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
- 본 연구에서는 메커니컬 씰의 손상 발생 빈도수가 높은 결함 유형들을 대상으로 모사 실험을 수행하여 결함 유형별 신호특성을 분석하였다. 또한 이들 신호들로부터 이산웨이블릿변환과 통계처리를 사용하여 각각의 결함 유형들을 대표적으로 잘 나타낼 수 있는 결함 특징 파라미터들을 도출하였다.
- 최근에는 이러한 결과들을 토대로 온라인상에서 실시간 감시 및 진단이 가능한 기술들을 개발 중에 있으며, 인공신경망을 기반으로 지능형 결함 진단 기술들이 다수 연구되고 있다. 이 기술은 사전에 정의된 결함 유형별 신호 특징들을 결함 진단 알고리즘에 미리 인식시켜 새로운 신호가 입력되었을 때 패턴 또는 크기 등의 비교를 통해서 자동적으로 진단하는 것이다. 이를 위해서는 각각의 결함 유형을 식별할 수 있는 특징 파라미터의 추출 작업이 결정적이다.
제안 방법
- Table 3.과 같이 메커니컬 씰에서 고장 발생 빈도수가 높은 결함 유형 노치, 스크래치, 압흔, 마모를 선정하고, 접촉부 표면에 결함 상태를 모사하고자 인위적으로 결함을 가한 결함 모사 시편을 제작하였다. 결함 모사 시편은 일반적으로 재질 강도가 작아 이물질 또는 열화에 의해 결함이 자주 발생하는 고정링 표면에 인위적으로 결함을 제작하였으며, 통계적인 데이터 분석을 위해 결함 유형별로 5개씩 가공하였다.
- 과 같이 메커니컬 씰에서 고장 발생 빈도수가 높은 결함 유형 노치, 스크래치, 압흔, 마모를 선정하고, 접촉부 표면에 결함 상태를 모사하고자 인위적으로 결함을 가한 결함 모사 시편을 제작하였다. 결함 모사 시편은 일반적으로 재질 강도가 작아 이물질 또는 열화에 의해 결함이 자주 발생하는 고정링 표면에 인위적으로 결함을 제작하였으며, 통계적인 데이터 분석을 위해 결함 유형별로 5개씩 가공하였다.
- 본 연구에서는 메커니컬 씰의 손상 발생 빈도수가 높은 결함 유형들을 대상으로 모사 실험을 수행하여 결함 유형별 신호특성을 분석하였다. 또한 이들 신호들로부터 이산웨이블릿변환과 통계처리를 사용하여 각각의 결함 유형들을 대표적으로 잘 나타낼 수 있는 결함 특징 파라미터들을 도출하였다.
- 통계 파라미터들 중 주파수계열 파라미터에서 P4∼P9는 스펙트럼 파워와 주파수 정보를 이용하여 주파수 신호의 변동 특성들을 나타내는 통계 파라미터 값들이다. 또한 주파수계열 통계 파라미터들을 추출하기 위해 이산웨이블릿 변환된 시계열 신호들 중 상세 성분 신호들만을 FFT 변환시켜 주파수와 스펙트럼 파워를 구한 후 각각에 대한 파라미터 계산에 사용하였다.
- 메커니컬 씰의 고정링과 회전링 사이에서 빈번하게 발생되는 결함 유형들 진단에 필요한 특징 파라미터 추출을 위하여 가속도 신호와 음향 신호를 사용하여 실험하였다. 메커니컬 씰 접촉부 표면에 결함 상태를 모사하고자 정상인 고정링 표면에 4가지 유형의 인위적 결함을 가한 후 실험하였으며, 이산웨이블릿변환과 통계파라미터 및 유효성계수 평가법을 이용하여 결함 진단용 특징 파라미터를 구하였다. 주요 결론은 다음과 같다.
- 시험은 각 조건마다 5회씩 수행하였으며, 신호 수집 방법은 센서 유형별로 유효 측정 영역을 고려하여 Table 4와 같이 설정하였다. 메커니컬 씰에 공급되는 순환수의 유량 및 압력은 펌프 가동율을 조정하여 설정하였다. 펌프 가동율이 20, 25, 30, 35, 40%인 경우 순환수 유입압력은 3.
- 메커니컬 씰에 부착된 가속도 센서와 음향 센서로부터 측정된 각각의 신호들에 대해서 주파수 레벨에 따른 신호 특성을 분석하기 위해 이산웨이블릿변환 Daubechies 8차 필터를 사용하였다. 이들 사용에 대한 적합성은 국내 연구자료1) 결과와 이를 토대로 실험 데이터를 이용한 결함 식별 성능 확인 결과에서 우수성을 확인하였다.
- 모터 동력은 커플링을 통해서 메커니컬 씰이 설치된 시험부에 전달되도록 하였다. 메커니컬 씰에 유체를 공급하기 위해 폐루프형 유체순환장치를 제작하였으며, 실험 조건의 1.5배를 고려하여 최대 설계압력은 87 kgf/cm2, 설계온도는 85oC까지 견딜 수 있도록 하였다. 유체 유량 및 압력은 메커니컬 씰의 설계운전조건인 9 liter/min, 8 bar보다 최대 5배 이상 큰 조건까지 공급이 가능하도록 하였다.
- 메커니컬 씰의 고정링과 회전링 사이에서 빈번하게 발생되는 결함 유형들 진단에 필요한 특징 파라미터 추출을 위하여 가속도 신호와 음향 신호를 사용하여 실험하였다. 메커니컬 씰 접촉부 표면에 결함 상태를 모사하고자 정상인 고정링 표면에 4가지 유형의 인위적 결함을 가한 후 실험하였으며, 이산웨이블릿변환과 통계파라미터 및 유효성계수 평가법을 이용하여 결함 진단용 특징 파라미터를 구하였다.
- 이에 결함 신호 특성 측정을 위해 진동, 음향 센서를 각각 사용하였다. 센서 설치 위치는 다양한 위치에서 정상 및 결함 신호를 각각 측정하여 비교한 후 특성이 잘 나타나는 지점을 최종 선정하였으며, 음향센서는 고정링과 회전링의 접촉면에 수직한 위치 그리고 가속도 센서는 접촉면 부근에 설치하였다.
- 시험은 각 조건마다 5회씩 수행하였으며, 신호 수집 방법은 센서 유형별로 유효 측정 영역을 고려하여 Table 4와 같이 설정하였다. 메커니컬 씰에 공급되는 순환수의 유량 및 압력은 펌프 가동율을 조정하여 설정하였다.
- 5배를 고려하여 최대 설계압력은 87 kgf/cm2, 설계온도는 85oC까지 견딜 수 있도록 하였다. 유체 유량 및 압력은 메커니컬 씰의 설계운전조건인 9 liter/min, 8 bar보다 최대 5배 이상 큰 조건까지 공급이 가능하도록 하였다.
- 기존 국내외 연구 결과에 따르면 메커니컬 씰의 고정링과 회전링 사이의 마찰로 인해 발생하는 변형 에너지(strain energy)는 씰 외벽에 스트레스 웨이브(stress wave)와 진동을 발생시키기 때문에 음향 방출 센서뿐만 아니라 가속도센서를 이용하여 감지가 가능한 것으로 제시되었다. 이에 결함 신호 특성 측정을 위해 진동, 음향 센서를 각각 사용하였다. 센서 설치 위치는 다양한 위치에서 정상 및 결함 신호를 각각 측정하여 비교한 후 특성이 잘 나타나는 지점을 최종 선정하였으며, 음향센서는 고정링과 회전링의 접촉면에 수직한 위치 그리고 가속도 센서는 접촉면 부근에 설치하였다.
- 접촉부 결함에 따른 음향 신호 특성을 측정하기 위해 측정 대역폭이 다른 WD (100 kHz~1000 kHz)와 R15D (50 kHz~200 kHz)를 사용하였다. 접촉부 마찰에 의한 가속도 특성은 측정범위가 1 Hz~25 kHz인 B&K사 단축가속도 센서를 사용하였으며, 마찰에 의한 축 전달토크는 변화는 100 kgf.
- 접촉부 마찰에 의한 가속도 특성은 측정범위가 1 Hz~25 kHz인 B&K사 단축가속도 센서를 사용하였으며, 마찰에 의한 축 전달토크는 변화는 100 kgf.cm까지 측정 가능한 SETech사 YDNF-100KC를 사용하였다.
대상 데이터
- 이외에도 시험 조건 상태를 지속적으로 확인할 수 있도록 저장탱크 및 배관 관로상에 온도와 압력 센서를 설치하였다. 각종 센서에서 취득된 데이터는 하나의 PXI 기반으로 구성된 National Instrument사 제품의 데이터취득 시스템을 통해서 수집되도록 하였다.
- 그리고 최종적으로는 파라미터 전체를 분석할 수 없기 때문에 alpha coefficient가 큰 순서로 5개만을 선정하여 분석하였다. 수집된 신호들에 대한 전반적인 신호처리 과정은 Fig.
- 이산웨이블릿 변환에서 세분화된 신호들 중 상세성분(detail)은 Table 1과 같이 시계열 통계 파라미터들에, 근사성분(approximation)은 주파수계열 통계 파라미터들 계산에 사용되었다. 통계 파라미터 계산을 위한 데이터 길이는 데이터 크기별 통계 파라미터를 계산한 후 파라미터별 평균값 변화량이 5% 미만인 경우의 크기를 기준으로 선정하였다. 특징 파라미터 선정을 위해 사용된 통계 파라미터들은 Table 1의 21개이다.
- 통계 파라미터 계산을 위한 데이터 길이는 데이터 크기별 통계 파라미터를 계산한 후 파라미터별 평균값 변화량이 5% 미만인 경우의 크기를 기준으로 선정하였다. 특징 파라미터 선정을 위해 사용된 통계 파라미터들은 Table 1의 21개이다.
- 평가에 사용된 통계 파라미터의 총 개수는 웨이블렛 분해 레벨 4차까지의 신호를 이용하여 총 84개(4차×21개 파라미터)이다.
이론/모형
- 시계열 및 주파수계열 통계 파라미터들이 가지는 결함 식별 능력 평가를 위해서 유효성계수(effectiveness coefficient) 평가법을 이용하였다. 이 방법은 각각의 상태에서 상호 평균거리와 각 파라미터에 소속되어 있는 값들 사이의 상호 평균거리를 구한 후 이들 거리의 비 alpha coefficient를 이용하여 파라미터별 유효성을 평가하는 것이다7).
성능/효과
- 1) 가속도와 음향 센서의 시계열 신호 모두에서 고정링 표면에 노치, 스크래치, 압흔 결함이 있는 경우에 주기적인 Burst 신호 발생과 진폭 변화를 통해서 이상 상태 진단은 가능하나 결함 유형을 식별하기에는 어렵다는 것을 확인하였다.
- 2) 가속도 신호를 이용한 특징 파라미터 분석에서는 한 개의 특징 파라미터만을 이용해서는 결함 유형들 각각을 식별하기에 어렵다는 사실을 알 수 있었다.
- 3) 음향 신호를 이용한 경우에는 가속도 신호와 달리 단일 파라미터만을 이용하여도 결함 유형이 충분히 식별 가능한 것으로 확인되었다.
- 4) 메커니컬 씰 결함 진단을 위해서는 가속도센서보다 음향센서 사용이 추천되고, 이산웨이블릿 변환과 유효성계수 평가법 및 통계파라미터들의 사용이 효과적임을 알 수 있었다.
- 결함 유형별 음향 신호에서도 유효성 평가법을 이용하여 alpha coefficient를 계산한 결과 식별 능력이 우수한 파라미터들의 순위는 아래 Table 6와 같음을 확인하였다. Fig. 8을 살펴보면, 가속도 신호와 달리 시계열 신호로부터 추출된 파라미터가 주파수계열 파라미터들 보다 식별 능력이 좋고, 웨이블릿변환 분해레벨 1차와 2차(WT2) 신호 성분에서 추출된 파라미터를 이용하는 것이 효과적임을 알 수 있다. 이에 Ranking =1(WT2-EE)와 Ranking =2(RAW-MN) 파라미터에 대해서 상태를 확인한 결과, 전체 압력 구간에 대해서 교차가 발생하지 않고 잘 분리되는 우수한 특성을 보여주고 있다.
- 메커니컬 씰에 부착된 가속도 센서와 음향 센서로부터 측정된 각각의 신호들에 대해서 주파수 레벨에 따른 신호 특성을 분석하기 위해 이산웨이블릿변환 Daubechies 8차 필터를 사용하였다. 이들 사용에 대한 적합성은 국내 연구자료1) 결과와 이를 토대로 실험 데이터를 이용한 결함 식별 성능 확인 결과에서 우수성을 확인하였다. 이산웨이블릿 변환에서 세분화된 신호들 중 상세성분(detail)은 Table 1과 같이 시계열 통계 파라미터들에, 근사성분(approximation)은 주파수계열 통계 파라미터들 계산에 사용되었다.
- 이러한 결과들로부터 접촉부 결함에 의한 진동 특성 보다는 회전 운전간 결함부 마찰로 인해 발생되는 변형에 의한 음향 에너지가 결함 감지에 훨씬 효율적이라는 사실을 알 수가 있다.
- 결함 유형별로 순환수 유입 압력의 증가에 따라 진폭 크기 변화 및 펄스 신호 발생과 같은 특성을 보여주고 있다. 특히, 입구 압력이 P5인 경우에는 노치, 압흔, 스크래치 결함에서 정상 및 마모인 경우에 비해 약간 진동 폭이 크게 증가하는 현상을 보이고 있으나 전체적으로 각각의 결함 유형을 구분할 수 있는 뚜렷한 신호 패턴은 나타나지 않는 다는 것을 보여주었다. Fig.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.