KR102160871B1 - 결함을 검출하는 방법, 그 장치 및 그 방법을 컴퓨터에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체 - Google Patents

결함을 검출하는 방법, 그 장치 및 그 방법을 컴퓨터에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체 Download PDF

Info

Publication number
KR102160871B1
KR102160871B1 KR1020190015220A KR20190015220A KR102160871B1 KR 102160871 B1 KR102160871 B1 KR 102160871B1 KR 1020190015220 A KR1020190015220 A KR 1020190015220A KR 20190015220 A KR20190015220 A KR 20190015220A KR 102160871 B1 KR102160871 B1 KR 102160871B1
Authority
KR
South Korea
Prior art keywords
signal
coordinates
coordinate
detecting
class
Prior art date
Application number
KR1020190015220A
Other languages
English (en)
Other versions
KR20200080089A (ko
Inventor
김종면
김재영
전득찬
Original Assignee
울산대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 울산대학교 산학협력단 filed Critical 울산대학교 산학협력단
Publication of KR20200080089A publication Critical patent/KR20200080089A/ko
Application granted granted Critical
Publication of KR102160871B1 publication Critical patent/KR102160871B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

결함을 검출하는 방법 및 장치가 개시된다. 본 발명의 결합을 검출하는 장치의 결함을 검출하는 방법은 (A) 신호에서 하나 이상의 특징에 대한 값을 추출하고, 좌표계에 상기 신호의 특징 값을 좌표에 이동시키는 단계; (B) 상기 좌표에 이동된 신호의 클래스(class)가 둘 이상인 경우 해당 좌표를 나누고 상기 특징의 값을 다시 좌표에 이동시키는 단계; 및 (C) 신호에서 상기 특징 값을 추출한 후 상기 (B) 단계를 수행한 좌표계에 상기 신호의 특징 값을 좌표에 이동시키고 기존의 특징 값과 비교하여 상기 신호의 클래스를 분류하고 상기 클래스에 따른 결함을 분류하는 단계;를 포함할 수 있다.

Description

결함을 검출하는 방법, 그 장치 및 그 방법을 컴퓨터에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체{Method and Apparatus for Dectecting Defects and Computer Readable Recording Medium storing a program for performing the method on a computer}
본 발명은 결함을 검출하는 방법에 관한 것으로서, 더욱 상세하게는, 어떠한 설비에서 방출되는 신호의 특징을 이용하여 설비의 상태나 결합을 검출하는 방법에 관한 것이다.
산업 현장에 설비되어 있는 각종의 기계 장치는 작동 시간이 오래될수록 부품의 마모 등으로 인하여 고장이 발생할 가능성에 노출되어 있을 뿐만 아니라, 기계 장치를 구성하는 부품들 중 소모품의 경우에는 주기적인 점검 이나 교체가 이루어지는 것이 바람직하다.
특히, 대형의 기계 장치는 주변 부품과 마찰하면서 회전하거나 이동하는 부분이 많이 포함되어 있기 때문에 유지 및 보수 관리가 소홀히 이루어질 경우에는 특정 부분에서의 고장 발생으로 인하여 기계 장치 전체의 구동이 이루어지지 못하게 되는 현상이 발생할 수도 있다.
그 동안 산업 설비의 고장을 예측하거나 진단하기 위한 시스템으로 알려진 방식으로는 기계 장치로부터 발생하는 진동이나 소음 등을 모니터링하여 디지털 신호로 변환시킨 후, 정상 상태의 디지털 신호와 비정상 상태의 디지털 신호를 비교 판단하는 방식이 주로 적용되어왔다.
하지만, 이러한 단순히 정상 상태의 디지털 신호와 비정상 상태의 디지털 신호를 비교하는 것은 어떠한 방식으로 비교하냐에 따라 결과의 정확도에 많은 차이가 있다는 문제점이 있다.
한국공개특허 10-2009-0120842 한국등록특허 10-1839274
본 발명은 어떠한 설비에서 방출되는 신호의 특징들을 추출하고 신호와 신호의 특징을 특징공간 좌표계에 표현하고 표현된 좌표계를 규칙 테이블로 생성한 후 새롭게 입력된 신호의 특징과 비교하여 새롭게 입력된 신호의 장치가 어떠한 클래스(Class)에 해당하는 상태인지 검출하는 방법과 그 장치를 제공하는 것이다.
상술한 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 결함을 검출하는 방법에 있어서, (A) 신호에서 하나 이상의 특징에 대한 값을 추출하고, 좌표계에 상기 신호의 특징 값을 좌표에 이동시키는 단계; (B) 상기 좌표에 이동된 신호의 클래스(class)가 둘 이상인 경우 해당 좌표를 나누고 상기 특징의 값을 다시 좌표에 이동시키는 단계; 및 (C) 신호에서 상기 특징 값을 추출한 후 상기 (B) 단계를 수행한 좌표계에 상기 신호의 특징 값을 좌표에 이동시키고 기존의 특징 값과 비교하여 상기 신호의 클래스를 분류하고 상기 클래스에 따른 결함을 분류하는 단계;를 포함한다.
이때, 상기 신호의 특징 값은, 정규화된 것이다.
또한 이때, 상기 좌표계는, 하나 이상의 좌표로 나누어지고 추출된 특징 수의 좌표축;을 포함한다.
또한 이때, 상기 (B) 단계는, (B1) 상기 좌표에 이동된 신호의 클래스가 둘 이상인 경우 상기 해당 좌표와 밀접한 좌표 사이를 나누어 좌표를 생성하는 단계; (B2) 상기 특징의 값을 좌표에 이동시키는 단계; 및 (B3) 상기 좌표에 이동된 신호의 클래스가 둘 이상인 경우 상기 (B1) 및 (B2) 단계를 다시 수행하는 단계;를 포함한다.
또한 이때, 상기 (B) 단계는, 상기 신호의 클래스를 기준으로 상기 특징의 좌표 값을 표 형태로 저장하는 단계;를 더 포함한다.
또한 이때, 상기 (C) 단계는, 신호에서 상기 특징 값을 추출한 후 상기 (B) 단계를 수행한 좌표계의 좌표에 이동시키고 상기 표와 비교하여 상기 신호의 클래스를 분류하고 상기 클래스에 따른 결함을 분류한다.
또한, 본 발명의 일 실시예에 따른 결함을 검출하는 방법을 컴퓨터에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체를 포함한다.
또한, 본 발명의 일 실시예에 따른 결함을 검출하는 장치에 있어서, 신호에서 하나 이상의 특징에 대한 값을 추출하는 특징추출부; 좌표계에 상기 신호의 특징 값을 좌표에 이동시키고, 상기 좌표에 이동된 신호의 클래스가 둘 이상인 경우 해당 좌표를 나누고 상기 특징의 값을 다시 좌표에 이동시키는 좌표부; 및 신호에서 상기 특징 값을 추출한 후 상기 좌표부의 좌표계에 상기 신호의 특징 값을 좌표에 이동시키고 기존의 특징 값과 비교하여 상기 신호의 클래스를 분류하고 상기 클래스에 따른 결함을 분류하는 분류부;를 포함한다.
이때, 상기 신호의 특징 값은, 정규화된 것이다.
또한 이때, 상기 좌표계는, 하나 이상의 좌표로 나누어지고 추출된 특징 수의 좌표축;을 포함한다.
또한 이때, 상기 좌표부는, 상기 좌표에 이동된 신호의 클래스가 둘 이상인 경우 상기 해당 좌표와 밀접한 좌표 사이를 나누어 좌표를 생성하는 좌표생성부; 및 상기 특징의 값을 상기 생성된 좌표에 다시 이동시키는 재이동부;를 포함한다.
또한 이때, 상기 좌표부는, 상기 신호의 클래스를 기준으로 상기 특징의 좌표 값을 표로 저장하는 테이블부;를 더 포함한다.
또한 이때, 상기 분류부는, 신호에서 상기 특징 값을 추출한 후 상기 좌표부의 좌표계에 이동시키고 상기 표와 비교하여 상기 신호의 클래스를 분류하고 상기 클래스에 따른 결함을 분류한다.
본 발명의 실시 예들에 따른 결함을 검출하는 방법 및 그 장치에 따르면, 설비에서 방출되는 신호를 좌표계와 테이블을 통해 명확하게 분류할 수 있는 효과가 있다.
또한, 본 발명의 실시 예들에 따른 결함을 검출하는 방법 및 그 장치에 따르면, 명확하게 분류된 신호를 기반으로 하여 새롭게 입력된 신호의 장치가 어떠한 클래스(Class)에 해당하는 상태인지 정확하게 분류할 수 있는 효과가 있다.
또한, 본 발명의 실시 예들에 따른 결함을 검출하는 방법 및 그 장치에 따르면, 설비에서 방출되는 신호를 좌표계를 통해 분류하기 때문에 새롭게 입력된 신호의 장치가 어떠한 클래스(Class)에 해당하는 상태인지 관리자의 육안으로 시각적으로 한번에 파악할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치의 설치를 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치의 설치를 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치의 구성을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 신호의 특징 값을 이동시키는 것을 설명하기 위한 좌표계이다.
도 5는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 좌표에 신호의 클래스(class)가 중복된 것을 설명하기 위한 좌표계이다.
도 6은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 좌표를 다시 생성하는 것을 설명하기 위한 좌표계이다.
도 7은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 생성된 좌표에 다시 신호의 특징 값을 이동시키는 것을 설명하기 위한 좌표계이다.
도 8은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 신호의 분류 결과를 설명하기 위한 좌표계와 테이블이다.
도 9는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 새로운 신호의 클래스(class)를 분류하는 것을 설명하기 위한 좌표계와 테이블이다.
도 10은 본 발명의 일 실시예에 따른 결함을 검출하는 방법을 설명하기 위한 순서도이다.
도 11은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 STFT 기반의 특징추출 방법에 대한 예시도이다.
도 12는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 DWPT 기반의 특징추출 방법에 대한 예시도이다.
이하, 도면을 참조하여 본 발명을 실시하기 위한 구체적인 내용을 실시 예에 기초하여 설명한다. 이들 실시 예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시 예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시 예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시 예로 구현될 수 있다. 또한, 각각의 개시된 실시 예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는 적절하게 설명된다면 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있는 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백히 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시 예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치의 설치를 설명하기 위한 도면이고, 도 2는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치의 설치를 설명하기 위한 도면이다.
본 발명의 결함을 검출하는 장치는, 도 1에 도시한 바와 같이 설비 외측에서 센서로부터 상기 설비로부터 방출되는 신호를 상기 설비 외부에서 전송 받아 상기 설비의 결함을 검출할 수 있고, 도 2에 도시한 바와 같이 설비 내측에서 센서로부터 상기 설비로부터 방출되는 신호를 상기 설비 내부에서 전송 받아 상기 설비의 결합을 검출할 수 있다.
아울러, 상기 설비의 내부에 본 발명의 결함을 검출하는 장치가 설치된 경우 처음부터 설비에 본 발명이 포함될 수 있거나 처음에는 설비에 본 발명이 포함되지 않았다가 추후 본 발명이 상기 설비가 포함되게 설치 할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치의 구성을 설명하기 위한 도면이다.
도 3에 도시한 바와 같이, 결함을 검출하는 장치(100)는, 신호입력부(110), 특징추출부(120), 좌표부(130) 및 분류부(140)로 이루어진다.
아울러, 상기 신호입력부(110)는, 상기 설비에 부착되어 상기 설비에서 방출되는 아날로그 신호를 취득하는 센서로부터 상기 취득된 신호를 입력 받는다. 또한, 상기 아날로그 신호는 시간 도메인(domain)으로 진동, 음향 또는 음향방출(탄성파 신호로 설비의 표면을 타고 나가는 신호) 등의 다양한 형태가 될 수 있다.
이때, 특징추출부(120)는, 상기 신호에서 하나 이상의 특징에 대한 값을 추출한다. 아울러, 상기 특징은 하나 이상의 특징이 있는 데, 후술하도록 하겠다.
또한 이때, 좌표부(130)는, 좌표계에 신호의 특징 값을 좌표에 이동시키고, 상기 좌표에 이동된 신호의 클래스가 둘 이상인 경우 해당 좌표를 나누고 상기 특징의 값을 다시 좌표에 이동시킨다. 아울러, 상기 좌표계는 직교 좌표계일 필요는 없지만 이해의 편의를 위해 직교 좌표계를 기준으로 설명하도록 하겠다.
또한 이때, 분류부(140)는, 설비 결함의 클래스(Class)를 검출하기 위한 신호에서 상기 특징 값을 추출한 후 상기 좌표부의 좌표계에 상기 신호의 특징 값을 좌표에 이동시키고 기존의 특징 값과 비교하여 상기 신호의 클래스(Class, 이하 '클래스'라 함)를 분류하고 상기 클래스에 따른 결함을 분류한다. 아울러, 상기 클래스는 예시로 설비의 상태에 대한 부분이라고 설명되지만, 설비의 상태뿐만이 아니라 설비에 관한 다양한 지표로 사용될 수 있다.
아울러, 상기 특징추출부(120)에서 추출하는 하나 이상의 특징의 바람직한 실시 예는 하기 수학식 1 내지 22로 표현되고, 하기 특징들은 하나의 예시이므로 변경 또는 수정하여 사용이 가능하다.
하기 수학식 1로 표현되는 Root-mean-square(RMS)는 신호의 변화 크기에 대한 값으로 사인 파형과 같이 연속되는 파형의 음과 양을 오가는 정도 또는 그 크기를 의미한다.
Figure 112019013687391-pat00001
x(n): 고장 특징 추출에 사용되는 시간 영역 신호(이하 동일)
N: x(n)의 샘플 개수(이하 동일)
하기 수학식 2로 표현되는 Delta RMS는 시간에 따른 RMS의 변화량을 의미한다.
Figure 112019013687391-pat00002
하기 수학식 3으로 표현되는 Skewness는 통계에서 확률 분포의 비대칭성을 나타내는 지표로 신호의 편중성(신호의 평균을 기준으로 신호 값들의 분포가 한쪽으로 몰리는 정도)이 증가할수록 skewness 또한 증가한다.
Figure 112019013687391-pat00003
Figure 112019013687391-pat00004
: x(n)의 평균,
Figure 112019013687391-pat00005
: x(n)의 표준편차 (이하 동일)
수학식 4로 표현되는 Impulse factor는 신호에서 가장 큰 임펄스(파형이 뾰족하게 솟아오르는 부분)의 크기에 대한 지표이다.
Figure 112019013687391-pat00006
수학식 5로 표현되는 Kurtosis는 통계에서 확률분포의 모양이 뾰족한 정도를 나타내는 지표로 신호의 값들의 분포가 특정 값 근처에 몰려 뾰족한 형태를 이룰수록 kurtosis가 증가한다.
Figure 112019013687391-pat00007
수학식 6으로 표현되는 Kurtosis factor는 Kurtosis의 변형된 값으로 kurtosis가 신호 전체의 크기에 민감한 단점을 보완한 값이다.
Figure 112019013687391-pat00008
수학식 7로 표현되는 Square-mean-root(SMR)는 RMS와 동일하게 연속되는 파형의 음과 양을 오가는 정도 또는 그 크기를 의미하며 RMS보다 신호의 크기에 더 민감하다.
Figure 112019013687391-pat00009
수학식 8로 표현되는 Peak-to-peak는 신호의 전체 폭을 나타내는 지표로 신호에서 가장 작은 값과 가장 큰 값의 차이이다.
Figure 112019013687391-pat00010
수학식 9로 표현되는 Margin factor는 신호의 평균적인 크기에 비해 최소/최대 값의 차이를 의미한다.
Figure 112019013687391-pat00011
수학식 10으로 표현되는 Crest factor는 Margin과 동일하게 신호의 평균적인 크기에 비해 최소/최대 값의 차이를 의미하며 평균 크기로 SMR대신 RMS를 사용한다.
Figure 112019013687391-pat00012
수학식 11로 표현되는 Shape factor는 전자공학에서 DC 성분과 AC 성분의 비율을 나타내는 지표로 신호의 평균 대비 음과 양을 오가는 연속 파형의 크기 비율을 의미한다.
Figure 112019013687391-pat00013
수학식 12로 표현되는 FM0(Zero order figure of merit)는 TSA(Time Synchronous Averaged signal) 신호의 Peak-to-peak 값을 기어 맞물림 주파수와 조화성분의 합으로 나눈 것을 의미한다.
Figure 112019013687391-pat00014
Figure 112019013687391-pat00015
: i번째 기어 맞물림 주파수 조화성분
Figure 112019013687391-pat00016
: TSA신호의 Peak-to-Peak 값
수학식 13으로 표현되는 SER(Sideband Energy Ratio)은 TSA신호의 스펙트럼으로부터 기어 맞물림 주파수를 중심으로 사이드 밴드 주파수들의 합을 기어 맞물림 주파수(중심 주파수)로 나눈 값을 의미하고, 정상 기어에서는 낮은 SER을 보이고 결함 기어에서는 SER이 높다.
Figure 112019013687391-pat00017
Figure 112019013687391-pat00018
: i번째 사이드 밴드 주파수
Figure 112019013687391-pat00019
: 기어 맞물림 중심 주파수
수학식 14로 표현되는 NA4는 결함의 시작을 탐지할 뿐만 아니라 결함이 성장함에 따라 지속적으로 반응할 수 있는 특징으로 NA4는 잔여 신호의 4차 모멘트를 현재까지 잔여 신호 분산의 평균의 제곱으로 나눈 것이다.
Figure 112019013687391-pat00020
Figure 112019013687391-pat00021
,
Figure 112019013687391-pat00022
: 잔여 신호와 그것의 평균
m: 현재까지의 데이터 개수
n: 한 신호의 샘플 개수
수학식 15로 표현되는 NA4*는 NA4를 성장성 결함에 대해 더욱 강인하게 개선한 것이 특징이다.
Figure 112019013687391-pat00023
Figure 112019013687391-pat00024
: 정상 상태 기어의 잔여 신호의 분산
수학식 16으로 표현되는 FM4는 기어 이 결함으로 인한 진동 패턴의 변화를 감지하는 특징이다.
Figure 112019013687391-pat00025
Figure 112019013687391-pat00026
,
Figure 112019013687391-pat00027
: difference 신호와 그것의 평균(이하 동일)
n: 한 신호의 샘플 개수(이하 동일)
수학식 17로 표현되는 M6A는 기능은 FM4와 동일하며 FM4보다 진동 패턴 변화에 민감하다.
Figure 112019013687391-pat00028
수학식 18로 표현되는 기능은 FM4와 동일하며 M6A보다 진동 패턴 변화에 민감하다.
Figure 112019013687391-pat00029
아울러, 잔여신호는 현재 신호에서 정상 상태의 성분들을 제거한 것으로 정상 상태일 때는 잔여 신호가 작아지고 결함이 발생하면 잔여 신호가 커지기 때문에 잔여 신호의 특징은 고장 진단에 유용하다.
또한 아울러, Band-Pass Mesh Signal은 기어 맞물림 주파수 대역을 필터링한 신호이고, NB4는 Band-pass mesh signal의 TSA신호의 포락에 대한 시간 평균 Kurtosis로 결함에 의해 기어 맞물림 주파수 대역에서 충격 신호가 발생할 경우 이를 감지한다. 또한, Enveloping 특징은 포락선 처리된 신호에 대해 Time domain 특징들을 추출할 수 있다.
수학식 19로 표현되는 Frequency center는 주파수 영역의 평균을 의미한다.
Figure 112019013687391-pat00030
수학식 20으로 표현되는 RMS of frequency 주파수 영역의 RMS 값을 의미한다.
Figure 112019013687391-pat00031
수학식 21로 표현되는 Root variance frequency 주파수 영역에서 주파수 값들의 분산을 의미한다.
Figure 112019013687391-pat00032
FFT Order Analysis Feature(nX/1X, (Total -1X)/1X)는 타코 신호를 통해 회전속도를 계산한 후, nX/1X, (Total-1X)/1X 주파수 성분의 진폭을 특징으로 사용한다.
도 11은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 STFT 기반의 특징추출 방법에 대한 예시도이고, 도 12는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 DWPT 기반의 특징추출 방법에 대한 예시도이다.
신호의 시간-주파수 분석을 통해 얻어진 부대역 신호들로부터 특징들을 추출하는 시간-주파수 분석 방법으로는 Short-time Fourier transform(STFT), Discrete wavelet packet transform(DWPT)가 있다.
상기 Short-time Fourier transform(STFT)는, 도 11에 도시한 바와 같이, 여러 크기의 Hanning 윈도우를 입력신호에 곱하여 수학식 22와 같이 여러 시간 구간으로 잘라서 여러 부대역들로 분할하고, 분할된 각 부대역으로부터 시간 영역 및 주파수 영역 특징들을 추출한다.
Figure 112019013687391-pat00033
여기서 N은 윈도우의 크기이다.
상기 Discrete wavelet packet transform(DWPT)는, 도 12에 도시한 바와 같이, 원신호를 저대역 필터(Lowpass filter)와 고대역 필터(Highpass filter)로 2개의 부대역으로 나누고, 각 레벨은 상위 레벨의 부대역 신호를 저대역 및 고대역 필터로 나눈다.
아울러, 상기 주파수영역의 특징 추출은 푸리에 변환(Fourier transform)을 통해 원 입력신호 신호의 스펙트럼을 구하고 스펙트럼으로부터 주파수의 특성을 나타내는 특징들을 추출하는 것이다.
또한 이때, 상기 신호의 특징 값은, 수학식 23을 통해 정규화된 것으로 수학식 23은 일반적인 정규화 수식이다.
Figure 112019013687391-pat00034
또한 이때, 상기 좌표계는 추출된 특징 수의 좌표축으로 이루어지는 데, 상기 좌표축은 하나 이상의 좌표로 나누어진다.
아울러, 상기 좌표축의 범위는 상기 신호의 특징 값의 범위이지만, 상기 신호의 특징 값이 정규화된 경우 상기 좌표축은 0이상 1이하의 범위가 된다. 또한 도 4 내지 9에 도시한 좌표축은 상기 신호의 특징 값이 정규화되고 특징 수가 2개인 경우를 예시한 좌표축이다.
도 4는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 신호의 특징 값을 이동시키는 것을 설명하기 위한 좌표계이고, 도 5는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 좌표에 신호의 클래스(class)가 중복된 것을 설명하기 위한 좌표계이고, 도 6은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 좌표를 다시 생성하는 것을 설명하기 위한 좌표계이고, 도 7은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 생성된 좌표에 다시 신호의 특징 값을 이동시키는 것을 설명하기 위한 좌표계이다.
상기 좌표부(130)는, 도 4에 도시한 바와 같이 좌표계에 신호의 특징 값을 좌표에 이동시키고, 도 5에 도시한 바와 같이 상기 좌표에 이동된 신호의 클래스가 둘 이상인 경우, 도 6에 도시한 바와 같이 해당 좌표를 나누고, 도 7에 도시한 바와 같이 상기 특징의 값을 다시 좌표에 이동시키는 데, 상기 좌표부(130)는 좌표생성부 및 재이동부로 이루어진다.
아울러, 상기 좌표생성부는 도 5에 도시한 바와 같이 상기 좌표에 이동된 신호의 클래스가 둘 이상인 경우 도 6에 도시한 바와 같이 상기 해당 좌표와 밀접한 좌표 사이를 나누어 좌표를 생성하는 데, 상기 해당 좌표와 밀접한 좌표 사이를 도 6에 도시한 바와 같이 동일한 크기로 나누거나 다른 크기인 비대칭적으로 나눌 수 있다. 또한 도 4 내지 9와 같이 직교 좌표계가 아닌 경우 해당 좌표계에서 적절하게 사용할 수 있는 비율인 대칭 또는 비대칭 또는 임의의 형태로 나누어 질 수 있다.
또한 아울러, 상기 재이동부는 도 6 내지 7에 도시한 바와 같이 상기 특징의 값을 상기 생성된 좌표에 다시 이동시킨다. 이때, 상기 재이동부에 의해 다시 이동시킨 후에도 도 5에 도시한 바와 같이 상기 좌표에 이동된 신호의 클래스가 둘 이상인 경우, 상기 좌표생성부는 다시 도 6에 도시한 바와 같이 상기 해당 좌표와 밀접한 좌표 사이를 나누어 좌표를 생성한다.
도 8은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 신호의 분류 결과를 설명하기 위한 좌표계와 테이블이다.
또한 이때, 상기 좌표부(130)는 테이블부를 더 포함하여 이루어지고, 상기 테이블부는 도 8에 도시한 바와 같이 상기 신호의 클래스를 기준으로 상기 특징의 좌표 값을 표로 저장한다.
도 9는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 새로운 신호의 클래스(class)를 분류하는 것을 설명하기 위한 좌표계와 테이블이다.
또한 이때, 상기 분류부(140)는, 상기 좌표부(130)가 테이블부를 더 포함하여 이루어지는 경우, 도 9에 도시한 바와 같이 설비 결함의 클래스를 검출하기 위한 새로운 신호에서 상기 특징 값을 추출한 후 상기 좌표부의 좌표계에 이동시키고 상기 표와 비교하여 상기 신호의 클래스를 분류하고 상기 클래스에 따른 결함을 분류한다.
도 10은 본 발명의 일 실시예에 따른 결함을 검출하는 방법을 설명하기 위한 순서도이다.
본 발명의 일 실시 예에 따른 결함을 검출하는 방법은, 도 10에 도시한 바와 같이, 상기 설비에 부착되어 상기 설비에서 방출되는 아날로그 신호를 취득하는 센서로부터 상기 취득된 신호를 입력 받는 단계(S101)와, 신호에서 하나 이상의 특징에 대한 값을 추출하는 단계(S102)와, 좌표계에 상기 신호의 특징 값을 좌표에 이동시키는 단계(S103)와, 상기 좌표에 이동된 신호의 클래스(class)가 둘 이상인 경우(S104) 해당 좌표를 나누고 상기 특징의 값을 다시 좌표에 이동시키는 단계(S104~S105~S103)와, 설비 결함의 클래스를 검출하기 위한 신호(S106)에서 상기 특징 값을 추출(S107)한 후 상기 (S104~S105~S103) 단계를 수행한 좌표계에 상기 신호의 특징 값을 좌표에 이동시키고(S108) 기존의 특징 값과 비교하여 상기 신호의 클래스를 분류(S109)하고 상기 클래스에 따른 결함을 분류(S110)하는 단계로 이루어진다.
아울러, 상기 좌표계는 직교 좌표계일 필요는 없지만 이해의 편의를 위해 직교 좌표계를 기준으로 설명하고, 추출하는 하나 이상의 특징의 바람직한 실시 예는 상기 수학식 1 내지 22로 표현되고, 하기 특징들은 하나의 예시이므로 변경 또는 수정하여 사용이 가능하다.
또한 이때, 상기 신호의 특징 값은, 상기 수학식 23을 통해 정규화될 수 있다.
또한 이때, 상기 좌표계는 추출된 특징 수의 좌표축으로 이루어지는 데, 상기 좌표축은 하나 이상의 좌표로 나누어진다.
아울러, 상기 좌표축의 범위는 상기 신호의 특징 값의 범위이지만, 상기 신호의 특징 값이 정규화된 경우 상기 좌표축은 0이상 1이하의 범위가 된다. 또한 도 4 내지 9에 도시한 좌표축은 상기 신호의 특징 값이 정규화되고 특징 수가 2개인 경우를 예시한 좌표축이다.
도 4는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 신호의 특징 값을 이동시키는 것을 설명하기 위한 좌표계이고, 도 5는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 좌표에 신호의 클래스(class)가 중복된 것을 설명하기 위한 좌표계이고, 도 6은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 좌표를 다시 생성하는 것을 설명하기 위한 좌표계이고, 도 7은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 생성된 좌표에 다시 신호의 특징 값을 이동시키는 것을 설명하기 위한 좌표계이다.
이때, 상기 (S104~S105~S103) 단계는 도 5에 도시한 바와 같이 상기 좌표에 이동된 신호의 클래스(class)가 둘 이상인 경우(S104), 도 6에 도시한 바와 같이 해당 좌표를 나누고(S105), 도 7에 도시한 바와 같이 상기 특징의 값을 다시 좌표에 이동시킨(S103)다.
아울러, 상기 (S104~S105) 단계는, 도 5에 도시한 바와 같이 상기 좌표에 이동된 신호의 클래스가 둘 이상인 경우 도 6에 도시한 바와 같이 상기 해당 좌표와 밀접한 좌표 사이를 나누어 좌표를 생성하는 데, 상기 해당 좌표와 밀접한 좌표 사이를 도 6에 도시한 바와 같이 동일한 크기로 나누거나 다른 크기인 비대칭적으로 나눌 수 있다. 또한 도 4 내지 9와 같이 직교 좌표계가 아닌 경우 해당 좌표계에서 적절하게 사용할 수 있는 비율인 대칭 또는 비대칭 또는 임의의 형태로 나누어 질 수 있다.
또한 아울러, 상기 S103 단계는, 도 6 내지 7에 도시한 바와 같이 상기 특징의 값을 상기 생성된 좌표에 다시 이동시킨다. 이때, 다시 이동시킨 후에도 도 5에 도시한 바와 같이 상기 좌표에 이동된 신호의 클래스가 둘 이상인 경우(S104), 다시 도 6에 도시한 바와 같이 상기 해당 좌표와 밀접한 좌표 사이를 나누어 좌표를 생성(S105)한다.
도 8은 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 신호의 분류 결과를 설명하기 위한 좌표계와 테이블이다.
또한 이때, 상기 좌표에 이동된 신호의 클래스가 둘 이상이 아닌 경우(S104) 상기 (S106) 단계 전에 도 8에 도시한 바와 같이 상기 신호의 클래스를 기준으로 상기 특징의 좌표 값을 표로 저장하는 단계를 더 포함한다.
도 9는 본 발명의 일 실시 예에 따른 결함을 검출하는 장치 및 방법에서 새로운 신호의 클래스(class)를 분류하는 것을 설명하기 위한 좌표계와 테이블이다.
또한 이때, 상기 (S108~S110) 단계는, 상기 (S106) 단계 전에 도 8에 도시한 바와 같이 상기 신호의 클래스를 기준으로 상기 특징의 좌표 값을 표로 저장하는 단계를 더 포함하여 이루어지는 경우, 설비 결함의 클래스를 검출하기 위한 신호(S106)에서 상기 특징 값을 추출(S107)한 후 상기 (S104~S105~S103) 단계를 수행한 좌표계에 상기 신호의 특징 값을 좌표에 이동시키고(S108) 상기 표와 비교하여 상기 신호의 클래스를 분류하고 상기 클래스에 따른 결함을 분류(S110)하는 단계로 이루어진다.
본 발명의 실시 예들에 따른 결함을 검출하는 방법 및 그 장치에 따르면, 설비에서 방출되는 신호를 좌표계와 테이블을 통해 명확하게 분류할 수 있는 효과가 있다.
또한, 본 발명의 실시 예들에 따른 결함을 검출하는 방법 및 그 장치에 따르면, 명확하게 분류된 신호를 기반으로 하여 새롭게 입력된 신호의 장치가 어떠한 클래스(Class)에 해당하는 상태인지 정확하게 분류할 수 있는 효과가 있다.
또한, 본 발명의 실시 예들에 따른 결함을 검출하는 방법 및 그 장치에 따르면, 설비에서 방출되는 신호를 좌표계를 통해 분류하기 때문에 새롭게 입력된 신호의 장치가 어떠한 클래스(Class)에 해당하는 상태인지 관리자의 육안으로 시각적으로 한번에 파악할 수 있는 효과가 있다.
한편, 본 발명의 일 실시 예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
본 발명은 특정 기능들 및 그의 관계들의 성능을 나타내는 방법 단계들의 목적을 가지고 위에서 설명되었다. 이러한 기능적 구성 요소들 및 방법 단계들의 경계들 및 순서는 설명의 편의를 위해 여기에서 임의로 정의되었다. 상기 특정 기능들 및 관계들이 적절히 수행되는 한 대안적인 경계들 및 순서들이 정의될 수 있다. 임의의 그러한 대안적인 경계들 및 순서들은 그러므로 상기 청구된 발명의 범위 및 사상 내에 있다. 추가로, 이러한 기능적 구성 요소들의 경계들은 설명의 편의를 위해 임의로 정의되었다. 어떠한 중요한 기능들이 적절히 수행되는 한 대안적인 경계들이 정의될 수 있다. 마찬가지로, 흐름도 블록들은 또한 어떠한 중요한 기능성을 나타내기 위해 여기에서 임의로 정의되었을 수 있다. 확장된 사용을 위해, 상기 흐름도 블록 경계들 및 순서는 정의되었을 수 있으며 여전히 어떠한 중요한 기능을 수행한다. 기능적 구성 요소들 및 흐름도 블록들 및 순서들 둘 다의 대안적인 정의들은 그러므로 청구된 본 발명의 범위 및 사상 내에 있다.
본 발명은 또한 하나 이상의 실시 예들의 용어로, 적어도 부분적으로 설명되었을 수 있다. 본 발명의 실시 예는 본 발명, 그 측면, 그 특징, 그 개념, 및/또는 그 예를 나타내기 위해 여기에서 사용된다. 본 발명을 구현하는 장치, 제조의 물건, 머신, 및/또는 프로세스의 물리적인 실시 예는 여기에 설명된 하나 이상의 실시 예들을 참조하여 설명된 하나 이상의 측면들, 특징들, 개념들, 예들 등을 포함할 수 있다. 더구나, 전체 도면에서, 실시 예들은 상기 동일한 또는 상이한 참조 번호들을 사용할 수 있는 상기 동일하게 또는 유사하게 명명된 기능들, 단계들, 모듈들 등을 통합할 수 있으며, 그와 같이, 상기 기능들, 단계들, 모듈들 등은 상기 동일한 또는 유사한 기능들, 단계들, 모듈들 등 또는 다른 것들일 수 있다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시 예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시 예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시 예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
100: 결함을 검출하는 장치
110: 신호입력부
120: 특징추출부
130: 좌표부
140: 분류부

