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
- 학술저널
- 저자정보
- 발행연도
- 2024.11
- 수록면
- 735 - 741 (7page)
- DOI
- 10.3795/KSME-A.2024.48.11.735
이용수
초록· 키워드
오류제보하기
베어링은 축을 중심으로 하는 회전 운동에서 발생하는 마찰을 방지하고 부하를 지지하는 기계 시스템에서 사용되는 정밀한 부품이다. 베어링은 내륜 결함, 외륜 결함 및 회전 요소 결함과 같은 결함들에 의해 주로 고장난다. 전통적인 진동 신호 분석과 달리, 단시간 푸리에 변환과 결합된 컨볼루션 신경망을 사용한 딥러닝 기술은 미세한 결함까지도 효과적으로 분류할 수 있다. 그러나 대부분의 선행 연구들은 과적합을 강하게 유발하는 조건에서 수행되지 않았다. 본 논문은 베어링 결함 모드를 분류하는 신경망의 과적합을 방지하는 방법을 주로 논한다. 검증을 위해 베어링 운용 중 동시에 측정한 축방향 및 지름방향 가속도 신호을 실험으로 구축했다. 간단한 신호 분석으로도 이종의 축 신호는 물리적으로 매우 유사하였고 따라서 측정 방향이 달라져도 훈련과 검증의 성능 차이가 나는 것은 과적합을 의미함을 확인했다. 본 논문에서는 오토인코더 기반의 컨볼루션 신경망을 사용하여 과적합을 방지하며 성능을 안정적으로 향상시켰다.
목차
초록
Abstract
1. 서론
2. 실험 셋업 및 데이터셋
3. 측정 방향에 따른 특성 분석
4. 제안 방법론
5. 결론
참고문헌(References)
참고문헌 (13)
참고문헌 신청
Sharma, A., Amarnath, M. and Kankar, P. K., 2016, “Feature Extraction and Fault Severity Classification in Ball Bearings,” Journal of Vibration and Control, Vol. 22, No. 1, pp. 176~192.
Zhang, Y., Hongfu, Z. and Fang, B., 2013, “Classification of Fault Location and Performance Degradation of a Roller Bearing,” Measurement, Vol. 46, No. 3, pp. 1178~1189.
Zhang, S., Zhang, S., Bingnan, W. and Thomas, H., 2020, “Deep Learning Algorithms for Bearing Fault Diagnostics - A Comprehensive Review,” IEEE Access, Vol. 8, pp. 29857~29881.
Trajin, B., Jérémi, R. and Jean, F., 2008, “Bearing Fault Indicator in Induction Machine Using Stator Current Spectral Analysis,” 4th IET Conference on Power Electronics, Machines and Drives, York, UK, pp. 592~596.
Wang, F., Liu, C., Su, W., Xue, Z., Li, H. and Han, Q., 2017, “Condition Monitoring and Fault Diagnosis Methods for Low-Speed and Heavy-Load Slewing Bearings: A Literature Review,” Journal of Vibroengineering, Vol. 19, No. 5, pp. 3429~3444.
Zhang, Y., Hongfu, Z. and Fang, B., 2013, “Classification of Fault Location and Performance Degradation of a Roller Bearing,” Measurement, Vol. 46, No. 3, pp. 1178~1189.
Zhang, S., Zhang, S., Bingnan, W. and Thomas, H., 2020, “Deep Learning Algorithms for Bearing Fault Diagnostics - A Comprehensive Review,” IEEE Access, Vol. 8, pp. 29857~29881.
Trajin, B., Jérémi, R. and Jean, F., 2008, “Bearing Fault Indicator in Induction Machine Using Stator Current Spectral Analysis,” 4th IET Conference on Power Electronics, Machines and Drives, York, UK, pp. 592~596.
Wang, F., Liu, C., Su, W., Xue, Z., Li, H. and Han, Q., 2017, “Condition Monitoring and Fault Diagnosis Methods for Low-Speed and Heavy-Load Slewing Bearings: A Literature Review,” Journal of Vibroengineering, Vol. 19, No. 5, pp. 3429~3444.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
볼 베어링 결함 분류를 위한 CNN 알고리즘의 활성화 함수
대한기계학회 춘추학술대회
2022 .06
-
합성곱 신경망을 적용한 볼 베어링의 결함 분류
대한기계학회 논문집 A권
2022 .05
-
1-D CNN 기반 회전 기기 베어링 결함 검출 알고리즘 개발
유공압건설기계학회 학술대회논문집
2023 .11
-
합성곱 신경망 알고리즘을 활용한 베어링 다중 고장 진단 모델 개발
한국정밀공학회 학술발표대회 논문집
2021 .11
-
Transfer Learning for Enhancing Bearing Fault Detection Performance under Time-varying Speed Conditions
한국소음진동공학회 학술대회논문집
2019 .10
-
Bearing Fault Detection using Deep Neural Network
한국소음진동공학회 학술대회논문집
2016 .10
-
베어링 고장진단을 위한 진동신호 스펙트럼 기반 1D CNN 모델 연구
대한기계학회 춘추학술대회
2022 .11
-
원심펌프 복합 결함 유형 분류를 위한 시간-주파수 신호 기반 합성곱 신경망
대한기계학회 춘추학술대회
2022 .03
-
Convolution Neural Network 를 적용한 베어링 결함 상태 분류
대한기계학회 춘추학술대회
2021 .06
-
탈황 흡수탑 유도전동기 베어링 결함 진단을 위한 전류 스펙트럼 해석
플랜트 저널
2015 .01
-
인공신경망을 이용한 베어링 고장진단 기술 개발
한국생산제조학회 학술발표대회 논문집
2019 .11
-
3 축 진동데이터 기반의 상태분류 기법을 이용한 볼 베어링 내륜 결함 진단 연구
한국정밀공학회 학술발표대회 논문집
2021 .05
-
스마트 제조를 위한 베어링 결함 예지 정비 데이터셋 구축
전기전자학회논문지
2022 .09
-
심층학습을 활용한 베어링 고장 진단에 관한 연구
한국정밀공학회 학술발표대회 논문집
2018 .05
-
Convolutional Neural Network를 이용한 저널베어링 로터시스템 고장 진단
대한기계학회 춘추학술대회
2017 .11
-
합성곱 신경망을 이용한 풍력 초음파 데이터의 결함 분류 연구
한국비파괴검사학회 춘계학술대회 초록집
2022 .05
-
컨볼루션 신경망 기반 3D 토모그래피를 위한 결함 깊이에 따른 전산 모사 신호 분석
대한기계학회 춘추학술대회
2021 .08
-
쇽 펄스 센서를 이용한 저속 축 베어링의 결함 검출
기술과 교육
2018 .09
-
합성곱 신경망을 이용한 철강 표면영상의 결함 검출
대한기계학회 춘추학술대회
2019 .11
-
Data Preprocessing and Machine Learning Techniques for Detection and Classification of Bearing Faults
한국소음진동공학회 학술대회논문집
2019 .10
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-091117484