KR102216513B1 - 실시간 전류 분석을 통한 전동기 열화 감지 방법 및 장치 - Google Patents
실시간 전류 분석을 통한 전동기 열화 감지 방법 및 장치 Download PDFInfo
- Publication number
- KR102216513B1 KR102216513B1 KR1020190171944A KR20190171944A KR102216513B1 KR 102216513 B1 KR102216513 B1 KR 102216513B1 KR 1020190171944 A KR1020190171944 A KR 1020190171944A KR 20190171944 A KR20190171944 A KR 20190171944A KR 102216513 B1 KR102216513 B1 KR 102216513B1
- Authority
- KR
- South Korea
- Prior art keywords
- deterioration
- motor
- current signal
- degree
- scenario
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
실시간 전류 분석을 통한 전동기 열화 감지 방법 및 장치가 제시된다. 본 발명에서 제안하는 실시간 전류 분석을 통한 전동기 열화 감지 장치는 전동기의 전류 신호를 추출하는 수집부, 추출된 전류 신호를 열화 감지에 따라 RGB 이미지로 변환하는 전처리부, 변환된 전류 신호를 기존에 수집된 전동기 열화 시나리오에 대응하는지 여부를 분석하고, 분석된 정보에 기초하여 해당 시나리오 및 열화 진행 정도를 자동으로 판단하는 분석부 및 분석된 결과를 출력하는 출력부를 포함한다.
Description
본 발명은 실시간 전류 분석을 통한 전동기 열화 감지 방법 및 장치에 관한 것이다.
스마트 팩토리 등 자동화된 공장 시스템에서는 각종 기기들이 사람들의 작동 없이 자동적으로 동작하는 경우가 대부분이다. 이러한 상황에서 상시 작동하는 전동기의 경우 시간이 지남에 따라 물리적인 특성이 변화하면서 전동기의 특성이 열화가 진행될 수 있으며 고장이 나지 않더라도 이러한 열화는 전반적인 시스템의 성능에 영향을 끼친다. 이와 더불어 열화가 진행되는 경우 고장으로 이어질 수 있는데 이러한 고장을 사전에 감지하지 못하고 방치하는 경우에는 불량 발생, 장비 비가동, 고장 수리등으로 막대한 비용이 발생할 수 있다.
고장을 감지하는 방법으로는 주로 진동을 감지하여 진동 패턴의 주파수 분석을 통해서 수행할 수 있다. 배전반에 통상적으로 사용되는 전력품질미터를 사용하여 전력 신호를 기반으로 해서 감지하는 방법도 존재한다. ′한국등록특허 제20-0486953호, 지능형 전동기 상태 진단장치′의 경우 전류-전압 계측, 전력 주파수, 전동기 진동값 등을 사용하여 전동기의 부하상태, 열화, 누설전력, 이상상태 및 교체시점을 예측하는 모니터링 아이디어를 제안한다. 이 중 열화진단부는 특정 주파수만으로 열화를 판단한다고 제시하였으나 구체적인 열화 진단의 방법을 제시하지는 않는다.
본 발명이 이루고자 하는 기술적 과제는 전동기 전류 분석(Motor Current Analysis; MCA)을 통해서 전동기가 고장으로 이어지기 전에 발생하는 열화에 따른 전류 변화를 감지하여 전동기 열화를 사전 감지하는 방법 및 장치를 제공하는데 있다.
일 측면에 있어서, 본 발명에서 제안하는 실시간 전류 분석을 통한 전동기 열화 감지 장치는 전동기의 전류 신호를 추출하는 수집부, 추출된 전류 신호를 열화 감지에 따라 RGB 이미지로 변환하는 전처리부, 변환된 전류 신호를 기존에 수집된 전동기 열화 시나리오에 대응하는지 여부를 분석하고, 분석된 정보에 기초하여 해당 시나리오 및 열화 진행 정도를 자동으로 판단하는 분석부 및 분석된 결과를 출력하는 출력부를 포함한다.
수집부는 3상 전류 분석이 가능한 전력품질미터(Power Quality Meter)를 사용하여 전류를 추출한다.
분석부는 전류 신호에 대한 분석을 위해 시간-주파수 영역대의 이미지로 변환하고, 전동기의 열화 진행 정도를 기계 학습을 이용하여 예측한다. 열화 진행 정도를 이산 단계로 구분하고, 열화 진행 정도를 연속적으로 판단하여 전동기 열화 진행 정도를 기계 학습을 이용하여 연속된 값으로 예측한다.
또 다른 일 측면에 있어서, 본 발명에서 제안하는 실시간 전류 분석을 통한 전동기 열화 감지 방법은 수집부를 통해 전동기의 전류 신호를 추출하는 단계, 추출된 전류 신호를 전처리부를 통해 열화 감지에 따라 RGB 이미지로 변환하는 단계, 변환된 전류 신호를 분석부를 통해 기존에 수집된 전동기 열화 시나리오에 대응하는지 여부를 분석하고, 분석된 정보에 기초하여 해당 시나리오 및 열화 진행 정도를 자동으로 판단하는 단계 및 분석된 결과를 출력부를 통해 출력하는 단계를 포함한다.
본 발명의 실시예들에 따르면 전력 품질 미터가 적용된 전동기 부하 시스템에서 부가의 장비 없이 전력품질미터(Power Quality Meter)의 펌웨어를 교체하는 것만으로 전동기 열화 시나리오 및 열화도를 사전에 감지하여 기기의 고장을 조기에 발견할 수 있고, 스마트 팩토리의 운영 비용 및 유지비를 절감하는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 실시간 전류 분석을 통한 전동기 열화 감지 장치의 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 정상 작동중인 전동기의 3상 전류 파형도이다.
도 3은 본 발명의 일 실시예에 따른 자석 노화에 따른 3상 전류 파형의 변화를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 3상 전류의 이미지 변환 과정을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 이상 상황에 해당하는 3상 전류 신호 및 변환된 RGB 이미지를 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 CNN 기계학습 기법을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 실시간 전류 분석을 통한 전동기 열화 감지 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 정상 작동중인 전동기의 3상 전류 파형도이다.
도 3은 본 발명의 일 실시예에 따른 자석 노화에 따른 3상 전류 파형의 변화를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 3상 전류의 이미지 변환 과정을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 이상 상황에 해당하는 3상 전류 신호 및 변환된 RGB 이미지를 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 CNN 기계학습 기법을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 실시간 전류 분석을 통한 전동기 열화 감지 방법을 설명하기 위한 흐름도이다.
이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 실시간 전류 분석을 통한 전동기 열화 감지 장치의 구성을 나타내는 도면이다.
본 발명은 실시간으로 추출한 전동기 전류 분석(Motor Current Analysis; MCA)을 통해 전동기의 고장이 발생하기 전 각종 열화 상황을 사전에 감지하는 방법 및 장치를 제시한다.
제안하는 실시간 전류 분석을 통한 전동기 열화 감지 장치(100)는 수집부(110), 전처리부(120), 분석부(130) 및 출력부(140)를 포함한다.
수집부(110)는 전동기의 전류 신호를 추출한다. 본 발명의 일 실시예에 따른 수집부(110)는 3상 전류 분석이 가능한 전력품질미터(Power Quality Meter)를 사용하여 전류를 추출한다.
전처리부(120)는 추출된 전류 신호를 열화 감지에 따라 RGB 이미지로 변환한다.
분석부(130)는 변환된 전류 신호를 기존에 수집된 전동기 열화 시나리오에 대응하는지 여부를 분석하고, 분석된 정보에 기초하여 해당 시나리오 및 열화 진행 정도를 자동으로 판단한다. 분석부(130)는 전류 신호에 대한 분석을 위해 시간-주파수 영역대의 이미지로 변환하고, 전동기의 열화 진행 정도를 기계 학습을 이용하여 예측한다. 열화 진행 정도를 이산 단계로 구분하고, 열화 진행 정도를 연속적으로 판단하여 전동기 열화 진행 정도를 기계 학습을 이용하여 연속된 값으로 예측한다. 분석부(130)는 중앙처리장치(CPU)가 장착된 마이크로프로세서를 통해 전동기의 열화 상황을 감지하고 출력부(140)에 전달한다.
출력부(140)는 분석된 결과를 출력한다.
열화감지는 통상적인 기계 학습을 통해서 중앙처리장치에서 수행하며 열화 상황에 대한 정보는 마이크로프로세서의 메모리에 저장되어 전동기의 열화에 대한 사전 감지를 수행한다.
도 2는 본 발명의 일 실시예에 따른 정상 작동중인 전동기의 3상 전류 파형도이다.
