최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.17 no.11, 2011년, pp.1095 - 1100
최주호 (한국항공대학교 항공우주 및 기계공학부) , 안다운 (한국항공대학교 항공우주 및 기계공학과) , 강진혁 (한국항공대학교 항공우주 및 기계공학과)
In this paper, PHM (Prognostics and Health Management) techniques are briefly outlined. Prognostics, being a central step within the PHM, is explained in more detail, stating that there are three approaches - experience based, data-driven and model based approaches. Representative articles in the fi...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
운용 중 균열 등의 결함에 따른 사고를 예방하기 위해 어떤 연구가 진행되어 왔는가? | 항공우주 및 원자력 발전과 같은 고안전성 시스템에서는 운용 중 균열 등의 결함(fault)이 어쩔 수 없이 발생하는데, 이들을 제대로 관리하지 않으면 한계수준을 넘어 치명적 사고를 야기한다. 이를 예방하기 위해 최근 30년간 수명주기 (lifecycle) 동안 안전을 보장하는 신뢰성기반 설계기술 (reliability based design)이 활발히 연구[1] 되었으나, 운용 중 발생하는 모든 조건(갑작스런 이물 충돌 등)을 고려하는 것이 불가능하기 때문에 실제 설계 적용에 한계가 있었다. 현재의 기술수준은 운용 중 정비를 철저히 하는 정기적 예방정비(PM: Preventive Maintenance)에 의존하고 있다. | |
모델기반 방법은 무엇인가? | 데이터기반 방법은 사용조건및 결함의 모니터링 데이터로부터 Machine Learning 기법(Neural Network, Gaussian Process Model, Relevance Vector Machine 등)을 이용하여 상호 간 관계를 구하고 이것을 미래 조건으로 외삽(extrapolation)하는 것으로, 적용범위가 비교적 넓으나 훈련을 위해 많은 데이터가 필요하고 물리적 모델 없이 데이터에만 의존하므로 먼 미래예측은 신뢰하기 어려운 측면이 있다. 모델기반 방법은 사용조건 및 결함의 모니터링 데이터로부터 물리적 모델을 실시간으로 업데이트하고 이를 가지고 미래 예측을 하는 방법으로, 적은 데이터로도 정확한 예측이 가능한 반면 확립된 고장물리 모델이 많지 않아 적용 분야가 제한적인 단점이 있다. 따라서 현재의 추세는 할 수 만 있다면 데이터기반 방법과 모델기반 방법을 함께 활용하는 혼합형(hybrid) 방법이 가장 바람직하다고 인식되고 있다. | |
경험 기반 방법의 장점은? | 일반적으로 예지기술은 세가지로 분류하는데, 경험기반 방법(experience-based method), 데이터기반 방법(data-driven method)과 모델기반 방법(model-based method)이 있다[3]. 경험 기반 방법은 실제 발생한 고장 또는 사고 데이터를 확률분포에 적합하고 이를 바탕으로 잔존수명(RUL: Remaining Useful Life)을 예측하는 것으로, 복잡한 이론이 필요치 않아 적용범위가 가장 넓은 장점이 있으나 실시간 모니터링이 아니라서 진정한 PHM으로 볼 수 없다. 데이터기반 방법은 사용조건및 결함의 모니터링 데이터로부터 Machine Learning 기법(Neural Network, Gaussian Process Model, Relevance Vector Machine 등)을 이용하여 상호 간 관계를 구하고 이것을 미래 조건으로 외삽(extrapolation)하는 것으로, 적용범위가 비교적 넓으나 훈련을 위해 많은 데이터가 필요하고 물리적 모델 없이 데이터에만 의존하므로 먼 미래예측은 신뢰하기 어려운 측면이 있다. |
A. Haldar and S. Mahadevan, Probability, Reliability and Statistical Methods in Engineering Design, John Wiley & Sons, New York, 2000.
A. Hess, G. Calvello, and P. Frith, "Challenges, issues and lessons learned chasing the 'Big P': Real predictive prognostics. Part 1," IEEE Aerospace Conference, pp. 3610-3619, 2005.
G. Vachtsevanos, et al., Intelligent Fault Diagnosis and Prognosis for Engineering Systems, John Wiley & Sons, 2006.
R. J. Cross and A. Makeev, "Stochastic updating of probabilistic life models for rotorcraft dynamic components," Journal of the American Helicopter Society, vol. 54, pp. 012009-1-7, 2009.
D. An, et al., "Fatigue life prediction based on Bayesian approach to incorporate field data into probability model," Structural Engineering and Mechanics, vol. 37, no. 4, pp. 427- 442, 2011.
E. Bechhoefer, A. Bernhard, D. He, and P. Banerjee, "Use of hidden semi-markov models in the prognostics of shaft failure," American Helicopter Society 62th Annual Forum, Phoenix, USA, 2006.
S. Sankararaman, Y. Ling, C. Shantz, and S. Mahadevan, "Uncertainty quantification in fatigue damage prognosis," Annual Conference of the Prognostics and Health Management Society, 2009.
A. Coppe, R. T. Haftka, and N. H. Kim, "Uncertainty reduction of damage growth properties using structural health monitoring," Journal of Aircraft, vol. 47, no. 6, pp. 2030-2038, 2010.
D. An, J. H. Choi, and N. H. Kim, "Identification of correlated damage parameters under noise and bias using bayesian inference," Structural Health Monitoring, to appear, 2011.
D. He and E. Bechhoefer, "Development and validation of bearing diagnostic and prognostic tools using HUMS condition indicators," IEEE Aerospace Conference, Big Sky, USA, 2008.
N. Bolander, H. Qiu, N. Eklund, E. Hindle, and T. Rosenfeld, "Physics-based remaining useful life prediction for aircraft engine bearing prognosis," Annual Conference of the Prognostics and Health Management Society, San Diego, USA, 2009.
R. Dupuis, "Application of oil debris monitoring for wind turbine gearbox prognostics," Annual Conference of the Prognostics and Health Management Society, Portland, USA, 2010.
J. H. Zhou, C. K. Pang, F. L. Lewis, and Z. W. Zhong, "Intelligent diagnosis and prognosis of tool wear using dominant feature identification," IEEE Transactions on Industrial Informatics, vol. 5, no. 4, pp. 454-464, 2009.
D. An, J. H. Choi, T. L. Schmitz, and N. H. Kim, "In situ monitoring and prediction of progressive joint wear using Bayesian statistics," Wear, vol. 270, pp. 828-838, 2011.
A. Ramakrishnan and M. Pecht, "A life consumption monitoring methodology for electronic systems," IEEE Transactions on Components and Packaging Technology, vol. 26, no. 3, pp. 625- 634, 2003.
L. Nasser and M. Curtin, "Electronics reliability prognosis through material modeling and simulation," IEEE Aerospace Conference, Big Sky, USA, 2006.
G. Zhang, C. Kwan, R. Xu, N. Vichare, and M. Pecht, "An enhanced prognostic model for intermittent failures in digital electronics," IEEE Aerospace Conference, Big Sky, USA, 2007.
D. Kwon, H. M. Azarian, and M. Pecht, "Early detection of interconnect degradation by continuous monitoring of RF impedance," IEEE Transactions on Device and Materials Reliability, vol. 9, no. 2, pp. 296-304, 2009.
J. Kozlowski, "Electrochemical cell prognostics using online impedance measurements," IEEE Aerospace Conference, Big Sky, USA, 2003.
K. Goebel, B. Saha, A. Saxena, J. R. Celaya, and J. P. Christophersen, "Prognostics in battery health management," IEEE Instrumentation & Measurement Magazine, 2008.
H. Chao, B. D. Youn, and J. S. Chung, "A multiscale framework with extended kalman filter for lithium-ion battery SOC and capacity estimation," Journal of Applied Energy, Accepted, 2011.
A. Saxena, J. Celaya, B. Saha, S. Saha, and K. Goebel, "On applying the prognostic performance metrics," Annual Conference of the Prognostics and Health Management Society, San Diego, USA, 2009.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.