| 1 |
1
설비에 대한 센싱 신호를 입력 받아 신호 입력 벡터를 생성하는 입력 벡터 생성부와,상기 센싱 신호를 주파수 변환하여 주파수 변환 벡터를 생성하는 신호 변환부와,상기 신호 입력 벡터 및 주파수 변환 벡터를 입력 받고 딥러닝 기반 모델을 통해 분석하여 설비에 대한 상태 진단 결과를 출력하는 분석부를 포함하는 머신러닝 기반 주파수 분석을 이용한 고장 진단 장치
|
| 2 |
2
제1항에 있어서,상기 입력 벡터 생성부는 상기 센싱 신호를 일정한 간격마다 소정의 윈도우 크기로 크로핑(cropping)한 후 샘플링 주기마다 신호 크기를 추출하여 1차원 신호 입력 벡터를 생성하는 것을 특징으로 하는 머신러닝 기반 주파수 분석을 이용한 고장 진단 장치
|
| 3 |
3
제2항에 있어서,상기 분석부는 컨벌루션 신경망(CNN)을 통해 상기 1차원 신호 입력 벡터로부터 신호 특징 벡터를 추출하고, 상기 추출한 신호 특징 벡터와 상기 주파수 변환 벡터를 결합하고 결합 벡터를 심층 신경망을 통해 분석하여 설비에 대한 상태 진단 결과를 출력하는 것을 특징으로 하는 머신러닝 기반 주파수 분석을 이용한 고장 진단 장치
|
| 4 |
4
제2항에 있어서,상기 분석부는 제1 컨벌루션 신경망(CNN)을 통해 상기 1차원 입력 벡터로부터 신호 특징 벡터를 추출하고, 제2 컨벌루션 신경망을 통해 상기 주파수 변환 벡터로부터 주파수 특징 벡터를 추출하여, 상기 추출한 신호 특징 벡터와 상기 주파수 특징 벡터를 결합하고 결합 벡터를 심층 신경망을 통해 분석하여 설비에 대한 상태 진단 결과를 출력하는 것을 특징으로 하는 머신러닝 기반 주파수 분석을 이용한 고장 진단 장치
|
| 5 |
5
설비에 대한 센싱 신호를 입력 받아 1차원 신호 입력 벡터를 생성하는 입력 벡터 생성부와,상기 센싱 신호를 주파수 변환하여 주파수 변환 벡터를 생성하는 신호 변환부와,상기 1차원 신호 입력 벡터로부터 신호 특징 벡터를 추출하는 특징 추출 모듈과,상기 신호 특징 벡터와 상기 주파수 변환 벡터를 결합하는 결합기와,상기 결합기를 통해 결합된 벡터를 분석하여 설비의 고장 진단 결과를 출력하는 분류 모듈을 포함하는 머신러닝 기반 주파수 분석을 이용한 고장 진단 장치
|
| 6 |
6
설비에 대한 센싱 신호를 입력 받아 1차원 신호 입력 벡터를 생성하는 입력 벡터 생성부와,상기 센싱 신호를 주파수 변환하여 주파수 변환 벡터를 생성하는 신호 변환부와,상기 1차원 신호 입력 벡터로부터 신호 특징 벡터를 추출하는 제1 특징 추출 모듈과, 상기 주파수 변환벡터로부터 주파수 특징 벡터를 추출하는 제2 특징 추출 모듈과, 상기 신호 특징 벡터와 상기 주파수 특징 벡터를 결합하는 결합기와,상기 결합기를 통해 결합된 벡터를 분석하여 설비의 고장 진단 결과를 출력하는 분류 모듈을 포함하는 머신러닝 기반 주파수 분석을 이용한 고장 진단 장치
|
| 7 |
7
제5항 또는 제6항에 있어서,상기 입력 벡터 생성부는 상기 센싱 신호를 일정한 간격마다 소정의 윈도우 크기로 크로핑(cropping)한 후 샘플링 주기마다 신호 크기를 추출하여 1차원 신호 입력 벡터를 생성하는 것을 특징으로 하는 머신러닝 기반 주파수 분석을 이용한 고장 진단 장치
|
| 8 |
8
제5항 또는 제6항에 있어서,상기 제1 특징 추출 모듈 또는 상기 제2 특징 추출 모듈은 1차원 컨벌루션 신경망으로 구성되어 있는 것을 특징으로 하는 머신러닝 기반 주파수 분석을 이용한 고장 진단 장치
|
| 9 |
9
설비의 상태 진단 결과를 출력하는 고장 진단 장치에서 머신러닝 기반으로 고장 진단을 수행하는 방법에 있어서, 설비에 대한 센싱 신호를 입력 받아 신호 입력 벡터를 생성하는 단계와, 상기 센싱 신호를 주파수 변환하여 주파수 변환 벡터를 생성하는 단계와, 상기 신호 입력 벡터 및 주파수 변환 벡터를 입력 받고 딥러닝 기반 모델을 통해 분석하여 설비에 대한 상태 진단 결과를 출력하는 단계를 포함하는 머신러닝 기반 주파수 분석을 이용한 고장 진단 방법
|
| 10 |
10
제9항에 있어서,상기 신호 입력 벡터를 생성하는 단계는 상기 센싱 신호를 일정한 간격마다 소정의 윈도우 크기로 크로핑(cropping)한 후 샘플링 주기마다 신호 크기를 추출하여 1차원 신호 입력 벡터를 생성하는 것을 특징으로 하는 머신러닝 기반 주파수 분석을 이용한 고장 진단 방법
|
| 11 |
11
제9항에 있어서,상기 설비에 대한 상태 진단 결과를 출력하는 단계는 컨벌루션 신경망(CNN)을 통해 상기 신호 입력 벡터로부터 신호 특징 벡터를 추출하는 과정과,상기 추출한 신호 특징 벡터와 상기 주파수 변환 벡터를 결합하는 과정과,상기 결합한 벡터를 심층 신경망을 통해 분석하여 설비에 대한 상태 진단 결과를 출력하는 과정을 포함하는 것을 특징으로 하는 머신러닝 기반 주파수 분석을 이용한 고장 진단 방법
|
| 12 |
12
제9항에 있어서,상기 설비에 대한 상태 진단 결과를 출력하는 단계는 제1 컨벌루션 신경망(CNN)을 통해 상기 신호 입력 벡터로부터 신호 특징 벡터를 추출하는 과정과,제2 컨벌루션 신경망(CNN)을 통해 상기 주파수 변환 벡터로부터 주파수 특징 벡터를 추출하는 과정과,상기 추출한 신호 특징 벡터와 상기 주파수 특징 벡터를 결합하는 과정과,상기 결합한 벡터를 심층 신경망을 통해 분석하여 설비에 대한 상태 진단 결과를 출력하는 과정을 포함하는 것을 특징으로 하는 머신러닝 기반 주파수 분석을 이용한 고장 진단 방법
|