본 발명의 실시예에 따르면, 전력품질미터에서 취득한 3상 전류 정보를 사용한다. 전력품질미터는 기존의 전력미터에서 추출하는 전력 정보 외에 부가적으로 3상 전류 정보를 추출할 수 있으며 고속 샘플링(예를 들어, 8,000 Hz) 로 전력 데이터를 추출한 경우 파형의 미세한 변화도 관찰할 수 있다는 장점이 있다. 이러한 파형의 미세한 변화를 기계학습의 다양한 방법을 사용하여 기기의 열화 단계 및 나아가서는 고장 예지가 가능하다. 예를 들어, 도 2에서는 정상 작동시의 3상 전류 데이터를 나타낸다.
도 3은 본 발명의 일 실시예에 따른 자석 노화에 따른 3상 전류 파형의 변화를 나타내는 도면이다.
전동기의 열화가 발생하는 경우, 예를 들어 자석의 노화가 진행되는 경우 이러한 전류 파형들이 왜곡이 되어 나타나게 되며 이는 도 3에 제시한 바와 같이 자석의 노화 진행도에 따라서 다른 파형을 나타낼 수 있다.
도 4는 본 발명의 일 실시예에 따른 3상 전류의 이미지 변환 과정을 나타내는 도면이다.
상술된 바와 같이, 수집된 3상 전류를 전처리 과정을 통해서 RGB 이미지로 변환한다. 3상 전류 파형은 STFT(Short-Time Fourier Transform)을 통해서 각각 회색조 이미지로 변환된 후 각각 R, G, B 채널에 할당되어 통합된 한 장의 RGB 이미지로 표현된다.
도 5는 본 발명의 일 실시예에 따른 이상 상황에 해당하는 3상 전류 신호 및 변환된 RGB 이미지를 나타내는 도면이다.
도 5는 다양한 전동기 열화 시나리오들과 이에 해당하는 신호의 변환된 이미지들을 나타낸다.
도 6은 본 발명의 일 실시예에 따른 CNN 기계학습 기법을 설명하기 위한 도면이다.
변환된 이미지는 기계 학습 기법을 사용하여 열화 상황 시나리오 및 열화도 감지에 사용된다. 도 6은 기계 학습 기법 중 CNN(Convolutional Neural Network) 을 사용하여 분류하는 방식에 대한 개념도를 보여준다. 이는 실시예일뿐, 제시한 CNN 방식 외에 다양한 기계 학습 기법들이 적용될 수 있다.
도 7은 본 발명의 일 실시예에 따른 실시간 전류 분석을 통한 전동기 열화 감지 방법을 설명하기 위한 흐름도이다.
제안하는 실시간 전류 분석을 통한 전동기 열화 감지 방법은 수집부를 통해 전동기의 전류 신호를 추출하는 단계(710), 추출된 전류 신호를 전처리부를 통해 열화 감지에 따라 RGB 이미지로 변환하는 단계(720), 변환된 전류 신호를 분석부를 통해 기존에 수집된 전동기 열화 시나리오에 대응하는지 여부를 분석하고, 분석된 정보에 기초하여 해당 시나리오 및 열화 진행 정도를 자동으로 판단하는 단계(730) 및 분석된 결과를 출력부를 통해 출력하는 단계(740)를 포함한다.
단계(710)에서, 수집부를 통해 전동기의 전류 신호를 추출한다. 본 발명의 일 실시예에 따른 수집부는 3상 전류 분석이 가능한 전력품질미터(Power Quality Meter)를 사용하여 전류를 추출한다.
단계(720)에서, 추출된 전류 신호를 전처리부를 통해 열화 감지에 따라 RGB 이미지로 변환한다.
단계(730)에서, 변환된 전류 신호를 분석부를 통해 기존에 수집된 전동기 열화 시나리오에 대응하는지 여부를 분석하고, 분석된 정보에 기초하여 해당 시나리오 및 열화 진행 정도를 자동으로 판단한다. 분석부는 전류 신호에 대한 분석을 위해 시간-주파수 영역대의 이미지로 변환하고, 전동기의 열화 진행 정도를 기계 학습을 이용하여 예측한다. 열화 진행 정도를 이산 단계로 구분하고, 열화 진행 정도를 연속적으로 판단하여 전동기 열화 진행 정도를 기계 학습을 이용하여 연속된 값으로 예측한다. 분석부는 중앙처리장치(CPU)가 장착된 마이크로프로세서를 통해 전동기의 열화 상황을 감지하고 출력부에 전달한다.
단계(740)에서 분석된 결과를 출력부를 통해 출력한다.
