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
남창균 (숭실대학교) 김철홍 (숭실대학교)
저널정보
한국디지털콘텐츠학회 디지털콘텐츠학회논문지 디지털콘텐츠학회논문지 제26권 제3호
발행연도
2025.3
수록면
707 - 715 (9page)
DOI
10.9728/dcs.2025.26.3.707

이용수

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

초록· 키워드

오류제보하기
다양한 산업 장비의 핵심 부품으로 사용되는 전기 모터의 높은 안정성을 유지하기 위해서는 실시간으로 모터의 상태를 측정하고 진단하는 기술이 요구된다. 최근의 전기 모터 고장 진단 기법은 인공지능 기술을 활용하여 상당히 정확한 진단을 할 수 있게 되었지만 높은 연산 요구량 때문에 가속기와 같은 고성능 하드웨어가 필요하여 산업현장에서 주로 사용되는 임베디드 장치에 바로 적용하기에는 한계가 있다. 본 논문에서는 가속도 센서와 마이크에서 얻은 진동 및 음향 신호를 STFT, Mel, Log-Mel, MFCC 특징 추출 기법을 통해 시간-주파수 스펙트로그램으로 변환한 후, 경량화한 MobileNet V3-Small 모델 기반 CNN을 활용하여 각 신호의 특징 벡터를 추출하고, 추출한 특징을 결합하여 모터 상태를 효과적으로 진단하는 특징 융합모델을 제안한다. 제안 기법은 기존 모터 고장 진단 모델에 비해 매우 적은 파라미터와 연산량을 바탕으로 93%의 높은 진단 정확도를 제공할 수 있다. 또한, 경량화된 특징 융합 모터 고장 진단 모델은 연산 능력이 제한된 임베디드 장치에서도 전기 모터의 고장 진단을 효과적으로 수행할 수 있다.
#전기 모터 #딥러닝 #고장진단 #특징 융합 #데이터 융합 #Electric Motor #Deep Learning #Fault Diagnosis #Feature Fusion #Data Fusion

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 특징 융합모델 기반 모터 고장 진단 기법
Ⅳ. 실험 및 결과
Ⅴ. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0