진동 신호의 2차원 질감 특징과 서포트 벡터 머신을 이용한 유도 전동기 다중 결함 진단
Multiple Faults Diagnosis in Induction Motors Using Two-Dimensional Texture Features and Support Vector Machine of Vibration Signals
0
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
본 논문에서는 진동 신호에 대한 2차원 변환을 이용하여 신뢰성이 높은 유도 전동기의 결함을 검출하기 위한 방법을 제안한다. 이를 위해 먼저 시간 영역 샘플을 0에서 255범위로 정규화 함으로써 1차원 진동신호를 2차원 회색조 영상(gray image)로 변환한다. 다음으로 질감 특징을 갖는 이러한 결과 영상으로부터 DNS(dominant neighborhood structure) 지도(map)를 생성하고 이로부터 전역 영상 특징(global image feature)을 추출한다. 이러한 질감 특징은 유도 전동기의 결함 분류를 위해 one-against-all(OAA) 다중 클래스 서포트 벡터 머신(multi-class support vector machines)의 입력으로 사용된다. 본 논문에서는 제안하는 방법의 성능을 평가하기 위해 기존의 결함 검출 알고리즘과의 분류 정확도를 비교한다. 또한, 진동 신호 취득 시 포함될 수 있는 잡음에 대한 강인성을 평가하기 위해 취득한 진동 신호에 백색 가우시안 잡음(white Gaussian noise)을 추가하여 분류 정확도를 비교한다. 실험 결과, 제안한 방법은 기존의 알고리즘들보다 잡음이 포함되지 않은 환경과 잡음이 포함된 환경 모두에서 높은 분류 정확도를 보였다.
Abstract
This paper proposes an approach using a two-dimensional representation of vibration signals for the highly reliable fault classification of induction motors. To deal with this issue, this paper first converts one-dimensional vibration signals to two-dimensional gray-level images by normalizing time-domain samples in the range from 0 to 255. Using the resulting images, which have texture characteristics, this paper extracts features by generating dominant neighborhood structure maps which are used to extract the global image features. The texture features are then used as inputs of one-against-all multi-class support vector machines to identify faults in the induction motors. To evaluate the performance of the proposed approach, we compare it with two conventional state-of-the-art algorithms in terms of classification accuracy. In addition, this paper explores the robustness of the proposed approach in a noisy environment by adding white Gaussian noise to the acquired vibration signals. Experimental results indicate that the proposed approach outperforms conventional algorithms in terms of classification accuracy. Moreover, the proposed approach achieves higher classification accuracy even in a noisy environment.
참고문헌 (15)
- K. B. Aravindh, "Fault Detection in Induction Motor using WPT and Multiple SVM", International Journal of Control and Automation, 3(2), pp.9~20 (2010)
- N. Mehala, "Detection of Bearing Faults of Induction Motor using Park’s Vector Approach", International Journal of Engineering and Technology, 2(4), pp.263~266 (2010)
- M. Yadav, "Vibration Analysis of Bearing for Fault Detection using Time Domain Feature and Neural Network", International Journal of Applied Research in Mechanical Engineering, 1(1), pp.69~74 (2011)
- Y. Lei, "Application of an Intelligent Classification Method to Mechanical Fault Diagnosis", Journal of Expert Systems with Applications, 36(6), pp.9941~9948 (2009)
- J. Zarei, "Induction Motors Bearing Fault Detection using Pattern Recognition Techniques", Journal of Expert Systems with Applications, 39(1), pp.68~73 (2012)
- W. Li, "Detection of Induction Motor Faults: A Comparison of Stator Current, Vibration and Acoustic Method", Journal of Vibration and Control, 12, pp.165~188 (2006)
- D. S. Gu, "Proposition and Application of Novel DWT Mother Function for AE Signature", Proceedings of the KSNVE Annual Spring Conference, pp.582~587 (2011)
- S. Poyhonen, "Support Vector Machine Based Classification in Condition Monitoring of Induction Motors", 박사, pp.2004
- M.Deriche, "Bearing Fault Diagnosis using Wavelet Analysis", Proceeding of International Conference on Quality, Reliability, Risk, Maintenance and Safety Engineering, pp.197~201 (2005)
- N. Mehla, "An Approach of Condition Monitoring of Induction Motor using MCSA", International Journal of Systems Applications, Engineering and Development, 1(1), pp.13~17 (2007)
- 최민국, "특징 벡터의 effectiveness 요소 기반의 가중치 SVM 분류기 연구", 한국차세대컴퓨팅학회 논문지, 9(1), pp.63~73 (2013), 한국차세대컴퓨팅학회
- Wu, K. Kumar, "Top 10 Algorithms in Data Mining", International Journal of Knowledge and Information Systems, 14, pp.1~37 (2007)
- A. Herve, "Principal Component Analysis", Wiley Interdisciplinary Reviews: Computational Statistics, 2(4), pp.433~459 (2010)
- 강명아, "개선된 고차 국소 자동 상관 특징과 HMM을 이용한 제스처 인식", 한국차세대컴퓨팅학회 논문지, 7(4), pp.29~37 (2011), 한국차세대컴퓨팅학회
- P. E. William, "Identification of Bearing Faults Using Time Domain Zero-Crossings", Mechanical Systems and Signal Processing, 25(8), pp.3078~3088 (2011)