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
- 경우에 따라 선박의 엔진 회전 중간에는 고장이 발생하지 않더라도 순간적으로 진동 주파수가 높게 나오는 경우도 있고 그 반대의 경우도 존재하기 때문이다. 따라서 본 논문에서는 순간적 이상 진동, 예외 진동 등을 고려하면서도 실제고장을 보다 정밀하게 판별하고, 또한 고장의 유형까지를 구분할 수 있는 기법을 제안한다. 진동 데이터의 합을 이용하는 방법, 진동 데이터의 오류 값만을 이용하는 방법, 진동 데이터에서 특정 샘플링 값들 간의 기울기를 이용한 비교 기법을 연구하였고 본 논문에서는 이들 중 진동 데이터의 오류 값만을 이용하는 방법을 선택하여 실험하였다.
- 또한 엔진 자체의 진동 외에도 선체와의 공진, 스크루와 시프트 등의 엔진 기관부에서 나타나는 진동들도 매우 많다. 따라서 본 논문에서는 엔진의 고장 유무 및 유형을 정확하게 판별해내기 위해서 진동 주파수 값에 대한 패턴 매칭 기법을 적용하였다.
- 고장 데이터가 좀 더 많이 누적된다면 기울기를 이용한 비교 기법이 알고리즘 개선 등을 통해 좀 더 높은 성능을 보이겠지만 현재 상태에서는 정확성은 조금 떨어지지만 수행 속도나 데이터베이스의 양적인 측면에서 좋은 성능을 보이는 오류 부분을 이용한 비교 기법이 가장 좋은 고장 진단 알고리즘이라고 판단된다. 따라서 본 논문에서는 진동 데이터의 오류 부분만을 활용하는 고장 진단 및 고장 유형 판별 알고리즘을 대상으로 최적화 작업을 수행하였다. 기존의 오류 부분을 활용하는 고장 진단 기법은 향후 오류 데이터를 불러와서 그래프 표현을 하기 위해 데이터베이스를 많이 사용 하는 형태로 구현하였으나 세 가지 기법을 분석하고 오류 부분을 활용하는 고장 진단 알고리즘을 선정한 이후에는 그래프 표현에 다소 문제가 발생하더라도 데이터베이스의 소모를 줄이기 위해 오류 데이터만 저장하는 형태로 코드를 수정하여 저장 장치 사용을 최소화 할 수 있도록 최적화 작업을 수행하였다.
- 본 논문에서는 연구의 대상을 중소형선박 엔진으로 하여 고장 진단과 고장 유형의 판별을 정교하게 하여 선박의 안전한 항해와 엔진의 보존 및 고장에 대한 감지와 진단을 수행하는 시스템을 제안하였다. 이중 비교를 수행하는 진동 정보 판별 기법을 도입하여 일차적으로 선급 규정을 활용한 진동의 상한, 하한값을 통해 선박 엔진과 선체의 이상을 판별하고 불필요한 비교 연산을 감소시킬 수 있도록 하였다.
- 본 논문에서는 중소형 선박 엔진을 목표로 하여 저렴한 비용으로서 엔진 설비의 모니터링과 고장 가능성을 미리 감지하고 고장의 종류도 구분할 수 있는 기법을 포함한 선박 엔진 고장 분류 및 고장 감지 시스템을 제안하고자 한다. 기본적으로 적용하는 기법은 선박 엔진이나 엔진의 특정 부품별로 고유 진동 주파수를 저장하고 고장이 발생하였을 경우에 나타나는 실측 파형과 비교하여 고장을 감지하는 것이다.
- 그럴 경우 비교 연산 수행 속도, 데이터베이스 사용량 등이 함께 상승하게 된다. 이런 새로운 고장 파형이 실측되는 경우는 선급 규정을 넘어서는 선박 자체 공진 유형의 진동 데이터일 확률이 높기 때문에 본 논문에서는 오류 부분을 이용한 비교 기법을 수행하기 이전에 선급 규정을 이용한 비교를 먼저 수행하여 최악 경우는 실제 비교 연산이 거의 발생하지 않도록 하여 속도를 개선하였다. 이와 같이 오류 부분을 이용한 고장 판단 및 고장 유형 판별 기법에 두 가지 최적화 기법을 적용하여 알고리즘 성능 및 메모리 감소 효과를 가질 수 있도록 하였다.
- 이를 통해 최종적으로는 고장 이후의 사후 대책을 수립하는 것이 아닌 엔진의 사전 보전을 할 수 있도록 고장 발생가능성 등을 출력하여 선주가 엔진의 수리, 교체 등의 의사결정을 내릴 수 있는 시스템을 구현하는 것이다. 이것이 가능해지면 대형 선박뿐만 아니라 중소형 선박도 경제적인 가격에 엔진 상태 모니터링은 물론 고장 감지, 고장 유형 판별이 가능한 시스템을 탑재할 수 있게 된다.
