KR102409411B1 - 레이다용 공기건조장비 상태 확인장치 및 방법 - Google Patents

레이다용 공기건조장비 상태 확인장치 및 방법 Download PDF

Info

Publication number
KR102409411B1
KR102409411B1 KR1020210176807A KR20210176807A KR102409411B1 KR 102409411 B1 KR102409411 B1 KR 102409411B1 KR 1020210176807 A KR1020210176807 A KR 1020210176807A KR 20210176807 A KR20210176807 A KR 20210176807A KR 102409411 B1 KR102409411 B1 KR 102409411B1
Authority
KR
South Korea
Prior art keywords
data
drying equipment
air drying
humidity
failure
Prior art date
Application number
KR1020210176807A
Other languages
English (en)
Inventor
김성진
염동원
김건우
김보현
Original Assignee
한화시스템 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 한화시스템 주식회사 filed Critical 한화시스템 주식회사
Priority to KR1020210176807A priority Critical patent/KR102409411B1/ko
Application granted granted Critical
Publication of KR102409411B1 publication Critical patent/KR102409411B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/56—Investigating or analyzing materials by the use of thermal means by investigating moisture content
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01P—WAVEGUIDES; RESONATORS, LINES, OR OTHER DEVICES OF THE WAVEGUIDE TYPE
    • H01P1/00—Auxiliary devices
    • H01P1/30—Auxiliary devices for compensation of, or protection against, temperature or moisture effects ; for improving power handling capability
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Drying Of Solid Materials (AREA)

Abstract

본 발명은 레이다용 공기건조장비의 상태를 확인하기 위한 상태 확인장치로서, 상기 공기건조장비에서 배출되는 공기의 습도를 측정하여 생성되는 습도 데이터를 획득하기 위한 데이터 획득부; 다른 공기건조장비들로부터 수집된 습도 데이터를 학습하여 상기 데이터 획득부가 획득한 습도 데이터와 비교하기 위한 기준 데이터를 생성하는 기준 데이터 생성부; 및 상기 데이터 획득부가 획득한 습도 데이터와, 상기 기준 데이터 생성부가 생성한 기준 데이터를 비교하고, 상기 공기건조장비의 상태를 판단하기 위한 판단부;를 포함하고, 공기건조장비의 상태를 정확하게 확인할 수 있다.

Description

레이다용 공기건조장비 상태 확인장치 및 방법{AIR DRYER CONDITION CONFIRMING APPARATUS AND METHOD FOR RADAR}
본 발명을 레이다용 공기건조장비 상태 확인장치 및 방법에 관한 것으로, 더욱 상세하게는 레이다에 구비되는 공기건조장비의 상태를 정확하게 확인할 수 있는 공기건조장비 상태 확인장치 및 방법에 관한 것이다.
일반적으로, 레이다 시스템은 전파를 발사한 후 물체에서 반사되는 반사파를 이용하여 목표물의 존재와 거리 및 방향 등을 탐지하는 감시 시스템이다. 레이다 시스템에 사용되는 안테나 중 하나인 도파관 슬롯 배열 안테나는, 교차 편파 특성이 우수하고 고출력 송신이 가능하며 견고한 구조를 가지기 때문에, 항공기나 미사일 탐색기 등에 많이 적용되고 있다.
출력 전송선로를 도파관 형태로 사용하는 레이다 시스템의 경우, 도파관 내부 아크(Arc) 발생 방지를 위해 압축 건조 공기를 이용한다. 즉, 공기 압축기로 외부에서 입력되는 공기를 압축하고, 공기 건조기로 압축공기를 건조시켜 도파관 내부로 공급한다.
이때, 공기건조장비가 임무 수행 중 고장이 발생하면 전력에 공백이 생기게 된다. 따라서, 임주 수행 중 고장이 발생할 경우를 대비하여, 정비에 필요한 장비, 공구, 및 부품 등을 미리 보관한다. 그러나 공기건조장비의 실제 상태를 확인하기 어렵기 때문에, 공기건조장비의 고장에 신속하게 대응하지 못하는 문제가 있다.
KR 10-2230671 B
본 발명은 레이다에 구비되는 공기건조장비의 상태를 정확하게 확인할 수 있는 공기건조장비 상태 확인장치 및 방법을 제공한다.
본 발명은 공기건조장비를 안정적으로 운용할 수 있는 감시장비 상태 확인장치 및 방법을 제공한다.
