KCI등재
진동 분석 및 합성곱 신경망 기반 기계 고장 진단 = Machine Fault Diagnosis based on Vibration Analysis and Convolutional Neural Network
저자
발행기관
학술지명
한국비파괴검사학회지(JOURNAL OF THE KOREAN SOCIETY FOR NONDESTRUCTIVE TESTING)
권호사항
발행연도
2022
작성언어
Korean
주제어
등재정보
KCI등재,ESCI
자료형태
학술저널
발행기관 URL
수록면
496-502(7쪽)
제공처
소장기관
We developed an intuitive fault diagnosis method related to human auditory characteristics by applying sound quality parameters to the vibration signal. Abnormal noise was generated from a fault in a machine, and the operator used this noise to detect the abnormal condition. Although these acoustic characteristics differ with the fault conditions, diagnosing various fault conditions is limited by the auditory characteristics of the operator. The sound quality parameters represent the human auditory characteristics as physical quantities. However, the sound signal is vulnerable to various external noises generated in the environment. The vibration signal is robust to various external noises generated in the process, and the sound signal and vibration signal have a high correlation. Therefore, the vibration signals of the normal condition and various fault conditions were measured using a laser Doppler vibrometer (LDV). The sound quality parameters were applied to the vibration signal, and the characteristics of the sound quality parameters for each machine condition were analyzed. A convolutional neural network (CNN) was used to extract important features from the sound quality parameters for pattern recognition. The classified features facilitated a clear demarcation between the conditions of the machine. The classification performance of the proposed method was verified through comparison with other classification models.
더보기진동신호에 음질인자를 적용하여 사람의 청감 특성과 연관된 직관적인 고장 진단 방법론을 제안한다. 기계의 고장으로부터 비정상적인 소음이 발생하며, 이러한 소음을 이용하여 작업자들은 기계의 이상 상태를 탐지한다. 음향 특성은 기계의 다양한 고장 상태에 따라 상이하지만, 작업자의 청감 특성에만 의존하여 여러 고장 상태의 진단에는 한계가 있다. 음질인자는 사람의 청감 특성을 물리량으로 나타낸 지표이다. 하지만, 음향신호는 외부에서 발생하는 다양한 외부 소음에 취약하다. 진동신호는 외부 소음에 매우 강건한 특성을 지니고 있으며 음향신호와 진동신호는 매우 큰 상관성을 가진다. 따라서 전자레인지의 정상 상태 및 여러 고장 상태들에 대한 진동신호를 laser Doppler vibrometer (LDV)로 측정하였다. 진동신호에 음질인자가 적용되었으며, 각 기계의 상태에 대한 음질인자의 특성들이 분석되었다. 합성곱 신경망(convolutional neural network, CNN)은 패턴 인식을 위해 음질인자에서 중요한 특징을 추출하였다. 분류된 특징들은 각 기계의 상태들 간에 경계를 뚜렷하게 하였다. 제안한 방법의 분류 성능은 다른 분류 모델들과의 비교를 통해 검증되었다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)