KSC 2020
Current Result Document :
| 한글제목(Korean Title) |
기계 결함 감지를 위한 합성곱 신경망 모델 |
| 영문제목(English Title) |
AConvolutional Neural Network Model for Detecting Machine Failure |
| 저자(Author) |
장 흠
Xin Zhang
Scott Uk-Jin Lee
류광현
김동범
김지혜
이수원
Kwang-Hyun Ryu
Dong-Beom Kim
Ji-Hye Kim
Soo-Won Lee
|
| 원문수록처(Citation) |
VOL 47 NO. 02 PP. 0586 ~ 0588 (2020. 12) |
한글내용
(Korean Abstract) |
최근 스마트 팩토리에 인공지능을 적용하기 위한 다양한 연구가 수행되고 있다. 대표적인 연구 중 하나는 인공지능을 활용한 기계 예지보전에 관한 것으로, 기계에 결함이 발생하여 장기간 기계 구동 불가로 인해 큰 비용 손실이 발생하는 것을 막기 위해 인공지능을 활용하여 기계의 상태를 분석하고 예측하는 연구이다. 기존의 기계 결함 감지 연구는 일반적으로 기계에서 발생하는 진동 데이터를 주파수 데이터로 변환한 후, 주파수 데이터로부터 특징 추출 및 특징 선택을 통하여 기계 결함을 감지한다. 그러나 특징을 추출하는 과정에서 도메인에 대한 선행 지식이 필수적이라는 문제점이 있다. 본 논문에서는 베어링 진동 데이터와 진동 데이터로부터 계산된 Peak, RMS, Crest Factor, Kurtosis 등의 통계적 파라미터를 이용하여 도메인 지식 없이도 기계의 결함을 감지할 수 있는 합성곱 신경망 기반의 기계 결함 감지 모델을 제안한다. 실험 결과, 제안 기계 결함 감지 모델이 기존 모델에 비해 더 높은 성능을 보였다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