본 발명은 레이다용 공기건조장비의 상태를 확인하기 위한 상태 확인장치로서, 상기 공기건조장비에서 배출되는 공기의 습도를 측정하여 생성되는 습도 데이터를 획득하기 위한 데이터 획득부; 다른 공기건조장비들로부터 수집된 습도 데이터를 학습하여 상기 데이터 획득부가 획득한 습도 데이터와 비교하기 위한 기준 데이터를 생성하는 기준 데이터 생성부; 및 상기 데이터 획득부가 획득한 습도 데이터와, 상기 기준 데이터 생성부가 생성한 기준 데이터를 비교하고, 상기 공기건조장비의 상태를 판단하기 위한 판단부;를 포함한다.
상기 데이터 획득부는, 상기 공기건조장비에서 배출되는 공기의 습도를 측정하도록 상기 공기건조장비의 공기 배출구에 설치되는 측정기; 및 상기 측정기가 측정한 습도값을 수집하고, 시간에 따른 습도값의 변화 패턴 데이터를 포함하는 습도 데이터를 생성하기 위한 데이터 수집기;를 포함한다.
상기 데이터 획득부는, 상기 데이터 수집기가 수집한 습도 데이터에서 노이즈를 제거하기 위한 데이터 처리기를 더 포함한다.
상기 기준 데이터 생성부는, 다른 공기건조장비들로부터 수집된 습도 데이터를, 합성곱 신경망 모델로 기계학습하여 상기 기준 데이터를 생성한다.
상기 기준 데이터 생성부는, 다른 공기건조장비들이 정상 작동할 때 측정된 습도 데이터를 수집하여 생성한 정상 패턴 데이터, 및 다른 공기건조장비들이 고장 상태일 때 측정된 습도 데이터를 수집하여 생성한 고장 패턴 데이터를 포함하는 상기 기준 데이터를 생성한다.
상기 판단부는, 상기 변화 패턴 데이터와 상기 정상 패턴 데이터를 비교하여 일치율을 산출하기 위한 비교기; 및 상기 비교기에서 산출된 일치율에 따라 상기 공기건조장비의 상태를 작동 가능한 상태인 정상, 정상 상태보다 작동 성능이 저하된 상태인 이상, 및 작동 불가능한 상태인 고장 중 어느 하나로 판단하기 위한 상태 판단기;를 포함한다.
상기 고장 패턴 데이터는, 다른 공기건조장비들의 부품별 고장에 따라 서로 다른 형태로 복수개가 마련되고, 상기 판단부는, 상태 판단기가 고장이라고 판단한 습도 데이터의 변화 패턴 데이터를 상기 복수개의 고장 패턴 데이터와 각각 비교하고, 일치율이 가장 높은 고장 패턴 데이터에 해당하는 부품에 고장이 발생했다고 판단하기 위한 고장부품 판단기;를 더 포함한다.
본 발며은 레이다용 공기건조장비의 상태를 확인하기 위한 상태 확인방법으로서, 상기 공기건조장비에서 배출되는 공기의 습도를 측정하여 생성되는 습도 데이터를 획득하는 과정; 다른 공기건조장비들로부터 수집된 습도 데이터를 학습하고, 획득한 습도 데이터와 비교하기 위한 기준 데이터를 생성하는 과정; 및 획득한 습도 데이터와 상기 기준 데이터를 비교하고, 상기 공기건조장비의 상태를 판단하는 과정;을 포함한다.
상기 습도 데이터를 획득하는 과정은, 상기 공기건조장비의 작동을 확인하는 과정; 및 상기 공기건조장비가 작동하기 시작하면, 상기 공기건조장비의 작동 시점부터 미리 설정된 설정 시간 동안 측정한 습도값의 변화 패턴 데이터를 포함하는 습도 데이터를 수집하는 과정;을 포함한다.
상기 기준 데이터를 생성하는 과정은, 다른 공기건조장비들이 정상일 때 측정된 습도 데이터를 수집하여 정상 패턴 데이터를 생성하는 과정; 및 다른 공기건조장비들이 고장일 때 측정된 습도 데이터를 수집하여 고장 패턴 데이터를 생성하는 과정;을 포함한다.
상기 고장 패턴 데이터를 생성하는 과정은, 다른 공기건조장비들의 부품별 고장에 따라 서로 다른 형태를 가지는 복수개의 고장 패턴 데이터를 마련하는 과정을 포함한다.
상기 공기건조장비의 상태를 판단하는 과정은, 상기 습도 데이터에 포함되는 습도값의 변화 패턴 데이터와 상기 정상 패턴 데이터를 비교하여 일치율을 산출하는 과정; 및 상기 일치율에 따라 상기 공기건조장비의 상태를 작동 가능한 상태인 정상, 정상 상태보다 작동 성능이 저하된 상태인 이상, 및 작동 불가능한 상태인 고장 중 어느 하나로 판단하는 과정;을 포함한다.
상기 공기건조장비의 상태를 정상, 이상, 및 고장 중 어느 하나로 판단하는 과정은, 상기 일치율이 75% 이상이면 정상이라고 판단하고, 상기 일치율이 50% 이상 내지 75% 미만이면 이상이라고 판단하고, 상기 일치율이 50% 미만이면 고장이라고 판단하는 과정을 포함한다.
상기 공기건조장비의 상태를 판단하는 과정은, 고장이라고 판단된 습도 데이터의 변화 패턴 데이터를 상기 복수개의 고장 패턴 데이터와 각각 비교하는 과정; 및 상기 공기건조장비에 탑재된 부품들 중 일치율이 가장 높은 고장 패턴 데이터에 해당하는 부품에 고장이 발생했다고 판단하는 과정;을 더 포함한다.
상기 공기건조장비에는, 내부공간을 가지는 건조통, 및 상기 건조통 내부의 공기를 건조시키기 위한 히터가 탑재되어 있고, 상기 변화 패턴 데이터를 상기 복수개의 고장 패턴 데이터와 각각 비교하는 과정은, 상기 변화 패턴 데이터를, 상기 건조통이 고장 상태일 때 측정된 습도 데이터를 수집하여 생성한 제1 고장 패턴, 및 상기 히터가 고장 상태일 때 측정된 습도 데이터를 기반으로 생성한 제2 고장 패턴 데이터와 각각 비교하는 과정을 포함하고, 상기 일치율이 가장 높은 고장 패턴 데이터에 해당하는 부품에 고장이 발생했다고 판단하는 과정은, 상기 제1 고장 패턴 데이터와의 일치율이 상기 제2 고장 패턴 데이터의 일치율보다 높으면, 공기건조장비의 건조통에 고장이 발생했다고 판단하고, 상기 제2 고장 패턴 데이터와의 일치율이 상기 제1 고장 패턴 데이터의 일치율보다 높으면, 공기건조장비의 히터에 고장이 발생했다고 판단하는 과정을 포함한다.
본 발명의 실시 예들에 따르면, 공기건조장비의 상태를 정확하게 자동으로 확인할 수 있다. 이에, 공기건조장비의 상태가 정상, 이상, 또는 고장인지 용이하게 판단할 수 있다. 따라서, 공기건조장비의 상태에 따라 관리방법을 선택하여 공기건조장비를 안정적으로 운용할 수 있다.
도 1은 본 발명의 실시 예에 따른 공기건조장비 상태 확인장치의 구조를 나타내는 도면이다.
도 2는 본 발명의 실시 예에 따른 상태 판단기의 작동 과정을 나타내는 도면이다.
도 3은 본 발명의 실시 예에 따른 공기건조장비 상태 확인방법을 나타내는 플로우 차트이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 더욱 상세히 설명하기로 한다. 그러나 본 발명은 이하에서 개시되는 실시 예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하며, 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 발명을 상세하게 설명하기 위해 도면은 과장될 수 있고, 도면상에서 동일 부호는 동일한 요소를 지칭한다.
도 1은 본 발명의 실시 예에 따른 공기건조장비 상태 확인장치의 구조를 나타내는 도면이고, 도 2는 본 발명의 실시 예에 따른 상태 판단기와 고장 예측부의 작동 과정을 나타내는 도면이다. 하기에서는 본 발명의 실시 예에 따른 공기건조장비 상태 확인장치에 대해 설명하기로 한다.
본 발명의 실시 예에 따른 공기건조장비 상태 확인장치는, 레이다용 공기건조장비의 상태를 확인하기 위한 상태 확인장치이다. 도 1을 참조하면 공기건조장비 상태 확인장치(100)는 데이터 획득부(110), 기준 데이터 생성부(120), 및 판단부(130)를 포함한다.
이때, 본 발명을 이해하기 위해 공기건조장비(50)에 대해 먼저 설명하기로 한다. 공기건조장비(50)는 레이다에 구비되는 도파관 내부로 공기를 공급하기 위한 장비이다. 공기건조장비(50)는, 내부공간을 가지는 건조통(51), 및 건조통(51)의 내부공간으로 유입된 공기를 건조하도록 건조통(51)에 설치되는 히터(52)를 포함한다. 또한, 공기건조장비(50)는 건조통(51)과 히터(52)를 복수개 구비할 수 있다. 따라서, 건조통(51)들과 히터(52)들을 교대로 교차 운용하면서 공기를 건조시킬 수 있다. 공기건조장비(50)에서 배출되는 공기의 습도는, 사용하는 건조통(51)과 히터(52)가 변경될 때마다 하락하였다가 상승할 수 있다.
한편, 공기건조장비(50)가 임무를 수행할 때 건조통(51)나 히터(52)에 고장이 발생하면 레이다가 정상적으로 작동하지 못하여 전력에 공백이 생기게 된다. 따라서, 공기건조장비 상태 확인장치(100)를 이용하여 공기건조장비(50)의 상태를 모니터링할 수 있다.
데이터 획득부(110)는 공기건조장비(50)에서 배출되는 공기의 습도를 측정하여 생성되는 습도 데이터를 획득할 수 있다. 데이터 획득부(110)는 측정기(111), 및 데이터 수집기(112)를 포함한다.
측정기(111)는 습도를 측정하는 센서일 수 있다. 측정기(111)는 공기건조장비(50)의 공기 배출구에 설치될 수 있다. 이에, 공기건조장비(50)에서 건조되어 배출되는 공기의 습도를 측정기(111)로 측정할 수 있다.
데이터 수집기(112)는 측정기(111)와 유선 또는 무선으로 연결될 수 있다. 이에, 측정기(111)에서 측정된 습도값이 데이터 수집기(112)로 전달될 수 있고, 데이터 수집기(112)는 측정기(111)가 측정한 습도값을 수집할 수 있다. 데이터 수집기(112)는 수집된 습도값들을 이용하여 시간에 따른 습도값의 변화 패턴 데이터를 포함하는 습도 데이터를 생성할 수 있다. 또한, 데이터 수집기(112)는 공기건조장비(50)가 작동한 시점부터 미리 설정된 설정 시간 동안 검출기(51)의 온도를 측정한 습도 데이터를 수집할 수 있고, 측정기(111)가 습도를 측정하는 주기를 설정할 수도 있다. 예를 들어, 설정 시간은 120분이고 측정기(111)가 1초 단위로 습도를 측정하도록 설정하여, 공기건조장비(50)가 작동한 시점부터 120분 동안 1초 단위로 측정기(111)가 측정한 습도값을 데이터 수집기(112)로 수집할 수 있다. 그러나 설정 시간 및 측정기(111)가 습도를 측정하도록 설정하는 주기는 이에 한정되지 않고 공기건조장비(50)가 운용되는 시간에 맞추어 다양하게 변경될 수 있다.
한편, 데이터 획득부(110)는 데이터 처리기(113)를 더 포함할 수도 있다. 데이터 처리기(113)는 데이터 수집기(112)와 신호를 주고받을 수 있게 연결될 수 있다. 이에, 데이터 처리기(113)는 데이터 수집기(112)가 수집한 습도 데이터 전달받아, 데이터 수집기(112)가 수집한 습도 데이터에서 노이즈를 제거할 수 있다. 따라서, 노이즈가 제거된 습도 데이터를 이용하여 공기건조장비(50)의 상태를 더 정확하게 점검할 수 있다. 데이터 처리기(113)는 노이즈 식별기(113a), 및 노이즈 제거기(113b)를 포함한다.
노이즈 식별기(113a)는 습도 데이터에 포함되는 습도값들을 미리 설정된 습도설정값과 비교할 수 있다. 이에, 습도 데이터의 습도값들 중 습도설정값 이상의 습도값은 노이즈로 판단할 수 있다. 따라서, 습도값들 중 노이즈를 식별할 수 있다.
노이즈 제거기(113b)는 노이즈 식별기(113a)에서 식별된 노이즈를 다른 습도값으로 대체하여 노이즈를 제거할 수 있다. 예를 들어, 노이즈 제거기(113b)는, 습도 데이터에 포함되는 습도값들 중 노이즈의 다음 습도값 또는 이전 습도값을 노이즈와 대체하거나, 습도 데이터에 포함되는 습도값들에서 선택한 두 습도값의 평균값을 노이즈와 대체할 수 있다.
기준 데이터 생성부(120)는 다른 공기건조장비들로부터 수집된 습도 데이터를 학습하여 데이터 획득부(110)로 획득한 습도 데이터와 비교하기 위한 기준 데이터를 생성할 수 있다. 상세하게는 기준 데이터 생성부(120)가 다른 공기건조장비들로부터 수집된 습도 데이터를, 합성곱 신경망(CNN: Convolutional Neural Network) 모델로 기계학습하여, 기준 데이터를 생성할 수 있다. 이때, 기준 데이터 생성부(120)가 생성하는 기준 데이터에는, 다른 공기건조장비들이 정상 작동할 때 측정된 습도 데이터를 수집하여 생성한 정상 패턴 데이터, 및 다른 공기건조장비들이 고장 상태일 때 측정된 습도 데이터를 수집하여 생성한 고장 패턴 데이터가 포함될 수 있다. 또한, 고장 패턴 데이터는, 다른 공기건조장비들의 부품별 고장에 따라 서로 다른 형태로 복수개가 마련될 수 있다. 예를 들어, 공기건조장비(50)의 건조통(51)이 고장 상태일 때 측정된 습도 데이터를 수집하여 제1 고장 패턴 데이터를 생성하고, 공기건조장비(50)의 히터(52)가 고장 상태일 때 측정된 습도 데이터를 수집하여 제2 고장 패턴 데이터를 생성할 수 있다.
판단부(130)는 데이터 획득부(110) 및 기준 데이터 생성부(120)와 신호를 주고받을 수 있게 연결될 수 있다. 이에, 판단부(130)는 데이터 획득부(110)가 획득한 습도 데이터와, 기준 데이터 생성부(120)가 생성한 기준 데이터를 비교하고, 공기건조장비(50)의 상태를 판단할 수 있다. 판단부(130)는 비교기(131), 및 상태 판단기(132)를 포함한다.
비교기(131)는 습도 데이터와 기준 데이터를 비교할 수 있다. 상세하게는 습도 데이터에 포함되는 습도값의 변화 패턴 데이터와, 기준 데이터에 포함되는 정상 패턴 데이터를 비교하여 둘 사이의 일치율을 산출할 수 있다. 예를 들어, 변화 패턴 데이터와 정상 패턴 데이터의 시간을 동기화하고, 둘을 중첩시켜 일치율을 산출할 수 있다.
상태 판단기(132)는 비교기(131)와 신호를 주고받을 수 있게 연결될 수 있다. 이에, 상태 판단기(132)는 비교기(131)에서 산출된 일치율에 따라 공기건조장비(50)의 상태를 작동 가능한 상태인 정상, 정상 상태보다 작동 성능이 저하된 상태인 이상, 및 작동 불가능한 상태인 고장 중 어느 하나로 판단할 수 있다. 예를 들어, 도 2와 같이 일치율이 75% 이상이면 정상이라고 판단하고, 일치율이 50% 이상 내지 75% 미만이면 이상이라고 판단하고, 일치율이 50% 미만이면 고장이라고 판단할 수 있다. 정상은 공기건조장비(50)가 정상적으로 작동할 수 있는 상태를 의미하고, 고장은 공기건조장비(50)에 고장이 발생하여 수리가 필요한 상태를 의미하고, 이상은 정상과 고장의 중간 상태로 공기건조장비(50)가 작동할 수 있지만 성능 저하가 발생하면서 고장이 발생할 확률이 높은 상태를 의미한다. 따라서, 상태 판단기(132)가 정상이라고 판단하면 공기건조장비(50)를 계속 운용하고, 고장이라고 판단하면 공기건조장비(50)의 운용을 중단하고 수리할 수 있다. 상태 판단기(132)가 이상이라고 판단하면 공기건조장비(50)의 상태를 지속적으로 모니터링하면서 실제 고장이 발생하기 전에 수리 작업을 수행할 수 있다.
이때, 건조통(51)들을 교대로 교차 운용하는 경우 교대될 때마다 습도값이 감소하였다가 증가하기 때문에, 변화 패턴 데이터가 싸인파 형태로 나타날 수 있다. 따라서, 건조통(51)들 중 어느 하나에 이상 또는 고장이 발생하는 경우, 변화 패턴 데이터 중 일부는 정상 패턴 데이터와 일치하거나 유사하고, 변화 패턴 데이터의 다른 일부는 정상 패턴 데이터와 차이가 많이 발생할 수 있다. 이에, 차이가 많이 발생할 때 사용된 건조통(51)을 확인하면, 건조통(51)들 중 어느 건조통(51)에 이상 또는 고장이 발생했는지 확인할 수 있다.
한편, 판단부(130)는 고장부품 판단기(133)를 더 포함할 수도 있다. 고장부품 판단기(133)는 상태 판단기(132)와 신호를 주고받을 수 있게 연결될 수 있다. 이에, 고장부품 판단기(133)는 상태 판단기(132)가 고장이라고 판단한 습도 데이터의 변화 패턴 데이터를 복수개의 고장 패턴 데이터와 각각 비교하고, 일치율이 가장 높은 고장 패턴 데이터에 해당하는 부품에 고장이 발생했다고 판단할 수 있다. 예를 들어, 변화 패턴 데이터가 제2 고장 패턴 데이터보다 제1 고장 패턴 데이터와 일치율이 높으면 건조통(51)에 고장이 발생했다고 판단하고, 변화 패턴 데이터가 제1 고장 패턴 데이터보다 제2 고장 패턴 데이터와 일치율이 높으면 히터(52)에 고장이 발생했다고 판단할 수 있다. 따라서, 공기건조장비(50)에서 고장 발생 여부 뿐만 아니라 고장이 발생한 부품의 종류까지 판단할 수 확인할 수 있다.
이처럼 공기건조장비(50)의 상태를 정확하게 자동으로 확인할 수 있다. 따라서, 공기건조장비(50)의 상태가 정상, 이상, 또는 고장인지 용이하게 판단하고, 공기건조장비(50)의 상태에 따라 대응을 선택하여 공기건조장비를 안정적으로 운용할 수 있다.
한편, 공기건조장비 상태 확인장치(100)는 고장 예측부(미도시)를 더 포함할 수도 있다. 고장 예측부는 판단부(130)와 신호를 주고받을 수 있게 연결될 수 있다. 이에, 고장 예측부는 판단부(130)의 판단결과에 따라 공기건조장비(50)의 고장이 발생할 예상 고장시점을 예측할 수 있다. 즉, 도 2와 같이 상태 판단기(132)가 공기건조장비(50)의 상태를 이상이라고 판단하면, 고장 예측부가 공기건조장비(50)의 예상 고장시점을 예측하는 과정을 수행할 수 있다. 예를 들어, 고장 예측부는 시계열 분석인 LSTM(Long-Short Term Memory) 기법을 이용하여, 공기건조장비(50)의 상태를 이상이라고 판단한 시점부터 그 이후의 데이터 변화 추세를 예측하여 나열할 수 있다. 고장 예측부는 정보 저장기, 및 고장 예측기를 포함한다.
정보 저장기에는 다른 공기건조장비들로부터 수집된 습도 데이터가 저장될 수 있다. 상세하게는 다른 공기건조장비들의 시간에 따른 습도 데이터가 저장할 수 있다. 이에, 시간의 경과에 따라 다른 공기건조장비들의 습도 데이터가 어떻게 변화되는지 확인할 수 있다.
고장 예측기는 상태 판단기(132) 및 정보 저장기와 신호를 주고받을 수 있게 연결될 수 있다. 이에, 고장 예측기는 상태 판단기(132)가 공기건조장비(50)의 상태를 이상이라고 판단하면, 정보 저장기에 저장된 습도 데이터를 이용하여 공기건조장비의 상태가 고장으로 판단될 시점을 예측할 수 있다. 고장 예측기는 변화량 예상기, 및 고장시점 선택기를 포함한다.
변화량 예상기는 정보 저장기에 저장된 습도 데이터를 이용하여 데이터 획득부(110)로부터 획득한 습도 데이터가 시간에 따라 변화될 정도를 예상할 수 있다. 예를 들어, 정보 저장기에 저장된 습도 데이터 중 데이터 획득부(110)로부터 획득한 습도 데이터와 일치율이 95% 이상인 습도 데이터를 찾고, 해당 습도 데이터의 변화량을 이상으로 판단된 공기건조장비(50)의 습도 데이터의 미래 변화량이라고 판단할 수 있다. 이때, 정보 저장기에 저장된 습도 데이터 중 데이터 획득부(110)로부터 획득한 습도 데이터와 일치율이 95% 이상인 습도 데이터가 복수개인 경우, 일치율이 가장 높은 습도 데이터를 선택할 수 있다.
