[논문]K-최근접 이웃 알고리즘을 적용한 펌프와 모터의 상태 진단

김남진; 배영철

doi:10.13067/jkiecs.2018.13.6.1249

K-최근접 이웃 알고리즘을 적용한 펌프와 모터의 상태 진단
Status Diagnosis of Pump and Motor Applying K-Nearest Neighbors 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.13 no.6, 2018년, pp.1249 - 1256

김남진 (전남대학교 전기 및 반도체공학과) , 배영철 (전남대학교 전기.전자통신.컴퓨터공학부)

초록
AI-Helper

최근 인공지능에 대한 연구가 진단과 예측 분야에서 활발하게 진행되고 있다. 본 논문에서는 산업 현장에 설치되어 있는 모터와 펌프에서 발생하는 진동, 회전 수, 전류 데이터 취득한다. 취득한 데이터로부터 k-최근접 이웃(k-nearest neighbors) 알고리즘을 적용하여 이들 데이터를 학습하고, 학습한 데이터를 이용하여 펌프와 모터의 이상상태와 건전 상태를 판단하는 상태진단법을 제안한다. 제안 결과 정상상태와 이상상태가 잘 구분됨을 확인할 수 있었다.

Abstract ▼ AI-Helper

Recently the research on artificial intelligence is actively processing in the fields of diagnosis and prediction. In this paper, we acquire the data of electrical current, revolution per minute (RPM) and vibration that is occurred in the motor and pump where hey are installed in the industrial fields. We train the acquired data by using the k-nearest neighbors. Also, we propose the status diagnosis methods that judges normal and abnormal status of motor and pump by using the trained data. As a proposed result, we confirm that normal status and abnormal status are well judged.

주제어

표/그림 (11)

그림 그림 1. 펌프와 모터의 진동 신호 취득 시스템 Fig. 1 Vibration signal acquisition system of pump and motor
그림 그림 2. 펌프와 모터의 전류와 회전수 취득 시스템 Fig. 2 Current and RPM signal acquisition system of pump and motor
그림 그림 3. 진동 신호 Fig. 3 Vibration signal
그림 그림 4. 전류 신호 Fig. 4 Current signal
그림 그림 5. 회전수 신호 Fig. 5 RPM signal
그림 그림 6. 부싱 마모 수리 Fig. 6 Repair for bushing abrasion
그림 그림 7. 모터에서 측정한 전류, 회전수, 진동수의 정상과 이상 상태 Fig. 7 Normal and abnormal status of current, RPM, and vibration in motor and pump
그림 그림 6. K = 3, K= 5일 때 ‘K-최근접 이웃’ 알고리즘 Fig. 6 K-nearest neighbors algorithm when K=3, K=5
그림 그림 7. 특성에 따른 산포도와 결정 경계 Fig. 7 Decision boundary and scattering plot according to characteristics
표 표 1. 특성에 따른 예측 정확도 Table 1. Prediction accuracy according characteristics
표 표 2. 각 특성과 측정값에 따른 모터의 상태 Table 2. Motor status according to each characteristics and measurement value

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 산업 현장에 설치되어 있는 모터와 펌프에서 발생하는 진동, 회전 수, 전류 데이터 취득하고 이 데이터로부터 k-최근접 이웃(k-nearest neighbors) 알고리즘을 적용하여 이들 데이터를 학습하고, 학습한 데이터를 이용하여 펌프와 모터의 이상상태와 건전 상태를 판단하는 상태진단법을 제안한다. 학습하고, 모터의 고장을 예측하는 방법을 제안하여 펌프와 모터의 상태 진단에 도움을 주고자 한다. 제안 결과 정상상태와 이상상태가 잘 구분됨을 확인 할 수 있음을 보인다.

제안 방법

본 논문에서는 산업 현장에 설치되어 있는 모터와 펌프에서 발생하는 진동, 회전 수, 전류 데이터 취득하고 이 데이터로부터 k-최근접 이웃(k-nearest neighbors) 알고리즘을 적용하여 이들 데이터를 학습하고, 학습한 데이터를 이용하여 펌프와 모터의 이상상태와 건전 상태를 판단하는 상태진단법을 제안한다. 학습하고, 모터의 고장을 예측하는 방법을 제안하여 펌프와 모터의 상태 진단에 도움을 주고자 한다.

대상 데이터

모터와 펌프에서 진동수를 취득하기 위한 시스템은 그림 1에 전류와 회전수를 취득하기 위한 시스템은 그림 2에 각각 나타내었다. 그림 1과 그림 2는 7단계를 가진 실제 A사 공장에 설치된 EBARA Cryo-dynamic 원심 펌프의 데이터 취득 시스템의 블록 다이어그램을 나타낸 것이다. 여기에서 사용한 펌프는 –150℃에서 동작하며 정격 회전속도 3,580 RPM, 인버터로부터 공급전압 440V가 공급된다.

성능/효과

논문에서는 펌프와 모터로 구성되어 있는 시스템에서 진동, 전류, 회전수의 데이터를 취득하고 이데이터들을 학습시켜 펌프와 모터의 정상상태와 이상상태를 판정하는 알고리즘으로 K-최근접 이웃을 적용하여 모터의 상태를 진단하였다. 진단 결과 이상상태와 정상상태의 예측의 결과로서 99%의 정확도 얻어 예측 결과가 정확함을 보여주고 있음을 확인 할 수 있었다. 앞으로 이 결과를 기반으로 학습데이터의 축적과 더불어 정확하게 어느 부위가 이상한지를 미리 예측하는 방법에 대한 연구가 필요하다.

후속연구

진단 결과 이상상태와 정상상태의 예측의 결과로서 99%의 정확도 얻어 예측 결과가 정확함을 보여주고 있음을 확인 할 수 있었다. 앞으로 이 결과를 기반으로 학습데이터의 축적과 더불어 정확하게 어느 부위가 이상한지를 미리 예측하는 방법에 대한 연구가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	모터 및 펌프의 고장진단에서 사용되는 방법에는 무엇이 있는가?	모터 및 펌프의 고장진단에는 신경망, 카오스, 인공 지능, 기타 방법이 사용되고 있다[3-4].
	최근 인공지능에 대한 연구는 어떤 분야에서 활발하게 진행되고 있는가?	최근 인공지능에 대한 연구가 진단과 예측 분야에서 활발하게 진행되고 있다. 본 논문에서는 산업 현장에 설치되어 있는 모터와 펌프에서 발생하는 진동, 회전 수, 전류 데이터 취득한다.
	모터와 펌프에서 진동수를 취득하기 위한 시스템은 주로 어떻게 구성되는가?	이 데이터 취득 시스템은 주로 모터로부터 전류와 RPM 측정 시스템, 펌프로부터 진동 측정 시스템, 분산 제어 시스템(DCS), 시스템의 분석도구로 구성한다.

참고문헌 (10)

H. Kim and H. Lee, "Fault detect and classification framework for semiconductor manufacturing processes using missing data estimation and generative adversary network," J. of Korean Institute of Intelligent Systems, vol. 28, no. 4, 2018, pp. 532-537.
T. Tokisa1, N. Miyake, S. Maeda, H. Kim, J. K. Tan, S. Ishikawa, S.Murakami, and T. Aoki, "Detection of Lung Nodule on Temporal Subtraction Images Based on Artificial Neural Network," Int. J. of Fuzzy Logic and Intelligent Systems, vol. 12, no. 2, 2012, pp. 137-142.
F. Asghar, M. Talha, and S. Kim, "Comparative Study of Three Fault Diagnostic Methods for Three Phase Inverter with Induction Motor," Int. J. of Fuzzy Logic and Intelligent Systems, vol. 17, no. 4, 2017, pp. 245-256.
Y. Jung and Y. Bae, "Analysis of Fault Diagnosis for Current and Vibration Signals in Pumps and Motors using a Reconstructed Phase Portrait." Int. J. of Fuzzy Logic and Intelligent Systems, vol. 15, no. 3, 2015, pp. 166-171.
R. Casimir, E. Boutleux, G. Clerc, and A. Yahoui, "The use of features selection and nearest neighbors rule for faults diagnostic in induction motors," Engineering Applications of Artificial Intelligence, vol. 19, no. 2, 2006, pp. 169-177.

상세보기
J. Juez, G.I. Sainz, E.J. Moya, and J.R. Peran. "Early Detection and Diagnosis of Faults in an AC Motor Using Neuro Fuzzy Techniques: FasArt + Fuzzy k Nearest Neighbors," in International Work-Conference on Artificial Neural Networks 2001, Lecture Notes in Computer Science, 2085, 2001. pp. 571-578.
J. M. Keller, M. R. Gray, and J. A. Givens, "A Fuzzy K-Nearest Neighbor Algorithm," IEEE Trans. Systems, Man, and Cybernetics, vol. SMC-15, no. 4, 1985, pp. 581-585.
Tian, C. Morillo, M. H. Azarian, and M. Pecht, "Motor Bearing Fault Detection Using Spectral Kurtosis-Based Feature Extraction Coupled With K-Nearest Neighbor Distance Analysis," IEEE Trans. Industrial Electronics, vol. 63, no. 3, 2016, pp. 1793-1803.
S. Bang, "Implementation of Image based Fire Detection System Using Convolution Neural Network," J. of the Korea Institute of Electronic Communication Science, vol. 12, no. 2, 2017, pp. 331-336.
Y. Kim, S. Park, and D. Kim, "Research on Robust Face Recognition against Lighting Variation using CNN," J. of the Korea Institute of Electronic Communication Science, vol. 12, no. 2, 2017, pp. 325-330.

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증