학술논문
회전수가 변하는 기기의 고장진단에 있어서 특성 기반 분류와 합성곱 기반 알고리즘의 예측 정확도 비교
이용수 49
- 영문명
- Comparison of Prediction Accuracy Between Classification and Convolution Algorithm in Fault Diagnosis of Rotatory Machines at Varying Speed
- 발행기관
- 한국항해항만학회
- 저자명
- 간행물 정보
- 『한국항해항만학회지』제46권 제3호, 280~288쪽, 전체 9쪽
- 주제분류
- 공학 > 해양공학
- 파일형태
- 발행일자
- 2022.06.30
4,000원
구매일시로부터 72시간 이내에 다운로드 가능합니다.
이 학술논문 정보는 (주)교보문고와 각 발행기관 사이에 저작물 이용 계약이 체결된 것으로, 교보문고를 통해 제공되고 있습니다.
국문 초록
본 연구는 정상 가동 중에도 회전수가 변하는 기기의 이상 및 고장 진단 방안을 다루고 있다. 회전수가 변함에 따라 비정상적 시계열 특성을 내포한 센서 데이터에 기계학습을 적용할 수 있는 절차를 제시하고자 하였다. 기계학습으로는 k-Nearest Neighbor(k-NN), Support Vector Machine(SVM), Random Forest을 사용하여 이상 및 고장 진단을 수행하였다. 또한 진단 정확성을 비교할 목적으로 이상 감지에 오토인코더, 고장진단에는 합성곱 기반의 Conv1D도 추가로 이용하였다. 비정상적 시계열로부터 통계 및 주파수 속성으로 구성된 시계열 특징 벡터를 추출하고, 추출된 특징 벡터에 정규화 및 차원 축소 기법을 적용하였다. 특징 벡터의 선택과 정규화, 차원 축소 여부에 따라 달라지는 기계학습의 진단 정확도를 비교하였다. 또한, 적용된 학습 알고리즘 별로 초매개변수 최적화 과정과 적층 구조를 설명하였다. 최종적으로 기존의 심층학습과 비교하여, 기계학습도 가변 회전기기의 고장을 정확하게 진단할 수 있는 절차를 제시하였다.
영문 초록
This study examined the diagnostics of abnormalities and faults of equipment, whose rotational speed changes even during regular operation. The purpose of this study was to suggest a procedure that can properly apply machine learning to the time series data, comprising non-stationary characteristics as the rotational speed changes. Anomaly and fault diagnosis was performed using machine learning: k-Nearest Neighbor (k-NN), Support Vector Machine (SVM), and Random Forest. To compare the diagnostic accuracy, an autoencoder was used for anomaly detection and a convolution based Conv1D was additionally used for fault diagnosis. Feature vectors comprising statistical and frequency attributes were extracted, and normalization & dimensional reduction were applied to the extracted feature vectors. Changes in the diagnostic accuracy of machine learning according to feature selection, normalization, and dimensional reduction are explained. The hyperparameter optimization process and the layered structure are also described for each algorithm. Finally, results show that machine learning can accurately diagnose the failure of a variable-rotation machine under the appropriate feature treatment, although the convolution algorithms have been widely applied to the considered problem.
목차
1. 서론
2. 진단 알고리즘의 개요
3. 대상 장비 및 학습 데이터
4. 고장 진단 과정 및 결과
5. 결론
후기
References
키워드
해당간행물 수록 논문
- 완충지역을 활용한 타부두 환적 컨테이너 운송 모형의 복화율 개선 효과 분석
- 해양 소프트웨어 시스템의 인공지능 적용을 위한 안전 고려사항에 관한 분석
- 액체화물특화 항만의 해양환경사고 안전항만 구축방안 연구
- 항만 인근 미세먼지 노출 영향권 및 오염도 분석
- 회전수가 변하는 기기의 고장진단에 있어서 특성 기반 분류와 합성곱 기반 알고리즘의 예측 정확도 비교
- 유가와 벌크선 운임의 상관관계 분석에 관한 연구
- 합성곱 신경망(CNN) 기반 실시간 월파 감지 및 처오름 높이 산정
- VPMM 시험을 통한 선수부에 프로펠러를 갖는 수중운동체의 조종성능 추정
- 구매자 열위, 공급자 우위 시장에서 전략품목의 속성이 전략적 동반자관계에 미치는 영향
- 완전집적형 무선통신 SoC 반도체 소자 개발을 위한 주기적인 3차원 결합구조를 가지는 코프레너 선로에 대한 대역폭 및 임피던스 특성연구
- 한국의 연안여객선 이용객 인식 조사 분석
- 국내 자율운항기술 분야의 산업경쟁력 분석 연구
- 포스트 코로나 시대 선사들의 부산항 선택요인 변화분석
- AIS 데이터를 활용한 제주지역 VTS 관제구역 설정
- S-100 기반의 격자형 해양기상정보 데이터 모델 설계에 관한 연구
- 한국항해항만학회지 제46권 제3호 목차
참고문헌
관련논문
공학 > 해양공학분야 BEST
더보기공학 > 해양공학분야 NEW
- 한국항해항만학회지 제48권 제2호 목차
- Traffic Safety Analysis in Mombasa Channel: Integrating Ferry Crossings and Main Transit
- A Preliminary Study on Direct Ethanol SOFC for Marine Applications
최근 이용한 논문
교보eBook 첫 방문을 환영 합니다!
신규가입 혜택 지급이 완료 되었습니다.
바로 사용 가능한 교보e캐시 1,000원 (유효기간 7일)
지금 바로 교보eBook의 다양한 콘텐츠를 이용해 보세요!