진동 데이터의 시간영역 특징 추출에 기반한 고장 분류 모델
Fault Classification Model Based on Time Domain Feature Extraction of Vibration Data
0
조회
0
다운로드
16
인용
0
참고문헌
키워드
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.
Abstract
With the development of machine learning techniques, various types of data such as vibration, temperature, and flow rate can be used to detect and diagnose abnormalities in machine conditions. In particular, in the field of the state monitoring of rotating machines, the fault diagnosis of machines using vibration data has long been carried out, and the methods are also very diverse. In this study, an experiment was conducted to collect vibration data from normal and abnormal compressors by installing accelerometers directly on rotary compressors used in household air conditioners. Data segmentation was performed to solve the data shortage problem, and the main features for the fault classification model were extracted through the chi-square test after statistical and physical features were extracted from the vibration data in the time domain. The support vector machine (SVM) model was developed to classify the normal or abnormal conditions of compressors and improve the classification accuracy through the hyperparameter optimization of the SVM.
참고문헌 (21)
- Caesarendra, W., "A Review of Feature Extraction Methods in Vibration-Based Condition Monitoring and Its Application for Degradation Trend Estimation of LowSpeed Slew Bearing", Mach, 5(4), pp.21~ (2017)
- Chawla, N. V., "SMOTE : Synthetic Minority Over-Sampling Technique", J. Artif. Intell. Res, 16, pp.321~357 (2002)
- PHM Practice–Case Study for Industrial Digitization:PHM Core Basic, "Choi, J.", Korea Society for Prognostics & Health Management, 29~ (2020)
- Cortes, C., "Limits on Learning Machine Accuracy Imposed by Data Quality", Advances in Neural Information Processing Systems, pp.239~246 (1995)
- Jahromi, A., "An Approach to Power Transformer Asset Management using Health Index", IEEE Electr. Insul. Mag, 25(2), pp.20~34 (2009)
- Jović, A., "A Review of Feature Selection Methods with Applications", 38th International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO), pp.1200~1205 (2015)
- 강영진, "모수적·비모수적 입력모델링 기법을 이용한 신뢰성 해석", 한국전산구조공학회논문집, 30(1), pp.87~94 (2017), 한국전산구조공학회[DOI]
- Kang, Y. J., "Kernel Density Estimation with Bounded Data", Struct. & Multidiscip. Optim, 57(1), pp.95~113 (2018)
- 김양석, "결함유형별 최적 특징과 Support Vector Machine을 이용한 회전기계 결함 분류", 대한기계학회논문집 A, 34(11), pp.1681~1689 (2010), 대한기계학회
- Ko, J. U., "Noise Robust Fault Diagnosis Technique to Simultaneously Learn Classification and Denoising", Proceedings of The Korean Soc. of Mech. Eng. (KSME), pp.165~167 (2018)
- Seong-Hyeon Lee, "Vibration analysis of compressor piping system with fluid pulsation", Journal of Mechanical Science and Technology, 26(12), pp.3903~3909 (2012), 대한기계학회
- Lim, D. S., "Condition Classification for Small Reciprocating Compressors Using Wavelet Transform and Artificial Neural Network", J. Korea Soc. Power Syst. Eng, 7(2), pp.29~35 (2003)
- Sano, K., "Analysis of Hermetic Rolling Piston Type Compressor Noise, and Countermeasures", Int. Compress. Eng. Conf, pp.460~ (1984)
- Saxena, V., "Assessment of Gearbox Fault Detection using Vibration Signal Analysis and Acoustic Emission Technique", J. Mech. & Civil Eng, 7(4), pp.52~60 (2013)
- 손민재, "불균형 데이터 분류를 위한 딥러닝 기반 오버샘플링 기법", 정보처리학회 논문지, 8(7), pp.311~316 (2019), 한국정보처리학회[DOI]
- 손영부, "공조용 회전식 압축기 소음원 규명을 위한 실험적 연구", 한국소음진동공학회논문집, 25(11), pp.723~730 (2015), 한국소음진동공학회[DOI]
- 손영부, "트윈 로타리 압축기 소음 분석 및 저감 연구", 한국소음진동공학회논문집, 27(3), pp.306~311 (2017), 한국소음진동공학회[DOI]
- Stockwell, D. R., "Effects of Sample Size on Accuracy of Species Distribution Models", Ecol. Model, 148(1), pp.1~13 (2002)
- Verstraete, D., "Deep Learning Enabled Fault Diagnosis using Time-Frequency Image Analysis of Rolling Element Bearings", Shock & Vib, 2017 (2017)
- Wang, G., "Generative Adversarial Network(GAN)based Data Augmentation for Palmprint Recognition, Digital Image", Digital Image Computing: Techniques and Applications (DICTA), pp.1~7 (2018)
- Yang, H. B., "Fault Diagnosis of Reciprocating Compressor based on Convolutional Neural Networks with Multisource Raw Vibration Signals", Math. Probl. Eng, 2019 (2019)