1 |
1
대상물에 대한 센싱 데이터를 입력 받아 시간과 주파수 성분으로 구성된 적어도 2개 이상의 시간/주파수 맵을 생성하는 변환부와,상기 변환부에서 생성된 적어도 2개 이상의 시간 주파수 맵을 결합하여 시간/주파수 결합 맵을 생성하는 결합부와,딥러닝 기반 모델을 통해 상기 시간/주파수 결합 맵을 분석하여 대상물의 고장 진단 결과를 출력하는 분류부를 포함하는 인공지능 기반 고장 진단 장치
|
2 |
2
제1항에 있어서,상기 변환부는 적어도 2개 종류 이상의 웨이블렛 변환(wavelet transform) 기법을 이용하여 시간/주파수 맵을 생성하는 것을 특징으로 하는 인공지능 기반 고장 진단 장치
|
3 |
3
제1항에 있어서,상기 결합부는 적어도 2개 이상의 시간/주파수 맵에 대해 동일한 위치의 픽셀 값을 합산하여 하나의 시간/주파수 결합 맵을 생성하는 것을 특징으로 하는 인공지능 기반 고장 진단 장치
|
4 |
4
제3항에 있어서,상기 결합부는 적어도 2개 이상의 시간/주파수 맵에 각각 다른 가중치를 곱하고 가중치가 적용된 적어도 2개 이상의 시간/주파수 맵에 대하여 동일한 위치의 픽셀 값을 합산하여 하나의 시간/주파수 결합 맵을 생성하는 것을 특징으로 하는 인공지능 기반 고장 진단 장치
|
5 |
5
제4항에 있어서, 상기 가중치는 상기 딥러닝 기반 모델을 학습하는 과정에서 결정되는 것을 특징으로 하는 인공지능 기반 고장 진단 장치
|
6 |
6
제1항에 있어서,상기 분류부는 상기 시간/주파수 결합 맵으로부터 특징 맵을 추출하고 심층 신경망을 통해 특징 맵을 분석하여 대상물의 고장 유무 또는 고장 시의 고장 종류를 출력하는 것을 특징으로 하는 인공지능 기반 고장 진단 장치
|
7 |
7
고장 진단 장치에서 인공지능 기반으로 대상물에 대한 고장 진단을 수행하는 방법에 있어서, 대상물에 대한 센싱 데이터를 입력 받아 시간과 주파수 성분으로 구성된 적어도 2개 이상의 시간/주파수 맵을 생성하는 단계와, 상기 생성된 적어도 2개 이상의 시간 주파수 맵을 결합하여 시간/주파수 결합 맵을 생성하는 단계와,딥러닝 기반 모델을 통해 상기 시간/주파수 결합 맵을 분석하여 대상물의 고장 진단 결과를 출력하는 단계를 포함하는 인공지능 기반 고장 진단 방법
|
8 |
8
제7항에 있어서,상기 시간/주파수 맵을 생성하는 단계는 적어도 2개 종류 이상의 웨이블렛 변환(wavelet transform) 기법을 이용하여 시간/주파수 맵을 생성하는 것을 특징으로 하는 인공지능 기반 고장 진단 방법
|
9 |
9
제8항에 있어서,상기 시간/주파수 결합 맵을 생성하는 단계는 적어도 2개 이상의 시간/주파수 맵에 대해 동일한 위치의 픽셀 값을 합산하여 하나의 시간/주파수 결합 맵을 생성하는 것을 특징으로 하는 인공지능 기반 고장 진단 방법
|
10 |
10
제9항에 있어서,상기 시간/주파수 결합 맵을 생성하는 단계는 적어도 2개 이상의 시간/주파수 맵에 각각 다른 가중치를 곱하고 가중치가 적용된 적어도 2개 이상의 시간/주파수 맵에 대하여 동일한 위치의 픽셀 값을 합산하여 하나의 시간/주파수 결합 맵을 생성하는 것을 특징으로 하는 인공지능 기반 고장 진단 방법
|
11 |
11
제10항에 있어서, 상기 가중치는 상기 딥러닝 기반 모델을 학습하는 과정에서 결정되는 것을 특징으로 하는 인공지능 기반 고장 진단 방법
|
12 |
12
제7항에 있어서,상기 대상물의 고장 진단 결과를 출력하는 단계는 상기 시간/주파수 결합 맵으로부터 특징 맵을 추출하고 심층 신경망을 통해 특징 맵을 분석하여 대상물의 고장 유무 또는 고장 시의 고장 종류를 출력하는 것을 특징으로 하는 인공지능 기반 고장 진단 방법
|
13 |
13
대상물에 대한 센싱 데이터를 입력 받아 시간과 주파수 성분으로 구성된 적어도 2개 이상의 시간/주파수 맵을 생성하는 제1 그룹 시간/주파수 생성 모듈과,대상물에 대한 센싱 데이터를 입력 받아 시간과 주파수 성분으로 구성된 적어도 2개 이상의 시간/주파수 맵을 생성하는 제2 그룹 시간/주파수 생성 모듈과,상기 제1 그룹 시간/주파수 생성 모듈에서 생성한 적어도 2개 이상의 시간 주파수 맵을 결합하여 제1 시간/주파수 결합 맵을 생성하는 제1 결합부와, 상기 제2 그룹 시간/주파수 생성 모듈에서 생성한 적어도 2개 이상의 시간 주파수 맵을 결합하여 제2 시간/주파수 결합 맵을 생성하는 제2 결합부와, 상기 제1 시간/주파수 결합 맵 및 상기 제2 시간/주파수 맵을 분석하여 대상물의 고장 진단 결과를 출력하는 분류부를 포함하는 인공지능 기반 고장 진단 장치
|
14 |
14
제13항에 있어서,상기 분류부는 상기 제1 시간/주파수 결합 맵으로부터 제1 특징 맵을 추출하는 제1 특징 추출 모듈과,상기 제2 시간/주파수 맵으로부터 제2 특징 맵을 추출하는 제2 특징 추출 모듈과,상기 제1 특징 맵과 제2 특징 맵을 결합하는 결합층과,상기 결합층에서 결합된 특징 맵을 분석하여 대상물의 고장 진단 결과를 출력하는 심층 신경망을 포함하는 것을 특징으로 하는 인공지능 기반 고장 진단 장치
|
15 |
15
고장 진단 장치에서 인공지능 기반으로 대상물에 대한 고장 진단을 수행하는 방법에 있어서, 대상물에 대한 센싱 데이터를 입력 받아 시간과 주파수 성분으로 구성된 적어도 2개 이상의 시간/주파수 맵을 생성하는 제1 시간/주파수 생성 단계와, 대상물에 대한 센싱 데이터를 입력 받아 시간과 주파수 성분으로 구성된 적어도 2개 이상의 시간/주파수 맵을 생성하는 제2 시간/주파수 생성 단계와,상기 제1 시간/주파수 생성 단계에서 생성한 적어도 2개 이상의 시간 주파수 맵을 결합하여 제1 시간/주파수 결합 맵을 생성하는 제1 결합 단계와, 상기 제2 시간/주파수 생성 단계에서 생성한 적어도 2개 이상의 시간 주파수 맵을 결합하여 제2 시간/주파수 결합 맵을 생성하는 제2 결합 단계와, 상기 제1 시간/주파수 결합 맵 및 상기 제2 시간/주파수 맵을 분석하여 대상물의 고장 진단 결과를 출력하는 분류 단계를 포함하는 인공지능 기반 고장 진단 방법
|
16 |
16
제15항에 있어서,상기 분류 단계는 상기 제1 시간/주파수 결합 맵으로부터 제1 특징 맵을 추출하는 제1 특징 추출 단계와,상기 제2 시간/주파수 맵으로부터 제2 특징 맵을 추출하는 제2 특징 추출 단계와,상기 제1 특징 맵과 제2 특징 맵을 결합하는 특징 맵 결합 단계와,상기 결합층에서 결합된 특징 맵을 심층 신경망을 통해 분석하여 대상물의 고장 진단 결과를 출력하는 고장 진단 결과 출력 단계를 포함하는 것을 특징으로 하는 인공지능 기반 고장 진단 방법
|