맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

확률밀도 기반의 고장 진단 방법 및 장치

  • 기술번호 : KST2019031301
  • 담당센터 : 부산기술혁신센터
  • 전화번호 : 051-606-6561
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 확률밀도 기반의 고장 진단 방법 및 장치에 관한 것으로서, 본 발명의 실시 예에 따른 확률밀도 기반의 고장 진단 방법은 미리 획득한 결함별 학습신호로부터 각 결함들을 구분하는 학습특징들을 추출하여 학습 특징벡터를 생성하는 단계; 상기 생성된 학습 특징벡터들을 확률밀도 기반 분류기에 학습시키는 단계; 분류 대상인 입력 신호로부터 각 결함들을 구분하는 입력특징들을 추출하여 입력 특징벡터를 생성하는 단계; 상기 생성된 입력 특징벡터들을 상기 학습된 확률밀도 기반 분류기에 입력시키고, 상기 학습 특징벡터들에 대한 각 클래스의 거리 확률밀도함수와 상기 입력 특징벡터들에 대한 분류확률을 계산하여 결함 분류 결과를 산출하는 단계; 및 상기 산출된 결함 분류 결과를 통해 고장 상태를 진단하는 단계를 포함한다.
Int. CL G06N 7/00 (2006.01.01) G06N 20/00 (2019.01.01)
CPC G06N 7/005(2013.01) G06N 7/005(2013.01)
출원번호/일자 1020160161987 (2016.11.30)
출원인 울산대학교 산학협력단
등록번호/일자 10-1797400-0000 (2017.11.07)
공개번호/일자
공고번호/일자 (20171115) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2016.11.30)
심사청구항수 16

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 울산대학교 산학협력단 대한민국 울산광역시 남구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김종면 대한민국 경상남도 양산시 삼호로 **, *
2 김재영 대한민국 부산광역시 수영구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김종선 대한민국 서울특별시 강남구 역삼로*길 **, 광성빌딩 **층 (역삼동)(케이엘피특허법률사무소)
2 이형석 대한민국 서울특별시 강남구 역삼로*길 **, 광성빌딩 **층 (역삼동)(케이엘피특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 울산대학교 산학협력단 대한민국 울산광역시 남구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2016.11.30 수리 (Accepted) 1-1-2016-1177151-60
2 [우선심사신청]심사청구(우선심사신청)서
[Request for Preferential Examination] Request for Examination (Request for Preferential Examination)		 2017.07.05 수리 (Accepted) 1-1-2017-0643187-67
3 [우선심사신청]선행기술조사의뢰서
[Request for Preferential Examination] Request for Prior Art Search		 2017.07.10 수리 (Accepted) 9-1-9999-9999999-89
4 [우선심사신청]선행기술조사보고서
[Request for Preferential Examination] Report of Prior Art Search		 2017.07.14 수리 (Accepted) 9-1-2017-0023515-28
5 의견제출통지서
Notification of reason for refusal		 2017.07.20 발송처리완료 (Completion of Transmission) 9-5-2017-0509064-97
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2017.09.20 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2017-0915968-66
7 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2017.09.20 수리 (Accepted) 1-1-2017-0915961-47
8 등록결정서
Decision to grant		 2017.10.27 발송처리완료 (Completion of Transmission) 9-5-2017-0746152-54
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.07.10 수리 (Accepted) 4-1-2020-5154267-54
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
고장 진단 장치에 의해 수행되는 고장 진단 방법에 있어서,미리 획득한 결함별 학습신호로부터 각 결함들을 구분하는 학습특징들을 추출하여 학습 특징벡터를 생성하는 단계;상기 생성된 학습 특징벡터들을 확률밀도 기반 분류기에 학습시키는 단계;분류 대상인 입력 신호로부터 각 결함들을 구분하는 입력특징들을 추출하여 입력 특징벡터를 생성하는 단계;상기 생성된 입력 특징벡터들을 상기 학습된 확률밀도 기반 분류기에 입력시키고, 상기 학습 특징벡터들에 대한 각 클래스의 거리 확률밀도함수와 상기 입력 특징벡터들에 대한 분류확률을 계산하여 결함 분류 결과를 산출하는 단계; 및상기 산출된 결함 분류 결과를 통해 고장 상태를 진단하는 단계를 포함하고,상기 결함 분류 결과를 산출하는 단계는, 상기 생성된 학습 특징벡터들 및 상기 생성된 입력 특징벡터들을 이용하여 각 클래스의 거리 확률밀도함수를 산출하는 단계;상기 계산된 각 클래스의 거리 확률밀도함수를 통해 입력 특징벡터에 대한 확률밀도함수의 값을 계산하고, 상기 입력 특징벡터에 대한 확률밀도 기반 분류기의 분류확률을 계산하는 단계;상기 계산된 확률밀도함수의 값과 상기 계산된 분류확률을 이용하여 입력 특징벡터에 대해 각 클래스의 멤버십 값을 계산하는 단계; 및상기 계산된 각 클래스에 대한 멤버십 값을 비교하여 멤버십 값이 가장 큰 클래스로 입력 특징벡터를 분류하는 단계를 포함하는 고장 진단 방법
2 2
삭제
3 3
제1항에 있어서,상기 거리 확률밀도함수를 산출하는 단계는, 상기 생성된 학습 특징벡터들 및 상기 생성된 입력 특징벡터들을 이용하되, 입력 특징벡터와 각 클래스 내의 모든 학습 특징벡터들에 대해 기설정된 개수의 이웃한 특징벡터들과의 거리를 계산하는 단계;상기 계산된 이웃한 특징벡터들의 거리 중 가장 큰 거리 값을 계산하는 단계; 및상기 계산된 가장 큰 거리 값을 이용하여 각 클래스의 거리 확률밀도함수를 계산하는 단계를 포함하는 고장 진단 방법
4 4
제3항에 있어서,상기 거리 확률밀도함수를 계산하는 단계는, 상기 입력 특징벡터의 분포가 정규분포 또는 지수분포에 따라 서로 다른 분포를 부합하는 거리 확률밀도함수를 계산하는 고장 진단 방법
5 5
제3항에 있어서,상기 거리 확률밀도함수를 계산하는 단계는, 상기 입력 특징벡터의 분포가 정규분포이면, [수학식 3],는 거리 확률밀도함수, 는 클래스 i의 j번째 특징벡터와 이웃한 특징벡터들의 거리 중 가장 큰 거리 값, 는 분포의 평균, 는 분포의 표준편차를 나타내며, 상기의 [수학식 3]에 따라 거리 확률밀도함수를 계산하는 고장 진단 방법
6 6
제3항에 있어서,상기 거리 확률밀도함수를 계산하는 단계는, 상기 입력 특징벡터의 분포가 지수분포이면,[수학식 4],는 거리 확률밀도함수, 는 클래스 i의 j번째 특징벡터와 이웃한 특징벡터들의 거리 중 가장 큰 거리 값, 는 분포의 평균, 는 분포의 표준편차를 나타내며, 상기의 [수학식 4]에 따라 거리 확률밀도함수를 계산하는 고장 진단 방법
7 7
제1항에 있어서,상기 확률밀도 기반 분류기는, 상기 입력 특징벡터와 이웃한 특징벡터의 번호인 k 개의 학습 특징벡터를 이용하여 상기 입력 특징벡터를 거리 확률밀도함수 기반으로 분류하는 확률밀도 기반의 k-NN 분류기인 것을 특징으로 하는 고장 진단 방법
8 8
제1항에 있어서,상기 분류확률을 계산하는 단계는, 각 클래스에 대해서, 기설정된 개수의 이웃한 학습 특징벡터들 중에서 해당 클래스에 속하는 학습 특징벡터의 비율을 상기 입력 특징벡터에 대한 확률밀도 기반 분류기의 분류확률로 계산하는 고장 진단 방법
9 9
제1항에 있어서,상기 가장 큰 클래스로 입력 특징벡터를 분류하는 단계는, [수학식 5],는 클래스 i의 멤버십 값, 는 클래스 i에 대한 분류기의 분류확률, 는 클래스 i에 대한 확률밀도함수의 값, 는 클래스 i'의 멤버십 값, 는 클래스 i'에 대한 분류기의 분류확률, 는 클래스 i'에 대한 확률밀도함수의 값을 나타내며, 상기 계산된 확률밀도 기반의 분류기의 분류확률과 상기 계산된 확률밀도함수의 값을 상기의 [수학식 5]에 따라 각 클래스의 멤버십 값을 계산하는 고장 진단 방법
10 10
미리 획득한 결함별 학습신호로부터 각 결함들을 구분하는 학습특징들을 추출하여 학습 특징벡터를 생성하는 학습특징 추출부;상기 생성된 학습 특징벡터들을 확률밀도 기반 분류기에 학습시키는 분류기 학습부;분류 대상인 입력 신호로부터 각 결함들을 구분하는 입력특징들을 추출하여 입력 특징벡터를 생성하는 입력특징 추출부;상기 생성된 입력 특징벡터들을 상기 학습된 확률밀도 기반 분류기에 입력시키고, 상기 학습 특징벡터들에 대한 각 클래스의 거리 확률밀도함수와 상기 입력 특징벡터들에 대한 분류확률을 계산하여 결함 분류 결과를 산출하는 결함 분류부; 및상기 산출된 결함 분류 결과를 통해 고장 상태를 진단하는 고장 진단부를 포함하고,상기 결함 분류부는, 상기 생성된 학습 특징벡터들 및 상기 생성된 입력 특징벡터들을 이용하여 각 클래스의 거리 확률밀도함수를 산출하고, 상기 산출된 각 클래스의 거리 확률밀도함수를 통해 입력 특징벡터에 대한 확률밀도함수의 값을 계산하고, 상기 입력 특징벡터에 대한 확률밀도 기반 분류기의 분류확률을 계산하고, 상기 계산된 확률밀도함수의 값과 상기 계산된 분류확률을 이용하여 입력 특징벡터에 대해 각 클래스의 멤버십 값을 계산하고, 상기 계산된 각 클래스에 대한 멤버십 값을 비교하여 멤버십 값이 가장 큰 클래스로 입력 특징벡터를 분류하는 고장 진단 장치
11 11
삭제
12 12
제10항에 있어서,상기 결함 분류부는, 상기 생성된 학습 특징벡터들 및 상기 생성된 입력 특징벡터들을 이용하되, 입력 특징벡터와 각 클래스 내의 모든 학습 특징벡터들에 대해 기설정된 개수의 이웃한 특징벡터들과의 거리를 계산하고, 상기 계산된 이웃한 특징벡터들의 거리 중 가장 큰 거리 값을 계산하고, 상기 계산된 가장 큰 거리 값을 이용하여 각 클래스의 거리 확률밀도함수를 계산하는 고장 진단 장치
13 13
제12항에 있어서,상기 결함 분류부는, 상기 입력 특징벡터의 분포가 정규분포 또는 지수분포에 따라 서로 다른 분포를 부합하는 거리 확률밀도함수를 계산하는 고장 진단 장치
14 14
제12항에 있어서,상기 결함 분류부는, 상기 입력 특징벡터의 분포가 정규분포이면, [수학식 3],는 거리 확률밀도함수, 는 클래스 i의 j번째 특징벡터와 이웃한 특징벡터들의 거리 중 가장 큰 거리 값, 는 분포의 평균, 는 분포의 표준편차를 나타내며, 상기의 [수학식 3]에 따라 거리 확률밀도함수를 계산하는 고장 진단 장치
15 15
제12항에 있어서,상기 결함 분류부는, 상기 입력 특징벡터의 분포가 지수분포이면,[수학식 4]는 거리 확률밀도함수, 는 클래스 i의 j번째 특징벡터와 이웃한 특징벡터들의 거리 중 가장 큰 거리 값, 는 분포의 평균, 는 분포의 표준편차를 나타내며, 상기의 [수학식 4]에 따라 거리 확률밀도함수를 계산하는 고장 진단 장치
16 16
제10항에 있어서,상기 확률밀도 기반 분류기는, 상기 입력 특징벡터와 이웃한 특징벡터의 번호인 k 개의 학습 특징벡터를 이용하여 상기 입력 특징벡터를 거리 확률밀도함수 기반으로 분류하는 확률밀도 기반의 k-NN 분류기인 것을 특징으로 하는 고장 진단 장치
17 17
제10항에 있어서,상기 결함 분류부는, 각 클래스에 대해서, 기설정된 개수의 이웃한 학습 특징벡터들 중에서 해당 클래스에 속하는 학습 특징벡터의 비율을 상기 입력 특징벡터에 대한 확률밀도 기반 분류기의 분류확률로 계산하는 고장 진단 장치
18 18
제10항에 있어서,상기 결함 분류부는, [수학식 5],는 클래스 i의 멤버십 값, 는 클래스 i에 대한 분류기의 분류확률, 는 클래스 i에 대한 확률밀도함수의 값, 는 클래스 i'의 멤버십 값, 는 클래스 i'에 대한 분류기의 분류확률, 는 클래스 i'에 대한 확률밀도함수의 값을 나타내며, 상기 계산된 확률밀도 기반의 분류기의 분류확률과 상기 계산된 확률밀도함수의 값을 상기의 [수학식 5]에 따라 각 클래스의 멤버십 값을 계산하는 고장 진단 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 산업통상자원부 울산대학교산학협력단 에너지안전기술개발 산업설비 압력용기/탱크 음향방출 진단장비 및 모니터링 시스템 개발
2 미래창조과학부 울산대학교 산학협력단 이공계전문기술·연구인력양성 인공지능기반 화학용 펌프 베어링 모너터링 및 3D프린팅 시스템 개발
3 중소기업청 울산대학교산학협력단 산학연협력기술개발 배관설비 파이프 모니터링 및 진단 시스템 개발
4 교육부 주식회사 피에이치엠솔루션즈 산학협력선도대학육성사업 음향방출 기술을 이용하여 자동차 주행 중 허브 베어링 상태 모니터링 및 진단 시스템 개발