제안 방법
- 비교 시 모든 값들이 사용자가 지정한 오차범위 이내이면 정상 데이터로 판정하여 새로운 진동 데이터를 입력받는다. 고장 데이터로 판정되면 오차범위를 벗어나는 데이터 값과 이에 해당하는 주파수 및 오차범위를 벗어나는 데이터 값의 개수를 저장하고 고장 진동 정보를 저장하는 데이터베이스의 고장 데이터들과 비교를 수행 한다. 고장 데이터들과의 비교 방법은 오차 데이터를 벗어나는 데이터 값의 개수를 비교하여 같다면 오차 범위를 벗어나는 데이터의 주파수와 값을 비교한다.
- 고장 진동 파형의 감별 대상은 선급 규정 진동 정보와의 1차 비교를 통과한 데이터들이며 이 데이터에 대해서 ‘기준 엔진 진동정보’와의 비교를 통해 오류 범위를 벗어난 값들에 대해서만 고장 진동 파형의 종류를 감별하도록 하였다.
- 구현된 진동 발생기를 활용하여 특정 진동을 발생시키고 50 RPM에서 측정을 시작하여 5 RPM식 증가시키면서 200 RPM까지 측정하여 각각 10회의 사이클을 누적하여 평균화한 후 이를 ‘기준 엔진 진동정보’로 데이터베이스에 저장하였다.
- 선박 엔진의 특성이나 기관 관리사의 필요에 따라 각 채널들은 활성화와 비활성화가 가능하며 화면상에서 삭제하거나 필요한 경우 채널 및 기능을 더 추가시키는 것도 가능하다. 그 이외에 그래프 출력 기능과 몇 가지 필요한 기능들이 조금 더 포함되어 있는데 선박 실측을 통해서 필요한 기능들을 계속 추가할 예정이며, 이것이 가능하도록 프로그램을 확장에 적응할 수 있도록 구현하였다.
- 실험 방법과 환경에서는 선박 엔진의 정상 진동은 실측이 가능하나 고장 상태의 진동은 실측이 불가능하였기 때문에 진동 발생기를 이용하여 실행하였다. 그리고 고장 상태 시의 진동 파형은 실험을 위한 임의의 값으로 선정하고 이 파형을 제안한 시스템에서 어느 정도의 정밀도와 확률을 가지고 인식하는지 실험하였다. 실험을 수행할 때 마다 생성되는 진동 파형은 랜덤으로 하여 실험하였다.
- 이후 ‘기준 엔진 진동 정보‘를 데이터베이스에 저장하여 둔다. 그리고 선박 엔진의 진동, 축의 진동, 거주구의 진동 등은 특정 주파수(Hz)를 초과할 수 없도록 하는 상한인 선급 규정[13]이 있는데 이것은 국제적 표준이기도 하며 본 논문에서는 이 정보 또한 데이터베이스에 저장하여 두었다.
- 이후 임의적인 고장 진동 파형 생성을 위해 회전체나 축에 추를 설치하여 같은 방법으로 50~200 RPM까지의 고장 진동 파형을 만든 다음 데이터베이스에 저장하였다. 그리고 실측 실험을 실시하였는데 이때 인위적 고장 진동을 랜덤으로 유발하고 데이터베이스에 저장된 기준 엔진 진동 정보를 벗어났을 때 정확하게 인식을 할 수 있는지에 대한 실험과 벗어난 진동 정보가 어떤 유형의 고장 진동 데이터 인지를 정확하게 인식할 수 있는지에 대해서 각각 100회식실험하였다.
- 엔진의 사이클 당 측정되는 데이터들을 10회 누적하여 평균화하고 이를 엔진 고유 진동 주파수와 1차 비교하며 선급 규정으로 나와 있는 국제 표준인 진동 허용 범위와 2차 비교를 통해서 고장 유무를 판별한다. 그리고 엔진의 회전수(RPM)별 진동 주파수가 다르다는 점을 활용하여 각 회전수별로 트리형태로 진동 정보를 저장할 수 있는 자료 구조를 활용하여 패턴 매칭을 빠르게 수행되도록 하였다.
- 이중 비교를 수행하는 진동 정보 판별 기법을 도입하여 일차적으로 선급 규정을 활용한 진동의 상한, 하한값을 통해 선박 엔진과 선체의 이상을 판별하고 불필요한 비교 연산을 감소시킬 수 있도록 하였다. 그리고 일차 필터링을 통과한 고장 진동이 발생한 경우에는 오류 부분을 이용하는 비교 기법을 도입하고, 고장 진동 파형 데이터의 오류 숫자, 실제 오류 값, 오차 범위 등을 활용하여 어떤 유형의 고장인지를 판별할 수 있는 기법도 적용하였다. 또한 선박의 진동 경향 분석과 엔진의 사전 보존을 목적으로 진동 정보를 데이터베이스에 저장하고 추적할 수 있도록 시스템을 구현하였다.
- 따라서 본 논문에서는 진동 데이터의 오류 부분만을 활용하는 고장 진단 및 고장 유형 판별 알고리즘을 대상으로 최적화 작업을 수행하였다. 기존의 오류 부분을 활용하는 고장 진단 기법은 향후 오류 데이터를 불러와서 그래프 표현을 하기 위해 데이터베이스를 많이 사용 하는 형태로 구현하였으나 세 가지 기법을 분석하고 오류 부분을 활용하는 고장 진단 알고리즘을 선정한 이후에는 그래프 표현에 다소 문제가 발생하더라도 데이터베이스의 소모를 줄이기 위해 오류 데이터만 저장하는 형태로 코드를 수정하여 저장 장치 사용을 최소화 할 수 있도록 최적화 작업을 수행하였다. 오류 부분만을 비교하는 기법은 최악 경우라는 것이 데이터베이스에 입력되어 있는 정상 진동 데이터와 고장 진동 유형 데이터가 실측값과 전부 다른 경우에 발생한다.
- 기능을 간략하게 설명하면 첫째, 엔진으로부터 실측한 데이터를 정해진 사이클만큼 수신한 후 산술 평균을 구하여 ‘기준 엔진 진동정보(정상 엔진 진동)’를 결정하고 데이터베이스에 저장한다. 둘째, 엔진으로부터 실측 진동 정보를 실시간으로 획득하면서 진동 정보를 비교한다. 이때 비교는 앞에서 도출한 ‘기준 엔진 진동정보’와 비교를 수행하는 것이다.
- 첫째, 선급 규정을 데이터베이스에 저장하여 실측 데이터와 비교함으로써 거주구, 기관실, 선체 등에 대한 일반적인 고장 진동 허용 범위를 대폭 좁힐 수 있고 많은 고장 진동을 감지할 수 있다. 둘째, 정상적인 진동 정보를 한 번의 사이클에서 측정하고 이 실험을 10회 반복하여 기준 엔진 진동정보를 만들어 데이터베이스에 저장하고 이것을 실측 진동 파형과 비교하는 방법으로 실험을 수행한다. 실측 고장 진동 파형은 선박 실측이 불가능하기 때문에 인위적인 고장 상태의 진동이 일어나도록 추를 회전체에 설치한 후 시행한다.
- 그리고 일차 필터링을 통과한 고장 진동이 발생한 경우에는 오류 부분을 이용하는 비교 기법을 도입하고, 고장 진동 파형 데이터의 오류 숫자, 실제 오류 값, 오차 범위 등을 활용하여 어떤 유형의 고장인지를 판별할 수 있는 기법도 적용하였다. 또한 선박의 진동 경향 분석과 엔진의 사전 보존을 목적으로 진동 정보를 데이터베이스에 저장하고 추적할 수 있도록 시스템을 구현하였다. 단 본 논문에서는 실험용 엔진 1종만을 대상으로 했기 때문에 실제 선박에 적용했을 때 발생할 수 있는 문제점이나 실측에서 나타나는 공진 등에 의한 차이는 정확하게 알 수 없다.
- 고장 진동의 종류가 다양하기 때문에 어떤 유형의 고장인지를 구분할 수 있는 것도 고장 감지 시스템의 중요한 기능이다. 본 논문에서는 고장 진동 파형에 대한 유형 구분 기법을 3.3절에서 언급한 것처럼 세 가지 방식으로 개발하였으나, 성능과 데이터베이스 사용량이 적은 오류 부분을 이용한 고장 진동 유형 감별법을 적용하여 실험하였다. 데이터베이스에 저장되어 있는 고장 진동 파형의 데이터와 실측한 진동 파형 데이터 값의 차이가 50% 이내에 들면 특정 고장 진동 파형으로 인식한다.
- 데이터베이스에 저장되어 있는 고장 진동 파형의 데이터와 실측한 진동 파형 데이터 값의 차이가 50% 이내에 들면 특정 고장 진동 파형으로 인식한다. 선박을 이용한 실측에서는 200%까지도 오차 범위를 인정하는데[14], 본 논문에서는 제안 기법의 정확도 측정을 위해 실험값으로서 더 작은 오차범위를 사용하였다. 고장 진동 파형의 감별 대상은 선급 규정 진동 정보와의 1차 비교를 통과한 데이터들이며 이 데이터에 대해서 ‘기준 엔진 진동정보’와의 비교를 통해 오류 범위를 벗어난 값들에 대해서만 고장 진동 파형의 종류를 감별하도록 하였다.
