KR102133385B1 - 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치 및 그 동작방법 - Google Patents
유도전동기 실시간 진단 서비스를 제공하는 인공지능장치 및 그 동작방법 Download PDFInfo
- Publication number
- KR102133385B1 KR102133385B1 KR1020200032587A KR20200032587A KR102133385B1 KR 102133385 B1 KR102133385 B1 KR 102133385B1 KR 1020200032587 A KR1020200032587 A KR 1020200032587A KR 20200032587 A KR20200032587 A KR 20200032587A KR 102133385 B1 KR102133385 B1 KR 102133385B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- induction motor
- diagnosis
- magnetic field
- vibration
- Prior art date
Links
- 230000006698 induction Effects 0.000 title claims abstract description 130
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 44
- 238000011017 operating method Methods 0.000 title 1
- 238000003745 diagnosis Methods 0.000 claims abstract description 159
- 230000007547 defect Effects 0.000 claims abstract description 125
- 238000010801 machine learning Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims description 65
- 238000013500 data storage Methods 0.000 claims description 47
- 238000013480 data collection Methods 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
유도전동기 실시간 진단 서비스를 제공하는 인공지능장치 및 그 동작방법이 개시된다. 유도전동기에 부착되어 유도전동기의 동작 상태를 감지하고, 기계 학습(machine learning)을 통해 상기 감지된 동작 상태에 따른 상태 진단을 수행하는 인공지능 내장형 임베디드(embedded) 모듈; 상기 인공지능 내장형 임베디드 모듈에서 수행된 상태 진단의 결과를 수신하여 모니터링하는 사용자 단말; 상기 인공지능 내장형 임베디드 모듈의 기계 학습에 따른 결함 진단 및 예지 학습 데이터를 백업 저장하는 클라우드 서버(cloud server)를 구성한다. 상술한 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치 및 그 동작방법에 의하면, 유도전동기의 진동, 자계 및 온도를 감지하고 이를 이용하여 기계 학습에 의해 유도전동기의 결함과 동작 상태를 실시간으로 인지하고 예측하도록 구성됨으로써, 유도전동기의 불량이나 고장을 미연에 감지하여 원활한 작업을 유지할 수 있는 효과가 있다. 특히, 기계 학습에 의해 복합적인 결함에 대해서도 결함의 정도나 이상 작동 상태를 정확하게 진단할 수 있는 장점이 있다.
Description
본 발명은 인공지능장치 및 그 동작방법에 관한 것으로서, 구체적으로는 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치 및 그 동작방법에 관한 것이다.
산업 현장의 유도전동기는 회전자의 동적 편심, 정적 편심, 회전자 바 단락, 고정자 권선 절연 이상, 베어링 불량 등의 다양한 고장이 발생하고 있다.
이러한 고장으로 인해 작업 중에 안전사고로 이어질 수 있다.
종래에는 유도전동기의 고장을 진단하기 위해 전류의 주파수 성분을 이용하는 MCSA(Motor Current Signature Analysis) 기법, 전류와 전압신호를 동시에 사용하는 ESA(Electrical Signature Analysis) 기법, 고정자 전류 분석과 같은 전기적 신호를 이용하는 방법과 진동 기법을 이용하여 각 결함에 대하여 결함 발생 여부를 판단하는 방식을 이용하고 있다.
그러나, 여러 가지 결함이 복합적으로 발생하는 경우도 많기 때문에 단순한 결함의 유무가 아닌 결함의 정도나 이상 작동 상태에 관한 정확한 진단을 할 수 없다는 문제점이 있다.
본 발명의 목적은 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치를 제공하는 데 있다.
본 발명의 다른 목적은 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치의 동작방법을 제공하는 데 있다.
상술한 본 발명의 목적에 따른 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치는, 유도전동기에 부착되어 유도전동기의 동작 상태를 감지하고, 기계 학습(machine learning)을 통해 상기 감지된 동작 상태에 따른 상태 진단을 수행하는 인공지능 내장형 임베디드(embedded) 모듈; 상기 인공지능 내장형 임베디드 모듈에서 수행된 상태 진단의 결과를 수신하여 모니터링하는 사용자 단말; 상기 인공지능 내장형 임베디드 모듈의 기계 학습에 따른 결함 진단 및 예지 학습 데이터를 백업 저장하는 클라우드 서버(cloud server)를 포함하도록 구성될 수 있다.
여기서, 상기 인공지능 내장형 임베디드 모듈은, 상기 유도전동기(10)의 축이 3D 좌표상의 X축과 나란하게 배치되었다고 가정했을 때 상기 유도 전동기(10)의 X축 방향 진동 신호와, 상기 유도 전동기(10)의 Y축 방향 진동 신호, 상기 유도 전동기(10)의 Z축 방향 진동 신호로 구성되는 3방향 시간영역 진동신호를 감지하는 3방향 진동 센서; 상기 유도전동기(10)의 축이 3D 좌표상의 X축과 나란하게 배치되었다고 가정했을 때 상기 유도 전동기(10)의 X축 방향 자계 신호와, 상기 유도 전동기(10)의 Y축 방향 자계 신호, 상기 유도 전동기(10)의 Z축 방향 자계 신호로 구성되는 3방향 시간영역 자계신호를 감지하는 3방향 자기 센서; 상기 유도전동기의 온도를 시간 영역에서 감지하는 온도 센서; 상기 3방향 진동 센서에서 감지된 3방향 시간영역 진동신호, 상기 3방향 자기 센서에서 감지된 3방향 시간영역 자계신호 및 상기 온도 센서에서 감지된 온도를 A/D(analog/digital) 변환하여 진동 데이터, 자계 데이터 및 온도 데이터를 출력하는 A/D 변환부; 상기 A/D 변환부에서 출력되는 진동 데이터, 자계 데이터 및 온도 데이터를 실시간 수집하여 저장하는 실시간 데이터 수집/저장부; 상기 실시간 데이터 수집/저장부에 저장된 진동 데이터 및 자계 데이터를 주파수 영역의 진동 데이터 및 자계 데이터로 변환하여 생성하는 3방향 시간-주파수 데이터 생성부; 상기 3방향 시간-주파수 데이터 생성부에서 생성된 주파수 영역의 진동 데이터 및 자계 데이터와 상기 실시간 데이터 수집/저장부에서 저장된 시간 영역의 온도 데이터를 이용하여 상기 유도전동기의 동작 상태를 진단하고 추정하는 동작 상태 진단 추정부; 상기 동작 상태 진단 추정부에서 진단되고 추정되는 동작 상태를 표시하는 유저 인터페이스(user interface)부; 상기 동작 상태 진단 추정부의 진단 및 추정에 따라 기계 학습에 의한 결함 진단 데이터 및 예지 학습 데이터를 생성하는 결함 진단 및 예지 학습 데이터 생성부; 상기 결함 진단 및 예지 학습 데이터 생성부에 의해 생성된 결함 진단 데이터 및 예지 학습 데이터가 저장되는 결함 진단 및 예지 학습 데이터 저장부; 상기 실시간 데이터 수집/저장부에 저장된 진동 데이터, 자계 데이터 및 온도 데이터와 상기 동작 상태 진단 추정부에 의해 진단 및 추정된 동작 상태를 상기 사용자 단말로 송신하고, 상기 결함 진단 및 예지 학습 데이터 저장부에 저장된 결함 진단 데이터 및 예지 학습 데이터를 상기 클라우드 서버로 업로드하고, 상기 클라우드 서버로부터 결함 진단 데이터 및 예지 학습 데이터를 다운로드하여 상기 결함 진단 및 예지 학습 데이터 저장부에 추가 저장하는 무선 통신부를 포함하도록 구성될 수 있다.
그리고 상기 동작 상태 진단 추정부는, 상기 결함 진단 및 예지 학습 데이터 저장부에 저장된 결함 진단 데이터 및 예지 학습 데이터를 참조하여 상기 유도전동기의 동작 상태를 진단하도록 구성될 수 있다.
그리고 상기 사용자 단말은, 상기 무선 통신부로부터 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 수신하는 데이터 통신부; 상기 데이터 통신부에서 수신된 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 이용하여 상기 유도전동기의 상태를 모니터링하는 진단 상태 모니터링부; 상기 데이터 통신부에서 수신된 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 디스플레이(display)에 표시하고, 결함이 발생한 것으로 판단되거나 결함이 예상되는 경우 알람(alarm)을 출력하는 UI(user interface) 서비스부를 포함하도록 구성될 수 있다.
그리고 상기 클라우드 서버는, 상기 무선 통신부로부터 결함 진단 데이터 및 예지 학습 데이터를 수신하고, 기 백업 저장된 결함 진단 데이터 및 예지 학습 데이터를 상기 무선 통신부로 송신하는 데이터 통신부; 상기 데이터 통신부에서 수신된 결함 진단 데이터 및 예지 학습 데이터가 백업 저장되는 결함 진단 및 예지 학습 데이터 데이터베이스를 포함하도록 구성될 수 있다.
상술한 본 발명의 다른 목적에 따른 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치의 동작방법은, 유도전동기에 부착된 인공지능 내장형 임베디드(embedded) 모듈이 유도전동기의 동작 상태를 감지하고, 기계 학습(machine learning)을 통해 상기 감지된 동작 상태에 따른 상태 진단을 수행하는 단계; 사용자 단말이 상기 인공지능 내장형 임베디드 모듈에서 수행된 상태 진단의 결과를 수신하여 모니터링하는 단계; 클라우드 서버(cloud server)가 상기 인공지능 내장형 임베디드 모듈의 기계 학습에 따른 결함 진단 및 예지 학습 데이터를 백업 저장하는 단계를 포함하도록 구성될 수 있다.
여기서, 상기 유도전동기에 부착된 인공지능 내장형 임베디드(embedded) 모듈이 유도전동기의 동작 상태를 감지하고, 기계 학습(machine learning)을 통해 상기 감지된 동작 상태에 따른 상태 진단을 수행하는 단계는, 상기 유도전동기(10)의 축이 3D 좌표상의 X축과 나란하게 배치되었다고 가정했을 때 3방향 진동 센서가 상기 유도 전동기(10)의 X축 방향 진동 신호와, 상기 유도 전동기(10)의 Y축 방향 진동 신호, 상기 유도 전동기(10)의 Z축 방향 진동 신호로 구성되는 3방향 시간영역 진동신호를 감지하는 단계; 상기 유도전동기(10)의 축이 3D 좌표상의 X축과 나란하게 배치되었다고 가정했을 때 3방향 자기 센서가 상기 유도 전동기(10)의 X축 방향 자계 신호와, 상기 유도 전동기(10)의 Y축 방향 자계 신호, 상기 유도 전동기(10)의 Z축 방향 자계 신호로 구성되는 3방향 시간영역 자계신호를 감지하는 단계; 온도 센서가 상기 유도전동기의 온도를 시간 영역에서 감지하는 단계; A/D 변환부가 3방향 진동 센서에서 감지된 3방향 시간영역 진동신호, 상기 3방향 자기 센서에서 감지된 3방향 시간영역 자계신호 및 상기 온도 센서에서 감지된 온도를 A/D(analog/digital) 변환하여 진동 데이터, 자계 데이터 및 온도 데이터를 출력하는 단계; 실시간 데이터 수집/저장부가 상기 A/D 변환부에서 출력되는 진동 데이터, 자계 데이터 및 온도 데이터를 실시간 수집하여 저장하는 단계; 3방향 시간-주파수 데이터 생성부가 상기 실시간 데이터 수집/저장부에 저장된 진동 데이터 및 자계 데이터를 주파수 영역의 진동 데이터 및 자계 데이터로 변환하여 생성하는 단계; 동작 상태 진단 추정부가 상기 3방향 시간-주파수 데이터 생성부에서 생성된 주파수 영역의 진동 데이터 및 자계 데이터와 상기 실시간 데이터 수집/저장부에서 저장된 시간 영역의 온도 데이터를 이용하여 상기 유도전동기의 동작 상태를 진단하고 추정하는 단계; 유저 인터페이스(user interface)부가 상기 동작 상태 진단 추정부에서 진단되고 추정되는 동작 상태를 표시하는 단계; 결함 진단 및 예지 학습 데이터 생성부가 상기 동작 상태 진단 추정부의 진단 및 추정에 따라 기계 학습에 의한 결함 진단 데이터 및 예지 학습 데이터를 생성하여 결함 진단 및 예지 학습 데이터 저장부에 저장하는 단계; 무선 통신부가 상기 실시간 데이터 수집/저장부에 저장된 진동 데이터, 자계 데이터 및 온도 데이터와 상기 동작 상태 진단 추정부에 의해 진단 및 추정된 동작 상태를 상기 사용자 단말로 송신하는 단계; 상기 무선 통신부가 상기 결함 진단 및 예지 학습 데이터 저장부에 저장된 결함 진단 데이터 및 예지 학습 데이터를 상기 클라우드 서버로 업로드하는 단계; 상기 무선 통신부가 상기 클라우드 서버로부터 결함 진단 데이터 및 예지 학습 데이터를 다운로드하여 상기 결함 진단 및 예지 학습 데이터 저장부에 추가 저장하는 단계를 포함하도록 구성될 수 있다.
그리고 상기 동작 상태 진단 추정부가 상기 3방향 시간-주파수 데이터 생성부에서 생성된 주파수 영역의 진동 데이터 및 자계 데이터와 상기 실시간 데이터 수집/저장부에서 저장된 시간 영역의 온도 데이터를 이용하여 상기 유도전동기의 동작 상태를 진단하고 추정하는 단계는, 상기 동작 상태 진단 추정부가 상기 결함 진단 및 예지 학습 데이터 저장부에 저장된 결함 진단 데이터 및 예지 학습 데이터를 참조하여 상기 유도전동기의 동작 상태를 진단하도록 구성될 수 있다.
그리고 상기 사용자 단말이 상기 인공지능 내장형 임베디드 모듈에서 수행된 상태 진단의 결과를 수신하여 모니터링하는 단계는, 데이터 통신부가 상기 인공지능 내장형 임베디드 모듈로부터 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 수신하는 단계; 진단 상태 모니터링부가 상기 데이터 통신부에서 수신된 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 이용하여 상기 유도전동기의 상태를 모니터링하는 단계; UI 서비스부가 상기 데이터 통신부에서 수신된 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 디스플레이(display)에 표시하고, 결함이 발생한 것으로 판단되거나 결함이 예상되는 경우 알람(alarm)을 출력하는 단계를 포함하도록 구성될 수 있다.
그리고 상기 클라우드 서버(cloud server)가 상기 인공지능 내장형 임베디드 모듈의 기계 학습에 따른 결함 진단 및 예지 학습 데이터를 백업 저장하는 단계는, 데이터 통신부가 상기 무선 통신부로부터 결함 진단 데이터 및 예지 학습 데이터를 수신하여 결함 진단 및 예지 학습 데이터 데이터베이스에 백업 저장하는 단계; 상기 데이터 통신부가 상기 결함 진단 및 예지 학습 데이터 데이터베이스에 기 백업 저장된 결함 진단 데이터 및 예지 학습 데이터를 상기 무선 통신부로 송신하는 단계를 포함하도록 구성될 수 있다.
상술한 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치 및 그 동작방법에 의하면, 유도전동기의 진동, 자계 및 온도를 감지하고 이를 이용하여 기계 학습에 의해 유도전동기의 결함과 동작 상태를 실시간으로 인지하고 예측하도록 구성됨으로써, 유도전동기의 불량이나 고장을 미연에 감지하여 원활한 작업을 유지할 수 있는 효과가 있다. 특히, 기계 학습에 의해 복합적인 결함에 대해서도 결함의 정도나 이상 작동 상태를 정확하게 진단할 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치의 블록 구성도이다.
도 2는 본 발명의 실시예에 따른 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치의 동작방법의 흐름도이다.
도 3 내지 도 5는 본 발명의 실시예에 따른 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치의 동작방법의 세부 흐름도이다.
도 2는 본 발명의 실시예에 따른 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치의 동작방법의 흐름도이다.
도 3 내지 도 5는 본 발명의 실시예에 따른 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치의 동작방법의 세부 흐름도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 발명을 실시하기 위한 구체적인 내용에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치의 블록 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치는 인공지능 내장형 임베디드(embedded) 모듈(100), 사용자 단말(200), 클라우드 서버(cloud server)(300)를 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
인공지능 내장형 임베디드 모듈(100)은 유도전동기(10)에 부착되어 유도전동기(10)의 동작 상태를 감지하고, 기계 학습(machine learning)을 통해 앞서 감지된 동작 상태에 따른 상태 진단을 수행하도록 구성될 수 있다.
인공지능 내장형 임베디드 모듈(100)은 3방향 진동 센서(101), 3방향 자기 센서(102), 온도 센서(103), A/D 변환부(104), 실시간 데이터 수집/저장부(105), 3방향 시간-주파수 데이터 생성부(106), 동작 상태 진단 추정부(107), 유저 인터페이스(user interface)부(108), 결함 진단 및 예지 학습 데이터 생성부(109), 결함 진단 및 예지 학습 데이터 저장부(110), 무선 통신부(111)를 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
3방향 진동 센서(101)는 상기 유도전동기(10)의 축이 3D 좌표상의 X축과 나란하게 배치되었다고 가정했을 때 상기 유도 전동기(10)의 X축 방향 진동 신호와, 상기 유도 전동기(10)의 Y축 방향 진동 신호, 상기 유도 전동기(10)의 Z축 방향 진동 신호로 구성되는 3방향 시간영역 진동신호를 감지하도록 구성될 수 있다.
3방향 자기 센서(102)는 상기 유도전동기(10)의 축이 3D 좌표상의 X축과 나란하게 배치되었다고 가정했을 때 상기 유도 전동기(10)의 X축 방향 자계 신호와, 상기 유도 전동기(10)의 Y축 방향 자계 신호, 상기 유도 전동기(10)의 Z축 방향 자계 신호로 구성되는 3방향 시간영역 자계신호를 감지하도록 구성될 수 있다.
온도 센서(103)는 유도전동기(10)의 온도를 시간 영역에서 감지하도록 구성될 수 있다.
A/D 변환부(104)가 3방향 진동 센서(101)에서 감지된 3방향 시간영역 진동신호, 3방향 자기 센서(102)에서 감지된 3방향 시간영역 자계신호 및 온도 센서(103)에서 감지된 온도를 A/D(analog/digital) 변환하여 진동 데이터, 자계 데이터 및 온도 데이터를 출력하도록 구성될 수 있다. 즉, 아날로그 신호를 디지털 데이터로 변환할 수 있다.
실시간 데이터 수집/저장부(105)는 A/D 변환부(104)에서 출력되는 진동 데이터, 자계 데이터 및 온도 데이터를 실시간 수집하여 저장하도록 구성될 수 있다.
3방향 시간-주파수 데이터 생성부(106)는 실시간 데이터 수집/저장부(105)에 저장된 진동 데이터 및 자계 데이터를 주파수 영역의 진동 데이터 및 자계 데이터로 변환하여 생성하도록 구성될 수 있다. 이때, STFT(Short-Time Fourier Transform)을 적용하여 시간 영역의 데이터를 주파수 영역의 데이터로 변환하도록 구성될 수 있다. 그리고 3방향 시간영역의 진동신호와 3방향 시간 영역의 자계신호를 각각 그 윈도우(window)의 길이를 달리하여 STFT를 적용하도록 구성될 수 있다.
동작 상태 진단 추정부(107)는 3방향 시간-주파수 데이터 생성부(106)에서 생성된 주파수 영역의 진동 데이터 및 자계 데이터와 실시간 데이터 수집/저장부(105)에서 저장된 시간 영역의 온도 데이터를 이용하여 유도전동기(10)의 동작 상태를 진단하고 추정하도록 구성될 수 있다. 진동 데이터와 자계 데이터는 주파수 영역 상에서 여러 가지 결함을 갖는 주파수 형태를 통해 동작 상태가 진단되거나 추정될 수 있다.
여기서, 동작 상태 진단 추정부(107)는 결함 진단 및 예지 학습 데이터 저장부(110)에 저장된 결함 진단 데이터 및 예지 학습 데이터를 참조하여 유도전동기(10)의 동작 상태를 진단하도록 구성될 수 있다. 기존의 기계 학습에 의해 누적된 결함 진단 데이터 및 예지 학습 데이터는 단순한 각각의 결함뿐만 아니라 여러 가지 복합적인 결함에 대해서도 새로운 복합 형태의 결함으로 인식하는 데 이용될 수 있다.
유저 인터페이스부(108)는 동작 상태 진단 추정부(107)에서 진단되고 추정되는 동작 상태를 표시하도록 구성될 수 있다. 사용자는 현장에서 유도전동기(10)의 작업 중에 유도전동기(10)의 결함을 즉시 인지할 수 있고, 결함의 발생도 예측할 수 있다.
결함 진단 및 예지 학습 데이터 생성부(109)는 동작 상태 진단 추정부(107)의 진단 및 추정에 따라 기계 학습에 의한 결함 진단 데이터 및 예지 학습 데이터를 생성하도록 구성될 수 있다.
결함 진단 및 예지 학습 데이터 저장부(110)는 결함 진단 및 예지 학습 데이터 생성부(109)에 의해 생성된 결함 진단 데이터 및 예지 학습 데이터가 저장되도록 구성될 수 있다.
무선 통신부(111)는 실시간 데이터 수집/저장부(105)에 저장된 진동 데이터, 자계 데이터 및 온도 데이터와 동작 상태 진단 추정부(107)에 의해 진단 및 추정된 동작 상태를 사용자 단말(200)로 송신하도록 구성될 수 있다.
한편, 무선 통신부(111)는 결함 진단 및 예지 학습 데이터 저장부(110)에 저장된 결함 진단 데이터 및 예지 학습 데이터를 클라우드 서버(300)로 업로드하도록 구성될 수 있다. 클라우드 서버(300)에서는 여러 인공지능 내장형 임베디드 모듈(100)로부터 결함 진단 데이터 및 예지 학습 데이터가 수집되어 빅데이터를 형성할 수 있다.
그리고 무선 통신부(111)는 클라우드 서버(300)로부터 결함 진단 데이터 및 예지 학습 데이터를 다운로드하여 결함 진단 및 예지 학습 데이터 저장부(110)에 추가 저장하도록 구성될 수 있다. 인공지능 내장형 임베디드 모듈(100)은 클라우드 서버(300)의 빅데이터를 다운로드하기 때문에 다른 여러 인공지능 내장형 임베디드 모듈(100)에서 기계 학습에 의해 축적된 빅데이터를 통해 진단과 추정의 정확도를 보다 높일 수 있게 된다.
사용자 단말(200)은 인공지능 내장형 임베디드 모듈(100)에서 수행된 상태 진단의 결과를 수신하여 모니터링하도록 구성될 수 있다.
사용자 단말(200)은 데이터 통신부(201), 진단 상태 모니터링부(202), UI(user interface) 서비스부(203)를 포함하도록 구성될 수 있다.
데이터 통신부(201)는 무선 통신부(111)로부터 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 수신하도록 구성될 수 있다.
진단 상태 모니터링부(202)는 데이터 통신부(201)에서 수신된 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 이용하여 유도전동기(10)의 상태를 모니터링하도록 구성될 수 있다.
UI 서비스부(203)는 데이터 통신부(201)에서 수신된 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 디스플레이(display)에 표시하고, 결함이 발생한 것으로 판단되거나 결함이 예상되는 경우 알람(alarm)을 출력하도록 구성될 수 있다. 알람은 현재의 결함과 예측되는 결함을 나타낼 수 있다.
클라우드 서버(300)는 상기 인공지능 내장형 임베디드 모듈(100)의 기계 학습에 따른 결함 진단 및 예지 학습 데이터를 백업 저장하도록 구성될 수 있다. 여러 내장형 임베디드 모듈(100)로부터 데이터를 백업 저장하여 빅데이터를 형성할 수 있다.
클라우드 서버(300)는 데이터 통신부(301), 결함 진단 및 예지 학습 데이터 데이터베이스(302)를 포함하도록 구성될 수 있다.
데이터 통신부(301)는 무선 통신부(111)로부터 결함 진단 데이터 및 예지 학습 데이터를 수신하고, 그리고 결함 진단 및 예지 학습 데이터 데이터베이스(302)에 기 백업 저장된 결함 진단 데이터 및 예지 학습 데이터를 무선 통신부(111)로 송신하도록 구성될 수 있다.
결함 진단 및 예지 학습 데이터 데이터베이스(302)에는 데이터 통신부(301)에서 수신된 결함 진단 데이터 및 예지 학습 데이터가 백업 저장되도록 구성될 수 있다.
도 2는 본 발명의 실시예에 따른 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치의 동작방법의 흐름도이다.
도 2를 참조하면, 유도전동기(10)에 부착된 인공지능 내장형 임베디드(embedded) 모듈(100)이 유도전동기(10)의 동작 상태를 감지하고, 기계 학습(machine learning)을 통해 동작 상태에 따른 상태 진단을 수행한다(S100).
다음으로, 사용자 단말(200)이 인공지능 내장형 임베디드 모듈(100)에서 수행된 상태 진단의 결과를 수신하여 모니터링한다(S200).
