| 1 |
1
원전 설비로부터 진동 데이터를 취득하는 단계;상기 진동 데이터를 정규화하는 단계;상기 진동 데이터와 상기 원전 설비의 운전 정보를 연계하여 분석 데이터를 형성하는 단계;상기 분석 데이터에 특징 선택 알고리즘을 적용하여, 상기 원전 설비의 상태를 표현하는 특징을 선별하는 단계; 및상기 특징 선택 알고리즘을 통해 선별된 특징을 학습하고, 학습된 특징을 분류 알고리즘을 통해 분류하여 상기 원전 설비의 상태를 인지하는 단계를 포함하고,상기 정규화하는 단계는시간영역 및 데이터영역 데이터에 대하여 각각 통계적 특징과 형상적 특징을 가진 특징을 추출하는 단계와,상기 추출된 데이터의 범위를 일치시키고 분포를 유사하게 조정하는 단계를 포함하는 원전 설비의 예측 진단 방법
|
| 2 |
2
제1 항에 있어서,상기 운전 정보는상기 원전 설비의 유량, 압력 및 온도 정보 중 적어도 어느 하나를 포함하는 원전 설비의 예측 진단 방법
|
| 3 |
3
제1 항에 있어서,상기 형성하는 단계 이전에, 상기 진동 데이터를 전처리하는 단계를 더 포함하고,상기 전처리하는 단계는상기 진동 데이터를 분할하는 단계와, 상기 진동 데이터의 불안정한 성질을 제거하고 데이터의 크기를 감소시키는 단계를 포함하는 원전 설비의 예측 진단 방법
|
| 4 |
4
제3 항에 있어서,상기 분할하는 단계에서는상기 진동 데이터를 500ms 간격으로 분할하는 원전 설비의 예측 진단 방법
|
| 5 |
5
제3 항에 있어서,상기 분할하는 단계에서는상기 분할된 진동 데이터를 중첩시켜 인접 데이터 간의 정보가 포함되도록 하는 원전 설비의 예측 진단 방법
|
| 6 |
6
삭제
|
| 7 |
7
제1 항에 있어서,상기 특징 선택 알고리즘은유전자 알고리즘 및 주성분 분석 알고리즘 중 적어도 어느 하나를 포함하는 원전 설비의 예측 진단 방법
|
| 8 |
8
제1 항에 있어서,상기 분류 알고리즘은SVM(Support vector machine) 알고리즘 및 K-NN(K-Nearest Neighbor) 알고리즘 중 적어도 어느 하나를 포함하는 원전 설비의 예측 진단 방법
|
| 9 |
9
제1 항에 있어서,상기 원전 설비는펌프, 압축기 및 팬 중 적어도 어느 하나를 포함하는 회전기기로 마련되는 원전 설비의 예측 진단 방법
|
| 10 |
10
원전 설비로부터 진동 데이터를 취득하고,상기 진동 데이터를 정규화하고,상기 진동 데이터와 상기 원전 설비의 운전 정보를 연계하여 분석 데이터를 형성하고,상기 분석 데이터에 특징 선택 알고리즘을 적용하여 상기 원전 설비의 상태를 표현하는 특징을 선별하고,상기 특징 선택 알고리즘을 통해 선별된 특징을 학습하고 학습된 특징을 분류 알고리즘을 통해 분류하여 상기 원전 설비의 상태를 인지하고,상기 진동 데이터의 정규화에서는시간영역 및 데이터영역 데이터에 대하여 각각 통계적 특징과 형상적 특징을 가진 특징을 추출하고상기 추출된 데이터의 범위를 일치시키고 분포를 유사하게 조정하는 것을 특징으로 하는 원전 설비의 예측 진단 시스템
|
| 11 |
11
원전 설비로부터 진동 데이터를 취득하고,상기 진동 데이터를 정규화하고,상기 진동 데이터와 상기 원전 설비의 운전 정보를 연계하여 분석 데이터를 형성하고,상기 분석 데이터에 특징 선택 알고리즘을 적용하여 상기 원전 설비의 상태를 표현하는 특징을 선별하고,상기 특징 선택 알고리즘을 통해 선별된 특징을 학습하고 학습된 특징을 분류 알고리즘을 통해 분류하여 상기 원전 설비의 상태를 인지하고,상기 진동 데이터의 정규화에서는시간영역 및 데이터영역 데이터에 대하여 각각 통계적 특징과 형상적 특징을 가진 특징을 추출하고상기 추출된 데이터의 범위를 일치시키고 분포를 유사하게 조정하는 것을 특징으로 하는 예측 진단 시스템의 연산프로세서
|
