한 뒤에 입력 값만을 가지고 인공 신경망이 자율적으로 출력을 생성하는 비지도형(Unsupervised) 학습을 수행하여 다음과 같은 결과를 얻을 수 있었다.

대상 데이터

96m/min, 절삭 폭은 75mm, 이송 속도는 156mm/min로 절삭하였다. 日置電機(株)의 AC/DC Hitester(Hoiki 3288)를 사용하여 주축 모터에서 나오는 절삭 전류를 측정하였으며 최대 측정 허용 기준치는 0.4-600V, 정밀도는 30-50Hz이다.
인공 신경망을 이용한 정면 밀링 절삭의 이상 진단의 경우 각종 변수 등의 영향이 있지만 가장 민감하게 작용하는 절삭 동력과 부하 전류 중에 실험의 용이함과 측정 상의 편리 그리고 본 연구와 관련이 있는 절삭 전류의 데이터를 사용함으로써 실제 응용이 용이하도록 데이터 샘플을 선택하였다.
이는 가공 중에 실시간으로 변화하여 발생되는 이상 상태를 컴퓨터에 내장된 Rand 함수의 난수 함수 데이터를 부하 전류의 최대 값과 최소 값으로 생성하여 1000개의 데이터 샘플을 구한 뒤 Table 3과 같이 실험에 필요한 데이터를 정리하여 사용하였다.

이론/모형

또한 인공 신경망 구현을 위해 사용된 PC의 운영체제는 Window XP 버전을 사용하였고 사용된 컴퓨터는 Hewlett packard PⅣ-2.1GHz를 사용하였으며 시스템 개발 도구로써는 Microsoft사의 최신 소프트웨어 개발 프로그램인 Visual studio.net enterprise architecture edition을 활용하였다.

성능/효과

1. 절삭 속도 280rpm, 절삭 이송 156mm/min, 절삭 깊이 1mm에서 4mm까지 1mm씩 변화를 시키면서 밀링 8날 4" Face cutter에서 절삭을 수행했을 때 밀링 절삭에서 수행하여 얻은 절삭 량과 부하 전류, 절삭 동력은 점차 비례하여 증가하는 경향을 보였다.
2. 인공 신경망은 이상 데이터는 입력에서 아주 불규칙하고 매우 랜덤한 형태의 곡선을 보이고 있었고 학습이 이루어지면서 차츰 안정적이고 균일한 결과를 얻을 수 있었다. 이는 인공 신경망의 학습을 통해 불규칙하고 복잡한 데이터들을 아주 효과적으로 데이터를 정리하고 랜덤한 데이터들을 적절한 패턴으로 분류할 수 있게 해 주었다.
3. 인공 신경망의 성능과 학습에 영향을 미치는 중요 인자로 결합 함수의 추이 변화를 확인한 결과 입력 층과 중간 층사이의 결합 함수가 중간층과 출력층사이의 결합 함수의 값보다 더욱 더 많은 변동이 있었다. 이는 숨은 층과 출력 층에서 전체 결합함수는 이전에 매우 불규칙했던 데이터들이 시그모이드 변환에 따라 균일한 패턴으로 변화되는 것을 확인할 수 있다.
4. 인공 신경망의 출력 반응 값은 임계 값 이상일 경우와 이하일 경우에 따라 이상 상태의 정상 또는 비정상 등을 판단할 수 있었다.

후속연구

본 연구의 신경망 실험에 사용하게 될 필요로 하는 샘플링 데이터를 얻기 위해서는 범용 밀링에서 측정한 단순한 데이터 실험값을 실시간의 데이터 형태로 변형해 주어야 할 필요가 있다.

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

[국내논문] 인공신경망을 이용한 정면밀링에서 이상진단에 관한 연구
A Study on Fault Diagnosis in Face-Milling using Artificial Neural Network 원문보기

Abstract ▼ AI-Helper

Keyword

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 인공신경망을 이용한 정면밀링에서 이상진단에 관한 연구 A Study on Fault Diagnosis in Face-Milling using Artificial Neural Network 원문보기

Abstract ▼ AI-Helper

Keyword

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

김원일 (43) 이윤경 (8) 왕덕현 (50) 강재관 (22) 김병창 (17)

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 인공신경망을 이용한 정면밀링에서 이상진단에 관한 연구
A Study on Fault Diagnosis in Face-Milling using Artificial Neural Network 원문보기

AI 본문요약
AI-Helper

활용도 Top5 논문