- 제어 모듈은 다른 모듈들에 대한 일반적인 제어 기능을 가지며, 진동 정보를 계속 수집할 것인지 일시정지할 것인지 또는 현재 저장된 정보들을 폐기할 것인지를 호스트 내의 소프트웨어와 연계를 통해서 결정한다. 수집기의 모듈은 하드웨어로 구현되어 있기 때문에 처리 속도가 빠르며, 필요한 경우 입출력 포트 및 센서 채널은 확장 가능하도록 구현하였다.
- 실험 방법과 환경에서는 선박 엔진의 정상 진동은 실측이 가능하나 고장 상태의 진동은 실측이 불가능하였기 때문에 진동 발생기를 이용하여 실행하였다. 그리고 고장 상태 시의 진동 파형은 실험을 위한 임의의 값으로 선정하고 이 파형을 제안한 시스템에서 어느 정도의 정밀도와 확률을 가지고 인식하는지 실험하였다.
- 고장 진동 파형의 감별 대상은 선급 규정 진동 정보와의 1차 비교를 통과한 데이터들이며 이 데이터에 대해서 ‘기준 엔진 진동정보’와의 비교를 통해 오류 범위를 벗어난 값들에 대해서만 고장 진동 파형의 종류를 감별하도록 하였다. 실험 방법은 4.2절의 실험과 동일하게 50 RPM에서 200 RPM까지 5 RPM식 증가시키면서 고장 진동 파형에 대해 각각 100회식의 실험을 수행하였다. (그림 7)은 고장 진동의 유형을 어느 정도 정확하게 구분하는지에 대한 인식률을 정리한 그래프이다.
- 그리고 고장 상태 시의 진동 파형은 실험을 위한 임의의 값으로 선정하고 이 파형을 제안한 시스템에서 어느 정도의 정밀도와 확률을 가지고 인식하는지 실험하였다. 실험을 수행할 때 마다 생성되는 진동 파형은 랜덤으로 하여 실험하였다. 소프트웨어 구현을 위한 환경은 <표 1>과 같다.
- 엔진의 사이클 당 측정되는 데이터들을 10회 누적하여 평균화하고 이를 엔진 고유 진동 주파수와 1차 비교하며 선급 규정으로 나와 있는 국제 표준인 진동 허용 범위와 2차 비교를 통해서 고장 유무를 판별한다. 그리고 엔진의 회전수(RPM)별 진동 주파수가 다르다는 점을 활용하여 각 회전수별로 트리형태로 진동 정보를 저장할 수 있는 자료 구조를 활용하여 패턴 매칭을 빠르게 수행되도록 하였다.
- 이 두 가지 정보를 저장해둔 상태에서 제안 기법은 첫째, 선급 규정을 이용하여 상한값을 넘는 진동이 발생하면 선박 엔진 또는 기관에 고장이 있는 것으로 간주하여 패턴 매칭을 실시하지 않고 고장 발생을 관리자에게 알린다. 둘째, 만약 첫째 기준을 통과하지만 본 논문에서 구현한 고장 감지및 고장 유형 판별 기법에서 고장으로 판단되는 진동이 발생될 경우는 고장을 판별하고 또한 고장의 유형까지도 판별 하여 가장 가능성 높은 고장을 관리자에게 경보음과 함께 제공할 수 있도록 구현하였다.
- 이런 새로운 고장 파형이 실측되는 경우는 선급 규정을 넘어서는 선박 자체 공진 유형의 진동 데이터일 확률이 높기 때문에 본 논문에서는 오류 부분을 이용한 비교 기법을 수행하기 이전에 선급 규정을 이용한 비교를 먼저 수행하여 최악 경우는 실제 비교 연산이 거의 발생하지 않도록 하여 속도를 개선하였다. 이와 같이 오류 부분을 이용한 고장 판단 및 고장 유형 판별 기법에 두 가지 최적화 기법을 적용하여 알고리즘 성능 및 메모리 감소 효과를 가질 수 있도록 하였다.
