딥러닝을 활용한 차량용 변속기의 이상진단에 관한 연구 :A Study On Vehicle Transmission Anomaly Detection Technology Using Deep Learning Technology

이명호

추천

검색

자료유형: 학위논문

저자정보: 이명호 (대구대학교, 대구대학교 대학원)

지도교수: 윤재웅

발행연도: 2023

저작권: 대구대학교 논문은 저작권에 의해 보호받습니다.

이용수7

이 논문의 연구 히스토리 (4)

2023

딥러닝 기법을 이용한 차량용 변속기의 이상상태 진단에 관한 연구

이명호 , 윤재웅 아시아태평양융합연구교류논문지 2023.09 학술저널

딥러닝을 활용한 차량용 변속기의 이상진단에 관한 연구

이명호 기계공학과 2023.01 학위논문

2022

차량용 변속기의 이상 진단을 위한 딥러닝 모델 최적화에 관한 연구

이명호 , 윤재웅 한국생산제조학회 학술발표대회 논문집 2022.12 학술대회자료

인공신경망을 활용한 전기자동차용 변속기의 이상 진단에 관한 연구

이명호 , 윤재웅 한국생산제조학회 학술발표대회 논문집 2022.07 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 국제 환경규제가 심해짐에 따라 기존에 사용하던 내연기관을 이용한 차량이 전기를 이용한 전기차로 수요가 변화하고 있다. 전기차의 경우 일반 내연기관의 차보다 재충전에 대한 시간으로 인해 에너지 효율에 관한 연구가 집중적으로 이루어지고 있다. 이러한 에너지 효율의 향상을 위해 해외에선 변속기를 통해 해결하고자 하는데 변속기의 경우 감속기에서는 생기지 않는 변속에 의한 진동과 소음이 발생한다. 또한 변속기는 노후화에 따른 이상상태에 매우 민감한 부품으로 시간에 따라 진동과 소음이 증가하거나 패턴이 변화하는 등 다양한 특성을 가지고 있다. 본 논문에서는 이러한 이상 상태에서 변속기의 진동과 소음 신호를 수집하여 변속기의 이상상태와 정상상태의 차이를 분석 판별하고자 연구를 진행하였다. 그러한 분석을 위해 내연기관에 사용되고 있는 수동 변속기로 테스트베드(Testbed)를 제작하여 신호 수집에 활용하였다. 육안으로 신호 분석을 진행할 때전체적인 신호의 패턴과 크기들을 관찰하고 분석하는데에 한계가 있어 전체 신호에서 특정 영역을 산출하여 분석에 활용하였다. 그에 따라 생기는 이상 상태 진단의 정확도가 떨어지는 문제점을 해결하기 위해 사람이 판별할 때 분석하지 못한 전체 신호에 대한 패턴과 크기들의 변화를 감지하여 판별할 수 있도록 딥러닝 기법을 적용하고자 하였다. 딥러닝 기법을 적용함에 따라 학습에 이용하는 학습 데이터의 경우 기존에 주파수 영역 분석에서 실시한 특정 영역을 포함한 전체 신호로 학습 데이터를 제작하였다. 또한 이상 진단을 위한 학습 모델을 제작하였으며, 모델의 정확도 향상을 위해 하이퍼파라미터(Hyperparameter)최적화를 통해 정확도를 높였다. 추가적으로 학습 모델의 평가를 위해 변속기의 이상상태 정도에 따른 테스트 데이터를 제작 정확도를 확인하여 변속기의 이상 진단에 대해 딥러닝 기법의 활용성을 검증을 하고자 한다.

Recently, as international environmental regulations have become more severe, demand for vehicles using internal combustion engines is changing to electric vehicles using electricity. In the case of electric vehicles, research on energy efficiency is being intensively conducted due to the time required for recharging compared to vehicles with a general internal combustion engine. In order to improve this energy efficiency, foreign countries try to solve it through transmissions, but in the case of transmissions, vibration and noise are generated due to shifting that do not occur in reducers. In addition, the transmission is a part that is very sensitive to abnormal conditions due to aging, and has various characteristics such as increased vibration and noise or a change in pattern over time. In this paper, a study was conducted to analyze and determine the difference between the abnormal state and the normal state of the transmission by collecting the vibration and noise signals of the transmission in this abnormal state. For such an analysis, a testbed was made with a manual transmission used in an internal combustion engine and used for signal collection. When performing signal analysis with the huma eyes, there is a limit to observing and analyzing the patterns and sizes of the overall signal, so a specific area was calculated from the entire signal and used for analysis. In order to solve the problem of low accuracy in diagnosing abnormal conditions caused by this, a deep learning technique was applied to detect and discriminate changes in patterns and sizes of the entire signal that could not be analyzed when a person discriminates. In the case of learning data used for learning by applying the deep learning technique, the learning data was produced with the entire signal including the specific area previously performed in the frequency domain analysis. In addition, a learning model for diagnosing anomalies was created, and the accuracy was improved through hyperparameter optimization to improve the accuracy of the model. In addition, for the evaluation of the learning model, the test data according to the degree of abnormality of the transmission is checked for production accuracy to verify the usability of the deep learning technique for diagnosing the abnormality of the transmission.

#딥러닝 #차량용 변속기

I. 서 론 1
1.1 연구의 필요성 및 배경 1
1.2 국내/외 연구동향 3
1.3 연구의 목적 및 내용 4
II. 진동 및 소음 분석 개요 6
2.1 TESTBED 사양 및 구조 6
2.2 TEST BED 실험 방법 8
2.3 진동과 소음의 신호 특성 10
2.3.1 변속기에서의 진동과 소음에 따른 신호 특성 10
Ⅲ. 변속기의 정상상태에서 변속에 따른 신호 변화 분석 12
3.1 정상상태 진동 신호 분석 12
3.1.1 변속에 따른 진동 주파수 영역 신호 분석 12
3.1.2 변속에 따른 진동 시간 영역 신호 분석 15
3.2 변속에 따른 소음 신호 분석 17
3.2.1 변속에 따른 소음 주파수 영역 신호 분석 17
Ⅳ. 이상 상태에서의 변속에 따른 신호 분석 19
4.1 축 오정렬에서의 신호 분석 19
4.1.1 축 오정렬 상태에서의 진동 주파수 영역 신호 분석 20
4.1.2 축 오정렬 상태에서의 진동 시간 영역 신호 신호 분석 23
4.1.3 축 오정렬 상태에서의 소음 주파수 영역 신호 분석 27
4.2 변속기 내부 오일에 따른 신호 분석 28
4.2.1 오일 부족 상태 따른 진동 주파수 영역 신호 분석 29
4.2.2 오일 부족 상태 따른 진동 시간 영역 신호 분석 31
4.2.3 오일 부족 상태 따른 소음 따른 주파수 영역 신호 분석 34
4.3 변속기의 정상상태 및 이상상태에 따른 신호 분석 결과 35
Ⅴ. Deep-Learning 기법을 이용한 변속기 이상상태 진단 37
5.1 Deep-Learning 기법 개요 37
5.2 Deep-Learning 학습모델 제작 및 모델 최적화 38
5.2.1 학습모델 제작 38
5.2.2 학습모델 최적화 40
5.3 학습 데이터 제작 41
5.4 학습 결과 및 검증 43
5.5 이상 상태 정도에 따른 딥러닝 프로그램 정확도 검증 45
Ⅵ. 결론 47
참고문헌 49
영문초록 51

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (4)

초록· 키워드

목차

최근 본 자료

댓글(0)