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
- 저널정보
- Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Vol.42 No.2
- 발행연도
- 2025.2
- 수록면
- 185 - 193 (9page)
- DOI
- 10.7736/JKSPE.024.129
이용수
초록· 키워드
오류제보하기
In this study, we developed a deep learning-based real-time fault diagnosis system to automate the weaving preparation process in textile manufacturing. By analyzing typical faults such as shaft eccentricity and rotational imbalance, we designed a data-driven fault diagnosis algorithm. We utilized tension data from both normal and faulty states to implement AI-based diagnostic models, including 1D CNN (Convolutional Neural Network), RNN (Recurrent Neural Network), and LSTM-AE (Long Short-Term Memory Autoencoder). These models enable real-time fault classification, followed by a comparative performance analysis. The LSTM-AE model achieved the best performance, with a classification accuracy of 99-100% for severe faults, such as 1.5 mm eccentricity and 100 or 150 g rotation imbalance, and 92.2% for minor faults like 1 mm eccentricity. This accuracy was optimized through threshold adjustments based on ROC curve analysis to select an optimal threshold. Building on these findings, we developed a GUI (Graphical User Interface) system capable of real- time fault diagnosis using TCP/IP (Transmission Control Protocol/Internet Protocol) communication between Python and LabVIEW. The results of this study are expected to accelerate the smartization of the weaving preparation process, contributing to improved textile quality and reduced defect rates, while also serving as a model for automation in other sectors.
목차
1. 서론
2. 크릴 시스템
3. 고장 진단 알고리즘
4. 실험을 통한 학습 기법 검증
5. 결론
REFERENCES
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
인공지능을 이용한 산업용 섬유 크릴 시스템의 실시간 고장진단 시스템 구축
한국정밀공학회 학술발표대회 논문집
2023 .11
-
RNN-based integrated system for real-time sensor fault detection and fault-informed accident diagnosis in nuclear power plant accidents
Nuclear Engineering and Technology
2023 .03
-
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
-
수정된 칼만 필터를 이용한 고장 진단
한국생산제조학회 학술발표대회 논문집
2015 .04
-
Real-time Fault Diagnosis for Train Doors on Edge AI Device
한국통신학회 학술대회논문집
2021 .02
-
전이학습을 이용한 데이터 불균형 환경에서의 베어링 고장 진단 모델 개발
한국정밀공학회 학술발표대회 논문집
2022 .05
-
LDC 고장진단을 위한 딥러닝 모델 설계
한국자동차공학회 추계학술대회 및 전시회
2024 .11
-
소음 고장진단을 위한 신경회로망을 이용한 충격음 분류
한국정밀공학회 학술발표대회 논문집
2016 .10
-
인휠 독립 구동 전기 자동차의 구동 모터 통합 고장 진단 알고리즘
한국자동차공학회논문집
2016 .01
-
SSR 고장 진단 시스템 설계
한국정밀공학회 학술발표대회 논문집
2019 .05
-
SSR 의 고장 진단 방법
한국정밀공학회 학술발표대회 논문집
2018 .10
-
산업 시스템을 위한 고장 진단 및 고장 허용 제어 기술
전기전자학회논문지
2021 .09
-
차량 데이터를 활용한 LSTM-Autoencoder 기반 차량 고장 예측 모델의 성능 개선
대한전자공학회 학술대회
2023 .06
-
전동기 실시간 고장진단과 딥 러닝 학습을 위한 데이터 처리 시스템
대한전기학회 학술대회 논문집
2018 .07
-
제직 준비 공정의 장력 유지를 위한 제어 시스템 연구
한국기계가공학회 춘추계학술대회 논문집
2022 .04
-
전이 학습과 진동 신호를 이용한 설비 고장 진단 및 분석
대한임베디드공학회논문지
2019 .01
-
무접점 릴레이의 고장 진단 시스템 설계
한국정밀공학회 학술발표대회 논문집
2020 .09
-
Deep learning-based sensor fault detection using S-Long Short Term Memory Networks
Structural monitoring and maintenance
2018 .01
-
실 계통 고장 데이터에 적용 가능한 딥러닝 기반 송전선로 고장 분류모델
대한전기학회 학술대회 논문집
2023 .10
-
소형 IoT 디비이스를 고려한 딥 러닝 전동기 고장진단 시스템
제어로봇시스템학회 논문지
2020 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-092297150