- 본 논문에서는 연구의 대상을 중소형선박 엔진으로 하여 고장 진단과 고장 유형의 판별을 정교하게 하여 선박의 안전한 항해와 엔진의 보존 및 고장에 대한 감지와 진단을 수행하는 시스템을 제안하였다. 이중 비교를 수행하는 진동 정보 판별 기법을 도입하여 일차적으로 선급 규정을 활용한 진동의 상한, 하한값을 통해 선박 엔진과 선체의 이상을 판별하고 불필요한 비교 연산을 감소시킬 수 있도록 하였다. 그리고 일차 필터링을 통과한 고장 진동이 발생한 경우에는 오류 부분을 이용하는 비교 기법을 도입하고, 고장 진동 파형 데이터의 오류 숫자, 실제 오류 값, 오차 범위 등을 활용하여 어떤 유형의 고장인지를 판별할 수 있는 기법도 적용하였다.
- 일반적으로 패턴 인식 기법은 입력되는 데이터와 기존의 데이터가 특정 유사도나 일정한 형태의 규칙을 가지고 있는 지를 비교하는 기법이다. 이후 패턴 인식 기법은 더욱 발전하여 공학의 여러 분야에서 활용되고 있는데 본 논문에서는 패턴 인식 기법을 엔진 등에 부착된 센서로부터 전달되는 신호를 분석한 후 이를 이용하여 고장을 진단하는 기법으로 활용하였다. 이런 패턴 인식 기법 중에서 입력되는 신호를 분석하는 기법은 크게 통계적 방법과 신경망을 이용하는 방법으로 구분할 수 있다.
- 입력되는 진동 데이터는 원하는 주파수 샘플링 블록 크기로 측정할 수 있는데, 1 Hz마다 1회 주기로 진동 데이터를 확인할 수 있도록 구현하였다. 샘플링 할 블록 크기는 조절 가능하며, 이렇게 설정한 크기로 나누어진 진동 주파수가 초기에 입력된다.
- 그리고 오차범위를 벗어나는 기울기가 하나라도 있다면 그 입력 데이터는 고장 데이터로 판단하여 고장 진동 데이터를 저장하는 데이터베이스에 저장된 고장 데이터와 비교를 하게 된다. 정상 진동 데이터의 비교와 동일한 방법으로 고장 진동 데이터들과 비교를 하게 되며, 모든 기울기가 오차범위 이내가 되는 고장 데이터가 존재하면 경보음 발생과 함께 그 고장 진동 데이터의 정보를 출력하게 되고, 모든 기울기가 오차범위 이내가 되는 고장 진동 데이터가 존재하지 않는다면 새로운 유형의 고장 진동 데이터로 판단하여 경보음을 발생 시키고 고장정보를 입력할 수 있도록 하게 한다.
- 실측 고장 진동 파형은 선박 실측이 불가능하기 때문에 인위적인 고장 상태의 진동이 일어나도록 추를 회전체에 설치한 후 시행한다. 정상 진동 파형과 실측 고장 진동 파형의 비교 연산은 본 논문에서 제시한 기법 중 두 번째 기법인 오류 부분을 이용한 비교 기법을 사용하게 되는데, 여기서 대부분의 값이 데이터베이스에 저장된 기준 엔진 진동정보의 임계값을 벗어나기 때문에 고장으로 판별이 가능하다. 즉 진동 정보를 이용해서 고장의 감지만을 목적으로 하는 것은 이중 비교 기법을 통해서 쉽게 달성할 수 있다.
- (그림 1)에서 물리적 구성을 확인할 수 있으며, (그림 2)는 논리적 구성을 표시하였다. 제안 시스템의 경우엔진 자체의 진동을 직접 수집하도록 하기 위해 엔진에 다수(실험에서는 4개)의 센서를 부착한다. 센서의 부착 방법은 엔진에 직접적인 구멍 등을 내는 것 등은 위험성 및 비용이 많이 소모되기에 자석을 활용하여 부착될 수 있도록 하드웨어를 제작하였다.
- 제안한 알고리즘을 하드웨어와 소프트웨어를 포함한 하나의 시스템으로 구현하였고, 진동 생성기를 통해 고장 판별 유무와 고장 진동 유형 감별이라는 인자에 대해 간단한 확인 실험을 수행하였다. 실험 결과 엔진의 고장 유무를 확인할 수 있는 실험에서는 임계값과 선급 규정이라는 이중적인 판별법에 따라 100%의 정확도를 달성할 수 있었다.
- 진동 데이터를 통한 고장 감지 기법을 적용하기 위해서본 논문에서 제안하는 시스템 구성은 일반적인 진동 모니터링 시스템이나 고장 관리 시스템의 기본적인 형태를 그대로 따르고 있다. 크게 하드웨어 구성과 소프트웨어 구성으로 나누어지며, 하드웨어의 경우에는 복수의 채널(4채널)을 사용하는 진동 감지 장치, 진동 정보 수집 장치 그리고 이 진동 정보를 분석하고 저장하고 출력할 수 있는 컴퓨터(워크스테이션)로 구성되어 있다.
- 따라서 본 논문에서는 순간적 이상 진동, 예외 진동 등을 고려하면서도 실제고장을 보다 정밀하게 판별하고, 또한 고장의 유형까지를 구분할 수 있는 기법을 제안한다. 진동 데이터의 합을 이용하는 방법, 진동 데이터의 오류 값만을 이용하는 방법, 진동 데이터에서 특정 샘플링 값들 간의 기울기를 이용한 비교 기법을 연구하였고 본 논문에서는 이들 중 진동 데이터의 오류 값만을 이용하는 방법을 선택하여 실험하였다.
- 그리고 각각의 고유 진동 주파수 및 고장 진동 주파수가 데이터베이스로 축적이 되면 이를 활용하여 고장의 유형까지도 판별할 수 있도록 한다. 진동 파형에서 두 지점 사이에 나타나는 기울기와 거리를 활용하고, 특정 부분에서는 순간 기울기를 구하는 미분값을 활용하여 고장 파형에 대한 유사도 및 판별이 가능한 기법을 적용하였다.
- 특히 본 논문에서는 오차 범위의 상한 및 하한을 결정할 때 ‘기준 엔진 진동정보’를 기준으로 하였기 때문에 고장 진동 유형이 ‘기준 엔진 진동정보’를 근거로 하여 등급별로 구분된다.
- 기본적으로 적용하는 기법은 선박 엔진이나 엔진의 특정 부품별로 고유 진동 주파수를 저장하고 고장이 발생하였을 경우에 나타나는 실측 파형과 비교하여 고장을 감지하는 것이다. 특히 엔진 고유 진동 주파수를 기준으로 하고 다수의 진동 센서를 활용하여 다채널로부터 획득되는 현재의 엔진 진동 주파수를 비교한 후 엔진 고장 유무, 고장 유형을 판단할 수 있도록 한다.
대상 데이터
- 수집기에 포함된 모듈은 진동 정보 수신 모듈, 진동 정보 송신 모듈, FFT 변환 모듈, 제어 모듈이다. 진동 정보 수신 모듈은 진동 감지 센서로부터의 정보를 채널별로 동시에 수신하고 임시적으로 저장하는 역할을 한다.
- 본 논문의 데이터 중에 실측한 선박 엔진의 고장 진동 정보는 없다. 이런 점을 충분히 고려하여 선박이 건조되고 시험 가동 후에 엔진이 정상적일 때의 데이터를 먼저 수집하였다. 그리고 엔진의 진동 주파수가 특정 주파수에 도달하는 때까지를 한 번의 사이클로 정하고 한 사이클까지의 진동 정보를 10회 만큼 누적하고 산술 평균을 도출한다[15].
성능/효과
- 200 RPM에서의 결과도 100 RPM에서의 결과와 크게 다르지 않는데 이 구간은 진동 파형 자체의 변화도 심하고 따라서 진동을 나타내는 정량화된 값들도 큰 폭의 변화가 생기는 구간이다. 200RPM 구간에서의 100회 실험을 수행하였을때 고장 유형의 감지 인식률은 92% 정도 되는 것으로 나타났다. 실험 횟수가 증가하면 (그림 8)에서 보이는 각 고장 유형 범주 사이에 있는 경계 영역에 해당되는 값이 더 증가 하게 될 것이고, 이 경우에는 고장 유형을 판별하는 알고리즘이 새로운 고장 유형으로 판단하거나 알고리즘에서 이런 값들을 무시하는 경우가 발생하게 된다.
- 결과적으로는 100회 실험에서 100% 정확도로 고장 유무는 판별할 수 있는 것으로 나타났다. 실험 중에 실제 고장이 아닌데 회전체의 이상 진동 또는 고장 진동 입력 샘플링 과정에서 의미 없는 값이 샘플링 되는 경우가 발생하면 이것은 실험 결과 자료에서 제외하였다.
- 합을 이용한 비교 기법의 정확성에서, 오류 부분을 이용한 비교 기법은 데이터베이스의 양과 수행속도에서, 기울기를 이용한 비교 기법은 확장성에서 장점을 가지고 있다. 고장 데이터가 좀 더 많이 누적된다면 기울기를 이용한 비교 기법이 알고리즘 개선 등을 통해 좀 더 높은 성능을 보이겠지만 현재 상태에서는 정확성은 조금 떨어지지만 수행 속도나 데이터베이스의 양적인 측면에서 좋은 성능을 보이는 오류 부분을 이용한 비교 기법이 가장 좋은 고장 진단 알고리즘이라고 판단된다. 따라서 본 논문에서는 진동 데이터의 오류 부분만을 활용하는 고장 진단 및 고장 유형 판별 알고리즘을 대상으로 최적화 작업을 수행하였다.
- 실험 결과 엔진의 고장 유무를 확인할 수 있는 실험에서는 임계값과 선급 규정이라는 이중적인 판별법에 따라 100%의 정확도를 달성할 수 있었다. 고장 진동 파형을 구분하는 실험인 고장 유형 감별에서는 세 가지 엔진 회전수 대역에 대해서 평균값이 96%를 상회하고 있음을 확인하였다.
- 선박에서 진동을 유발하는 인자가 워낙 많고 변수 또한 다양하기 때문이다. 그러나 본 논문에서 사용하고 있는 이중 비교 기법에 의해서 대부분의 고장 진동 파형은 필터링이 가능하다. 첫째, 선급 규정을 데이터베이스에 저장하여 실측 데이터와 비교함으로써 거주구, 기관실, 선체 등에 대한 일반적인 고장 진동 허용 범위를 대폭 좁힐 수 있고 많은 고장 진동을 감지할 수 있다.
- 실험의 정확도와 진단 확률의 신뢰도 수준을 위해서 더 많은 횟수의 실험이 요구되며, 선박에서 엔진 고장시의 실계측이 필요하다. 그러나 본 논문에서 제안하는 시스템의 구현 형태와 알고리즘이 임계값을 활용하는 기법을 가지고 있어 고장 유무 판별에는 높은 신뢰 수준을 가질 것으로 보인다.
- 이 두 가지 정보를 저장해둔 상태에서 제안 기법은 첫째, 선급 규정을 이용하여 상한값을 넘는 진동이 발생하면 선박 엔진 또는 기관에 고장이 있는 것으로 간주하여 패턴 매칭을 실시하지 않고 고장 발생을 관리자에게 알린다. 둘째, 만약 첫째 기준을 통과하지만 본 논문에서 구현한 고장 감지및 고장 유형 판별 기법에서 고장으로 판단되는 진동이 발생될 경우는 고장을 판별하고 또한 고장의 유형까지도 판별 하여 가장 가능성 높은 고장을 관리자에게 경보음과 함께 제공할 수 있도록 구현하였다. 이와 같은 이중 비교를 통해서 고장 판별을 위한 연산 시간을 감소시킬 수 있고, 정확도 또한 증가시킬 수 있다.
- 저속의 50 RPM에서는 고장 진동 파형의 유형을 구분하는 비율이 가장 높았는데, 이 속도에서는 파형을 나타내는 실제 값과 정량화된 진동 값들이 크게 변화를 보이지 않는 구간이다. 따라서 실측 진동 값들이 오차 범위로 정한 50% 이내에 포함되어 특정 유형의 고장 진동으로 판별되어 정확하게 인식되는 것으로 나타났다. 특히 본 논문에서는 오차 범위의 상한 및 하한을 결정할 때 ‘기준 엔진 진동정보’를 기준으로 하였기 때문에 고장 진동 유형이 ‘기준 엔진 진동정보’를 근거로 하여 등급별로 구분된다.
- 본 논문은 실험용 엔진 1종만을 대상으로 실험을 수행하였기 때문에 다른 실제 선박의 엔진에 대해 본 논문의 연구 기법을 적용했을 때 결과가 실측과 일치한다는 것을 보장할 수 없다. 따라서 다른 선박의 엔진이나 특성이 전혀 다른 엔진에 본 논문의 연구 기법을 적용할 때는 확인 및 검증 절차가 반드시 필요하다.
- 제안한 알고리즘을 하드웨어와 소프트웨어를 포함한 하나의 시스템으로 구현하였고, 진동 생성기를 통해 고장 판별 유무와 고장 진동 유형 감별이라는 인자에 대해 간단한 확인 실험을 수행하였다. 실험 결과 엔진의 고장 유무를 확인할 수 있는 실험에서는 임계값과 선급 규정이라는 이중적인 판별법에 따라 100%의 정확도를 달성할 수 있었다. 고장 진동 파형을 구분하는 실험인 고장 유형 감별에서는 세 가지 엔진 회전수 대역에 대해서 평균값이 96%를 상회하고 있음을 확인하였다.
- 진동 데이터를 활용하여 고장 진단이나 산업 등에 활용하는 여러 논문을 분석해본 결과 진동 데이터 분석을 위한 기법 중심의 논문들이 한 가지 주류를 이루고 있고, 진동 데이터 분석은 이루어진 것으로 가정하고 사용이 편리한 시스템을 구축하기 위한 기법을 중심으로 한 논문으로 크게 분류할 수 있었다.
- 진동 정보를 활용해서 고장 자체를 감별하는 확률은 실험 결과 높은 수치를 나타내었다. 진동 파형을 랜덤으로 생성하면서 100회 정도만의 실험을 통해 완전한 결론을 도출하기는 힘들다.
- 그러나 본 논문에서 사용하고 있는 이중 비교 기법에 의해서 대부분의 고장 진동 파형은 필터링이 가능하다. 첫째, 선급 규정을 데이터베이스에 저장하여 실측 데이터와 비교함으로써 거주구, 기관실, 선체 등에 대한 일반적인 고장 진동 허용 범위를 대폭 좁힐 수 있고 많은 고장 진동을 감지할 수 있다. 둘째, 정상적인 진동 정보를 한 번의 사이클에서 측정하고 이 실험을 10회 반복하여 기준 엔진 진동정보를 만들어 데이터베이스에 저장하고 이것을 실측 진동 파형과 비교하는 방법으로 실험을 수행한다.
후속연구
- 이것이 가능해지면 대형 선박뿐만 아니라 중소형 선박도 경제적인 가격에 엔진 상태 모니터링은 물론 고장 감지, 고장 유형 판별이 가능한 시스템을 탑재할 수 있게 된다. 그리고 대부분의 선박들에 있어 해상에서의 운항 안전을 보장하는데 큰도움을 줄 수 있고 결론적으로는 국가의 경쟁력 증가에 일조할 수 있을 것으로 사료된다.
- 본 논문은 실험용 엔진 1종만을 대상으로 실험을 수행하였기 때문에 다른 실제 선박의 엔진에 대해 본 논문의 연구 기법을 적용했을 때 결과가 실측과 일치한다는 것을 보장할 수 없다. 따라서 다른 선박의 엔진이나 특성이 전혀 다른 엔진에 본 논문의 연구 기법을 적용할 때는 확인 및 검증 절차가 반드시 필요하다.
- 단 본 논문에서는 실험용 엔진 1종만을 대상으로 했기 때문에 실제 선박에 적용했을 때 발생할 수 있는 문제점이나 실측에서 나타나는 공진 등에 의한 차이는 정확하게 알 수 없다. 따라서 선박 실측 결과가 아니기 때문에 선박과 제안 시스템을 연동시키기 위해서는 추가적인 실측 절차와 검증이 필요하다.
- 이를 통해 선박에서 진동 정보를 활용하여 엔진의 고장 유무를 판별하고 고장 유형을 감별할 수 있는지에 대한 시스템의 신뢰성을 확인할 수 있을 것이다. 실측 실험을 통해 제안 시스템의 활용 여부와 신뢰성이 확인된다면 이후에는 선박에 실제로 탑재할 수 있도록 본 논문에서 적용된 알고리즘의 정확성과 신뢰성을 높일 수 있도록 소프트웨어의 모듈이나 기법의 속도 증가와 효율성 증대 및 코드 최적화 등을 수행하는 것이다.
- 실험 중에 실제 고장이 아닌데 회전체의 이상 진동 또는 고장 진동 입력 샘플링 과정에서 의미 없는 값이 샘플링 되는 경우가 발생하면 이것은 실험 결과 자료에서 제외하였다. 실험의 정확도와 진단 확률의 신뢰도 수준을 위해서 더 많은 횟수의 실험이 요구되며, 선박에서 엔진 고장시의 실계측이 필요하다. 그러나 본 논문에서 제안하는 시스템의 구현 형태와 알고리즘이 임계값을 활용하는 기법을 가지고 있어 고장 유무 판별에는 높은 신뢰 수준을 가질 것으로 보인다.
- 향후 연구 내용은 본 논문에서 최대 문제점인 선박 실측을 수행하고 연구 개발한 기법이 실측에서도 일치하는 결과를 나타내는지 확인하는 것이다. 이를 통해 선박에서 진동 정보를 활용하여 엔진의 고장 유무를 판별하고 고장 유형을 감별할 수 있는지에 대한 시스템의 신뢰성을 확인할 수 있을 것이다. 실측 실험을 통해 제안 시스템의 활용 여부와 신뢰성이 확인된다면 이후에는 선박에 실제로 탑재할 수 있도록 본 논문에서 적용된 알고리즘의 정확성과 신뢰성을 높일 수 있도록 소프트웨어의 모듈이나 기법의 속도 증가와 효율성 증대 및 코드 최적화 등을 수행하는 것이다.
- 향후 연구 내용은 본 논문에서 최대 문제점인 선박 실측을 수행하고 연구 개발한 기법이 실측에서도 일치하는 결과를 나타내는지 확인하는 것이다. 이를 통해 선박에서 진동 정보를 활용하여 엔진의 고장 유무를 판별하고 고장 유형을 감별할 수 있는지에 대한 시스템의 신뢰성을 확인할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.