요약 |
본 발명은 진동 신호 이미지를 활용한 직접 연결 모델 기반 회전체 시스템 고장 진단 방법에 관한 것으로서, 회전체 시스템의 진동 신호를 기반으로 측정부에 의해 제1진동신호가 측정되는 측정단계; 상기 제1진동신호가 계산부에 입력되어 전체 원주 방향의 진동 양상을 나타내는 제2진동신호가 계산되는 계산단계; 상기 제2진동신호가 신호처리부에 입력되어 진동 신호 이미지를 생성하는 신호처리단계; 상기 진동 신호 이미지 자체가 연산부에 입력되어 직접 연결 모델 기반 딥러닝 모델을 통해 상기 회전체 시스템의 고장 여부를 진단하는 연산단계; 및 상기 직접 연결 모델 기반 딥러닝 모델의 차원이 차원축소부에 의해 감소되는 차원축소단계를 포함하며, 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 차원축소단계는, 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 한다. 본 발명에 따르면, 회전체 시스템의 고장 진단 성능을 향상시킬 수 있고, 깊은 딥러닝 모델을 통해 우수한 계층적 특성인자를 획득할 수 있고, 딥러닝 모델의 학습 효율 및 최종 진단 성능을 향상시키고, 계산 비용을 최소화할 수 있다.
|