1 |
1
팬의 가속도 데이터를 획득하는 가속도 센서;상기 팬의 회전수 데이터를 획득하는 적외선 센서;상기 팬의 음향 데이터를 획득하는 음향 센서;상기 가속도 데이터, 상기 회전수 데이터, 및 상기 음향 데이터를 일정 기간 이상 수집하는 시계열 자료 수집부;상기 시계열 자료를 주파수 자료로 변환하는 주파수 자료 변환부;상기 주파수 자료 중 일부 통계 값만을 특성 자료로 추출하는 특성 자료 추출부;상기 특성 자료를 학습시키는 자료 기계 학습부; 및 상기 학습 자료를 토대로 상기 팬의 운전 상태를 판단하는 운전 상태 판단부를 포함하여 구성됨을 특징으로 하는 팬의 운전 건전성 평가 시스템
|
2 |
2
제 1 항에 있어서,상기 시계열 자료 수집부, 상기 주파수 자료 변환부, 상기 특성 자료 추출부, 상기 자료 기계 학습부, 및 상기 운전 상태 판단부는 하나의 프로세서 내에서 동작되며,상기 프로세서는 상기 가속도 데이터, 상기 회전수 데이터, 및 상기 음향 데이터를 연산 처리하고, 출력부를 제어하여 상기 운전 상태를 디스플레이하거나 통신부를 제어하여 외부 기기와 통신을 수행하고 상기 운전 상태를 상기 외부 기기로 전송하는 것을 특징으로 하는 팬의 운전 건전성 평가 시스템
|
3 |
3
제 1 항에 있어서,상기 특성 자료 추출부는, x 방향 가속도 주파수, y 방향 가속도 주파수, 음향 주파수, 및 회전수를 특성 자료로 추출하는 것을 특징으로 하는 팬의 운전 건전성 평가 시스템
|
4 |
4
제 1 항에 있어서,상기 자료 기계 학습부는 랜덤 포레스트(RF) 모델을 이용하여 기계 학습하는 것을 특징으로 하는 팬의 운전 건전성 평가 시스템
|
5 |
5
제 1 항에 있어서,상기 운전 상태는 정상, 기계적 결함, 및 환경적 요인을 포함하여 구성됨을 특징으로 하는 팬의 운전 건전성 평가 시스템
|
6 |
6
가속도 데이터, 회전수 데이터, 음향 데이터를 이용하여 팬의 운전 상태에 대한 자료를 3개월 이상 시계열적으로 수집하는 단계;상기 시계열 자료를 주파수 자료로 변환하는 단계;상기 주파수 자료를 적절한 통계량으로 만들고, 일부 자료만을 특성 자료로 추출하는 단계;상기 특성 자료를 RF 모델, k-NN 모델, 혹은 SVM 모델 중 하나 이상의 기계 학습 알고리즘을 이용하여 학습시키는 단계; 및상기 학습 자료를 기초로 상기 운전 상태를 정상/비정상으로 평가하는 단계를 포함하여 구성됨을 특징으로 하는 팬의 운전 건전성 평가 방법
|
7 |
7
제 6 항에 있어서,상기 시계열 자료는, 가속도 데이터, 회전수 데이터, 및 음향 데이터를 포함하고,상기 주파수 자료는, x 방향 가속도 주파수 자료, y 방향 가속도 주파수 자료, 음향 주파수 자료, 및 회전수 자료를 포함하여 구성됨을 특징으로 하는 팬의 운전 건전성 평가 방법
|
8 |
8
제 7 항에 있어서,상기 x 방향 가속도 주파수 자료는, x-mean(자료의 평균값), x-std(자료의 표준편차), x-min(자료의 최소값), x-max(자료의 최대값), x-median(자료의 중앙값), x-1q(자료의 1 사분위수), x-3q(자료의 3 사분위수), x-fmax(진폭이 최대일 때 주파수)을 포함하고,상기 y 방향 가속도 주파수 자료는, y-mean(자료의 평균값), y-std(자료의 표준편차), y-min(자료의 최소값), y-max(자료의 최대값), y-median(자료의 중앙값), y-1q(자료의 1 사분위수), y-3q(자료의 3 사분위수), y-fmax(진폭이 최대일 때 주파수)을 포함하여 구성됨을 특징으로 하는 팬의 운전 건전성 평가 방법
|
9 |
9
제 7 항에 있어서,상기 음향 주파수 자료는, s-mean(자료의 평균값), s-std(자료의 표준편차), s-min(자료의 최소값), s-max(자료의 최대값), s-median(자료의 중앙값), s-1q(자료의 1 사분위수), s-3q(자료의 3 사분위수), s-fmax(진폭이 최대일 때 주파수)을 포함하여 구성됨을 특징으로 하는 팬의 운전 건전성 평가 방법
|
10 |
10
제 7 항에 있어서,상기 팬은 소형 팬을 포함하여 구성됨을 특징으로 하는 팬의 운전 건전성 평가 방법
|
11 |
11
팬에 직접 혹은 주변에 설치되는 적어도 하나 이상의 센서;상기 센서를 통해 상기 팬의 운전 상태에 관한 시계열 데이터를 일정 기간 이상 획득하는 시계열 자료 수집부;상기 시계열 자료를 주파수 자료로 변환하는 주파수 자료 변환부;상기 주파수 자료 중 특성 자료를 추출하는 특성 자료 추출부;상기 특성 자료를 기계 학습시키는 자료 기계 학습부; 및상기 팬의 운전 상태를 평가하는 운전 상태 판단부를 포함하여 구성됨을 특징으로 하는 팬의 운전 건전성 평가 시스템
|
12 |
12
제 11 항에 있어서,상기 센서는, 상기 팬의 가속도 데이터를 획득하는 가속도 센서를 포함하고, 상기 특성 자료는, x 방향 가속도 주파수 자료, 및 y 방향 가속도 주파수 자료를 포함하며, 상기 각 자료는 적어도 자료의 평균값과 표준 편차를 포함하여 구성됨을 특징으로 하는 팬의 운전 건전성 평가 시스템
|
13 |
13
제 12 항에 있어서,상기 팬의 음향 데이터를 획득하는 음향 센서를 포함하고, 상기 특성 자료는, 음향 주파수 자료를 포함하고, 상기 각 자료는 적어도 자료의 평균값과 표준 편차를 포함하여 구성됨을 특징으로 하는 팬의 운전 건전성 평가 시스템
|
14 |
14
제 13 항에 있어서,상기 센서는, 상기 팬의 회전수 데이터를 획득하는 광 센서를 포함하여 구성됨을 특징으로 하는 팬의 운전 건전성 평가 시스템
|
15 |
15
제 14 항에 있어서,상기 기계 학습은 RF 모델, k-NN 모델, 혹은 SVM 모델 중 적어도 하나 이상을 포함하여 구성됨을 특징으로 하는 팬의 운전 건전성 평가 시스템
|