http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
진동 신호의 2차원 변환을 통한 유도 전동기 다중 결함 진단
정인규(In-Kyu Jeong),강명수(Myeongsu Kang),장원철(Won-Chul Jang),김종면(Jong-Myon Kim) 한국소음진동공학회 2013 한국소음진동공학회 학술대회논문집 Vol.2013 No.10
Induction motors play an increasing importance in industrial manufacturing. Therefore, the state monitoring systems also have been considering as the key in dealing with their negative effect by absorbing faulty symptoms in motors. There are numerous proposed systems in literature, in which, several kinds of signals are utilized as the input. To solve the multiple faults problem of induction motors, like the proposed system, the vibration signals is good candidate. In this study, a new signal processing scheme was utilized, which transforms the time domain vibration signal into the spatial domain as an image. Then the spatial features of converted image then have been extracted by applying the dominant neighbourhood structure (DNS) algorithm. In addition, these feature vectors were evaluated to obtain the fruitful dimensions, which support to discriminate between states of motors. Because of reliability, the conventional one-against-all (OAA) multi-class support vector machines (MCSVM) have been utilized in the proposed system as classifier module. Even though examined in severity levels of signal-to-noise ratio (SNR), up to 15dB, the proposed system still reliable in term of two criteria: true positive (TF) and false positive (FP). Furthermore, it also offers better performance than five state-of-the-art systems.
강현준 ( Hyunjun Kang ),정인규 ( In-kyu Jeong ),강명수 ( Myeongsu Kang ),김종면 ( Jong-myon Kim ) 한국정보처리학회 2014 한국정보처리학회 학술대회논문집 Vol.21 No.1
본 논문에서는 저속으로 동작하는 구름 베어링의 다중 결함 조기 검출을 위해 결함 특징 추출, 효과적인 특징 선택, 선택된 특징을 이용한 결함 분류의 세 단계로 구성된 결함 진단 기법을 제안한다. 1단계에서 이산 웨이블릿 변환을 이용하여 미세성분으로부터 통계적 결함 특징을 추출하고, DET(distance evaluation technique)를 이용하여 추출한 결함 특징 가운데 베어링 다중 결함 검출에 효과적인 특징을 선택한다. 마지막으로 선택된 특징을 k-NN(k-Nearest Neighbors) 분류기 입력으로 사용함으로써 결함을 진단한다. 본 논문에서는 제안한 결함 진단 기법의 성능을 분류 정확도 측면에서 평가한 결과 95.14%의 높은 분류 정확도를 보였다.