1 |
1
철도 전기설비가 구비된 급전계통해서 측정된 전압 및 전류의 계측신호를 수집하는 신호 수집부; 상기 신호 수집부로부터 수집된 상기 계측신호를 다수의 요소로 분해하고 조합하여 특징을 추출하는 특징 추출부; 및 상기 특징 추출부로부터 추출된 상기 특징을 기반으로 인공지능 기술을 통해 학습시킨 학습모델을 통해 고장을 검출하거나 예측하는 결과 판정부;를 포함하는 것을 특징으로 하는 철도 전기설비의 고장 예측장치
|
2 |
2
제 1항에 있어서, 상기 신호 수집부는, 수집된 상기 계측신호를 정규화하고, 신호마다 신호분석을 위한 데이터 라벨링을 수행하는 것을 특징으로 하는 철도 전기설비의 고장 예측장치
|
3 |
3
제 1항에 있어서, 상기 특징 추출부는, 상기 계측신호에 대해 주파수에 따라 윈도우 크기를 가변하여 웨이브렛 변환하여 다수의 요소로 분해하는 것을 특징으로 하는 철도 전기설비의 고장 예측장치
|
4 |
4
제 3항에 있어서, 상기 특징 추출부는, 저주파수 영역에서 짧은 시구간 윈도우 크기로 변환하고, 고주파수 영역에서 긴 시구간 윈도우 크기로 변환하는 것을 특징으로 하는 철도 전기설비의 고장 예측장치
|
5 |
5
제 1항에 있어서, 상기 특징 추출부는, 웨이브렛 변환에서 모함수(mother function)을 이용하여 신호를 분석하는 것을 특징으로 하는 철도 전기설비의 고장 예측장치
|
6 |
6
신호 수집부가 철도 전기설비가 구비된 급전계통해서 측정된 전압 및 전류의 계측신호를 수집하는 단계; 특징 추출부가 상기 신호 수집부로부터 수집된 상기 계측신호를 다수의 요소로 분해하고 조합하여 특징을 추출하는 단계; 및 상기 결과 판정부가 상기 특징 추출부로부터 추출된 상기 특징을 기반으로 인공지능 기술을 통해 학습시킨 학습모델을 통해 고장을 검출하거나 예측하는 단계;를 포함하는 것을 특징으로 하는 철도 전기설비의 고장 예측방법
|
7 |
7
제 6항에 있어서, 상기 계측신호를 수집하는 단계는, 상기 신호 수집부가 수집된 상기 계측신호를 정규화하고, 신호마다 신호분석을 위한 데이터 라벨링을 수행하는 것을 특징으로 하는 철도 전기설비의 고장 예측방법
|
8 |
8
제 6항에 있어서, 상기 특징을 추출하는 단계는, 상기 특징 추출부가 상기 계측신호에 대해 주파수에 따라 윈도우 크기를 가변하여 웨이브렛 변환하여 다수의 요소로 분해하는 것을 특징으로 하는 철도 전기설비의 고장 예측방법
|
9 |
9
제 8항에 있어서, 상기 특징을 추출하는 단계는, 상기 특징 추출부가 저주파수 영역에서 짧은 시구간 윈도우 크기로 변환하고, 고주파수 영역에서 긴 시구간 윈도우 크기로 변환하는 것을 특징으로 하는 철도 전기설비의 고장 예측방법
|
10 |
10
제 6항에 있어서, 상기 특징을 추출하는 단계는, 상기 특징 추출부가 웨이브렛 변환에서 모함수(mother function)을 이용하여 신호를 분석하는 것을 특징으로 하는 철도 전기설비의 고장 예측방법
|