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
- 학위논문
- 저자정보
- 지도교수
- 이창우
- 발행연도
- 2017
- 저작권
- 창원대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
회전체 장치는 산업 전반에 사용되고 있으며 각각의 장치들의 수명 및 상태는 전체 공정의 가동률에 직접적인 영향을 미치므로 수명 및 상태가 매우 중요하다. 회전체를 구성하는 부품 중 하나인 베어링은 축의 하중을 지지하는 장치임과 동시에 전동기 고장 원인의 70%가 베어링의 이상으로 인해 발생한다. 이러한 베어링의 상태를 사전에 진단하는 것은 공정 휴지 시간 감소 및 원가 절감을 위해 매우 중요하다. 기존의 진단 알고리즘은 가속도 센서 및 로드셀등 여러센서를 사용하여 진단을 수행함으로써 구축비용이 비싼 단점이 있었다.
본 연구에서는 3축 가속도 센서의 진동 데이터를 통계적으로 분석하여 이상유형에 대한 이상 발생방향을 진단함으로써 이상유형을 구분하여 시스템 구축 원가를 낮추었으며, 진단한 축에 대해 경험적 모드 분해법을 이용하여 정상 및 이상 데이터를 분리하였고 서포트 벡터 머신 학습기법에 적용하였다. 시뮬레이터를 통해 알고리즘 성능을 확인하였고, 개발한 진단알고리즘을 7.5kW 전동기에 적용하여 전동기 이상유형을 구분하였다. 향후 자가진단형 7.5kW 전동기 프리미엄 모터를 개발할 수 있을 것으로 사료된다.
본 연구에서는 3축 가속도 센서의 진동 데이터를 통계적으로 분석하여 이상유형에 대한 이상 발생방향을 진단함으로써 이상유형을 구분하여 시스템 구축 원가를 낮추었으며, 진단한 축에 대해 경험적 모드 분해법을 이용하여 정상 및 이상 데이터를 분리하였고 서포트 벡터 머신 학습기법에 적용하였다. 시뮬레이터를 통해 알고리즘 성능을 확인하였고, 개발한 진단알고리즘을 7.5kW 전동기에 적용하여 전동기 이상유형을 구분하였다. 향후 자가진단형 7.5kW 전동기 프리미엄 모터를 개발할 수 있을 것으로 사료된다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0