Claims (13)

  1. 결함을 검출하는 방법에 있어서,
    (A) 신호에서 하나 이상의 특징 값을 추출하고, 좌표계에 상기 신호의 특징 값을 가장 가까운 좌표로 이동시키는 단계;
    (B) 상기 특징 값이 상기 좌표에 둘 이상 위치하는 경우 해당 좌표를 밀접한 좌표 사이의 값으로 나누고 상기 특징 값을 다시 가장 가까운 좌표로 이동시키는 단계; 및
    (C) 상기 특징 값의 좌표를 기존의 특징 값의 좌표와 비교하여 상기 신호의 클래스를 분류하고 상기 클래스에 따른 결함을 분류하는 단계;를 포함하는 것을 특징으로 하는 결함을 검출하는 방법
  2. 제1항에 있어서,
    상기 신호의 특징 값은,
    정규화된 것을 특징으로 하는 결함을 검출하는 방법
  3. 제1항에 있어서,
    상기 좌표계는,
    하나 이상의 좌표로 나누어지고 추출된 특징 수의 좌표축;
    을 포함하는 것을 특징으로 하는 결함을 검출하는 방법
  4. 제1항에 있어서,
    상기 (B) 단계는,
    상기 가장 가까운 좌표에 이동된 신호의 특징 값이 둘 이상인 경우 상기 (B) 단계를 다시 수행하는 것을 특징으로 하는 결함을 검출하는 방법
  5. 제1항에 있어서,
    상기 (B) 단계는,
    상기 신호의 특징 값을 기준으로 상기 특징의 좌표 값을 표 형태로 저장하는 단계;
    를 더 포함하는 것을 특징으로 하는 하는 결함을 검출하는 방법
  6. 제5항에 있어서,
    상기 (C) 단계는,
    신호에서 상기 특징 값을 추출한 후 상기 (B) 단계를 수행한 좌표계의 좌표에 이동시키고 상기 표와 비교하여 상기 신호의 클래스를 분류하고 상기 클래스에 따른 결함을 분류하는 것을 특징으로 하는 결함을 검출하는 방법
  7. 제1항 내지 제6항 중 어느 한 항에 따른 방법을 컴퓨터에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체
  8. 결함을 검출하는 장치에 있어서,
    신호에서 하나 이상의 특징에 대한 값을 추출하는 특징추출부;
    좌표계에 상기 신호의 특징 값을 가장 가까운 좌표로 이동시키고, 상기 좌표에 이동된 신호의 특징 값이 둘 이상인 경우 해당 좌표를 밀접한 좌표 사이의 값으로 나누고 상기 특징 값을 다시 가장 가까운 좌표에 이동시키는 좌표부; 및
    상기 특징 값의 좌표를 기존의 특징 값의 좌표와 비교하여 상기 신호의 클래스를 분류하고 상기 클래스에 따른 결함을 분류하는 분류부;
    를 포함하는 것을 특징으로 하는 결함을 검출하는 장치
  9. 제8항에 있어서,
    상기 신호의 특징 값은,
    정규화된 것을 특징으로 하는 결함을 검출하는 장치
  10. 제8항에 있어서,
    상기 좌표계는,
    하나 이상의 좌표로 나누어지고 추출된 특징 수의 좌표축;
    을 포함하는 것을 특징으로 하는 결함을 검출하는 장치
  11. 제8항에 있어서,
    상기 좌표부는,
    상기 좌표에 이동된 신호의 특징 값이 둘 이상인 경우 상기 해당 좌표와 밀접한 좌표 사이를 나누어 좌표를 생성하는 좌표생성부; 및
    상기 특징의 값을 상기 생성된 좌표에 다시 이동시키는 재이동부;
    를 포함하는 것을 특징으로 하는 결함을 검출하는 장치
  12. 제8항에 있어서,
    상기 좌표부는,
    상기 신호의 특징 값을 기준으로 상기 특징의 좌표 값을 표로 저장하는 테이블부;
    를 더 포함하는 것을 특징으로 하는 결함을 검출하는 장치
  13. 제12항에 있어서,
    상기 분류부는,
    신호에서 상기 특징 값을 추출한 후 상기 좌표부의 좌표계에 이동시키고 상기 표와 비교하여 상기 신호의 클래스를 분류하고 상기 클래스에 따른 결함을 분류하는 것을 특징으로 하는 결함을 검출하는 장치
KR1020190015220A 2018-12-26 2019-02-08 결함을 검출하는 방법, 그 장치 및 그 방법을 컴퓨터에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체 KR102160871B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180169844 2018-12-26
KR20180169844 2018-12-26

Publications (2)

Publication Number Publication Date
KR20200080089A KR20200080089A (ko) 2020-07-06
KR102160871B1 true KR102160871B1 (ko) 2020-09-28

Family

ID=71571599

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190015220A KR102160871B1 (ko) 2018-12-26 2019-02-08 결함을 검출하는 방법, 그 장치 및 그 방법을 컴퓨터에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체

Country Status (1)

Country Link
KR (1) KR102160871B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008082821A (ja) * 2006-09-27 2008-04-10 Hitachi High-Technologies Corp 欠陥分類方法及びその装置並びに欠陥検査装置
JP2009002743A (ja) 2007-06-20 2009-01-08 Hitachi High-Technologies Corp 外観検査方法及びその装置および画像処理評価システム
JP2013254286A (ja) * 2012-06-06 2013-12-19 Dainippon Screen Mfg Co Ltd 欠陥画像の提示方法
KR101842831B1 (ko) 2017-05-10 2018-05-14 울산대학교 산학협력단 기계학습 알고리즘을 이용한 변압기 유중가스 분석방법 및 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100963685B1 (ko) 2008-05-21 2010-06-15 울산대학교 산학협력단 기계 작동음 및 진동 신호의 영상 신호 변환을 통한 고장진단 장치 및 방법
KR101839274B1 (ko) 2017-10-30 2018-03-15 한국전력공사 발전용 보일러 튜브의 마모 예측 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008082821A (ja) * 2006-09-27 2008-04-10 Hitachi High-Technologies Corp 欠陥分類方法及びその装置並びに欠陥検査装置
JP2009002743A (ja) 2007-06-20 2009-01-08 Hitachi High-Technologies Corp 外観検査方法及びその装置および画像処理評価システム
JP2013254286A (ja) * 2012-06-06 2013-12-19 Dainippon Screen Mfg Co Ltd 欠陥画像の提示方法
KR101842831B1 (ko) 2017-05-10 2018-05-14 울산대학교 산학협력단 기계학습 알고리즘을 이용한 변압기 유중가스 분석방법 및 장치

Also Published As

Publication number Publication date
KR20200080089A (ko) 2020-07-06

Similar Documents

Publication Publication Date Title
Robertson et al. Singularity detection for structural health monitoring using holder exponents
Li et al. On-line detection of localized defects in bearings by pattern recognition analysis
CN110307994A (zh) 异声检测装置以及异声检测方法
KR101797402B1 (ko) 기계 결함 진단 방법 및 장치
US8073634B2 (en) Method to extract target signals of a known type from raw data containing an unknown number of target signals, interference, and noise
US20170052060A1 (en) Method and system for automatically detecting faults in a rotating shaft
CN106845429B (zh) 振动信号分级判断识别方法、落石能量规模计算方法、落石危险预警方法
CN110307895B (zh) 异声判定装置以及异声判定方法
Barbini et al. Phase editing as a signal pre-processing step for automated bearing fault detection
US10302687B2 (en) Filtration thresholding
CN109374293B (zh) 一种齿轮故障诊断方法
Zhang et al. Improved local cepstrum and its applications for gearbox and rolling bearing fault detection
CN110793622B (zh) 一种振动数据电磁干扰的异常检测方法
JP2020511632A (ja) 光学的音響感知システムおよび方法
Noman et al. A scale independent flexible bearing health monitoring index based on time frequency manifold energy & entropy
Chen et al. Improved VMD-FRFT based on initial center frequency for early fault diagnosis of rolling element bearing
Shi et al. The VMD-scale space based hoyergram and its application in rolling bearing fault diagnosis
Al-Atat et al. A systematic methodology for gearbox health assessment and fault classification
Azami et al. A novel signal segmentation method based on standard deviation and variable threshold
KR102160871B1 (ko) 결함을 검출하는 방법, 그 장치 및 그 방법을 컴퓨터에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체
Alsalaet et al. Bearing fault diagnosis using normalized diagnostic feature-gram and convolutional neural network
JP7083293B2 (ja) 状態監視方法および状態監視装置
Zhou et al. Multi-node feature learning network based on maximum spectral harmonics-to-noise ratio deconvolution for machine condition monitoring
JP3885297B2 (ja) 異音判定装置及び異音判定方法
US10345326B2 (en) Automatic threshold detection for tachometer signals

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant