K-means 알고리듬을 이용한 비정상 사운드 검출
Irregular Sound Detection using the K-means Algorithm
0
조회
0
다운로드
0
인용
0
참고문헌
초록
산업 시설 등에서 운전 중인 회전 기계의 동작, 감시, 진단은 설비의 효율적인 운용 및 사고 방지 등을 위해 매우 중요한 일이다. 이상 진단 기술은 기기에 설치된 센서로부터 취득된 데이터의 특징을 추출하는 것과 분류된 데이터를 이용해 정상 또는 이상으로 구분하거나 이상의 원인을 분석하는 두 가지 과정으로 진행할 수 있다. 기존의 기술들은 주파수 분석과 패턴 인식의 방법 등이 적용되어 왔다. 본 논문에서는 운전되고 있는 정상/비정상 상태를 분류하기 위하여 기기들의 사운드 정보를 획득하여 웨이블렛 변환을 거쳐 주파수 대역별 신호로 나누었다. 나누어진 대역별 신호의 RMS값으로 입력벡터를 구성하고 이 입력벡터에 K-means 방법을 적용하여 정상 및 비정상 상태의 모델을 결정한다. 결정된 정상 및 비정상 상태의 모델과 입력 벡터를 비교하여 입력 신호의 정상/비정상을 판단한다.
Abstract
This paper describes the algorithm for deciding the status of the operating machines in the power plants. It is very important to decide whether the status of the operating machines is good or not in the industry to protect the accidents of machines and improve the operation efficiency of the plants. There are two steps to analyze the status of the running machines. First, we extract the features from the input original data. Second, we classify those features into normal/abnormal condition of the machines using the wavelet transform and the input RMS vector through the K-means algorithm. In this paper we developed the algorithm to detect the fault operation using the K-means method from the sound of the operating machines.
참고문헌 (9)
- 이충희, "회전 설비의 이상고장진단 시스템의 개발" (2000)
- B.H. Juang, "Discriminant learning for minimum error classification", 40(12), pp.~1992
- Hideyuki W, "Sound Monitoring Based On the Generalized Probabilistic Descent Method", pp.383~392 (1998)
- 이성상, "LPC를 이용한 발전설비의 고장진단", 4(2), pp.203~206 (2003), 한국 신호처리 시스템 학회
- 김광진, "데이터 융합과 Dempster-shafer이론을 이용한 유도전동기의 결함진단" (2004)
- 서동욱, "웨이브렛 분석을 이용한 회전기계 및 공구 상태 감지 및 진단" (2000)
- Bo-Suk, Yang, "Condition classification of small reciprocating compressor for refrigerators using artificial neural networks and support vector machines", 19, pp.371~390 (2005)
- Janos J. Gertler, "Fault Detection and Diagonosis in Engeering Systems", pp.5~13 (1998), Marcel Dekker
- 전주환, "MATLAB을 이용한 디지털 신호 처리", 1998 (1998), 시스마프레스