| 1 |
1
전동기 권선 결함 진단 방법에 있어서상전류를 측정하여 1차원 전류 파형데이터를 획득하는 단계;2차원 이미지 생성 알고리즘을 이용하여 상기 1차원 전류 파형 데이터에 기초한 2차원 이미지 데이터를 획득하는 단계;상기 2차원 이미지 데이터를 인공 지능 모델에 입력하여 전류 특성인자 벡터 값을 획득하는 단계;상기 전류 특성인자 벡터 값과 정상 특성인자 벡터 값의 거리에 기초한 결함지표를 획득하는 단계; 및상기 결함지표를 이용하여 권선 결함 유무를 판단하는 단계를 포함하는,전동기 권선 결함 진단 방법
|
| 2 |
2
제 1항에 있어서,상기 2차원 이미지 데이터를 획득하는 단계는,상기 1차원 전류 파형 데이터의 포인트 중 제1 파형 벡터 및 제2 파형 벡터를 선정하는 단계; 상기 2차원 이미지 생성 알고리즘을 이용하여, 상기 제1파형 벡터와 상기 제2 파형 벡터의 거리에 기초한 특정 값을 획득하는 단계; 및 상기 특정값을 2차원 이미지데이터에 매핑하는 단계를 포함하는,전동기 권선 결함 진단 방법
|
| 3 |
3
제 2항에 있어서상기 제1파형 벡터와 상기 제2 파형 벡터의 거리에 기초한 특정 값을 획득하는 단계는시간 영역에서 상기 제1파형 벡터와 상기 제2 파형 벡터의 거리가 기 설정된 제1값 이상인 경우, 상기 제1 값을 상기 특정 값으로 획득하는 단계를 포함하는,전동기 권선 결함 진단 방법
|
| 4 |
4
제 3항에 있어서상기 제1 파형 벡터와 상기 제2 파형 벡터의 거리에 기초한 특정값을 획득하는 단계는시간 영역에서 상기 제1 파형 벡터와 상기 제2 파형 벡터의 거리가 상기 제1값보다 작은 경우, 상기 제1 파형 벡터 및 상기 제2 파형 벡터의 거리를 상기 특정 값으로 획득하는 단계를 더 포함하는,전동기 권선 결함 진단 방법
|
| 5 |
5
제 1항에 있어서상기 인공 지능 모델은컨볼루션 뉴럴 네트워크(CNN)를 포함하는,전동기 권선 결함 진단 방법
|
| 6 |
6
제 1항에 있어서 결함지표를 획득하는 단계는,상기 전류 특성인자 벡터 값과 상기 정상 특성인자 벡터 값의 마할라노비스 거리(Mahalanobis Distance)에 기초하여 결정되는 단계를 포함하는,전동기 권선 결함 진단 방법
|
| 7 |
7
제 6항에 있어서상기 결함지표를 이용하여 권선 결함 유무를 판단하는 단계는,상기 마할라노비스 거리에 기초한 결함지표가 기 설정된 값을 초과하는 경우, 권선 결함으로 판단하는 단계를 포함하는,전동기 권선 결함 진단 방법
|
| 8 |
8
제 1항에 있어서상기 2차원 이미지 생성 알고리즘은,Recurrence Plot(RP), Gramian Angular Field(GAF), Markov Transition Field(MTF), Affinity Matrix(AM) 및 Dynamic Time Warping(DTW) 중 적어도 하나를 포함하는,전동기 권선 결함 진단 방법
|