다음으로, 클라우드 서버(cloud server)(300)가 인공지능 내장형 임베디드 모듈(100)의 기계 학습에 따른 결함 진단 및 예지 학습 데이터를 백업 저장한다(S300).
도 3 내지 도 5는 본 발명의 실시예에 따른 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치의 동작방법의 세부 흐름도이다.
도 3에서는 위 단계 S100의 세부 흐름을 나타낸다.
도 3을 참조하면, 상기 유도전동기(10)의 축이 3D 좌표상의 X축과 나란하게 배치되었다고 가정했을 때 상기 3방향 진동 센서(101)가 상기 유도 전동기(10)의 X축 방향 진동 신호와, 상기 유도 전동기(10)의 Y축 방향 진동 신호, 상기 유도 전동기(10)의 Z축 방향 진동 신호로 구성되는 3방향 시간영역 진동신호를 감지한다(S101).
다음으로, 상기 유도전동기(10)의 축이 3D 좌표상의 X축과 나란하게 배치되었다고 가정했을 때 3방향 자기 센서(102)가 상기 유도 전동기(10)의 X축 방향 자계 신호와, 상기 유도 전동기(10)의 Y축 방향 자계 신호, 상기 유도 전동기(10)의 Z축 방향 자계 신호로 구성되는 3방향 시간영역 자계신호를 감지한다(S102).
다음으로, 온도 센서(103)가 유도전동기(10)의 온도를 시간 영역에서 감지한다(S103).
다음으로, A/D 변환부(104)가 3방향 진동 센서(101)에서 감지된 3방향 시간영역 진동신호, 3방향 자기 센서(102)에서 감지된 3방향 시간영역 자계신호 및 온도 센서(103)에서 감지된 온도를 A/D(analog/digital) 변환하여 진동 데이터, 자계 데이터 및 온도 데이터를 출력한다(S104).
다음으로, 실시간 데이터 수집/저장부(105)가 A/D 변환부(104)에서 출력되는 진동 데이터, 자계 데이터 및 온도 데이터를 실시간 수집하여 저장한다(S105).
다음으로, 3방향 시간-주파수 데이터 생성부(106)가 실시간 데이터 수집/저장부(105)에 저장된 진동 데이터 및 자계 데이터를 주파수 영역의 진동 데이터 및 자계 데이터로 변환하여 생성한다(S106).
다음으로, 동작 상태 진단 추정부(107)가 3방향 시간-주파수 데이터 생성부(106)에서 생성된 주파수 영역의 진동 데이터 및 자계 데이터와 실시간 데이터 수집/저장부(105)에서 저장된 시간 영역의 온도 데이터를 이용하여 유도전동기(10)의 동작 상태를 진단하고 추정한다(S107).
여기서, 동작 상태 진단 추정부(107)가 결함 진단 및 예지 학습 데이터 저장부(110)에 저장된 결함 진단 데이터 및 예지 학습 데이터를 참조하여 유도전동기(10)의 동작 상태를 진단하도록 구성될 수 있다.
다음으로, 유저 인터페이스부(108)가 동작 상태 진단 추정부(107)에서 진단되고 추정되는 동작 상태를 표시한다(S108).
다음으로, 결함 진단 및 예지 학습 데이터 생성부(109)가 동작 상태 진단 추정부(107)의 진단 및 추정에 따라 기계 학습에 의한 결함 진단 데이터 및 예지 학습 데이터를 생성하여 결함 진단 및 예지 학습 데이터 저장부(110)에 저장한다(S109).
다음으로, 무선 통신부(111)가 실시간 데이터 수집/저장부(105)에 저장된 진동 데이터, 자계 데이터 및 온도 데이터와 동작 상태 진단 추정부(107)에 의해 진단 및 추정된 동작 상태를 사용자 단말(200)로 송신한다(S110).
다음으로, 무선 통신부(111)가 결함 진단 및 예지 학습 데이터 저장부(110)에 저장된 결함 진단 데이터 및 예지 학습 데이터를 클라우드 서버(300)로 업로드한다(S111).
다음으로, 무선 통신부(111)가 클라우드 서버(300)로부터 결함 진단 데이터 및 예지 학습 데이터를 다운로드하여 결함 진단 및 예지 학습 데이터 저장부(110)에 추가 저장한다(S112).
도 4에서는 위 단계 S200의 세부 흐름을 나타낸다.
도 4를 참조하면, 데이터 통신부(201)가 인공지능 내장형 임베디드 모듈(100)로부터 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 수신한다(S201).
다음으로, 진단 상태 모니터링부(202)가 데이터 통신부(201)에서 수신된 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 이용하여 유도전동기(10)의 상태를 모니터링한다(S202).
다음으로, UI(user interface) 서비스부(203)가 데이터 통신부(201)에서 수신된 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 디스플레이(display)에 표시하고, 결함이 발생한 것으로 판단되거나 결함이 예상되는 경우 알람(alarm)을 출력한다(S203).
도 5에서는 위 단계 S300의 세부 흐름을 나타낸다.
도 5를 참조하면, 데이터 통신부(301)가 무선 통신부(111)로부터 결함 진단 데이터 및 예지 학습 데이터를 수신하여 결함 진단 및 예지 학습 데이터 데이터베이스(302)에 백업 저장한다(S301).
다음으로, 데이터 통신부(301)가 결함 진단 및 예지 학습 데이터 데이터베이스(302)에 기 백업 저장된 결함 진단 데이터 및 예지 학습 데이터를 무선 통신부(111)로 송신한다(S302).
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 인공지능 내장형 임베디드 모듈 101: 3방향 진동 센서
102: 3방향 자기 센서 103: 온도 센서
104: A/D 변환부 105: 실시간 데이터 수집/저장부
106: 3방향 시간-주파수 데이터 생성부
107: 동작 상태 진단 추정부 108: 유저 인터페이스부
109: 결함 진단 및 예지 학습 데이터 생성부
110: 결함 진단 및 예지 학습 데이터 저장부
111: 무선 통신부 200: 사용자 단말
201: 데이터 통신부 202: 진단 상태 모니터링부
203: UI 서비스부 300: 클라우드 서버
301: 데이터 통신부
302: 결함 진단 및 예지 학습 데이터 데이터베이스
102: 3방향 자기 센서 103: 온도 센서
104: A/D 변환부 105: 실시간 데이터 수집/저장부
106: 3방향 시간-주파수 데이터 생성부
107: 동작 상태 진단 추정부 108: 유저 인터페이스부
109: 결함 진단 및 예지 학습 데이터 생성부
110: 결함 진단 및 예지 학습 데이터 저장부
111: 무선 통신부 200: 사용자 단말
201: 데이터 통신부 202: 진단 상태 모니터링부
203: UI 서비스부 300: 클라우드 서버
301: 데이터 통신부
302: 결함 진단 및 예지 학습 데이터 데이터베이스
Claims (8)
- 유도전동기(10)에 부착되어 유도전동기(10)의 동작 상태를 감지하고, 기계 학습(machine learning)을 통해 상기 감지된 동작 상태에 따른 상태 진단을 수행하는 인공지능 내장형 임베디드(embedded) 모듈(100);
상기 인공지능 내장형 임베디드 모듈(100)에서 수행된 상태 진단의 결과를 수신하여 모니터링하는 사용자 단말(200);
상기 인공지능 내장형 임베디드 모듈(100)의 기계 학습에 따른 결함 진단 및 예지 학습 데이터를 백업 저장하는 클라우드 서버(cloud server)(300)를 포함하고,
상기 인공지능 내장형 임베디드 모듈(100)은,
상기 유도전동기(10)의 축이 3D 좌표상의 X축과 나란하게 배치되었다고 가정했을 때 상기 유도 전동기(10)의 X축 방향 진동 신호와, 상기 유도 전동기(10)의 Y축 방향 진동 신호, 상기 유도 전동기(10)의 Z축 방향 진동 신호로 구성되는 3방향 시간영역 진동신호를 감지하는 3방향 진동 센서(101);
상기 유도전동기(10)의 축이 3D 좌표상의 X축과 나란하게 배치되었다고 가정했을 때 상기 유도 전동기(10)의 X축 방향 자계 신호와, 상기 유도 전동기(10)의 Y축 방향 자계 신호, 상기 유도 전동기(10)의 Z축 방향 자계 신호로 구성되는 3방향 시간영역 자계신호를 감지하는 3방향 자기 센서(102);
상기 유도전동기(10)의 온도를 시간 영역에서 감지하는 온도 센서(103);
상기 3방향 진동 센서(101)에서 감지된 3방향 시간영역 진동신호, 상기 3방향 자기 센서(102)에서 감지된 3방향 시간영역 자계신호 및 상기 온도 센서(103)에서 감지된 온도를 A/D(analog/digital) 변환하여 진동 데이터, 자계 데이터 및 온도 데이터를 출력하는 A/D 변환부(104);
상기 A/D 변환부(104)에서 출력되는 진동 데이터, 자계 데이터 및 온도 데이터를 실시간 수집하여 저장하는 실시간 데이터 수집/저장부(105);
상기 실시간 데이터 수집/저장부(105)에 저장된 진동 데이터 및 자계 데이터를 주파수 영역의 진동 데이터 및 자계 데이터로 변환하여 생성하는 3방향 시간-주파수 데이터 생성부(106);
상기 3방향 시간-주파수 데이터 생성부(106)에서 생성된 주파수 영역의 진동 데이터 및 자계 데이터와 상기 실시간 데이터 수집/저장부(105)에서 저장된 시간 영역의 온도 데이터를 이용하여 상기 유도전동기(10)의 동작 상태를 진단하고 추정하는 동작 상태 진단 추정부(107);
상기 동작 상태 진단 추정부(107)에서 진단되고 추정되는 동작 상태를 표시하는 유저 인터페이스(user interface)부(108);
상기 동작 상태 진단 추정부(107)의 진단 및 추정에 따라 기계 학습에 의한 결함 진단 데이터 및 예지 학습 데이터를 생성하는 결함 진단 및 예지 학습 데이터 생성부(109);
상기 결함 진단 및 예지 학습 데이터 생성부(109)에 의해 생성된 결함 진단 데이터 및 예지 학습 데이터가 저장되는 결함 진단 및 예지 학습 데이터 저장부(110);
상기 실시간 데이터 수집/저장부(105)에 저장된 진동 데이터, 자계 데이터 및 온도 데이터와 상기 동작 상태 진단 추정부(107)에 의해 진단 및 추정된 동작 상태를 상기 사용자 단말(200)로 송신하고, 상기 결함 진단 및 예지 학습 데이터 저장부(110)에 저장된 결함 진단 데이터 및 예지 학습 데이터를 상기 클라우드 서버(300)로 업로드하고, 상기 클라우드 서버(300)로부터 결함 진단 데이터 및 예지 학습 데이터를 다운로드하여 상기 결함 진단 및 예지 학습 데이터 저장부(110)에 추가 저장하는 무선 통신부(111)를 포함하며,
상기 동작 상태 진단 추정부(107)는,
상기 결함 진단 및 예지 학습 데이터 저장부(110)에 저장된 결함 진단 데이터 및 예지 학습 데이터를 참조하여 상기 유도전동기(10)의 동작 상태를 진단하도록 구성되고,
상기 클라우드 서버(300)는,
상기 무선 통신부(111)로부터 결함 진단 데이터 및 예지 학습 데이터를 수신하고, 기 백업 저장된 결함 진단 데이터 및 예지 학습 데이터를 상기 무선 통신부(111)로 송신하는 데이터 통신부(301);
상기 데이터 통신부(301)에서 수신된 결함 진단 데이터 및 예지 학습 데이터가 백업 저장되는 결함 진단 및 예지 학습 데이터 데이터베이스(302)를 포함하며,
사용자 단말(200)은 무선 통신부(111)로부터 유도 전동기(10)의 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 수신하는 데이터 통신부(201)와,
데이터 통신부(201)에서 수신된 유도 전동기(10)의 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 이용하여 유도전동기(10)의 상태를 모니터링하는 진단 상태 모니터링부(202),
데이터 통신부(201)에서 수신된 유도 전동기(10)의 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 디스플레이(display)에 표시하고, 유도 전동기(10)의 결함이 발생한 것으로 판단되거나 유도 전동기(10)의 결함이 예상되는 경우 알람(alarm)을 출력하는 UI 서비스부(203)를 포함하고,
상기 클라우드 서버(300)에서는 복수개의 인공지능 내장형 임베디드 모듈(100)로부터 결함 진단 데이터 및 예지 학습 데이터가 수집되어 빅데이터를 형성하는 것을 특징으로 하는 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치.
- 삭제
- 삭제
- 삭제
- 유도전동기(10)에 부착된 인공지능 내장형 임베디드(embedded) 모듈(100)이 유도전동기(10)의 동작 상태를 감지하고, 기계 학습(machine learning)을 통해 상기 감지된 동작 상태에 따른 상태 진단을 수행하는 단계;
사용자 단말(200)이 상기 인공지능 내장형 임베디드 모듈(100)에서 수행된 상태 진단의 결과를 수신하여 모니터링하는 단계;
클라우드 서버(cloud server)(300)가 상기 인공지능 내장형 임베디드 모듈(100)의 기계 학습에 따른 결함 진단 및 예지 학습 데이터를 백업 저장하는 단계를 포함하고,
상기 유도전동기(10)에 부착된 인공지능 내장형 임베디드(embedded) 모듈(100)이 유도전동기(10)의 동작 상태를 감지하고, 기계 학습(machine learning)을 통해 상기 감지된 동작 상태에 따른 상태 진단을 수행하는 단계는,
상기 유도전동기(10)의 축이 3D 좌표상의 X축과 나란하게 배치되었다고 가정했을 때 3방향 진동 센서(101)가 상기 유도 전동기(10)의 X축 방향 진동 신호와, 상기 유도 전동기(10)의 Y축 방향 진동 신호, 상기 유도 전동기(10)의 Z축 방향 진동 신호로 구성되는 3방향 시간영역 진동신호를 감지하는 단계;
상기 유도전동기(10)의 축이 3D 좌표상의 X축과 나란하게 배치되었다고 가정했을 때 3방향 자기 센서(102)가 상기 유도 전동기(10)의 X축 방향 자계 신호와, 상기 유도 전동기(10)의 Y축 방향 자계 신호, 상기 유도 전동기(10)의 Z축 방향 자계 신호로 구성되는 3방향 시간영역 자계신호를 감지하는 단계;
온도 센서(103)가 상기 유도전동기(10)의 온도를 시간 영역에서 감지하는 단계;
A/D 변환부(104)가 3방향 진동 센서(101)에서 감지된 3방향 시간영역 진동신호, 상기 3방향 자기 센서(102)에서 감지된 3방향 시간영역 자계신호 및 상기 온도 센서(103)에서 감지된 온도를 A/D(analog/digital) 변환하여 진동 데이터, 자계 데이터 및 온도 데이터를 출력하는 단계;
실시간 데이터 수집/저장부(105)가 상기 A/D 변환부(104)에서 출력되는 진동 데이터, 자계 데이터 및 온도 데이터를 실시간 수집하여 저장하는 단계;
3방향 시간-주파수 데이터 생성부(106)가 상기 실시간 데이터 수집/저장부(105)에 저장된 진동 데이터 및 자계 데이터를 주파수 영역의 진동 데이터 및 자계 데이터로 변환하여 생성하는 단계;
동작 상태 진단 추정부(107)가 상기 3방향 시간-주파수 데이터 생성부(106)에서 생성된 주파수 영역의 진동 데이터 및 자계 데이터와 상기 실시간 데이터 수집/저장부(105)에서 저장된 시간 영역의 온도 데이터를 이용하여 상기 유도전동기(10)의 동작 상태를 진단하고 추정하는 단계;
유저 인터페이스(user interface)부(108)가 상기 동작 상태 진단 추정부(107)에서 진단되고 추정되는 동작 상태를 표시하는 단계;
결함 진단 및 예지 학습 데이터 생성부(109)가 상기 동작 상태 진단 추정부(107)의 진단 및 추정에 따라 기계 학습에 의한 결함 진단 데이터 및 예지 학습 데이터를 생성하여 결함 진단 및 예지 학습 데이터 저장부(110)에 저장하는 단계;
무선 통신부(111)가 상기 실시간 데이터 수집/저장부(105)에 저장된 진동 데이터, 자계 데이터 및 온도 데이터와 상기 동작 상태 진단 추정부(107)에 의해 진단 및 추정된 동작 상태를 상기 사용자 단말(200)로 송신하는 단계;
상기 무선 통신부(111)가 상기 결함 진단 및 예지 학습 데이터 저장부(110)에 저장된 결함 진단 데이터 및 예지 학습 데이터를 상기 클라우드 서버(300)로 업로드하는 단계;
상기 무선 통신부(111)가 상기 클라우드 서버(300)로부터 결함 진단 데이터 및 예지 학습 데이터를 다운로드하여 상기 결함 진단 및 예지 학습 데이터 저장부(110)에 추가 저장하는 단계를 포함하며,
상기 동작 상태 진단 추정부(107)가 상기 3방향 시간-주파수 데이터 생성부(106)에서 생성된 주파수 영역의 진동 데이터 및 자계 데이터와 상기 실시간 데이터 수집/저장부(105)에서 저장된 시간 영역의 온도 데이터를 이용하여 상기 유도전동기(10)의 동작 상태를 진단하고 추정하는 단계는,
상기 동작 상태 진단 추정부(107)가 상기 결함 진단 및 예지 학습 데이터 저장부(110)에 저장된 결함 진단 데이터 및 예지 학습 데이터를 참조하여 상기 유도전동기(10)의 동작 상태를 진단하도록 구성되고,
상기 클라우드 서버(cloud server)(300)가 상기 인공지능 내장형 임베디드 모듈(100)의 기계 학습에 따른 결함 진단 및 예지 학습 데이터를 백업 저장하는 단계는,
데이터 통신부(301)가 상기 무선 통신부(111)로부터 결함 진단 데이터 및 예지 학습 데이터를 수신하여 결함 진단 및 예지 학습 데이터 데이터베이스(302)에 백업 저장하는 단계;
상기 데이터 통신부(301)가 상기 결함 진단 및 예지 학습 데이터 데이터베이스(302)에 기 백업 저장된 결함 진단 데이터 및 예지 학습 데이터를 상기 무선 통신부(111)로 송신하는 단계를 포함하며,
상기 사용자 단말(200)이 상기 인공지능 내장형 임베디드 모듈(100)에서 수행된 상태 진단의 결과를 수신하여 모니터링하는 단계는,
데이터 통신부(201)가 인공지능 내장형 임베디드 모듈(100)로부터 유도 전동기(10)의 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 수신하는 단계,
진단 상태 모니터링부(202)가 데이터 통신부(201)에서 수신된 유도 전동기(10)의 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 이용하여 유도전동기(10)의 상태를 모니터링하는 단계,
UI(user interface) 서비스부(203)가 데이터 통신부(201)에서 수신된 유도 전동기(10)의 진동 데이터, 자계 데이터, 온도 데이터 및 동작 상태를 디스플레이(display)에 표시하고 유도 전동기(10)의 결함이 발생한 것으로 판단되거나 유도 전동기(10)의 결함이 예상되는 경우 알람(alarm)을 출력하는 단계를 포함하고,
상기 클라우드 서버(300)에서는 복수개의 인공지능 내장형 임베디드 모듈(100)로부터 결함 진단 데이터 및 예지 학습 데이터가 수집되어 빅데이터를 형성하는 것을 특징으로 하는 유도전동기 실시간 진단 서비스를 제공하는 인공지능방법.
- 삭제
- 삭제
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200032587A KR102133385B1 (ko) | 2020-03-17 | 2020-03-17 | 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치 및 그 동작방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200032587A KR102133385B1 (ko) | 2020-03-17 | 2020-03-17 | 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치 및 그 동작방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102133385B1 true KR102133385B1 (ko) | 2020-07-13 |
Family
ID=71570738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200032587A KR102133385B1 (ko) | 2020-03-17 | 2020-03-17 | 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치 및 그 동작방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102133385B1 (ko) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102387313B1 (ko) | 2021-05-26 | 2022-04-15 | 서울대학교산학협력단 | 진동 신호 생성 장치 및 이를 이용한 진동 신호 생성 방법 |
KR102398046B1 (ko) | 2021-03-10 | 2022-05-12 | 서울대학교산학협력단 | 비지도 도메인 적응 기법을 통한 고장 진단 장치 및 이를 이용한 고장 진단 방법 |
KR20230020300A (ko) * | 2021-08-03 | 2023-02-10 | 윤상흠 | 유도전동기 전류데이터 기반 승강기 결함진단 모니터링 시스템 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101136493B1 (ko) | 2011-04-18 | 2012-04-19 | 부산대학교 산학협력단 | 전동기의 마주보는 상의 전압/전류를 이용한 층간단락 고장진단 방법 |
KR101768457B1 (ko) | 2016-01-27 | 2017-08-16 | 주식회사 노바테크 | 독립 전원형 산업설비 예지보전 시스템 및 방법 |
KR200486953Y1 (ko) * | 2017-09-08 | 2018-07-18 | 한국발전기술주식회사 | 지능형 전동기 상태 진단장치 |
KR20190035584A (ko) * | 2017-09-26 | 2019-04-03 | 현대일렉트릭앤에너지시스템(주) | 무선 모니터링 장치 및 이를 갖는 전동장치 |
-
2020
- 2020-03-17 KR KR1020200032587A patent/KR102133385B1/ko active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101136493B1 (ko) | 2011-04-18 | 2012-04-19 | 부산대학교 산학협력단 | 전동기의 마주보는 상의 전압/전류를 이용한 층간단락 고장진단 방법 |
KR101768457B1 (ko) | 2016-01-27 | 2017-08-16 | 주식회사 노바테크 | 독립 전원형 산업설비 예지보전 시스템 및 방법 |
KR200486953Y1 (ko) * | 2017-09-08 | 2018-07-18 | 한국발전기술주식회사 | 지능형 전동기 상태 진단장치 |
KR20190035584A (ko) * | 2017-09-26 | 2019-04-03 | 현대일렉트릭앤에너지시스템(주) | 무선 모니터링 장치 및 이를 갖는 전동장치 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102398046B1 (ko) | 2021-03-10 | 2022-05-12 | 서울대학교산학협력단 | 비지도 도메인 적응 기법을 통한 고장 진단 장치 및 이를 이용한 고장 진단 방법 |
KR102387313B1 (ko) | 2021-05-26 | 2022-04-15 | 서울대학교산학협력단 | 진동 신호 생성 장치 및 이를 이용한 진동 신호 생성 방법 |
KR20230020300A (ko) * | 2021-08-03 | 2023-02-10 | 윤상흠 | 유도전동기 전류데이터 기반 승강기 결함진단 모니터링 시스템 |
KR102602304B1 (ko) | 2021-08-03 | 2023-11-14 | 김수연 | 유도전동기 전류데이터 기반 승강기 결함진단 모니터링 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102133385B1 (ko) | 유도전동기 실시간 진단 서비스를 제공하는 인공지능장치 및 그 동작방법 | |
KR101874286B1 (ko) | 전력설비 모니터링 및 진단 시스템 | |
US10310016B2 (en) | Method for the diagnostics of electromechanical system based on impedance analysis | |
EP3090269B1 (en) | System for condition monitoring of electric machine, mobile phone and method thereof | |
CN103620354B (zh) | 用于监测去磁的方法 | |
KR101846195B1 (ko) | 모터 상태 모니터링 시스템 및 그 방법 | |
US7081760B2 (en) | Method of diagnosing a broken bar fault in an induction motor | |
US20040263342A1 (en) | System for monitoring motors | |
JP4079892B2 (ja) | エンコーダ及び電動機の制御装置 | |
KR102265423B1 (ko) | 초음파센서를 이용한 배터리 안전상태 진단 모니터링 시스템 | |
KR102104117B1 (ko) | 전동기의 진단 장치 | |
Da Costa et al. | A new approach for real time fault diagnosis in induction motors based on vibration measurement | |
WO2018158910A1 (ja) | 診断装置および診断方法 | |
JP2019020278A (ja) | 回転機システムの診断装置、電力変換装置、回転機システム、および回転機システムの診断方法 | |
JP2004251689A (ja) | 三相誘導モータ絶縁劣化監視装置 | |
JP6801144B2 (ja) | 診断装置および診断方法 | |
KR20190044232A (ko) | 음향신호를 이용한 속도제어용 전력변환장치 유/무선 고장 진단 장치 및 방법 | |
CN111610038B (zh) | 一种故障诊断系统、方法、装置、设备及其存储介质 | |
EP2933647A1 (en) | A model based diagnostic of induction machine | |
KR101218012B1 (ko) | 복합 신호 분석을 이용한 숏 브라스팅용 임펠러 모터 상태진단 장치 및 방법 | |
CN111856268A (zh) | 基于谐波法的电动机和发电机故障诊断系统 | |
KR100905971B1 (ko) | 발전-전동기 운전중 진단 시스템 및 방법 | |
JP4537438B2 (ja) | エンコーダ及び電動機の制御装置 | |
CN108151795B (zh) | 用于配置状态监测装置的方法及系统 | |
JPWO2020129818A1 (ja) | 機械設備診断システム、機械設備診断方法、および機械設備診断プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |