맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

시계열 특성의 군집화 분석을 사용한 고성능 심층 신경망 기반의 기계 고장 진단 방법 및 시스템

  • 기술번호 : KST2022002908
  • 담당센터 : 대구기술혁신센터
  • 전화번호 : 053-550-1450
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 발명의 일 실시예에 따른 기계 고장 진단 방법은 (a) 인코더부에 의해, 멜 스펙트럼 이미지를 입력 받아 시계열성 특징 맵을 출력하는 단계; 및 (b) 상기 인코더부의 출력단과 연결되는 클러스터링부에 의해, 사전에 학습된 가중치를 사용하여 상기 시계열성 특징 맵을 클러스터링 함으로써 기계의 고장 정도를 판단하는 단계를 포함한다.
Int. CL G05B 23/02 (2006.01.01) G06K 9/62 (2022.01.01) G06N 3/08 (2006.01.01)
CPC G05B 23/0243(2013.01) G05B 23/0221(2013.01) G06K 9/6218(2013.01) G06N 3/08(2013.01)
출원번호/일자 1020210029428 (2021.03.05)
출원인 경북대학교 산학협력단
등록번호/일자 10-2374817-0000 (2022.03.11)
공개번호/일자
공고번호/일자 (20220316) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.03.05)
심사청구항수 9

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 경북대학교 산학협력단 대한민국 대구광역시 북구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 서동준 경상북도 김천시 혁신*로
2 홍건교 대전광역시 서구
3 최정훈 부산광역시 금정구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 백두진 대한민국 서울특별시 서초구 바우뫼로 ***, *층(양재동, 혜산빌딩)(시공특허법률사무소)
2 유광철 대한민국 서울특별시 서초구 바우뫼로 *** *층 (양재동, 혜산빌딩)(시공특허법률사무소)
3 김정연 대한민국 서울특별시 서초구 바우뫼로 *** *층(양재동, 혜산빌딩)(시공특허법률사무소)
4 권성현 대한민국 서울특별시 서초구 바우뫼로 *** 혜산빌딩 *층(시공특허법률사무소)
5 강일신 대한민국 서울특별시 서초구 바우뫼로 ***, *층 혜산빌딩(양재동)(시공특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 경북대학교 산학협력단 대구광역시 북구
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		 2021.03.05 수리 (Accepted) 1-1-2021-0263456-69
2 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2021.08.10 수리 (Accepted) 1-1-2021-0919669-30
3 [우선심사신청]심사청구서·우선심사신청서
 2021.08.10 수리 (Accepted) 1-1-2021-0919670-87
4 선행기술조사의뢰서
Request for Prior Art Search		 2021.08.13 수리 (Accepted) 9-1-9999-9999999-89
5 선행기술조사보고서
Report of Prior Art Search		 2021.09.01 발송처리완료 (Completion of Transmission) 9-6-2021-0194296-78
6 의견제출통지서
Notification of reason for refusal		 2021.10.25 발송처리완료 (Completion of Transmission) 9-5-2021-0838495-17
7 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2021.12.17 수리 (Accepted) 1-1-2021-1463946-99
8 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2021.12.17 수리 (Accepted) 1-1-2021-1463944-08
9 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2021.12.17 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2021-1463945-43
10 등록결정서
Decision to grant		 2022.02.28 발송처리완료 (Completion of Transmission) 9-5-2022-0162713-99
11 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2022.03.08 수리 (Accepted) 1-1-2022-0253859-11
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
(a) 인코더부에 의해, 멜 스펙트럼 이미지를 입력 받아 시계열성 특징 맵을 출력하는 단계; 및(b) 상기 인코더부의 출력단과 연결되는 클러스터링부에 의해, 사전에 학습된 가중치를 사용하여 상기 시계열성 특징 맵을 클러스터링 함으로써 기계의 고장 정도를 판단하는 단계를 포함하고,상기 (a) 단계는:(a-1) 상기 인코더부에 포함된 제1 컨볼루션 유닛에 의해, 멜 스펙트럼 이미지를 입력 받아 컨볼루션을 수행하여 상기 멜 스펙트럼 이미지의 제1 특징 맵을 출력하는 단계; 및(a-2) 상기 인코더부에 포함된 제1 LSTM 유닛에 의해, 상기 제1 특징 맵을 입력 받아 제1 시계열성 특징 맵을 출력하는 단계를 포함하고,상기 (b) 단계는:(b-1) 상기 클러스터링부에 포함된 군집 개수 입력 유닛에 의해, 클러스터링을 진행할 총 군집의 개수를 입력 받는 단계; 및(b-2) 상기 클러스터링부에 포함된 클러스터링 유닛에 의해, 상기 사전에 학습된 가중치를 사용하여 상기 입력 받은 군집 개수에 따라 상기 시계열성 특징 맵을 클러스터링 하는 단계를 포함하는,기계 고장 진단 방법
2 2
삭제
3 3
삭제
4 4
제1항에 있어서,(c) 상기 (a) 단계가 수행되기 전, 상기 인코더부 및 상기 인코더부의 출력단에 연결되는 디코더부를 포함하는 오토인코더에 의해, 상기 멜 스펙트럼 이미지를 입력 받아 시계열성 특징을 학습한 후 상기 시계열성 특징에 따른 가중치를 사전에 학습하는 단계를 더 포함하는,기계 고장 진단 방법
5 5
제4항에 있어서,상기 (c) 단계는:(c-1) 상기 인코더부에 포함된 제1 컨볼루션 유닛에 의해, 멜 스펙트럼 이미지를 입력 받아 컨볼루션을 수행하여 상기 멜 스펙트럼 이미지의 제1 특징 맵을 출력하는 단계;(c-2) 상기 인코더부에 포함된 제1 LSTM 유닛에 의해, 상기 제1 특징 맵을 입력 받아 제1 시계열성 특징 맵을 출력하는 단계(c-3) 상기 디코더부에 포함된 제2 LSTM 유닛에 의해, 상기 제1 시계열성 특징 맵을 입력 받아 제2 시계열성 특징 맵을 출력하는 단계;(c-4) 상기 디코더부에 포함된 제2 컨볼루션 유닛에 의해, 상기 제2 시계열성 특징 맵을 입력 받아 컨볼루션을 수행하여 제2 특징 맵을 출력하는 단계; 및(c-5) 상기 디코더부에 포함된 업샘플링 유닛에 의해, 상기 제2 특징 맵을 입력 받아 상기 제1 컨볼루션 유닛으로 입력된 멜 스펙트럼 이미지의 차원의 수와 동일하도록 차원의 수를 증가시키는 단계를 포함하는,기계 고장 진단 방법
6 6
제5항에 있어서,(d) 상기 (c) 단계가 수행되기 전, 멜 스펙트럼 이미지 생성부에 의해, 기계에 의해 발생한 소리 또는 진동과 관련된 데이터를 기 설정된 시간 영역으로 분할한 후 푸리에 변환함으로써 멜 스펙트럼 이미지를 생성하는 단계를 더 포함하는,기계 고장 진단 방법
7 7
멜 스펙트럼 이미지를 입력 받아 시계열성 특징 맵을 출력하도록 구성되는 인코더부; 및상기 인코더부의 출력단과 연결되며, 사전에 학습된 가중치를 사용하여 상기 멜 스펙트럼 이미지를 클러스터링 함으로써 기계의 고장 정도를 판단하도록 구성되는 클러스터링부를 포함하고,상기 인코더부는:멜 스펙트럼 이미지를 입력 받아 컨볼루션을 수행하여 상기 멜 스펙트럼 이미지의 제1 특징 맵을 출력하도록 구성되는 제1 컨볼루션 유닛; 및상기 제1 특징 맵을 입력 받아 제1 시계열성 특징 맵을 출력하도록 구성되는 제1 LSTM 유닛을 포함하고,상기 클러스터링부는:클러스터링을 진행할 총 군집의 개수를 입력 받도록 구성되는 군집 개수 입력 유닛; 및상기 사전에 학습된 가중치를 사용하여 상기 입력 받은 군집 개수에 따라 상기 멜 스펙트럼 이미지를 클러스터링 하도록 구성되는 클러스터링 유닛을 포함하는,기계 고장 진단 시스템
8 8
삭제
9 9
삭제
10 10
제7항에 있어서,상기 가중치는:상기 인코더부 및 상기 인코더부의 출력단에 연결되는 디코더부를 포함하는 오토인코더를 통한 학습에 의해 산출되는,기계 고장 진단 시스템
11 11
제10항에 있어서,상기 디코더부는:상기 인코더부로부터 상기 제1 시계열성 특징 맵을 입력 받아 제2 시계열성 특징 맵을 출력하도록 구성되는 제2 LSTM 유닛;상기 제2 시계열성 특징 맵을 입력 받아 컨볼루션을 수행하여 제2 특징 맵을 출력하도록 구성되는 제2 컨볼루션 유닛; 및상기 제2 특징 맵을 입력 받아 상기 제1 컨볼루션 유닛으로 입력되는 멜 스펙트럼 이미지의 차원의 수와 동일하도록 차원의 수를 증가시키도록 구성되는 업샘플링 유닛을 포함하는,기계 고장 진단 시스템
12 12
제11항에 있어서,상기 멜 스펙트럼 이미지는:기계에 의해 발생한 소리 또는 진동과 관련된 데이터를 기 설정된 시간 영역으로 분할한 후 푸리에 변환하도록 구성되는 멜 스펙트럼 이미지 생성부에 의해 생성되는,기계 고장 진단 시스템
13 13
컴퓨터로 읽을 수 있는 기록 매체에 있어서,제1항, 제4항, 제5항 및 제6항 중 어느 한 항에 따른 기계 고장 진단 방법을 컴퓨터로 실행하기 위한 프로그램이 기록된 기록 매체
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 과학기술정보통신부 경북대학교 생애 첫 연구사업 마이크로그리드 연계 건물 에너지 최적 운영을 위한 인공지능 기반 딥 에너지 MPC 핵심 기술 연구
2 과학기술정보통신부 경북대학교 지역혁신성장분야 탄소중립 지능형 에너지시스템 지역혁신선도 연구센터