| 1 |
1
공작기계가 가동될 때 발생되는 진동 데이터를 측정하는 데이터 측정부;정상 베어링과 파손 베어링 조건에서 발생되는 진동 데이터의 특징을 추출하고 학습데이터를 구성하여 베어링 진단 모델을 생성하는 베어링 진단 모델부; 정상과 마멸 공구를 사용한 가공 공정에서 발생되는 진동 데이터의 특징을 추출하고 학습데이터를 구성하여 공구 상태 진단 모델을 생성하는 공구 상태 진단 모델부; 및상기 측정한 진동 데이터를 기초로 상기 베어링 진단 모델 및 상기 공구 상태 진단 모델을 통해 상기 공작기계의 베어링 및 공구를 동시에 모니터링을 수행하여 상기 베어링 및 상기 공구의 상태를 진단하는 모니터링부를 포함하는 베어링 및 공구 상태 동시 모니터링을 위한 장치
|
| 2 |
2
제1항에 있어서, 상기 데이터 측정부는상기 공작기계의 스핀들에 가속도 센서를 부착하고 상기 가속도 센서를 통해 상기 스핀들 가동에 따른 진동을 측정하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치
|
| 3 |
3
제1항에 있어서, 상기 베어링 진단 모델부는경험적 모드 분해법을 통해 정상 베어링 및 파손 베어링에서 발생하는 진동 데이터로부터 주파수 성분을 분리하여 정상 데이터 대비 베어링 결함의 고유 주파수에 대한 특징 데이터를 추출하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치
|
| 4 |
4
제3항에 있어서, 상기 베어링 진단 모델부는 상관함수를 통해 추출한 특징 데이터를 선별하고 선별한 특징 데이터를 입력으로 기계학습을 통해 베어링의 정상 및 이상을 구분하는 베어링 진단 모델을 생성하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치
|
| 5 |
5
제4항에 있어서, 상기 베어링 진단 모델부는 상기 추출한 특징 데이터를 상관함수를 통해 클러스터링하여 정상 베어링의 특징 데이터로 이루어진 제1 클러스터와 파손 베어링의 결함별 특징 데이터로 이루어진 제2 클러스터를 형성하고 상기 제1 클러스터와 상기 제2 클러스터 간의 비유사도에 기초하여 상기 특징 데이터를 선별하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치
|
| 6 |
6
제5항에 있어서, 상기 베어링 진단 모델부는상기 비유사도를 아래의 [수학식]에 따라 계산하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치
|
| 7 |
7
제4항에 있어서, 상기 베어링 진단 모델부는 서포트 벡터 머신에 상기 선별한 특징 데이터를 입력하여 베어링 진단 모델을 생성하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치
|
| 8 |
8
제1항에 있어서, 상기 공구 상태 진단 모델부는 가속도 센서를 통해 마모 공구와 정상 공구를 사용한 가공 공정의 진동 데이터를 수집하고 수집한 진동 데이터에 대해 특징을 추출하고 추출한 특징 데이터를 입력으로 신경망 학습하여 정상과 마모를 분류하여 공구 상태 진단 모델을 생성하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치
|
| 9 |
9
제8항에 있어서, 상기 공구 상태 진단 모델부는분류한 정상과 마모를 혼동 행렬로 표시하여 공구의 정상 및 마모 분류율을 확인하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치
|
| 10 |
10
정상 베어링과 파손 베어링 조건에서 발생되는 진동을 기초로 특징을 추출하고 학습데이터를 구성하여 베어링 진단 모델을 생성하는 단계;정상과 마멸 공구를 사용한 가공 공정에서 발생되는 진동을 기초로 특징을 추출하고 학습데이터를 구성하여 공구 상태 진단 모델을 생성하는 단계;공작기계가 가동될 때 발생되는 진동 데이터를 측정하는 단계; 및상기 측정한 진동 데이터를 기초로 상기 베어링 진단 모델 및 상기 공구 상태 진단 모델을 통해 상기 공작기계의 베어링 및 공구를 동시에 모니터링을 수행하여 상기 베어링 및 상기 공구의 상태를 진단하는 단계를 포함하는 베어링 및 공구 상태 동시 모니터링을 위한 방법
|
| 11 |
11
제10항에 있어서, 상기 베어링 진단 모델 생성단계는정상 베어링과 파손 베어링 조건에서 발생되는 진동 데이터를 수집하는 단계;수집한 진동 데이터로부터 주파수 성분을 분리하여 정상 데이터 대비 베어링 결함의 고유 주파수에 대한 특징 데이터를 추출하는 단계;베어링의 이상을 식별하기 위한 추출한 특징 데이터를 상관함수를 통해 선별하는 단계; 및선별한 특징 데이터로 기계학습을 수행하여 베어링 진단 모델을 생성하는 단계를 포함하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 방법
|
| 12 |
12
제11항에 있어서, 상기 베어링 진단 모델 생성단계는특징 데이터 선별 과정에서 정상 베어링의 특징 데이터로 이루어진 제1 클러스터와 파손 베어링의 결함별 특징 데이터로 이루어진 제2 클러스터 간의 비유사도를 하기 수학식을 통해 산출하고 산출한 비유사도가 특정 기준을 만족시키는 특징 데이터를 선별하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 방법
|
| 13 |
13
제10항에 있어서, 상기 공구 상태 진단 모델 생성단계는 마모 공구와 정상 공구를 사용한 가공 공정의 진동 데이터를 수집하는 단계;수집한 진동 데이터에 대해 특징을 추출하는 단계; 및추출한 특징 데이터를 입력으로 신경망 학습하여 정상과 마모를 분류하여 공구 상태 진단 모델을 생성하는 단계를 포함하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 방법
|
