KR102238754B1 - Fault diagnostic of large rotating machinery using camera - Google Patents

Fault diagnostic of large rotating machinery using camera Download PDF

Info

Publication number
KR102238754B1
KR102238754B1 KR1020190021971A KR20190021971A KR102238754B1 KR 102238754 B1 KR102238754 B1 KR 102238754B1 KR 1020190021971 A KR1020190021971 A KR 1020190021971A KR 20190021971 A KR20190021971 A KR 20190021971A KR 102238754 B1 KR102238754 B1 KR 102238754B1
Authority
KR
South Korea
Prior art keywords
location
target device
camera
computer
failure
Prior art date
Application number
KR1020190021971A
Other languages
Korean (ko)
Other versions
KR20200103450A (en
Inventor
배영철
Original Assignee
전남대학교산학협력단
대양전기 주식회사
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 전남대학교산학협력단, 대양전기 주식회사 filed Critical 전남대학교산학협력단
Priority to KR1020190021971A priority Critical patent/KR102238754B1/en
Publication of KR20200103450A publication Critical patent/KR20200103450A/en
Application granted granted Critical
Publication of KR102238754B1 publication Critical patent/KR102238754B1/en

Links

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
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • 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
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

본 발명은 기기의 고장진단 방법에 관한 것으로, 보다 구체적으로는 회전기기의 축 정렬 또는 위치 변동 상태를 카메라로 추적하여 고장 여부를 사전에 진단할 수 있는 카메라를 이용한 기기의 고장진단 방법 및 그 시스템에 관한 것이다.The present invention relates to a malfunction diagnosis method of a device, and more specifically, a malfunction diagnosis method and a system thereof using a camera capable of preliminarily diagnosing a malfunction by tracking the axis alignment or position change state of a rotating device with a camera. It is about.

Description

카메라를 이용한 기기의 고장진단 방법 및 그 시스템{Fault diagnostic of large rotating machinery using camera}TECHNICAL Fault diagnosis method and system thereof using a camera {Fault diagnostic of large rotating machinery using camera}

본 발명은 기기의 고장진단 방법에 관한 것으로, 보다 구체적으로는 회전기기의 축 정렬 또는 위치 변동 상태를 카메라로 추적하여 고장 여부를 사전에 진단할 수 있는 카메라를 이용한 기기의 고장진단 방법 및 그 시스템에 관한 것이다.The present invention relates to a malfunction diagnosis method of a device, and more specifically, a malfunction diagnosis method and a system thereof using a camera capable of preliminarily diagnosing a malfunction by tracking the axis alignment or position change state of a rotating device with a camera. It is about.

스마트공장이란 설계·개발, 제조 및 유통·물류 등 생산 과정에 디지털 자동화 솔루션이 결합된 정보통신기술(ICT)을 적용하여 생산성, 품질, 고객만족도를 향상시키는 지능형 생산공장을 말한다.A smart factory refers to an intelligent production factory that improves productivity, quality, and customer satisfaction by applying information and communication technology (ICT) that combines digital automation solutions in the production process such as design, development, manufacturing, distribution, and logistics.

현재 스마트공장에서 사용되는 기기들의 고장진단은 기기에 진동 센서, 음향센서, 전압 전류 센서 등 다수의 IoT센서를 설치하고, 센서들에서 수집된 신호들을 분석함으로써 이루어진다.Problem diagnosis of devices currently used in smart factories is performed by installing a number of IoT sensors such as vibration sensors, acoustic sensors, and voltage and current sensors on the device, and analyzing the signals collected from the sensors.

이러한 고장진단 방법은 많은 개수의 센서를 부착하여 기기의 상태를 정밀하게 계측할 수 있는 장점이 있으나 투자대비 수익률(ROI:return on investment) 측면에서 효율이 낮은 단점이 있다.This fault diagnosis method has the advantage of being able to accurately measure the state of the device by attaching a large number of sensors, but has a disadvantage of low efficiency in terms of return on investment (ROI).

본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로 본 발명의 목적은 하나의 카메라를 이용하여 적은 비용으로도 기기의 고장을 진단할 수 있는 카메라를 이용한 기기의 고장진단 방법 및 그 시스템The present invention has been conceived to solve the above-described problems, and an object of the present invention is a method and system for diagnosing a failure of a device using a camera capable of diagnosing a failure of the device at a low cost using a single camera.

상기의 목적을 달성하기 위하여 본 발명은 진동하거나 회전축을 갖는 기기(이하, '대상 기기'라 함)의 고장진단 방법으로서, 계측수단이 상기 대상 기기와 이격된 서로 다른 복수의 위치(이하, '계측 위치'라 함)에서 상기 대상 기기의 상태를 계측하는 단계; 컴퓨터가 상기 대상 기기의 상태를 대상 기기의 위치(이하, '제1 기기 위치'라 함)로 변환하여 학습하는 단계; 상기 대상 기기가 동작한 후에 상기 계측 수단이 상기 각 계측 위치에서 상기 대상 기기의 상태를 계측하는 단계; 상기 컴퓨터가 동작 후에 계측된 상기 대상 기기의 상태를 위치(이하, '제2 기기 위치'라 함)로 변환하여 획득하는 단계; 상기 컴퓨터가 동일한 계측 위치에서의 제1 기기 위치와 제2 기기 위치를 서로 비교하여 임계 개수 이상의 위치 차이가 발생할 경우 상기 대상 기기를 고장으로 진단하는 단계;를 포함하는 것을 특징으로 하는 기기의 고장진단 방법을 제공한다.In order to achieve the above object, the present invention is a method for diagnosing a failure of a device having a vibrating or rotating shaft (hereinafter, referred to as'target device'), in which a measuring means is spaced apart from the target device. Measuring a state of the target device at a measurement location'); Converting the state of the target device into a location of the target device (hereinafter referred to as “first device location”) and learning, by a computer; Measuring, by the measuring means, a state of the target device at each of the measurement positions after the target device operates; Converting the state of the target device measured after the computer is operated to a location (hereinafter, referred to as a “second device location”) to obtain a location; And diagnosing the target device as a failure when the computer compares the location of the first device and the location of the second device at the same measurement location, and when a difference in location greater than or equal to a threshold number occurs, diagnosing the target device as a malfunction. Provides a way.

바람직한 실시예에 있어서, 상기 계측수단은 카메라이며, 상기 제1 기기 위치는 상기 카메라에서 촬영된 영상에 가상 격자를 위치시키고 상기 가상 격자 상에서 상기 대상 기기가 위치하는 좌표로 계산된다.In a preferred embodiment, the measuring means is a camera, and the position of the first device is calculated by positioning a virtual grid on an image photographed by the camera and a coordinate at which the target device is located on the virtual grid.

바람직한 실시예에 있어서, 상기 제1 기기 위치의 학습은 합성곱신경망(CNN:Convolutional Neural Network)을 통해 이루어진다.In a preferred embodiment, the learning of the location of the first device is performed through a convolutional neural network (CNN).

또한, 본 발명은 상기 고장진단 방법을 수행하는 계측수단 및 컴퓨터를 포함하는 기기의 고장진단 시스템을 더 제공한다.In addition, the present invention further provides a system for diagnosing a failure of a device including a computer and a measuring means for performing the failure diagnosis method.

본 발명은 다음과 같은 우수한 효과를 가진다.The present invention has the following excellent effects.

본 발명의 일 실시예에 따른 고장진단 방법에 의하면, 하나의 카메라를 이용하여 기기의 고장을 진단할 수 있으므로 적은 비용으로 기기의 고장진단을 수행할 수 있으며, 카메라가 기기에 부착되는 것이 아니라 기기와 이격된 위치에서 영상을 촬영하므로 기존에 기기에 부착되어 기기의 상태를 계측하는 진동 센서들과 비교하여 진단의 정확성을 향상시킬 수 있는 장점이 있다.According to the fault diagnosis method according to an embodiment of the present invention, since it is possible to diagnose a fault of the device using a single camera, it is possible to perform a fault diagnosis of the device at a low cost, and the camera is not attached to the device. Since an image is captured at a location spaced apart from and, compared with vibration sensors that are attached to the device to measure the state of the device, it has the advantage of improving the accuracy of diagnosis.

도 1은 본 발명의 일 실시예에 따른 고장진단 시스템을 보여주는 도면,
도 2는 본 발명의 일 실시예에 따른 고장진단 시스템이 획득한 제1 기기 위치를 설명하기 위한 도면,
도 3은 본 발명의 일 실시예에 따른 고장진단 시스템이 획득한 제2 기기 위치를 설명하기 위한 도면이다. 1 is a view showing a fault diagnosis system according to an embodiment of the present invention,
2 is a diagram for explaining a location of a first device acquired by a fault diagnosis system according to an embodiment of the present invention;
3 is a diagram for explaining a location of a second device acquired by a fault diagnosis system according to an embodiment of the present invention.

본 발명에서 사용되는 용어는 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 특정한 경우는 출원인이 임의로 선정한 용어도 있는데 이 경우에는 단순한 용어의 명칭이 아닌 발명의 상세한 설명 부분에 기재되거나 사용된 의미를 고려하여 그 의미가 파악되어야 할 것이다.As for terms used in the present invention, general terms that are currently widely used are selected, but in certain cases, some terms are arbitrarily selected by the applicant. In this case, the meanings described or used in the detailed description of the invention are considered rather than the names of simple terms. Therefore, the meaning should be grasped.

이하, 첨부한 도면에 도시된 바람직한 실시예들을 참조하여 본 발명의 기술적 구성을 상세하게 설명한다.Hereinafter, with reference to the preferred embodiments shown in the accompanying drawings will be described in detail the technical configuration of the present invention.

그러나 본 발명은 여기서 설명되는 실시예에 한정되지 않고 다른 형태로 구체화될 수도 있다. 명세서 전체에 걸쳐 동일한 참조번호는 동일한 구성요소를 나타낸다.However, the present invention is not limited to the embodiments described herein and may be embodied in other forms. The same reference numerals denote the same elements throughout the specification.

도 1은 본 발명의 일 실시예에 따른 고장진단 시스템을 보여주는 도면이다.1 is a diagram showing a fault diagnosis system according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 고장진단 방법은 고장진단 시스템을 통해 이루어지며, 상기 고장진단 시스템은 계측수단(100) 및 컴퓨터(200)를 포함하여 이루어진다.Referring to FIG. 1, the failure diagnosis method of the present invention is performed through a failure diagnosis system, and the failure diagnosis system includes a measurement means 100 and a computer 200.

또한, 상기 계측수단(100)은 영상을 촬영하는 카메라이며, 음향센서나 진동센서를 이용할 수도 있다.In addition, the measuring means 100 is a camera that photographs an image, and an acoustic sensor or a vibration sensor may be used.

다만, 상기 음향센서나 진동센서의 경우 신호 처리를 통해 계측된 정보를 위치 정보로 변환하는 과정이 필요하다.However, in the case of the acoustic sensor or the vibration sensor, a process of converting information measured through signal processing into location information is required.

또한, 상기 카메라(100)는 고장 진단 대상인 대상기기(10)와 소정의 거리 이격되어 위치하며, 격자 상의 서로 다른 계측 위치(20)로 이동하며 촬영하기 위한 구조물(도시하지 않음)에 체결된다.In addition, the camera 100 is located at a predetermined distance apart from the target device 10 to be diagnosed, and is fastened to a structure (not shown) for photographing while moving to different measurement positions 20 on a grid.

또한, 상기 대상기기(10)는 진동하거나 회전축을 갖는 회전기기이다.In addition, the target device 10 is a rotating device that vibrates or has a rotating shaft.

그러나 본 발명의 고장진단 방법은 고정되어 있더라도 자연재해 등에 의해 움직일 가능성이 있는 건축물 등에도 적용이 가능하다.However, even if the fault diagnosis method of the present invention is fixed, it can be applied to buildings that are likely to move due to natural disasters or the like.

또한, 상기 컴퓨터(200)는 상기 카메라(100)와 연결되고, 상기 카메라(100)로부터 상기 대상기기(10)의 영상을 입력받아 상기 대상기기(10)의 고장을 진단한다.Further, the computer 200 is connected to the camera 100 and receives an image of the target device 10 from the camera 100 to diagnose a failure of the target device 10.

또한, 상기 컴퓨터(200)는 일반적인 퍼스널 컴퓨터뿐만 아니라 임베디드 시스템, 스마트 기기 등, 영상 처리가 가능한 장치라면 어떠한 장치로도 대체가 가능하다.In addition, the computer 200 can be replaced with any device as long as it is a device capable of image processing, such as an embedded system or a smart device, as well as a general personal computer.

또한, 상기 컴퓨터(200)에는 상기 카메라(100)가 촬영한 영상을 이용하여 상기 대상 기기(10)의 고장을 진단하는 진단 프로그램이 설치된다.In addition, a diagnostic program for diagnosing a failure of the target device 10 using an image captured by the camera 100 is installed in the computer 200.

또한, 상기 진단 프로그램은 별도의 기록 매체에 저장되어 제공될 수 있으며, 상기 기록매체는 본 발명을 위하여 특별히 설계되어 구성된 것들이거나 컴퓨터 소프트웨어 분야에서 통상의 지식을 가진 자에게 공지되어 사용 가능한 것일 수 있다. In addition, the diagnostic program may be provided by being stored in a separate recording medium, and the recording medium may be specially designed and configured for the present invention, or may be known to and usable by a person having ordinary knowledge in the field of computer software. .

예를 들면, 상기 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD, DVD와 같은 광 기록 매체, 자기 및 광 기록을 겸할 수 있는 자기-광 기록 매체, 롬, 램, 플래시 메모리 등 단독 또는 조합에 의해 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치일 수 있다.For example, the recording medium is a magnetic medium such as a hard disk, a floppy disk, and a magnetic tape, an optical recording medium such as a CD and DVD, a magnetic-optical recording medium capable of both magnetic and optical recording, a ROM, a RAM, and a flash memory. And the like, alone or in combination, may be a hardware device specially configured to store and execute program instructions.

또한, 상기 진단 프로그램은 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등이 단독 또는 조합으로 구성된 프로그램일 수 있고, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라, 인터프리터 등을 사용하여 컴퓨터에 의해 실행될 수 있는 고급 언어 코드로 짜여진 프로그램일 수 있다.In addition, the diagnostic program may be a program composed of a program command, a local data file, a local data structure, etc. alone or in combination, and may be executed by a computer using an interpreter, as well as a machine code such as created by a compiler. It may be a program written in high-level language code that is available.

이하에서는 본 발명의 일 실시예에 따른 고장진단 방법을 상세히 설명한다.Hereinafter, a fault diagnosis method according to an embodiment of the present invention will be described in detail.

본 발명의 고장진단 방법은 먼저, 상기 카메라(100)가 서로 다른 복수의 계측 위치(20)에서 대상기기(10)의 영상을 촬영하고, 촬영된 영상을 컴퓨터(200)로 전송한다.In the fault diagnosis method of the present invention, first, the camera 100 photographs an image of the target device 10 at a plurality of different measurement positions 20 and transmits the photographed image to the computer 200.

또한, 영상의 촬영은 계측 위치들(20) 각각에서 복수 회 이루어지며, ROI의 향상을 위해 하나의 카메라(100)로 촬영하는 것이 바람직하다.In addition, the image is captured a plurality of times at each of the measurement positions 20, and it is preferable to shoot with one camera 100 in order to improve the ROI.

다음, 상기 컴퓨터(200)는 촬영된 영상들을 이용하여 각 계측 위치에서 대상기기의 위치(이하, '제1 기기 위치'라 함)를 학습한다.Next, the computer 200 learns the location of the target device (hereinafter referred to as “first device location”) at each measurement location using the captured images.

도 2는 상기 제1 기기 학습위치를 학습하는 방법을 설명하기 위한 것으로 상기 컴퓨터(200)는 동일한 계측 위치에서 촬영된 영상들을 합성곱 신경망(CNN:Convolutional neural network)과 같은 인공신경망을 통해 위치를 학습한다.2 is for explaining a method of learning the first device learning location, and the computer 200 locates images captured at the same measurement location through an artificial neural network such as a convolutional neural network (CNN). Learn.

그러나 상기 컴퓨터(200)는 합성곱 신경망 이외에 결정 트리(Decision tree), K-최근접 이웃 알고리즘, 로지스틱 회귀분석(Logistic Regression)과 같은 머신러닝을 함께 이용하거나 대체 이용하여 상기 제1 기기 위치를 학습할 수 있다.However, the computer 200 learns the location of the first device using machine learning such as a decision tree, a K-nearest neighbor algorithm, and logistic regression in addition to the convolutional neural network. can do.

또한, 상기 제1 기기 위치는 도 2에 도시한 바와 같이 입력된 영상(110)에 좌표를 갖는 가상 격자(120)를 위치시키고 상기 가상 격자(120)상에서 대상기기 영상(11)의 좌표를 찾음으로써 획득된다.In addition, as shown in FIG. 2, the first device location is a virtual grid 120 having coordinates on the input image 110, and the coordinates of the target device image 11 are found on the virtual grid 120. Is obtained by

또한, 상기 제1 기기 위치는 x축 상에서 두 개의 최외곽 좌표(xa,xb) y축 상에서 두 개의 최외곽 좌표(ya,yb)로 획득될 수 있다.In addition, the location of the first device may be obtained as two outermost coordinates (xa,xb) on the x-axis and two outermost coordinates (ya,yb) on the y-axis.

또한, 상기 제1 기기 위치는 각각의 계측위치(20)에서 촬영된 영상들을 학습하여 복수 개로 획득되며, 도 1에 예시와 같이 계측위치가 20개일 경우 상기 제1 기기 위치는 20개로 획득된다.In addition, the first device positions are acquired in plural by learning images captured at each measurement location 20, and when there are 20 measurement locations as illustrated in FIG. 1, the first device locations are acquired as 20.

다음, 상기 대상 기기(10)가 동작한 후, 또는 동작 중에 상기 카메라(100)는 상기 계측 위치(20)들을 이동하여 영상촬영을 수행하여 촬영된 영상을 상기 컴퓨터(200)로 전송한다.Next, after or during the operation of the target device 10, the camera 100 moves the measurement positions 20 to perform image capturing and transmits the captured image to the computer 200.

그러면, 상기 컴퓨터(200)는 촬영된 영상을 상기 가상 격자 상에 놓고 영상 내에서 대상기기의 위치(이하, '제2 기기 위치'라 함)를 학습한다.Then, the computer 200 places the captured image on the virtual grid and learns the position of the target device (hereinafter, referred to as “second device position”) within the image.

또한, 상기 제2 기기 위치는 상기 제1 기기 위치와 동일하게 영상 내에서 대상 기기 영상의 좌표(도 2의 (xa',x')(ya',yb') 참조)로 획득된다.In addition, the second device location is obtained as the coordinates of the target device image within the image (refer to (xa',x')(ya',yb') in FIG. 2) in the same manner as the first device location.

다음, 상기 제1 기기 위치와 상기 제2 기기 위치를 서로 비교하여 기기 위치의 차이(도 2의 da, db 참조)가 발생할 경우 상기 대상기기가 고장이 발생한 것으로 진단한다.Next, the location of the first device and the location of the second device are compared to each other, and when a difference in device location (refer to da and db in FIG. 2) occurs, it is diagnosed that the target device has a failure.

자세하게는 임계 개수 이상의 차이가 발생할 경우 고장이 발생한 것으로 진단하며, 예를 들면, 20개의 계측위치에서 획득된 영상들 중, 2개 이상의 영상에서 위치 차이가 발생한 경우 고장이 발생한 것으로 진단할 수 있다.In detail, if a difference of more than a threshold number occurs, it is diagnosed that a failure has occurred. For example, if a location difference occurs in two or more of the images acquired at 20 measurement locations, it can be diagnosed as a failure.

그러나 상기 2개의 임계 개수는 설계자에 의해 변경이 가능하다.However, the two threshold numbers can be changed by a designer.

따라서, 본 발명의 일 실시예에 따른 고장진단 방법은 하나의 카메라를 이용하여 기기의 고장을 진단할 수 있으므로 적은 비용으로 기기의 고장진단을 수행할 수 있으며, 기기에 부착되는 것이 아니라 기기와 이격된 위치에서 영상을 촬영하므로 기존에 기기에 부착되어 기기의 상태를 계측하는 진동 센서들과 비교하여 진단의 정확성을 향상시킬 수 있는 장점이 있다.Therefore, the failure diagnosis method according to an embodiment of the present invention can diagnose the failure of the device using a single camera, so that the failure diagnosis of the device can be performed at a low cost, and is not attached to the device but is separated from the device. Since an image is captured at the location where it is set, there is an advantage in that the accuracy of diagnosis can be improved compared to vibration sensors that are attached to the device to measure the state of the device.

또한, 본 발명의 실시예에서는 상기 각 계측위치(20)들에서 촬영된 2차원의 영상을 서로 비교하여 고장 발생여부를 판단하는 것을 설명하였으나 상기 계측위치(20)들에서 촬영된 영상들을 하나의 3차원 데이터로 재구성하여 학습하고, 3차원 데이터들을 서로 비교함으로써 고장 발생여부를 판단할 수도 있다.In addition, in the embodiment of the present invention, it has been described that the two-dimensional images captured at each of the measurement locations 20 are compared with each other to determine whether or not a failure has occurred. It is also possible to determine whether a failure occurs by reorganizing and learning 3D data and comparing the 3D data with each other.

이렇게 3차원 데이터를 비교하는 방법은 2차원 영상들을 서로 비교하는 방법에 비해 외란에 더욱 강인하게 고장 발생여부를 판단할 수 있는 장점이 있다.This method of comparing 3D data has an advantage of being able to determine whether a failure occurs more robustly to disturbances than a method of comparing 2D images with each other.

이상에서 살펴본 바와 같이 본 발명은 바람직한 실시예를 들어 도시하고 설명하였으나, 상기한 실시예에 한정되지 아니하며 본 발명의 정신을 벗어나지 않는 범위 내에서 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변경과 수정이 가능할 것이다.As described above, the present invention has been illustrated and described with reference to preferred embodiments, but is not limited to the above-described embodiments, and within the scope of the spirit of the present invention, those of ordinary skill in the art to which the present invention pertains. Various changes and modifications will be possible.

10:대상기기 100:카메라
200:컴퓨터10: target device 100: camera
200: computer

Claims (4)

진동하거나 회전축을 갖는 기기(이하, '대상 기기'라 함)의 고장진단 방법으로서,
하나의 계측수단이 구조물 상에서 이동하며 상기 대상 기기와 이격된 서로 다른 복수의 위치(이하, '계측 위치'라 함)에서 상기 대상 기기의 상태를 각각 계측하는 단계;
컴퓨터가 상기 대상 기기의 상태를 대상 기기의 위치(이하, '제1 기기 위치'라 함)로 변환하여 학습하는 단계;
상기 대상 기기가 동작한 후에 상기 계측 수단이 상기 각 계측 위치에서 상기 대상 기기의 상태를 계측하는 단계;
상기 컴퓨터가 동작 후에 계측된 상기 대상 기기의 상태를 위치(이하, '제2 기기 위치'라 함)로 변환하여 획득하는 단계;
상기 컴퓨터가 동일한 계측 위치에서의 제1 기기 위치와 제2 기기 위치를 서로 비교하여 임계 개수 이상의 위치 차이가 발생할 경우 상기 대상 기기를 고장으로 진단하는 단계;를 포함하고,
상기 계측수단은 카메라이며,
상기 제1 기기 위치와 상기 제2 기기 위치는 상기 각 계측 위치에서 계산되고, 상기 카메라에서 촬영된 영상에 가상 격자를 위치시킨 후, 상기 가상 격자 상에서 상기 대상 기기가 위치하는 좌표로 계산하되, 상기 좌표는 상기 가상 격자 상에 위치한 상기 대상 기기의 x축 상의 두 개의 최외곽 좌표와 y축 상의 두 개의 최외곽 좌표로 획득되는 것을 특징으로 하는 기기의 고장진단 방법.
As a method for diagnosing a failure of a device that vibrates or has a rotating shaft (hereinafter referred to as'target device'),
Measuring a state of the target device at a plurality of different locations (hereinafter referred to as “measurement locations”), while one measuring means moves on the structure and spaced apart from the target device;
Converting, by a computer, a state of the target device to a location of the target device (hereinafter, referred to as “first device location”) and learning;
Measuring, by the measurement means, a state of the target device at each of the measurement positions after the target device operates;
Converting the state of the target device measured after the computer is operated into a location (hereinafter, referred to as a “second device location”) to obtain a location;
Comprising, by the computer, comparing the location of the first device and the location of the second device at the same measurement location, and diagnosing the target device as a failure when a position difference of more than a threshold number occurs.
The measuring means is a camera,
The first device location and the second device location are calculated at each of the measurement locations, and after placing a virtual grid on the image captured by the camera, calculate the coordinates at which the target device is located on the virtual grid, wherein the The coordinates are obtained as two outermost coordinates on an x-axis of the target device located on the virtual grid and two outermost coordinates on a y-axis of the target device.
 삭제delete 제 1 항에 있어서,
상기 제1 기기 위치의 학습은 합성곱신경망(CNN:Convolutional Neural Network)을 통해 이루어지는 것을 특징으로 하는 기기의 고장진단 방법.
The method of claim 1,
The learning of the location of the first device is performed through a convolutional neural network (CNN).
 제 3 항의 고장진단 방법을 수행하는 계측수단 및 컴퓨터를 포함하는 기기의 고장진단 시스템.A failure diagnosis system for a device comprising a computer and a measurement means for performing the failure diagnosis method of claim 3.
KR1020190021971A 2019-02-25 2019-02-25 Fault diagnostic of large rotating machinery using camera KR102238754B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190021971A KR102238754B1 (en) 2019-02-25 2019-02-25 Fault diagnostic of large rotating machinery using camera

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190021971A KR102238754B1 (en) 2019-02-25 2019-02-25 Fault diagnostic of large rotating machinery using camera

Publications (2)

Publication Number Publication Date
KR20200103450A KR20200103450A (en) 2020-09-02
KR102238754B1 true KR102238754B1 (en) 2021-04-09

Family

ID=72449798

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190021971A KR102238754B1 (en) 2019-02-25 2019-02-25 Fault diagnostic of large rotating machinery using camera

Country Status (1)

Country Link
KR (1) KR102238754B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002321266A (en) * 2001-04-24 2002-11-05 Juo:Kk Mold monitoring system and mold monitoring method

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101748559B1 (en) * 2015-12-04 2017-06-20 주식회사 원프레딕트 Apparatus for inspecting rotating device and method thereof
KR20190012434A (en) * 2017-07-27 2019-02-11 한국해양대학교 산학협력단 System and method for sensing torque on rotatiing shaft based on imaging

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002321266A (en) * 2001-04-24 2002-11-05 Juo:Kk Mold monitoring system and mold monitoring method

Also Published As

Publication number Publication date
KR20200103450A (en) 2020-09-02

Similar Documents

Publication Publication Date Title
JP6901802B2 (en) Pedestrian detector learning method and learning device for robust surveillance based on image analysis, and test method and test device using it
US11004235B2 (en) Method and apparatus for determining position and orientation of bucket of excavator
US9058538B1 (en) Bundle adjustment based on image capture intervals
US9465976B1 (en) Feature reduction based on local densities for bundle adjustment of images
CN108012083A (en) Face acquisition method, device and computer-readable recording medium
CN109974721A (en) A kind of vision winding detection method and device based on high-precision map
CN109241841B (en) Method and device for acquiring video human body actions
CN112750168B (en) Calibration method and device for internal parameters of event camera, computer equipment and storage medium
JP2019159961A (en) Inspection system, image identification system, identification system, discriminator generation system, and learning data generation device
US11927448B2 (en) Deep smartphone sensors fusion for indoor positioning and tracking
JP7320885B2 (en) Systems, methods and media for manufacturing processes
JP2018051721A (en) Abnormality detection device, abnormality detection method, and program
US20210029345A1 (en) Method of generating three-dimensional model, device for generating three-dimensional model, and storage medium
CN115471625A (en) Cloud robot platform big data intelligent decision method and system
CN105203302A (en) Resolution detecting method and resolution detecting device
CN111161153B (en) Wide view splicing method, device and storage medium
Wen et al. CAE-RLSM: Consistent and efficient redundant line segment merging for online feature map building
KR102238754B1 (en) Fault diagnostic of large rotating machinery using camera
CN105654474A (en) Mechanical arm positioning method based on visual guidance and device thereof
US9398208B2 (en) Imaging apparatus and imaging condition setting method and program
KR102198028B1 (en) Position Verification Method for Equipment Layout at 3D Design of Smart Factory
Mavrinac et al. A fuzzy model for coverage evaluation of cameras and multi-camera networks
WO2021134506A1 (en) Wide view stitching method and apparatus, and storage medium
CN111951328A (en) Object position detection method, device, equipment and storage medium
CN116030223A (en) Vehicle image generation method, device, computer equipment and storage medium

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant