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 논문에서 기계시스템의 소리정보와 진동으로부터 비정상 상황을 분류하는 시스템을 제안하였다. 딥러닝을 사용하여 학습데이터에 따라 가변적으로 기계고장을 진단함으로써 특정 기계에 종속적이지 않도록 설계하였고, 최종적으로 실험한 결과 93%의 정확도로 분류함을 볼 수 있었다.
- 본 논문에서는 기계학습을 적용하여 구현한 고장 진단 시스템의 실효성을 검증하기 위해 Bayesian Network와 HMM, DNN Classifier를 같은 데이터 셋을 이용하여 학습시키고 이에 대한 정확도를 비교하였다. 액추에이터는 환풍기를 대상으로 실험하였으며, 정답 class는 정상동작, 팬 손상, 이물질로 인한 환풍기 동작 방해, 모터 고장, 전원이상의 5가지를 학습한다.
- 이를 해결하기 위해 최근 고장 예지 및 건전성 관리(PHM: prognostics and health management)기술이 활발히 연구되고 있다[1]. 본 논문에서는 딥러닝[2] 기반의 PHM기술을 사용한 기계 고장진단 임베디드 시스템을 제안한다. 제안된 시스템은 액추에이터로부터 취득된 소리와 진동 값을 통해 입력벡터를 생성하고 이를 심층신경망 모델로 전달하여 비정상상황을 분류한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.