지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.4
- 수록면
- 612 - 619 (8page)
- DOI
- 10.7840/kics.2024.49.4.612
이용수
초록· 키워드
오류제보하기
산업 현장에서 기계 설비의 이상 상태를 감지하고 모니터링하는 것은 중요하다. 음향 신호 기반의 설비 고장 감지 기술은 기존의 이미지/영상 기반이나 기타 별도 센서 기반의 이상 감지 기술에 비해 저비용으로 고장 감지를 수행할 수 있다는 장점이 있다. 하지만 센서로부터 수집된 대량의 음향 신호를 활용하기 위해서는 집약적인 신호 처리와 학습을 위해 많은 컴퓨팅 자원을 필요로 한다. 따라서 컴퓨팅 자원을 효율적으로 사용한 음향 신호 기반 이상 탐지 시스템에 대한 고려가 필요하다. 본 논문에서는 이산 웨이블릿 변환을 활용하여 음향 신호의 대역 에너지를 추출하는 방법과 이를 활용한 경량 이상 탐지 모델로 구성된 시스템을 제안한다. 이산 웨이블릿 변환 기반의 대역 에너지는 음향 신호의 특징을 효과적으로 압축하여 데이터 전처리 시간을 감소시키며 경량화된 이상 탐지 모델을 구축할 수 있음을 실험을 통해 검증하였다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 음향신호 기반의 이상 탐지 시스템
Ⅲ. 실험
Ⅳ. 결론
References
참고문헌 (19)
참고문헌 신청
G. Pang, C. Shen, L. Cao, and AVD. Hengel, “Deep learning for anomaly detection: A review,” ACM Computing Surv. (CSUR), vol. 54, no. 2, pp. 1-38, 2021. (https://doi.org/10.1145/3439950)
J. Grebenik, C. Bingham, and S. Srivastava, “Acoustic diagnostics of electrical origin fault modes with readily available consumer-grade sensors,” IET Electric. Power Appl., vol. 13, no. 12, pp. 1946-1953, 2019. (https://doi.org/10.1049/iet-epa.2019.0232)
A. Qurthobi, R. Maskeliūnas, and R. Damaševičius, “Detection of mechanical failures in industrial machines using overlapping acoustic anomalies: A systematic literature review,” Sensors, vol. 22, no. 10, pp. 3888, 2022. (https://doi.org/10.3390/s22103888)
Q. Pan, R. Zhou, J. Su, T. He, and Z. Zhang, “Automatic localization of the rotor-stator rubbing fault based on acoustic emission method and higher-order statistics,” J. Mechanical Sci. and Technol., vol. 33, pp. 513-524, 2019. (https://doi.org/10.1007/s12206-019-0104-9)
G. Zheyu, L. Jing, W. Xiufeng, and L. Yuhe, “Grinding burn detection based on cross wavelet and wavelet coherence analysis by acoustic emission signal,” Chin. J. Mechanical Eng., vol. 32, no. 1, pp. 1-10, 2019. (https://doi.org/10.1186/s10033-019-0384-0)
J. Grebenik, C. Bingham, and S. Srivastava, “Acoustic diagnostics of electrical origin fault modes with readily available consumer-grade sensors,” IET Electric. Power Appl., vol. 13, no. 12, pp. 1946-1953, 2019. (https://doi.org/10.1049/iet-epa.2019.0232)
A. Qurthobi, R. Maskeliūnas, and R. Damaševičius, “Detection of mechanical failures in industrial machines using overlapping acoustic anomalies: A systematic literature review,” Sensors, vol. 22, no. 10, pp. 3888, 2022. (https://doi.org/10.3390/s22103888)
Q. Pan, R. Zhou, J. Su, T. He, and Z. Zhang, “Automatic localization of the rotor-stator rubbing fault based on acoustic emission method and higher-order statistics,” J. Mechanical Sci. and Technol., vol. 33, pp. 513-524, 2019. (https://doi.org/10.1007/s12206-019-0104-9)
G. Zheyu, L. Jing, W. Xiufeng, and L. Yuhe, “Grinding burn detection based on cross wavelet and wavelet coherence analysis by acoustic emission signal,” Chin. J. Mechanical Eng., vol. 32, no. 1, pp. 1-10, 2019. (https://doi.org/10.1186/s10033-019-0384-0)
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089589902