1 |
1
원전 설비의 결함을 예측 진단하는 예측 진단 방법에 있어서,신호 처리부가 상기 원전 설비로부터 센서를 통해 데이터를 취득하는 단계;상기 신호 처리부가 상기 데이터의 전처리를 수행하며, 상기 데이터의 노이즈를 제거하는 단계;특징 모듈부가 상기 데이터를 제공받아 상기 데이터의 통계적 특징 및 형상적 특징 중 적어도 어느 하나를 추출하여, 정규화하는 단계;특징 학습 및 분류부가 상기 정규화된 데이터에 특징선택 알고리즘을 적용하여, 상기 원전 설비의 상태를 표현하는 특징을 선별하는 단계; 및상기 특징 학습 및 분류부가 상기 특징선택 알고리즘을 통해 선별된 특징을 학습하고, 학습된 특징을 분류 알고리즘을 통해 분류하여 상기 원전 설비의 상태를 인지하는 단계를 포함하고,상기 정규화하는 단계에서는시간영역 및 데이터영역 데이터에 대하여 각각 통계적 특징 및 형상적 특징을 가진 특징을 추출하는 단계와,추출된 데이터의 범위를 일치시키고 분포를 유사하게 조정하는 단계를 포함하는 예측 진단 방법
|
2 |
2
제1 항에 있어서,상기 노이즈를 제거하는 단계는상기 데이터의 샘플을 분할하는 단계와,샘플이 분할된 상기 데이터를 디지털화하며, 디지털화 과정에서 발생된 노이즈를 제거 또는 저감하는 단계와,상기 데이터의 불안정한 성질을 제거하고 상기 데이터의 크기를 감소시키는 단계와,상기 데이터를 기설정된 구간으로 분해하여 결함성분을 검출하는 단계를 포함하는 것을 특징으로 하는 예측 진단 방법
|
3 |
3
제2 항에 있어서,상기 데이터의 샘플을 분할하는 단계에서는유체유발 특성 또는 적정 효율성에서 벗어난 운전, 및 다른 설비의 진동 중 적어도 어느 하나를 포함하는 데이터를 샘플 당 500ms 간격으로 설정하여 분할하는 것을 특징으로 하는 예측 진단 방법
|
4 |
4
제3 항에 있어서,상기 데이터의 샘플을 분할하는 단계에서는상기 분할된 샘플을 중첩시켜 인접 샘플 간의 정보가 포함될 수 있도록 하는 것을 특징으로 하는 예측 진단 방법
|
5 |
5
삭제
|
6 |
6
제1 항에 있어서,상기 특징선택 알고리즘은 유전 알고리즘을 포함하는 것을 특징으로 하는 예측 진단 방법
|
7 |
7
제1 항에 있어서,상기 분류 알고리즘은 서포트 벡터 머신(Support Vector Machine; SVM) 알고리즘을 포함하는 것을 특징으로 하는 예측 진단 방법
|
8 |
8
제1 항에 있어서,상기 원전 설비는메인시일오일펌프(Main Seal Oil Pump; MSOP)를 포함하는 것을 특징으로 하는 예측 진단 방법
|
9 |
9
원전 설비의 결함을 예측 진단하는 예측 진단 시스템에 있어서,신호 처리부가 상기 원전 설비로부터 센서를 통해 데이터를 취득하는 단계;상기 신호 처리부가 상기 데이터의 전처리를 수행하며, 상기 데이터의 노이즈를 제거하는 단계;특징 모듈부가 상기 데이터를 제공받아 상기 데이터의 통계적 특징 및 형상적 특징 중 적어도 어느 하나를 추출하여, 정규화하는 단계;특징 학습 및 분류부가 상기 정규화된 데이터에 특징선택 알고리즘을 적용하여, 상기 원전 설비의 상태를 표현하는 특징을 선별하는 단계; 및상기 특징 학습 및 분류부가 상기 특징선택 알고리즘을 통해 선별된 특징을 학습하고, 학습된 특징을 분류 알고리즘을 통해 분류하여 상기 원전 설비의 상태를 인지하는 단계를 포함하고,상기 정규화하는 단계에서는시간영역 및 데이터영역 데이터에 대하여 각각 통계적 특징 및 형상적 특징을 가진 특징을 추출하는 단계와,추출된 데이터의 범위를 일치시키고 분포를 유사하게 조정하는 단계를 포함하는 예측 진단 시스템
|