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
- 학위논문
- 저자정보
- 지도교수
- 최주호
- 발행연도
- 2019
- 저작권
- 한국항공대학교 논문은 저작권에 의해 보호받습니다.
이용수12
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
4차 산업혁명의 발전과 함께 기계시스템의 불확실성을 통제하기 위한 신뢰성 높은 장비와 시스템에 대한 수요가 증가하고 있다. 이를 해결하기 위한 고장예지 및 건전성관리 기술(PHM)에 대한 연구가 활발하게 이루어지고 있다. 그 중에서도 베어링은 회전체를 포함한 다양한기계 시스템의 필수적인 부품이므로 이에 대한 고장진단 및 수명예측은 중요하다고 할 수 있다.
본 논문에서는 PHM의 베어링의 고장을 진단하기 위하여 필요한 고장진단 기법들에 대하여 간단하게 소개하며, 본 논문에서 적용한 기법들에 대해 설명한다. 또한 이 과정에서 제공받은 전체 진동 데이터들 중에서 사용할 데이터 세트들을 선별한다. 선별한 데이터들을 이용하여 Anomaly detection 모델을 구축함으로써 베어링 데이터 세트가 정상
일 확률을 계산할 수 있으며, 고장에 가까워질수록 확률이 0에 수렴함을 확인한다. 이를 통해 optimum threshold를 설정하게 되며 마지막에 예측 알고리즘의 적용 시작점으로 사용한다.다음으로 베어링의 수명 예측에 적합한 특징신호를 추출한다. 베어링의 결함 주파수를 이용하여 각각의 상관도를 분석하여 가중치를 부여한 뒤, 이를 모두 아우를 수 있는 특징신호를 추출하였다. 이렇게 추출한 특징신호를 예측 알고리즘인 파티클 필터에 적용하여 수명을 예측할 수 있다.
본 논문에서는 PHM의 베어링의 고장을 진단하기 위하여 필요한 고장진단 기법들에 대하여 간단하게 소개하며, 본 논문에서 적용한 기법들에 대해 설명한다. 또한 이 과정에서 제공받은 전체 진동 데이터들 중에서 사용할 데이터 세트들을 선별한다. 선별한 데이터들을 이용하여 Anomaly detection 모델을 구축함으로써 베어링 데이터 세트가 정상
일 확률을 계산할 수 있으며, 고장에 가까워질수록 확률이 0에 수렴함을 확인한다. 이를 통해 optimum threshold를 설정하게 되며 마지막에 예측 알고리즘의 적용 시작점으로 사용한다.다음으로 베어링의 수명 예측에 적합한 특징신호를 추출한다. 베어링의 결함 주파수를 이용하여 각각의 상관도를 분석하여 가중치를 부여한 뒤, 이를 모두 아우를 수 있는 특징신호를 추출하였다. 이렇게 추출한 특징신호를 예측 알고리즘인 파티클 필터에 적용하여 수명을 예측할 수 있다.
목차
목 차목 차 ⅰ그림목록 ⅲ표 목 록 ⅴ제1장 서론 11.1 연구배경 11.2 연구목적 및 방법 1제2장 베어링 수명예측 방법론 32.1 건전성 예측관리 32.1.1 건전성 예측관리 프레임워크 32.2 데이터 설명 52.2.1 시험 베어링 52.2.2 시험조건 62.3 결함 진단 92.3.1 Linear prediction 92.3.2 포락선 분석 102.4 Anomaly Detection 122.4.1 데이터 세팅 132.4.2 특징신호 추출 및 정규화 142.4.3 주성분 분석 142.4.4 Anomaly detection모델 구축 및 threshold 설정 162.4.5 데이터 적용 결과 172.5 수명예측 특징신호 추출 122.5.1 수명예측 특징신호 추출 방법론 192.5.2 결함 주파수 진폭과의 비교 222.5.3 통계적 수치와의 비교 232.5.4 데이터 적용 결과 242.6 수명예측 262.6.1 파티클 필터 262.6.2 데이터 적용 결과 27제3장 결론 및 고찰 29참고문헌 30Acknowledge 31
최근 본 자료
댓글(0)
0