진동 데이터의 시간영역 특징 추출에 기반한 고장 분류 모델
Fault Classification Model Based on Time Domain Feature Extraction of Vibration Data
- 문서 유형
- 연구출판물 · 학술지 논문
- 등재
- KCI
- 저널 순위
- KCI Q3
- 저널
- 한국전산구조공학회논문집34(1) · pp.25 · 2021
- 피인용
- KCI 19
- ISSN
- 1229-3059
저자
초록
머신러닝 기법의 발달과 함께 기계에서 발생하는 다양한 종류(진동, 온도, 유량 등)의 데이터를 활용하여 기계의 상태를 진단하고 이상 탐지 및 비정상 분류 연구도 활발히 진행되고 있다. 특히 진동 데이터를 활용한 회전 기계의 상태 진단은 전통적인 기계 상태 모니터링 분야로 오랜 기간 동안 연구가 진행되었고, 연구 방법 또한 매우 다양하다. 본 연구에서는 가정용 에어컨에 사용되는 로터리 압축기에 가속도계를 직접 설치하여 진동 데이터를 수집하는 실험을 진행하였다. 데이터 부족 문제를 해결하기 위해 데이터 분할을 수행하였으며, 시간 영역에서의 진동 데이터로부터 통계적, 물리적 특징들을 추출한 후, Chi-square 검증을 통해 고장 분류 모델의 주요 특징을 추출하였다. SVM(Support Vector Machine) 모델은 압축기의 정상 혹은 이상 유무를 분류하기 위해 개발되었으며, 파라미터 최적화를 통해 분류 정확도를 개선하였다.
키워드
고장진단트윈 로터리 압축기건전성지표교차면적데이터 증대서포트벡터머신fault diagnosistwin rotary compressorhealth indexintersection areadata augmentationsupport vector machine (SVM)
식별자
- KCI
- ART002685828



로그인
연구물 목록으로