| 1 |
1
발전 설비의 회전체의 각 저널 베어링으로부터 진동 파형 신호에 대한 진동 파형 데이터 및 상기 회전체의 회전수 신호를 실시간으로 취득하는 데이터 측정부;상기 취득된 진동 파형 신호에 대한 진동 파형 데이터를, 상기 회전수 신호에 기초한 각 회전의 기준점을 이용하여 각 회전에 대해 일정 각도 기준으로 리샘플링하고, 리샘플링된 진동 파형 데이터를 상기 회전체의 측정 위치의 원주 방향에 대해 소정 각도별로 좌표축 변환시켜 상기 회전체의 전체 원주 방향에 대해 소정 각도별로의 진동 파형 데이터를 재생성하고, 재생성된 진동 파형 데이터를 이용하여 시간 영역에서 진동 파형 데이터에 대한 최대값, 실효값, 평균값, 파고값, 형상 계수, 충격 계수, 왜도 및 첨도를 포함하는 특성 인자와, 형상 영역에서 진동 파형 데이터에 대한 궤도형상 장단축 비율을 포함하는 특성 인자와, 주파수 영역에서 진동 파형 데이터에 대한 FC(Frequency Center), RVF(Root Variance Frequency), RMSF(RMS Frequency) 및 단계별 주파수 상대적 비율을 포함하는 특성 인자를 추출하여 정량화시키는 신호 처리부;각 고장 유형 상태에서 얻어진 진동 파형 데이터로부터 추출된 특성 인자에 대해서 유전 알고리즘을 이용하되 쿨백-라이블러 발산법(Kullback-Leibler Divergence) 또는 확률적 분리 판별법(Probabilistic Discriminant Separability)에 의해 최적의 특성 인자를 분류하여, 고장 유형별로 분류된 특성 인자의 패턴이 저장된 특성 패턴 저장부; 및상기 고장 유형별로 분류된 특성 인자의 패턴에 기초하여, 자동으로 학습된 서포트 벡터 머신 또는 FDA 분류기를 사용하여 진단하고자 하는 발전 설비의 고장 여부 및 고장 유형을 진단하는 고장 진단부를 포함하며,상기 데이터 측정부는 상기 회전체의 각 저널 베어링에서 진동 변위를 90도 간격을 두고 측정하는 갭 센서와, 각 회전의 기준점을 제공하기 위해 상기 회전체의 회전수를 측정하는 타코 센서를 포함하는 발전 설비의 자동 진단 시스템
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
삭제
|
| 7 |
7
청구항 1에 있어서,상기 고장 유형은, 회전체에 대한 질량불평형 상태, 러빙 상태, 오정렬 상태 및 오일 훨 상태 중 적어도 하나를 포함하는 발전 설비의 자동 진단 시스템
|
| 8 |
8
청구항 1에 있어서,상기 분류된 특성 인자에 대해서, 기계 학습을 통해 대상설비의 정상상태 데이터의 분포를 모두 정규분포로 가정한 후, 유사 설비의 정상상태 데이터 분포를 실제 적용 대상설비의 정상상태 데이터와 동일하도록 스케일링하여, 이전 특성 인자 데이터를 업데이트함으로써 자동진단 정확도를 향상시키는 발전 설비의 자동 진단 시스템
|
| 9 |
9
청구항 1에 있어서,상기 특성 인자 중 고장 유형별로 설정된 특성 인자에 대한 고장 지수에 기초하여, 상기 진단하고자 하는 발전 설비의 잔여 건전성 상태(Remaining Health state)를 고장 유형별로 분석하는 고장 예측부를 더 포함하는 발전 설비의 자동 진단 시스템
|
| 10 |
10
청구항 1에 있어서,상기 진단하고자 하는 발전 설비의 현재 상태와 관련된 특성 인자를 이용하여 다차원 그래프 형태로 출력하는 출력부를 더 포함하는 발전 설비의 자동 진단 시스템
|
| 11 |
11
발전 설비의 회전체의 각 저널 베어링으로부터 진동 파형 신호에 대한 진동 파형 데이터 및 상기 회전체의 회전수 신호를 실시간으로 취득하는 단계;상기 취득된 진동 파형 신호에 대한 진동 파형 데이터를, 상기 회전수 신호에 기초한 각 회전의 기준점을 이용하여 각 회전에 대해 일정 각도 기준으로 리샘플링하고, 리샘플링된 진동 파형 데이터를 상기 회전체의 측정 위치의 원주 방향에 대해 소정 각도별로 좌표축 변환시켜 상기 회전체의 전체 원주 방향에 대해 소정 각도별로의 진동 파형 데이터를 재생성하고, 재생성된 진동 파형 데이터를 이용하여 시간 영역에서 진동 파형 데이터에 대한 최대값, 실효값, 평균값, 파고값, 형상 계수, 충격 계수, 왜도 및 첨도를 포함하는 특성 인자와, 형상 영역에서 진동 파형 데이터에 대한 궤도형상 장단축 비율을 포함하는 특성 인자와, 주파수 영역에서 진동 파형 데이터에 대한 FC(Frequency Center), RVF(Root Variance Frequency), RMSF(RMS Frequency) 및 단계별 주파수 상대적 비율을 포함하는 특성 인자를 추출하여 정량화시키는 단계;각 고장 유형 상태에서 얻어진 진동 파형 데이터로부터 추출된 특성 인자에 대해서 유전 알고리즘을 이용하되 쿨백-라이블러 발산법(Kullback-Leibler Divergence) 또는 확률적 분리 판별법(Probabilistic Discriminant Separability)에 의해 최적의 특성 인자를 분류하여, 고장 유형별로 분류된 특성 인자의 패턴을 저장하는 단계; 및상기 고장 유형별로 분류된 특성 인자의 패턴에 기초하여, 자동으로 학습된 서포트 벡터 머신 또는 FDA 분류기를 사용하여 진단하고자 하는 발전 설비의 고장 여부 및 고장 유형을 진단하는 단계를 포함하며,상기 취득하는 단계는, 갭 센서를 이용하여 상기 회전체의 각 저널 베어링에서 진동 변위를 90도 간격을 두고 측정하고, 타코 센서를 이용하여 각 회전의 기준점을 제공하기 위해 상기 회전체의 회전수를 측정하는 것인 발전 설비의 자동 진단 방법
|
