AE 신호를 이용한 조기 결함 검출을 위한 Hilbert 변환과 Hilbert-Huang 변환의 비교 Comparison of Hilbert and Hilbert-Huang Transform for The Early Fault Detection by using Acoustic Emission Signal원문보기
음향방출(Acoustic Emission, AE) 시스템은 최근 조기 결함 검출 시스템 개발을 위해 적용되고 있으며, 그에 따르는 신호처리 기법에 대한 문제를 해결하기 위해 많은 노력을 기울이고 있다. 신호처리 기법 중 포락처리(Envelope analysis)가 베어링 결함 분석에 사용되고, Wavelet Transform은 기어 등의 결함 분석에 용이한 것으로 알려져 있다. 하지만 여전히 AE 신호를 위한 신호처리 기법은 불확실하다. 따라서 본 논문에서는 AE 시스템을 적용한 조기 결함 검출 시스템 개발을 위한 사전 연구로, AE 신호를 분석하기 위한 신호처리 기법으로 Hilbert Transform(HT)과 Hilbert-Huang Transform(HHT)에 대해 비교 분석한다. AE 신호는 피로시험을 통해 취득되었으며, 취득된 AE 신호를 두 신호처리 기법을 적용하여 주파수 및 시간 신호에 대해 분석하였다. HT에 비해 HHT가 시간-주파수 영역에 대해 결과를 나타내기 때문에 좀 더 명확한 특징을 보이는 데에 반해 신호처리 시간 및 필터링에 대한 단점을 보이고 있음을 확인하였다.
음향방출(Acoustic Emission, AE) 시스템은 최근 조기 결함 검출 시스템 개발을 위해 적용되고 있으며, 그에 따르는 신호처리 기법에 대한 문제를 해결하기 위해 많은 노력을 기울이고 있다. 신호처리 기법 중 포락처리(Envelope analysis)가 베어링 결함 분석에 사용되고, Wavelet Transform은 기어 등의 결함 분석에 용이한 것으로 알려져 있다. 하지만 여전히 AE 신호를 위한 신호처리 기법은 불확실하다. 따라서 본 논문에서는 AE 시스템을 적용한 조기 결함 검출 시스템 개발을 위한 사전 연구로, AE 신호를 분석하기 위한 신호처리 기법으로 Hilbert Transform(HT)과 Hilbert-Huang Transform(HHT)에 대해 비교 분석한다. AE 신호는 피로시험을 통해 취득되었으며, 취득된 AE 신호를 두 신호처리 기법을 적용하여 주파수 및 시간 신호에 대해 분석하였다. HT에 비해 HHT가 시간-주파수 영역에 대해 결과를 나타내기 때문에 좀 더 명확한 특징을 보이는 데에 반해 신호처리 시간 및 필터링에 대한 단점을 보이고 있음을 확인하였다.
Recently, Acoustic Emission (AE) technique is widely applied to develop the early fault detection system, and the problem about a signal processing method for AE signal is mainly focused on. In the signal processing method, envelope analysis is a useful method to evaluate the rolling element bearing...
Recently, Acoustic Emission (AE) technique is widely applied to develop the early fault detection system, and the problem about a signal processing method for AE signal is mainly focused on. In the signal processing method, envelope analysis is a useful method to evaluate the rolling element bearing problems and Wavelet transform is a powerful method to detect faults occurred on gearboxes. However, exact method for AE signal is not developed yet. Therefore, in this paper, two methods, which is Hilbert transforms (HT) and Hilbert-Huang transforms (HHT), will be compared for development a signal processing method for early fault detection system by using AE. AE signals were measured through a fatigue test. HHT has better advantages than HT because HHT can show the time-frequency domain result. But, HHT needs long time to process a signal, which has a lot of data, and has a disadvantage in de-noising filter.
Recently, Acoustic Emission (AE) technique is widely applied to develop the early fault detection system, and the problem about a signal processing method for AE signal is mainly focused on. In the signal processing method, envelope analysis is a useful method to evaluate the rolling element bearing problems and Wavelet transform is a powerful method to detect faults occurred on gearboxes. However, exact method for AE signal is not developed yet. Therefore, in this paper, two methods, which is Hilbert transforms (HT) and Hilbert-Huang transforms (HHT), will be compared for development a signal processing method for early fault detection system by using AE. AE signals were measured through a fatigue test. HHT has better advantages than HT because HHT can show the time-frequency domain result. But, HHT needs long time to process a signal, which has a lot of data, and has a disadvantage in de-noising filter.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러므로 본 연구에서는 음향방출 신호를 위한 신호처리 기법을 개발하기 위한 사전 연구를 위해 포락처리에서 핵심 역할을 하는 Hilbert Transform과 최근 주목되고 있는 Hilbert-Huang Transform을 비교 분석한다. AE 신호는 피로시험을 통해 시험의 전과정에 대해 취득되었으며, 두 변환 기법에 의한 처리 결과에 나타난 데이터를 비교하였다.
본 논문은 음향방출 신호를 이용한 조기 결함 검출 시스템 개발을 위한 사전 연구로, 신호처리 기법의 적용성을 판단하기 위해 힐버트변환 (Hilbert Transform)과 힐버트-황 변환(Hilbert-Huang Transform)을 이용하여 피로시험으로부터 수집된 AE 신호를 처리하여 그 결과를 검토하였다.
가설 설정
1) zero-crossing의 수와 극값의 수가 일치하지 않거나 최소 하나의 차이가 있어야 한다.
제안 방법
HT 결과를 확인하기 위해 원 신호를 100kHz~250kHz의 대역필터(Band-Pass Filter)를 사용하여 여과한 후 HT를 수행하였다. HT의 결과는 기본적으로 하나의 시간 신호에 대해 하나의 스펙트럼을 나타내며 Figure 7과 같이 고주파수 대역(100kHz 이상)의 신호를 일반적으로 결함 검출을 위해 사용되는 주파수 대역으로 변조된 것을 알 수 있다.
1에 따라 10Hz의 정현파를 Servo Hydraulic Test System을 통하여 공기 중에서 인가하였다. 데이터 취득은 PAC사의 AE 시스템(광대역 센서, 증폭기, DAQ 보드 및 소프트웨어)을 사용하여 초당 500k 샘플로 저장하였고, 문턱치(Threshold)는 30dB로 지정하였다. 사용된 센서의 주파수 대역은 100kHz ~ 1,000kHz이며, Figure 4는 실제 테스트 모습 사진이다.
HHT 결과는 하나의 시간 데이터 내에서 각각에 대한 진폭과 주파수 정보를 동시에 보이기 때문에 데이터 개수와 동일한 포인트가 그래프에 작성되게 된다. 본 연구에서 초당 500k 샘플을 저장하였기 때문에 분석의 편의를 위해 원 신호를 1/50로 다운 샘플링(Down Sampling)하여 HHT를 수행하였다.
대상 데이터
데이터 취득은 PAC사의 AE 시스템(광대역 센서, 증폭기, DAQ 보드 및 소프트웨어)을 사용하여 초당 500k 샘플로 저장하였고, 문턱치(Threshold)는 30dB로 지정하였다. 사용된 센서의 주파수 대역은 100kHz ~ 1,000kHz이며, Figure 4는 실제 테스트 모습 사진이다.
피로시험은 SM53C 강으로 시험편을 제작하였으며, 고주파 유도 가열된 경화층 깊이 1mm를 지니고 있고, 예비균열(precrack)이 3mm 삽입되었다. 시험은 15kN에서 응력비 0.1에 따라 10Hz의 정현파를 Servo Hydraulic Test System을 통하여 공기 중에서 인가하였다. 데이터 취득은 PAC사의 AE 시스템(광대역 센서, 증폭기, DAQ 보드 및 소프트웨어)을 사용하여 초당 500k 샘플로 저장하였고, 문턱치(Threshold)는 30dB로 지정하였다.
피로시험은 SM53C 강으로 시험편을 제작하였으며, 고주파 유도 가열된 경화층 깊이 1mm를 지니고 있고, 예비균열(precrack)이 3mm 삽입되었다. 시험은 15kN에서 응력비 0.
데이터처리
그러므로 본 연구에서는 음향방출 신호를 위한 신호처리 기법을 개발하기 위한 사전 연구를 위해 포락처리에서 핵심 역할을 하는 Hilbert Transform과 최근 주목되고 있는 Hilbert-Huang Transform을 비교 분석한다. AE 신호는 피로시험을 통해 시험의 전과정에 대해 취득되었으며, 두 변환 기법에 의한 처리 결과에 나타난 데이터를 비교하였다.
성능/효과
2) 어떠한 위치에서라도 국부 최대값에 의해 정의된 포락선과 국부 최소값에 의한 포락선 사이에 평균값은 존재해야 한다.
HHT의 결과, HT는 주파수 영역에만 국한된 반면, HHT는 시간-주파수 영역을 동시에 나타내고, 주파수의 변화뿐만 아니라 신호의 강도를 동시에 나타낼 수 있어 HT의 결과에서 볼 수 없었던 시간에 대한 특징도 검출할 수 있었다. HHT의 결과에서 10Hz 주기의 신호가 30kHz 이상과 이하에서 서로 다른 시간에 나타남을 확인 하였다.
HT의 결과, 원 AE 신호의 주파수 스펙트럼에서 확인할 수 없는 운전 주파수(10Hz의 정현파)에 대한 피크 주파수 및 그에 대한 조화성분들이 파워 스펙트럼에서 나타남을 확인하였다. 또한 피로시험을 세 구간으로 분류하였을 때 세 구간에 대한 파워 스펙트럼에서 서로 다른 주파수 특성을 나타내었다.
그리고 Step 3에서 20Hz의 배수 성분들이 강하게 나타나고 있는 것을 알 수 있으며, Step 2에서 낮아졌던 진폭이 Step 1에 비해 높아진 것을 확인할 수 있다. Figure 6(c)와 같은 시간 신호에 의한 주파수 스펙트럼은 일반적으로 10Hz가 가장 강하고, 그에 대한 배수 성분들이 뒤를 잇게 된다.
Step 3의 주파수 스펙트럼은 160kHz 대역 피크의 진폭은 Step 2와 유사하게 나타나고 있으나, 180kHz 대역의 진폭이 크게 상승하였다는 것을 알 수 있다. 따라서 본 시험에서 계측된 AE 신호는 주로 100kHz에서 250kHz의 사이에서 발생되고 있으며, 균열의 진행 정도에 따라서 주파수 대역과 진폭의 크기에서 차이가 발생되고 있음을 알 수 있다.
시험을 위해 인가된 10Hz의 정현파는 시험 전 구간에서 시간 신호를 통해 확실히 나타나고 있음을 알 수 있으며, 그 진폭은 Step 2의 중반 이후에 증가되고 있음을 확인하였다. 또한 시간 신호에서 한 주기에 두 번의 피크가 존재함을 알 수 있는데, 이는 시험기의 특성에 의해 인장과 압축에 대한 두 부분이며 높은 피크에서 인장력이 작용함을 알 수 있다.
하지만 시간 신호에서 확인되는 10Hz의 정현파에 대한 성분은 주파수 스펙트럼에서 확인 할 수 없으며, 각 구간에 대한 AE 신호 발생 특성을 명확하게 구분할 수 없음을 알 수 있다.
후속연구
따라서 HHT의 결과는 HT에 비해 시간의 영역을 동시에 고려할 수 있기 때문에 HT에서 발생되는 조화성분의 특징을 고려할 수 있을 뿐만 아니라 AE 신호의 발생 주파수 영역을 동시에 고려할 수 있기 때문에 기계적 진동 성분과 AE 신호간의 연관성을 파악하는데 도움이 될 것으로 사료된다. 하지만 Figure 8에서 확인할 수 있듯이 모든 분석 결과에서 데이터가 전반에 걸쳐 분포하고 있고 있으며, 데이터양에 따라 처리 시간이 결정되고 디스플레이를 위한 물리적 메모리 확보에 대한 문제가 있기 때문에 그에 대한 필터링 시스템이 필요할 것으로 사료된다.
따라서 본 연구에서 HHT가 HT에 비해 시간 영역을 고려할 수 있는 부분에 대한 이점을 확인하였으나, 여전히 데이터처리 시간에 대한 단점을 지니고 있기 때문에 실시간 모니터링 시스템에 대한 적용은 다소 어려울 것으로 사료된다. 또한 결함의 조기 검출 시스템에 대한 적용은 그에 적합한 필터의 개발이 사전에 이루어져야 할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
음향방출 시스템은 최근 어디에 적용되고 있는가?
음향방출(Acoustic Emission, AE) 시스템은 최근 조기 결함 검출 시스템 개발을 위해 적용되고 있으며, 그에 따르는 신호처리 기법에 대한 문제를 해결하기 위해 많은 노력을 기울이고 있다. 신호처리 기법 중 포락처리(Envelope analysis)가 베어링 결함 분석에 사용되고, Wavelet Transform은 기어 등의 결함 분석에 용이한 것으로 알려져 있다.
정비 기술 중 현재 가장 널리 사용되고 있는 기법은 무엇인가?
사용되고 있는 기법은 상태기반 정비(Condition Based Maintenance)로 상태 감시를 위한 데이터는 여러 가지 형태로 존재한다. 열(Heat), 압력(Pressure), 소음(Noise), 진동(Vibration) 등이 그 대표적인 예로 알려져 있다.
포락처리는 무엇에 사용되는가?
음향방출(Acoustic Emission, AE) 시스템은 최근 조기 결함 검출 시스템 개발을 위해 적용되고 있으며, 그에 따르는 신호처리 기법에 대한 문제를 해결하기 위해 많은 노력을 기울이고 있다. 신호처리 기법 중 포락처리(Envelope analysis)가 베어링 결함 분석에 사용되고, Wavelet Transform은 기어 등의 결함 분석에 용이한 것으로 알려져 있다. 하지만 여전히 AE 신호를 위한 신호처리 기법은 불확실하다.
참고문헌 (15)
R. K. Mobley, An Introduction to Predictive Maintenance (2nd Edition), Elsevier Science (USA), 2002.
G. P. Sullivan, R. Pugh, A. P. Melendez and W. D. Hunt, Oeprations & Maintenance - Best Practices : Aguide to Achieving Operational Efficiency (Rel. 3.0), U.S. Department of Energy, 2010.
B. Robert and J. Antoni, "Rolling element bearing diagnostics", Mechanical System and Signal Processing, vol. 25, no. 2, pp. 485-520, 2011.
N. Baydar and A. Ball, "Detection of gear failures via vibration and acoustic signals using wavelet transform", Mechanical System and Signal Processing, vol. 17, no. 4, pp. 787-804, 2003.
T. H. Loutas, G. Sotiriades, I. Kalaitzoglou and V. Kostopouls, "Condition monitoring of a single-stage gearbox with artificially induced gear cracks utilizing on-line vibration and acoustic emission measurements", Applied Acoustics, vol. 70, pp. 1148-1159, 2009.
M. Entezami, S. Hillmansen and C. Roberts, "Wind Turbine Condition Monitoring System", University of Birmingham, 2010.
D. Wang, Q. Miao and R. Kang, "Robust health evaluation of gearbox subject to tooth failure with wavelet decomposition", Journal of Sound and Vibration, vol. 324, pp. 1141-1157, 2009.
Z. Kunpeng, W. Y. San and H. G. Soon, "Wavelet analysis of sensor signals for tool condition monitoring: A review and some new results", International Journal of Machine Tools & Manufacture, vol. 49, pp. 537-553, 2009.
B. Eftekharnejad, M. R. Carrasco, B. Charnley and D. Mba, "The application of spectral kurtosis on Acoustic Emission and vibration from defective bearing", Mechanical Systems and Signal Processing, vol. 25, pp. 266-284, 2011.
N. E. Huang and S. S. P. Shen, Hilbert-Huang Transform and Its Applications, World Scientific Publishing Co., 2005.
R. Yan, "Hilbert-Huang Transform-Based Vibration Signal Analysis for Machine Health Monitoring", IEEE Transactions on Instrumentation and Measurement, vol. 55, no. 6, pp. 2320-2329, 2006.
N. E. Huang, Z. Shen and S. R. Ling, "The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis", Proc. Royal. Soc. London. A, vol. 454, pp. 903-995, 1998.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.