| 1 |
1
회전체 시스템의 진동 신호를 기반으로 제1진동신호를 측정하는 측정부;상기 제1진동신호를 이용하여 전체 원주 방향의 진동 양상을 나타내는 제2진동신호를 계산하는 계산부;상기 제2진동신호로부터 진동 신호 이미지를 생성하는 신호처리부;상기 진동 신호 이미지 자체를 입력받아 직접 연결 모델 기반 딥러닝 모델을 통해 상기 회전체 시스템의 고장 여부를 진단하는 연산부; 및상기 직접 연결 모델 기반 딥러닝 모델의 차원을 감소시키는 차원축소부를 포함하되,상기 직접 연결 모델 기반 딥러닝 모델은,수식 1에 기초하여 여러 합성곱층(convolution layer)의 결과값들을 직접 연결하는 것을 특징으로 하며,{수식 1}(상기 x0는 상기 진동 신호 이미지, 상기 xi는 i번째 합성곱층(convolution layer)의 결과값, 상기 y0는 H×W×D로 마련되는 합성곱 신경망 모듈의 최종결과값, 상기 conv는 합성곱 연산, 상기 [a,b]는 a와 b의 행렬결합, 상기 H와 상기 W와 상기 D는 상기 y0의 각 차원의 크기)상기 차원축소부는,H×W×D의 상기 y0에 1×1×D의 커널을 합성곱한 연산 결과인 H×W×1의 데이터에 활성화함수를 곱함으로써 상기 y0의 차원을 감소시키는 것을 특징으로 하되,상기 활성화함수는,ReLU 모델을 사용하는 것을 특징으로 하는 진동 신호 이미지를 활용한 직접 연결 모델 기반 회전체 시스템 고장 진단 장치
|
| 2 |
2
삭제
|
| 3 |
3
청구항 1에 있어서,상기 측정부는,상기 회전체 시스템에서 회전축과 수직한 면에 위치한 상기 회전체의 제1지점과 제2지점에서 각각 제1진동센서와 제2진동센서를 사용하여 각각 상기 제1진동신호를 측정하되,상기 제1지점과 상기 제2지점에서 상기 회전축에 내린 수선은,수직인 것을 특징으로 하며,상기 계산부는,상기 제1진동신호를 이용하여 수식 2에 의해 상기 제1지점과 상기 제2지점에서 상기 회전축을 중심으로 소정의 회전각으로 회전된 각각의 지점에서의 가상진동신호를 계산하며,상기 제2진동신호는,복수의 상기 가상진동신호의 조합으로 마련되는 것을 특징으로 하는 진동 신호 이미지를 활용한 직접 연결 모델 기반 회전체 시스템 고장 진단 장치
|
| 4 |
4
청구항 3에 있어서,상기 신호처리부는,시간에 대한 제1축과 상기 에 대한 제2축으로 이루어지는 평면에 상기 진동 신호 이미지를 생성하는 것을 특징으로 하는 진동 신호 이미지를 활용한 직접 연결 모델 기반 회전체 시스템 고장 진단 장치
|
| 5 |
5
삭제
|
| 6 |
6
◈청구항 6은(는) 설정등록료 납부시 포기되었습니다
|
| 7 |
7
◈청구항 7은(는) 설정등록료 납부시 포기되었습니다
|
| 8 |
8
삭제
|
| 9 |
9
◈청구항 9은(는) 설정등록료 납부시 포기되었습니다
|
| 10 |
10
◈청구항 10은(는) 설정등록료 납부시 포기되었습니다
|
| 11 |
11
삭제
|
| 12 |
12
◈청구항 12은(는) 설정등록료 납부시 포기되었습니다
|
