메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

김종수 (한양대학교, 한양대학교 대학원)

지도교수
유홍희
발행연도
2014
저작권
한양대학교 논문은 저작권에 의해 보호받습니다.

이용수0

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

2014

은닉 마르코프 모델과 인공신경망을 이용한 기계시스템의 결함 진단 : Fault Diagnosis of a Mechanical System Using the Hidden Markov Model and Artificial Neural Network
김종수 기계공학과 2014.01 학위논문

2013

은닉 마르코프 모델과 인공 신경망을 이용한 회전하는 블레이드의 크랙 발생 진단
김종수 ,  유홍희 대한기계학회 춘추학술대회 2013.06 학술대회자료

초록· 키워드

오류제보하기
For the fault diagnosis of a mechanical system, pattern recognition methods have been widely used in recent research. A pattern recognition method determines the soundness of a mechanical system by detecting the variation of the system vibration characteristics. The Hidden Markov Model (HMM) and Artificial Neural Network (ANN) are recently used as the pattern recognition method in various fields. Most of the previous related researches use only one pattern recognition tool to classify the signals. In this research, a hybrid method that combines the HMM and ANN for the fault diagnosis of a mechanical system is introduced in order to improve the diagnostic accuracy. As a target model of fault diagnosis, a rotating wind turbine blade having a crack is selected. By extracting the acceleration from rotating blade having a crack, conduct the diagnosis about identifying the presence of a crack and finding the location and depth of a crack. Because vibration characteristics of a rotating blade according to location and depth of a crack have differences, it is possible to identify the crack location and depth using pattern recognition. In this research, the Fast Fourier Transform (FFT) is employed to extract feature vector. Moreover, to improve the diagnostic accuracy of the method in spite of noise existence, a moment having a few specific frequencies is applied to the blade.
#Hidden Markov Model(HMM) #Artificial Neural Network(ANN) #Fault Diagnosis #Feature Vector #Vector Quantization

목차

Contents
List of Figures …………………………………………… ⅲ
List of Tables ……………………………………………… ⅴ
국문요지 …………………………………………………… ⅵ
Chapter 1. Introduction …………………………………… 1
Chapter 2. Introduction to the HMM and ANN ………… 5
2.1 Hidden Markov Model (HMM) ………………………… 5
2.2 Artificial Neural Network (ANN) ………………… 8
Chapter 3. Feature Vector Extraction ………………… 11
3.1 Target Model of Fault Diagnosis ………………… 11
3.2 Feature Vector Extraction Using FFT …………… 13
Chapter 4. A Fault Diagnosis Algorithm ……………… 20
4.1 Hybrid Model Using the Hidden Markov Model
and Artificial Neural Network …………………… 20
4.2 Fault Diagnosis Algorithm Using Hybrid Model … 22
Chapter 5. Diagnostic Results ………………………… 24
5.1 Comparing the HMM and Hybrid Model in
Crack Diagnostic Results ………………………… 24
5.2 Diagnostic Results Concerning the
Presence of Cracks …………………………………… 25
5.3 Diagnostic Results Concerning the
Location and Depth of a Crack …………………… 27
Chapter 6. Conclusions …………………………………… 32
References …………………………………………………… 34
ABSTRACT ……………………………………………………… 37

최근 본 자료

전체보기

댓글(0)

0