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
- 이 연구에서는 다른 분야에 적용되었던 압축센싱을 상태진단에 적용하고자 한다. 이를 위해 압축 센싱으로 측정된 신호로부터 다양한 결함민감 신호특징을 추출하였고, 통계학적 상태진단 기법을 통해 초기결함 탐지 및 판별을 실시하였다.
제안 방법
- (18)는 압축 센싱이 적용된 데이터를 복원하여 다리의 결함 탐지를 수행하였으며, Bao et al.(19)은압축 센싱 기법과 다른 데이터 압축 기법들을 적용하여 각 기법들의 성능을 비교하였다. Park et al.
- 나머지 신호특징에 대해서도 압축된 데이터를 조사하였다. 각 센서 및 결함 별 민감 신호특징을 Table3에 표시, 압축된 데이터에서 추출한 신호특징 적용 및 상태진단 결과를 비교하였다. 그 결과, 대다수의 신호특징에서 원 신호와 비슷한 성능을 나타냄을 확인하였으며, 압축된 데이터만을 이용하여 신호특징 기반 상태진단이 가능하였다.
- 높은 샘플링 주파수로 측정된 데이터를 압축한 결과와 상대적으로 낮은 샘플링 주파수로 측정된 데이터를 통한 상태진단의 결과를 비교하였다. 결함은 6g의 초기 편심 결함을 모사하였다.
- 이 연구에서는 결함에 따라 분포도의 민감한 변화를 나타내는 신호특징 그룹 분석을 통한 결함 판별을 수행하였다. 또한 AUC값을 통해 결함 종류에 따른 탐지 능력을 정량적으로 평가하였다.
- 8의 정상, 편심 결함, 베어링 결함의 3가지 조건을 적용하였다. 베어링 결함의 경우 3단계의 결함베어링을 정상 베어링과 교체하여 결함을 모사하였으며, 편심 결함은 회전체에 부착된 디스크에 질량체를 부착하여 모사하였다. 측정된 신호는 총 1080초 측정 후, 1초 간격으로 분할하였다.
- 실험 및 분석을 통해 초기결함 탐지, 결함 판별 및 결함 확률의 정량적 평가를 수행하였다. 압축센싱을 적용한 데이터와 원 신호에서 추출된 신호특징을 ROC 곡선을 통해 비교한 결과, 원 신호 대비 1/4의 데이터만으로도 원 신호와 유사한 신호특징 및 성능을 보유함을 확인하였다.
- 압축된 데이터가 원 신호의 특성을 반영하는지 분석하기 위하여 정상과 베어링결함 모사 후 각각 원 신호 압축된 신호의 P2, P3, P5의 3가지 신호특징의 변화를 비교하였다. 결함이 발생할 경우 회전체 시스템의 불규칙성 증가로 P2 신호특징 값이 증가하였다.
- 압축된 데이터와 원 신호의 신호특징 비교 후 압축된 데이터를 사용하여 신호특징 기반 상태진단을 수행하였다. Fig.
- Table1과 같이 20개의 건전성 신호특징들이 추출되었으며, Ne 측정된 데이터의 샘플 개수이고, x(n)은 각 샘플에서의 데이터 값이다. 압축센싱을 통해 측정된 데이터에서 신호특징추출 및 상태진단을 수행하였다.
- 6과 같은 분포를 나타낸다. 이 연구에서는 결함에 따라 분포도의 민감한 변화를 나타내는 신호특징 그룹 분석을 통한 결함 판별을 수행하였다. 또한 AUC값을 통해 결함 종류에 따른 탐지 능력을 정량적으로 평가하였다.
- 이 연구에서는 회전체 시스템의 상태진단을 위해 압축센싱이라는 새로운 데이터 측정방법을 적용하였다. 실험 및 분석을 통해 초기결함 탐지, 결함 판별 및 결함 확률의 정량적 평가를 수행하였다.
- (20)은 복원 과정 없이 압축 센싱된 데이터를 활용하여 모달 해석을 진행하였다. 이 연구에서도 복원 과정 없이 압축센싱으로 측정된 신호에서 신호특징을 추출한 뒤, 통계학적 기법 기반 상태진단을 실시하였다.
- 시스템의 양끝단과 중앙에 가속도계를 부착하여 신호를 획득하였으며, 샘플링 주파수는 5000Hz와 25000Hz를 선정하였다. 이후 압축센싱 기법을 모사하기 위해 신호측정 후, 압축연산 행렬을 사용하여 압축된 신호를 획득하였다. 사용된 압축 측정 행렬 는 랜덤가우시안 행렬을 사용하였다.
- 사용된 시스템의 양 끝단에는 저널 베어링이 축을 지지하고 있으며 축에 800g의 디스크 2개를 장착하였다. 회전체 이상상태의 종류로는 Fig.8의 정상, 편심 결함, 베어링 결함의 3가지 조건을 적용하였다. 베어링 결함의 경우 3단계의 결함베어링을 정상 베어링과 교체하여 결함을 모사하였으며, 편심 결함은 회전체에 부착된 디스크에 질량체를 부착하여 모사하였다.
대상 데이터
- 원 신호의 데이터 포인트 개수는 5000개이고 압축된 데이터는 4배 압축된 1250개의 데이터 포인트를 사용하였다. 사용된 신호특징은 P9 신호특징을 사용하였다.
- 각 분할된 신호에서 Table 1에 소개된 신호 신호특징들을 추출하였다. 시스템의 양끝단과 중앙에 가속도계를 부착하여 신호를 획득하였으며, 샘플링 주파수는 5000Hz와 25000Hz를 선정하였다. 이후 압축센싱 기법을 모사하기 위해 신호측정 후, 압축연산 행렬을 사용하여 압축된 신호를 획득하였다.
- 11은 압축된 데이터와 원 신호의 정상과 결함상태의 ROC 곡선 및 AUC값을 비교한 결과이다. 원 신호의 데이터 포인트 개수는 5000개이고 압축된 데이터는 4배 압축된 1250개의 데이터 포인트를 사용하였다. 사용된 신호특징은 P9 신호특징을 사용하였다.
- 회전 시스템의 상태를 정량적으로 나타낼 수 있는 20개의 신호특징을 선정하였다. 선정된 신호특징들은 상태진단에서 널리 쓰이는 신호특징 들이며 Kostopoulos(9), 윤병동(11) 등의 연구에서 사용된 신호특징을 인용하였다.
데이터처리
- 상태진단에 적용하고자 한다. 이를 위해 압축 센싱으로 측정된 신호로부터 다양한 결함민감 신호특징을 추출하였고, 통계학적 상태진단 기법을 통해 초기결함 탐지 및 판별을 실시하였다.
이론/모형
- 이후 압축센싱 기법을 모사하기 위해 신호측정 후, 압축연산 행렬을 사용하여 압축된 신호를 획득하였다. 사용된 압축 측정 행렬 는 랜덤가우시안 행렬을 사용하였다.
- 20개의 신호특징을 선정하였다. 선정된 신호특징들은 상태진단에서 널리 쓰이는 신호특징 들이며 Kostopoulos(9), 윤병동(11) 등의 연구에서 사용된 신호특징을 인용하였다. Table1과 같이 20개의 건전성 신호특징들이 추출되었으며, Ne 측정된 데이터의 샘플 개수이고, x(n)은 각 샘플에서의 데이터 값이다.
성능/효과
- 각 센서 및 결함 별 민감 신호특징을 Table3에 표시, 압축된 데이터에서 추출한 신호특징 적용 및 상태진단 결과를 비교하였다. 그 결과, 대다수의 신호특징에서 원 신호와 비슷한 성능을 나타냄을 확인하였으며, 압축된 데이터만을 이용하여 신호특징 기반 상태진단이 가능하였다.
- 79로 신호 특징의 분포도 차이를 확인할 수 있었다. 높은 샘플링 주파수로 측정된 데이터를 압축할 경우, 동일한 데이터 양을 가진 원 신호에 비해 풍부한 손상정보를 다룰 수 있음을 확인하였다.
- 0013으로 원 신호와 마찬가지로 베어링 결함의 P2 신호 특징값이 정상인 경우보다 약 2배 큰 값이 발생하였다. 또한 P3 신호특징에서도 마찬가지로 원 신호와 압축센싱으로 측정된 데이터의 값은 일정한 차이가 발생하였으며 정상이나 결함에 상관없이 일정한 비율로 신호특징 값이 변화를 보였다.
- 압축센싱을 적용한 데이터와 원 신호에서 추출된 신호특징을 ROC 곡선을 통해 비교한 결과, 원 신호 대비 1/4의 데이터만으로도 원 신호와 유사한 신호특징 및 성능을 보유함을 확인하였다. 마지막으로 높은 샘플링 주파수로 신호 측정 후 압축센싱을 적용한 경우 낮은 샘플링 주파수로 측정한 원 신호보다 향상된 성능을 발휘하였다. 이는 상대적으로 낮은 샘플링 주파수로 측정된 데이터의 경우 결함에 의한 높은 주파수 성분을 탐지할 수 없으며, 높은 샘플링 주파수로 측정된 데이터를 압축할 경우 데이터 양은감소하지만, 결함에 의한 성분을 포함하기 때문으로 판단된다.
- 86이었으며 압축된 데이터와 원 신호의 신호특징 분포도 곡선이 동일한 분포를 보였다. 실험 결과 복원 과정 없이 압축된 데이터만으로도 원 신호와 유사한 결함 분별능을 확인하였다. 나머지 신호특징에 대해서도 압축된 데이터를 조사하였다.
- 실험 및 분석을 통해 초기결함 탐지, 결함 판별 및 결함 확률의 정량적 평가를 수행하였다. 압축센싱을 적용한 데이터와 원 신호에서 추출된 신호특징을 ROC 곡선을 통해 비교한 결과, 원 신호 대비 1/4의 데이터만으로도 원 신호와 유사한 신호특징 및 성능을 보유함을 확인하였다. 마지막으로 높은 샘플링 주파수로 신호 측정 후 압축센싱을 적용한 경우 낮은 샘플링 주파수로 측정한 원 신호보다 향상된 성능을 발휘하였다.
- (a)는 원 신호에서 추출된 정상과 베어링 결함의 신호특징이고 (b)는 동일한 신호에 압축센싱을 적용하여 추출된 정상과 베어링 결함의 신호특징의 값이다. 원 신호비 교시 정상과 베어링 결함의 신호특징 값 차이는 약 1.91배이며 압축센싱으로 측정된 정상과 베어링 결함의 값의 차이는 약 1.97배로 압축된 데이터와 원 신호에서 정상과 결함의 특징 값 차이가 유사하였다.
- . 이 연구에서는 위 3가지 신호특징 외 Table1의 20개의 시간 도메인 신호특징 양상을 비교한 결과 압축센싱을 통해 측정된 데이터와 원신호에서 측정된 데이터의 신호특징 양상이 유사함을 확인, 압축된 데이터에서도 원 신호의 특징을 보유함을 확인하였다.
후속연구
- 최근 상태진단연구에 있어서 각 결함에 민감한 신호특징들을 사용하여 인공지능 기법인 신경회로망, support vector machine(SVM) 같은 기법 등이 적용되고 있다(12~15). 한편, 상태진단 수행에 있어 시스템의 정확한 진단을 위해 높은 샘플링 주파수와 다수의 센서가 요구되며, 측정된 데이터를 무선으로 송수신하는 연구가 진행 중이다. 이 경우, 방대한 데이터 처리에 어려움이 존재한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.