열화감지는 통상적인 기계 학습을 통해서 중앙처리장치에서 수행하며 열화 상황에 대한 정보는 마이크로프로세서의 메모리에 저장되어 전동기의 열화에 대한 사전 감지를 수행한다.
본 발명의 실시예들에 따르면 전력 품질 미터가 적용된 전동기 부하 시스템에서 부가의 장비 없이 전력품질미터(Power Quality Meter)의 펌웨어를 교체하는 것만으로 전동기 열화 시나리오 및 열화도를 사전에 감지하여 기기의 고장을 조기에 발견할 수 있고, 스마트 팩토리의 운영 비용 및 유지비를 절감하는 효과가 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 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 실시예를 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.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (6)
- 3상 전류 분석이 가능한 전력품질미터(Power Quality Meter)를 사용하여 전동기의 전류 신호를 추출하는 수집부;
추출된 전류 신호를 열화 감지에 따라 STFT(Short-Time Fourier Transform)을 통해서 각각 회색조 이미지로 변환한 후 각각 R, G, B 채널에 할당하여 통합된 한 장의 RGB 이미지로 변환하는 전처리부;
변환된 전류 신호를 기존에 수집된 전동기 열화 시나리오에 대응하는지 여부를 분석하고, 분석된 정보에 기초하여 해당 시나리오 및 열화 진행 정도를 자동으로 판단하는 분석부; 및
분석된 결과를 출력하는 출력부
를 포함하고,
부가의 장비 없이 전력품질미터(Power Quality Meter)의 펌웨어를 교체하는 것만으로 열화에 따른 전류 변화를 감지하여 열화 진행 정도를 연속적으로 판단하고, 전동기 열화 진행 정도를 기계 학습을 이용하여 연속된 값으로 예측하는
전동기 열화 감지 장치. - 삭제
- 제1항에 있어서,
분석부는,
전류 신호에 대한 분석을 위해 시간-주파수 영역대의 이미지로 변환하고, 전동기의 열화 진행 정도를 기계 학습을 이용하여 예측하는
전동기 열화 감지 장치. - 수집부를 통해 3상 전류 분석이 가능한 전력품질미터(Power Quality Meter)를 사용하여 전동기의 전류 신호를 추출하는 단계;
추출된 전류 신호를 전처리부를 통해 열화 감지에 따라 STFT(Short-Time Fourier Transform)을 통해서 각각 회색조 이미지로 변환한 후 각각 R, G, B 채널에 할당하여 통합된 한 장의 RGB 이미지로 변환하는 단계;
변환된 전류 신호를 분석부를 통해 기존에 수집된 전동기 열화 시나리오에 대응하는지 여부를 분석하고, 분석된 정보에 기초하여 해당 시나리오 및 열화 진행 정도를 자동으로 판단하는 단계; 및
분석된 결과를 출력부를 통해 출력하는 단계
를 포함하고,
부가의 장비 없이 전력품질미터(Power Quality Meter)의 펌웨어를 교체하는 것만으로 열화에 따른 전류 변화를 감지하여 열화 진행 정도를 연속적으로 판단하고, 전동기 열화 진행 정도를 기계 학습을 이용하여 연속된 값으로 예측하는
전동기 열화 감지 방법. - 삭제
- 제4항에 있어서,
변환된 전류 신호를 분석부를 통해 기존에 수집된 전동기 열화 시나리오에 대응하는지 여부를 분석하고, 분석된 정보에 기초하여 해당 시나리오 및 열화 진행 정도를 자동으로 판단하는 단계는,
전류 신호에 대한 분석을 위해 시간-주파수 영역대의 이미지로 변환하고, 전동기의 열화 진행 정도를 기계 학습을 이용하여 예측하는
전동기 열화 감지 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190171944A KR102216513B1 (ko) | 2019-12-20 | 2019-12-20 | 실시간 전류 분석을 통한 전동기 열화 감지 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190171944A KR102216513B1 (ko) | 2019-12-20 | 2019-12-20 | 실시간 전류 분석을 통한 전동기 열화 감지 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102216513B1 true KR102216513B1 (ko) | 2021-02-17 |
Family
ID=74732062
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190171944A KR102216513B1 (ko) | 2019-12-20 | 2019-12-20 | 실시간 전류 분석을 통한 전동기 열화 감지 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102216513B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114700292A (zh) * | 2022-03-16 | 2022-07-05 | 湖南炬神电子有限公司 | 扫地机边刷组件测试机及其测试方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070036490A (ko) * | 2005-09-29 | 2007-04-03 | 지승욱 | 전기설비 신호 이상 진단장치 및 방법 |
| KR20120031143A (ko) * | 2010-09-22 | 2012-03-30 | 산요 덴키 가부시키가이샤 | 전기 기기의 영구자석의 열화 판정 방법 및 장치 |
| CN102749102A (zh) * | 2012-07-10 | 2012-10-24 | 新源动力股份有限公司 | 一种用于大功率燃料电池的数据可视化方法 |
| JP2017083237A (ja) * | 2015-10-26 | 2017-05-18 | ファナック株式会社 | パワー素子の予測寿命を学習する機械学習装置及び方法並びに該機械学習装置を備えた寿命予測装置及びモータ駆動装置 |
-
2019
- 2019-12-20 KR KR1020190171944A patent/KR102216513B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070036490A (ko) * | 2005-09-29 | 2007-04-03 | 지승욱 | 전기설비 신호 이상 진단장치 및 방법 |
| KR20120031143A (ko) * | 2010-09-22 | 2012-03-30 | 산요 덴키 가부시키가이샤 | 전기 기기의 영구자석의 열화 판정 방법 및 장치 |
| CN102749102A (zh) * | 2012-07-10 | 2012-10-24 | 新源动力股份有限公司 | 一种用于大功率燃料电池的数据可视化方法 |
| JP2017083237A (ja) * | 2015-10-26 | 2017-05-18 | ファナック株式会社 | パワー素子の予測寿命を学習する機械学習装置及び方法並びに該機械学習装置を備えた寿命予測装置及びモータ駆動装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114700292A (zh) * | 2022-03-16 | 2022-07-05 | 湖南炬神电子有限公司 | 扫地机边刷组件测试机及其测试方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102138279B1 (ko) | 딥러닝 기반의 시계열 분석을 이용한 회전설비 진동 상태 감시 장치 및 방법 | |
| US10281504B2 (en) | Method and apparatus for analyzing waveform signals of a power system | |
| US9424485B2 (en) | Grid data processing method and apparatus | |
| KR20200043196A (ko) | 진동 신호를 이용하여 설비 또는 부품의 잔여 수명을 예측하는 딥러닝 기반의 분석 장치 및 방법 | |
| KR20220116051A (ko) | 풍력 터빈 블레이드를 검사하는 방법 및 기기, 및 그 장치 및 저장 매체 | |
| US20220018707A1 (en) | Method and Device for Monitoring a Circuit Breaker | |
| KR102216513B1 (ko) | 실시간 전류 분석을 통한 전동기 열화 감지 방법 및 장치 | |
| US20230351158A1 (en) | Apparatus, system and method for detecting anomalies in a grid | |
| KR20200074825A (ko) | 패턴 태깅 기술 기반 비정상 전력 데이터 판별 방법 및 시스템 | |
| KR102100488B1 (ko) | 전자기 액추에이터 타입의 장비를 모니터링하는 방법 | |
| KR20200060179A (ko) | 소리 정보를 이용한 변압기 고장 진단 방법 | |
| KR102325629B1 (ko) | 이상 탐지 방법 및 이상 탐지 장치 | |
| CN112562727B (zh) | 应用于音频监控的音频场景分类方法、装置以及设备 | |
| CN117538710A (zh) | 用于局部动态放电监测的智能预警方法及系统 | |
| CN117668751A (zh) | 一种高低压电力系统故障诊断方法及装置 | |
| KR101718228B1 (ko) | 이력 데이터 군집화 기반 철도부품의 상태를 예측하는 방법 및 장치 | |
| KR20200080087A (ko) | 설비 결함 검출 장치 및 방법 | |
| JP7278499B1 (ja) | 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム | |
| KR102609961B1 (ko) | 부분 방전 검출 장치 및 방법 | |
| KR102513271B1 (ko) | 부분방전 위험도 예측 장치 및 방법 | |
| EP3899560A1 (en) | Method and system for condition monitoring electrical equipment | |
| JP2006105714A (ja) | 送配電線路の事故原因判別方法 | |
| CN115063402B (zh) | 基于滑动分析的电缆异物检测方法、系统、终端及介质 | |
| CN117466153B (zh) | 故障检测方法、装置、计算机设备和可读存储介质 | |
| CN107290043B (zh) | 一种输电线路振动次数在线分布式监测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |