| 1 |
1
설비로부터 획득한 주파수 신호를 이용하여 복수의 시계열 데이터 신호를 생성하고, 상기 복수의 시계열 데이터 신호를 신호 합성한 후, IFT(Inverse Fourier Transform)에 의해 시간 영역 신호로 변환하는 신호 생성기;상기 시간 영역 신호의 쌍을 입력받아 딥러닝하는 신호 비교기; 및진단 대상 설비에 대한 상태의 개수 N(상기 N은 자연수)을 카운트하고, 상기 딥러닝이 완료된 신호 비교기를, 상기 카운트 된 N개 만큼, 상기 진단 대상 설비에 장착하여, 상기 진단 대상 설비를 진단하는 진단기를 포함하고,상기 진단기는,각 상태를 대표하는 n개의 기준 신호를, 상기 N 개의 신호 비교기 각각에 입력하여, 상기 N개의 신호 비교기 각각을 특정의 상태로 세팅하고,상기 진단 대상 설비로부터 수집한 입력 신호를, 상기 N 개의 신호 비교기 각각에 입력하며,상기 N개의 신호 비교기에서의 출력값 중에서 가장 큰 값을 출력하는 신호 비교기를 식별하고,상기 식별된 신호 비교기에 세팅된 상태를, 상기 진단 대상 설비의 현 상태로 진단하는딥러닝 기반 설비 진단 장치
|
| 2 |
2
제1항에 있어서,상기 신호 생성기는,상기 주파수 신호에 관한, 주파수의 개수, 주파수 종류, 및 주파수 별 크기 각각을 랜덤하게 선택하여, 상기 복수의 시계열 데이터 신호를 생성하는딥러닝 기반 설비 진단 장치
|
| 3 |
3
제1항에 있어서,상기 신호 비교기는,상기 시간 영역 신호의 쌍을 입력받아, 상기 시간 영역 신호의 쌍 각각에 대한 특징을 추출하는 특징 추출기; 및상기 추출된 특징 간의 특징 차이를 분석하여, 상기 시간 영역 신호의 쌍이 동일한지를 딥러닝하고, 상기 시간 영역 신호의 쌍이 동일하면 상기 딥러닝 결과를 정해진 값으로 수렴시켜 출력하는 분류기를 포함하는 딥러닝 기반 설비 진단 장치
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
신호 생성기에서, 설비로부터 획득한 주파수 신호를 이용하여 복수의 시계열 데이터 신호를 생성하는 단계;상기 신호 생성기에서, 상기 복수의 시계열 데이터 신호를 신호 합성한 후, IFT에 의해 시간 영역 신호로 변환하는 단계;신호 비교기에서, 상기 시간 영역 신호의 쌍을 입력받아 딥러닝하는 단계;진단기에서, 진단 대상 설비에 대한 상태의 개수 N(상기 N은 자연수)을 카운트하는 단계; 및상기 진단기에서, 상기 딥러닝이 완료된 신호 비교기를, 상기 카운트 된 N개 만큼, 상기 진단 대상 설비에 장착하여, 상기 진단 대상 설비를 진단하는 단계를 포함하고,상기 진단 대상 설비를 진단하는 단계는,각 상태를 대표하는 n개의 기준 신호를, 상기 N 개의 신호 비교기 각각에 입력하여, 상기 N개의 신호 비교기 각각을 특정의 상태로 세팅하는 단계;상기 진단 대상 설비로부터 수집한 입력 신호를, 상기 N 개의 신호 비교기 각각에 입력하는 단계;상기 N개의 신호 비교기에서의 출력값 중에서 가장 큰 값을 출력하는 신호 비교기를 식별하는 단계; 및상기 진단기에서, 상기 식별된 신호 비교기에 세팅된 상태를, 상기 진단 대상 설비의 현 상태로 진단하는 단계를 포함하는 딥러닝 기반 설비 진단 방법
|
| 7 |
7
제6항에 있어서,상기 복수의 시계열 데이터 신호를 생성하는 단계는,상기 주파수 신호에 관한, 주파수의 개수, 주파수 종류, 및 주파수 별 크기 각각을 랜덤하게 선택하여, 상기 복수의 시계열 데이터 신호를 생성하는 단계를 포함하는 딥러닝 기반 설비 진단 방법
|
| 8 |
8
제6항에 있어서,상기 딥러닝하는 단계는,상기 시간 영역 신호의 쌍을 입력받아, 상기 시간 영역 신호의 쌍 각각에 대한 특징을 추출하는 단계; 및상기 추출된 특징 간의 특징 차이를 분석하여, 상기 시간 영역 신호의 쌍이 동일한지를 딥러닝하는 단계로서, 상기 시간 영역 신호의 쌍이 동일하면 상기 딥러닝 결과를 정해진 값으로 수렴시켜 출력하는 단계를 포함하는 딥러닝 기반 설비 진단 방법
|
| 9 |
9
삭제
|
| 10 |
10
삭제
|
