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
질문

논문 기본 정보

자료유형
학술저널
저자정보
백수정 (한밭대학교) 남궁기창 (울산과학기술원) 오하영 (울산과학기술원)
저널정보
대한기계학회 대한기계학회 논문집 A권 대한기계학회논문집 A권 제44권 제1호(통권 제412호)
발행연도
2020.1
수록면
63 - 69 (7page)
DOI
10.3795/KSME-A.2020.44.1.063

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2020

베어링 샤프트 시스템의 고장 감지를 위한 다변량 센서 데이터 기반 지도 이산화 기법
백수정 ,  남궁기창 ,  오하영 대한기계학회 논문집 A권 2020.01 학술저널

2019

기계시스템의 고장 감지를 위한 센서 데이터 Supervised 다변량 이산화 기법
백수정 대한기계학회 춘추학술대회 2019.04 학술대회자료

초록· 키워드

오류제보하기
기계 시스템의 구성이 복잡해지고 다양해짐에 따라 다양한 센서 데이터를 수집하여 시스템의 상태를 실시간으로 확인하고자 한다. 그러나 수집된 데이터의 크기가 매우 크고, 시스템의 고장 상태와 관련 없는 노이즈가 많이 포함되어 있을 경우, 시스템의 고장 감지를 위해서 중요한 데이터의 변동을 추출하는 기법이 적용되어야 한다. 이러한 중요 변동이 포함된 고장 패턴을 추출하기 위하여 일반적으로 데이터의 분포에 기반한 비지도 이산화 기법을 많이 사용하였으나 이는 시스템의 상태 변화와 직접적으로 연관된 특징을 추출하는 데 어려움이 있다. 그러므로 본 논문에서는 효과적인 고장 감지를 위하여 데이터 간의 유사도를 고려하면서 시스템의 상태 정보를 이용한 지도 이산화 기법을 적용하여 고장 패턴을 추출하였다. 제안된 기법의 고장 감지 성능을 검증하고자 베어링 샤프트 시스템으로부터 가속도 센서 데이터를 수집하여 이산화 기법에 따른 고장 패턴 추출률을 비교하였다.
#Fault Detection(고장 감지) #Discretization(이산화) #Pattern Analysis(패턴 분석) #Similarity Measure(유사도) #Time Series(시계열)

목차

초록
Abstract
1. 서론
2. 이산화 기법을 통한 정보 증폭
3. 베어링 샤프트 시스템의 고장 감지를 위한 이산화 데이터 기반 고장 패턴 추출
4. 결론
참고문헌(References)

참고문헌 (24)

참고문헌 신청
Tjahjono, B., Teixeira, E. L. S. and Alfaro, S. C. A., 2013, “An Online Simulation to Link Asset Condition Monitoring and Operations Decisions in Through-Life Engineering Services,” Proceeding of the 2013 Winter Simulations Conference, pp. 159~168. google schola Sydor, P., Kavade, R. and Hockley, C. J., 2017, “Warranty Impacts from No Fault Found (NFF) and an Impact Avoidance Benchmarking Tool,” Advances in through-Life Engineering Services, pp. 245~259. google schola Bae, B. W. and Choi, Y. S., 2000, “Fault Diagnosis of Gear Chain Using Vibration Signal,” Trans. Korean Soc. Mech. Eng. A, Vol. 24, No. 7, pp. 1731~1739. google schola Cheon, G. J, 2003, “Influence of Ring Gear Boundary Conditions on the Static Characteristics of Epicyclic Gear Trains with Manufacturing Error,” Trans. Korean Soc. Mech. Eng. A, Vol. 27, No. 11, pp. 1949~1957. google schola Ha, J. M., Park, J., Oh, H. and Youn, B. D., 2015, “A Vibration-based Fault Diagnostics Technique for the Planetary Gearbox of Wind Turbines Considering Characteristics of Vibration Modulation,” Trans. Korean Soc. Mech. Eng. A, Vol. 39, No. 7, pp. 665~ 671. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Sequence-to-sequence regression 기반 터보 팬 엔진의 Degradation 예측을 위한 Abrupt variance 분석을 이용한 센서 데이터 추출 기법
백수정 대한기계학회 춘추학술대회 2020 .07
CNN 기반의 상자 표면 편차 이미지 분석을 통한 상자 포장공정에서의 실시간 진공 그리퍼 파지 작업 모니터링
백수정 ,  전승호 ,  송의찬 대한산업공학회지 2020 .04
기계학습 알고리즘을 활용한 베어링의 고장 예측 알고리즘 개발에 관한 연구
이준혁 ,  유승열 ,  신성철 외 3명 Journal of Advanced Marine Engineering and Technology (JAMET) 2019 .07
CNN을 이용한 모터 베어링 고장 진단
조민기 ,  이호진 ,  김상우 정보 및 제어 논문집 2022 .10
베어링 고장 진단을 위한 CNN 기반 딥러닝의 계산 복잡도 감소 기법
박재현 ,  김철홍 디지털콘텐츠학회논문지 2023 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-550-000230456