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
- 학술대회자료
- 저자정보
- 발행연도
- 2019.10
- 수록면
- 1,508 - 1,511 (4page)
이용수
초록· 키워드
오류제보하기
Motor failure diagnosis using the existing deep learning is a lot of research using the CNN algorithm. Supervised learning is an algorithm in which a user specifies a correct answer of data and learns based on the correct answer. Therefore, CNN is very clear to classification of characteristics data. However, data that is not learned cannot be classified. The existing fault diagnosis using CNN failed to verify the data even if only the sensor measuring vibration in the same environment was changed. In this paper, a research was conducted using the K-means algorithm, which is unsupervised learning. In order to apply K-means to fault diagnosis, FFT data is divided by frequency. The center point is calculated by applying K-means algorithm for each frequency. The correct data set was determined based on the input data. Using the input data, the answer data set is calculated similarity and distance to the centroid of the cluster classified by each frequency, and the data with high probability are selected to classify the correct answer data set classified as Kmeans as normal or fault. By using the above method, even if the sensor is changed, it is possible to verify the data of similar trend. In order to verify the proposed algorithm, data were collected using different sensors and compared with the conventional CNN algorithm. The CNN failed to classify the data when the sensor was changed, but the proposed algorithm classified the data and showed high accuracy.
목차
Abstract
1. INTRODUCTION
2. PROBLEMS OF EXISTING FAULT DIAGNOSIS
3. The proposed method
4. Experiment
5. Conclusions
REFERENCES
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
K-Means와 CNN을 이용한 변화된 환경에서의 전동기 고장 진단
제어로봇시스템학회 논문지
2020 .05
-
Comparison of motor fault diagnosis performance using RNN and K-means for data with disturbance
제어로봇시스템학회 국제학술대회 논문집
2020 .10
-
소형 IoT 디비이스를 고려한 딥 러닝 전동기 고장진단 시스템
제어로봇시스템학회 논문지
2020 .11
-
A Study on Motor Poor Maintenance Detection Based on DT-CNN
제어로봇시스템학회 국제학술대회 논문집
2019 .10
-
데이터 불균형 대응 믹스업 데이터를 이용한 전이 학습 전동기 고장 진단 시스템의 성능 향상
전기학회논문지
2023 .02
-
전이 학습과 진동 신호를 이용한 설비 고장 진단 및 분석
대한임베디드공학회논문지
2019 .01
-
딥 러닝에 의한 전동기 기계적 고장 수준 결정을 위한 전동기 진동/전류 데이터 특성 분석 연구
전기학회논문지
2021 .10
-
CNN을 이용한 Al 6061 압출재의 표면 결함 분류 연구
소성·가공
2022 .08
-
Diagnosis of motor aging through CNN model using signal correlation
제어로봇시스템학회 국제학술대회 논문집
2020 .10
-
Algorithm for sensor fault diagnosis in battery management system
전력전자학회 학술대회 논문집
2023 .07
-
CNN 기반의 전이 학습을 이용한 다수 전동기에서 취득한 고장 진단 데이터 분석
대한전기학회 학술대회 논문집
2022 .07
-
텍스트 마이닝과 딥 러닝을 활용한 고장진단: 고장원인부서 예측 알고리즘 개발
전기학회논문지
2020 .08
-
A Study on the GAN Algorithm Performance Improvement Method in Motor Failure Diagnosis Using Deep Learning Algorithm
전기학회논문지
2020 .11
-
이상치 데이터를 고려한 DT-CNN 기반의 전동기 고장 예측
제어로봇시스템학회 논문지
2020 .11
-
Bearing Fault Diagnosis Using One-Dimensional Convolutional Neural Network
제어로봇시스템학회 국제학술대회 논문집
2022 .11
-
A study on modeling using big data and deep learning method for failure diagnosis of system
대한전기학회 학술대회 논문집
2019 .05
-
1D CNN을 이용한 베어링 결함 진단
대한전자공학회 학술대회
2020 .11
-
Data Mining for the k-Nearest Neighbors Classification Algorithm Based on a Machine Learning
한국정보통신학회 종합학술대회 논문집
2019 .10
-
Unsupervised feature learning for classification
한국컴퓨터정보학회 학술발표논문집
2016 .07
-
Methods for Fault Diagnosis in Mechanical Systems based on Deep Learning in the Absence or Class Imbalance of Fault Data
Journal of the Korean Society for Precision Engineering
2023 .05
이 논문의 저자 정보
최근 본 자료
댓글(0)
0