맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

베어링 고장 진단 방법(Method for bearing fault diagnosis)

  • 기술번호 : KST2017013388
  • 담당센터 : 부산기술혁신센터
  • 전화번호 : 051-606-6561
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 사전에 학습되지 않은 새로운 상태가 추가되어도 적응적으로 재학습하여 진단 성능을 높이고, 적응적 상태 업데이트를 위해 정확한 k값을 적응적으로 설정하는 클러스터링 기술을 사용함으로써 고장 상태를 정확히 진단할 수 있도록 하는 베어링 고장 진단 방법에 관한 것이다. 본 발명은, 베어링 결함별 신호로부터 특징들을 추출하고, 기계학습 알고리즘에 학습시키는 A단계; 베어링의 미지(unknown) 신호로부터 특징들을 추출하고, 상기 기계학습 알고리즘에 의하여 미리 학습된 특징들과 비교 판단하여 현재 베어링 상태를 분류하는 B단계; 상기 베어링의 미지 신호로부터 추출된 특징들로부터 클러스터링 알고리즘과 클러스터 분포도 분석을 통해 클러스터 개수(k)를 설정하고, 새로운 상태 정보가 검출되면 이를 상기 기계학습 알고리즘에 학습시키는 C단계를 포함한다.
Int. CL G01M 13/04 (2016.03.17) G06N 99/00 (2016.03.17) G06N 3/08 (2016.03.17)
CPC G01M 13/045(2013.01) G01M 13/045(2013.01)
출원번호/일자 1020160015240 (2016.02.05)
출원인 울산대학교 산학협력단
등록번호/일자
공개번호/일자 10-2017-0093613 (2017.08.16) 문서열기
공고번호/일자 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2016.02.05)
심사청구항수 5

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 울산대학교 산학협력단 대한민국 울산광역시 남구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김종면 대한민국 경상남도 양산시 삼호로 **, *
2 김재영 대한민국 부산광역시 수영구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김종선 대한민국 서울특별시 강남구 역삼로*길 **, 광성빌딩 **층 (역삼동)(케이엘피특허법률사무소)
2 이형석 대한민국 서울특별시 강남구 역삼로*길 **, 광성빌딩 **층 (역삼동)(케이엘피특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 울산대학교 산학협력단 대한민국 울산광역시 남구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2016.02.05 수리 (Accepted) 1-1-2016-0129887-51
2 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2016.06.20 수리 (Accepted) 4-1-2016-5080807-13
3 선행기술조사의뢰서
Request for Prior Art Search		 2016.12.12 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search		 2017.02.10 발송처리완료 (Completion of Transmission) 9-6-2017-0026095-29
5 의견제출통지서
Notification of reason for refusal		 2017.02.20 발송처리완료 (Completion of Transmission) 9-5-2017-0130959-56
6 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2017.04.20 수리 (Accepted) 1-1-2017-0387795-78
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2017.04.20 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2017-0387818-30
8 최후의견제출통지서
Notification of reason for final refusal		 2017.07.28 발송처리완료 (Completion of Transmission) 9-5-2017-0529226-55
9 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2017.09.22 보정승인 (Acceptance of amendment) 1-1-2017-0925517-78
10 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2017.09.22 수리 (Accepted) 1-1-2017-0925507-11
11 등록결정서
Decision to grant		 2018.01.17 발송처리완료 (Completion of Transmission) 9-5-2018-0039268-92
12 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.07.10 수리 (Accepted) 4-1-2020-5154267-54
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
베어링 결함별 신호로부터 특징들을 추출하고, 기계학습 알고리즘에 학습시키는 A단계;베어링의 미지(unknown) 신호로부터 특징들을 추출하고, 상기 기계학습 알고리즘에 의하여 미리 학습된 특징들과 비교 판단하여 현재 베어링 상태를 분류하는 B단계; 상기 베어링의 미지 신호로부터 추출된 특징들로부터 클러스터링 알고리즘과 클러스터 분포도 분석을 통해 클러스터 개수(k)를 설정하고, 새로운 상태 정보가 검출되면 이를 상기 기계학습 알고리즘에 학습시키는 C단계를 포함하며,상기 C단계는,클러스터링 알고리즘을 통해 샘플들을 k개의 클러스터로 분류하는 단계;각 클러스터에 대해 평균값과 공분산을 계산하는 단계;각 클러스터의 확률밀도함수를 구하는 단계;각 클러스터에 대해 상기 확률밀도함수와 상기 공분산을 이용하여 LDF(Local distribution factor)를 계산하는 단계;상기 클러스터들의 상기 LDF의 최소값을 기반으로 GDF(Global density factor)를 계산하는 단계;상기 클러스터들 사이의 거리를 이용하여 GSF(Global separability factor)를 계산하는 단계; 및CDF(Cluster distribution factor)를 계산하는 단계;를 포함하며,상기 CDF를 계산하는 단계는, 상기 GDF와 상기 GSF의 차를 계산하여 CDF를 계산하되, k값을 1부터 특정 값까지 변화하며 상기 CDF를 계산하여 CDF가 가장 작을 때의 k값을 최적의 k값으로 설정하는 것을 특징으로 하는 베어링 고장 진단 방법
2 2
제1항에 있어서,상기 베어링 결함별 신호로부터 추출된 특징들과 상기 베어링의 미지 신호로부터 추출된 특징들이 동일한 것을 특징으로 하는 베어링 고장 진단 방법
3 3
제1항에 있어서,상기 특징들은 제곱 평균 제곱근(Root-mean-square), 형상 계수(Shape factor), 첨도 값(Kurtosis value), 제곱 평균 루트(Square-mean-root), 피크 투 피크 값(Peak-to-peak value), 왜도 값(Skewness value), 임펄스 인자(Impulse factor) 및 파고율(Crest factor) 중 어느 하나의 신호 또는 둘 이상의 신호로부터 추출되는 특징들의 조합을 포함하는 것을 특징으로 하는 베어링 고장 진단 방법
4 4
제1항에 있어서,상기 기계학습 알고리즘은서포트 벡터 머신(Support vector machine), 인공 신경망(Artificial neural network) 또는 K-NN 분류(k-nearest neighbors classifier) 방식을 포함하는 기계학습에 사용될 수 있는 알고리즘들 중 어느 하나가 사용되어, 미리 취득된 특징들을 학습하고 현재 특징값을 특정 상태로 분류하는 것을 특징으로 하는 베어링 고장 진단 방법
5 5
삭제
6 6
베어링 결함별 신호로부터 특징들을 추출하고, 클러스터링 알고리즘(k-mean 알고리즘)에 학습시키는 A단계;베어링의 미지(unknown) 신호로부터 특징들을 추출하고, 상기 클러스터링 알고리즘에 의하여 현재 베어링 상태를 분류하는 B단계;상기 베어링의 미지 신호로부터 추출된 특징들로부터 상기 클러스터링 알고리즘과 클러스터 분포도 분석을 통해 클러스터 개수(k)를 다시 설정하고, 새로운 상태 정보가 검출되면 이를 상기 클러스터링 알고리즘에 학습시키는 C단계를 포함하며,상기 C단계는,클러스터링 알고리즘을 통해 샘플들을 k개의 클러스터로 분류하는 단계;각 클러스터에 대해 평균값과 공분산을 계산하는 단계;각 클러스터의 확률밀도함수를 구하는 단계;각 클러스터에 대해 상기 확률밀도함수와 상기 공분산을 이용하여 LDF(Local distribution factor)를 계산하는 단계;상기 클러스터들의 상기 LDF의 최소값을 기반으로 GDF(Global density factor)를 계산하는 단계;상기 클러스터들 사이의 거리를 이용하여 GSF(Global separability factor)를 계산하는 단계; 및CDF(Cluster distribution factor)를 계산하는 단계;를 포함하며,상기 CDF를 계산하는 단계는, 상기 GDF와 상기 GSF의 차를 계산하여 CDF를 계산하되, k값을 1부터 특정 값까지 변화하며 상기 CDF를 계산하여 CDF가 가장 작을 때의 k값을 최적의 k값으로 설정하는 것을 특징으로 하는 베어링 고장 진단 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 미래창조과학부 울산대학교 핵심연구지원사업 모바일 멀티미디어 신호처리를 위한 최적의 매니코어-CPU 이기종 시스템 개발