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
- 그러나 이 방법은 특허가 등록된 방법이므로 일반 연구자에게 개방되어 있지 않다. 따라서 본 연구에서는 US NRC(Nuclear Regulatory Commission)의 NUREG/CR-6895에서 이와 동등한 것으로 증명된 AAKR((Autoassociative Kernel Regression)을 이용한 베어링의 결함 감지 방법에 대해 살펴보았다.
- 본 연구에서는 경험 모델을 이용한 감시 기술을 소개하고 가속도 신호를 이용하여 생성한 경험 모델을 통해 베어링 결함 감지가 가능한지 살펴보았다.
- 이 방법은 경험 모델을 이용하여 추정한 값과 실제 신호의 차이(즉, Residual)가 미리 정한 레벨을 초과하면 알람 또는 Alert를 알려주는 것으로 결함을 감지하는 방법인데 아직까지는 회전기기의 베어링과 같은 부품의 결함을 감지하는데 사용하거나 적용성이 연구된 바 없다. 이에 따라 본 연구에서는 가속도 신호를 이용한 경험 모델을 통해 베어링 결함 감지가 가능한지 살펴보았다.
가설 설정
- 이에 따라 본 연구에서는 SPRT를 적용하였는데 이 방법은 정상 모드 H0와 이상 모드 H1을 가정하고 Residual 확률밀도 함수를 가정하여 얻어진 Log Likelihood Ratio의 Recursive Form을 통해 데이터 Sequence의 결함 유무를 결정하는 것이다. 결함이 발생하면 Residual의 평균 또는 Variance가 이동할 것으로 예측되므로 일반적으로 결함의 발생은 Residual의 평균이 이동하거나 표준편차가 이동하는 것으로 가정한다. 이에 따라 본 연구에서는 Residual의 평균이 음의 방향으로 이동하거나 양의 방향으로 이동되는 것만을 이상 모드로 설정하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.