고장시점 선택기는 변화량 예상기와 신호를 주고받을 수 있게 연결될 수 있다. 이에, 고장시점 선택기는 데이터 획득부(110)로부터 획득한 습도 데이터가 변화되어 공기건조장비(50)의 상태가 이상에서 고장으로 변경될 시점을 공기건조장비(50)의 예상 고장시점으로 선택할 수 있다. 상세하게는 변화량 예상기가 예상하는 변화량에 따라 습도 데이터를 변화시키면서 기준 데이터와의 정상 패턴 데이터와의 일치율을 산출하여, 시간이 경과하면서 상태가 고장으로 판단되는 시점을 찾을 수 있다. 따라서, 고장으로 판단되는 시점이 될 때까지 소요되는 시간 후에 공기건조장비(50)의 고장이 발생할 수 있다고 예측할 수 있다.
이처럼, 공기건조장비(50)의 상태가 이상인 경우 공기건조장비의 예상 고장시점을 예측할 수 있다. 따라서, 공기건조장비(50)의 상태를 모니터링하면서 공기건조장비(50)의 고장이 실제로 발생하기 전에 선제적으로 수리할 수 있다. 이에, 공기건조장비(50)의 유지보수가 용이해지고, 공기건조장비(50)의 고장이 돌발적으로 발생하여 전력 공백이 발생하는 것을 방지할 수 있다.
한편, 공기건조장비 상태 확인장치(100)는 표시부(미도시)를 더 포함할 수도 있다. 표시부는 디스플레이 장비일 수 있고, 판단부(130) 및 고장 예측부 중 적어도 어느 하나와 신호를 주고받을 수 있게 연결될 수 있다. 이에, 표시부는 판단부(130)가 판단한 공기건조장비(50)의 상태, 및 고장 예측부가 예측한 예상 고장시점에 대한 정보 중 적어도 어느 하나를 전달받아 시각적으로 표시할 수 있다. 따라서, 작업자가 공기건조장비(50)의 상태를 용이하게 확인하여 적절한 유지보수 작업을 수행할 수 있다.
도 3은 본 발명의 실시 예에 따른 공기건조장비 상태 확인방법을 나타내는 플로우 차트이다. 하기에서는 본 발명의 실시 예에 따른 레이다용 공기건조장비 상태 확인방법에 대해 설명하기로 한다.
본 발명의 실시 예에 따른 레이다용 공기건조장비 상태 확인방법은, 레이다용 공기건조장비의 상태를 확인하기 위한 상태 확인방법이다. 도 3을 참조하면, 공기건조장비 상태 확인방법은, 공기건조장비에서 배출되는 공기의 습도를 측정하여 생성되는 습도 데이터를 획득하는 과정(S110), 다른 공기건조장비들로부터 수집된 습도 데이터를 학습하고, 획득한 습도 데이터와 비교하기 위한 기준 데이터를 생성하는 과정(S120), 및 습도 데이터와 기준 데이터를 비교하고, 공기건조장비의 상태를 판단하는 과정(S130)을 포함한다.
이때, 공기건조장비 상태 확인방법은, 도 1과 같은 구조를 가지는 본 발명의 실시 예에 따른 공기건조장비 상태 확인장치에 의해 수행될 수 있다. 그러나 이에 한정되지 않고 다양한 공기건조장비 상태 확인장치에 의해 공기건조장비 상태 확인방법이 수행될 수 있다.
우선, 공기건조장비에서 배출되는 공기의 습도를 측정하여 생성되는 습도 데이터를 획득한다(S110). 상세하게는, 공기건조장비(50)의 공기 배출구에 측정기(111)를 설치하여 공기건조장비(50)에서 건조되어 배출되는 공기의 습도를 측정할 수 있다. 이때, 공기건조장비(50)의 작동을 확인할 수 있다. 따라서, 공기건조장비(50)가 작동하기 시작하면, 공기건조장비(50)의 작동 시점부터 미리 설정된 설정 시간 동안 측정한 습도값들을 수집하고, 시간에 따른 습도값의 변화 패턴 데이터를 포함하는 습도 데이터를 생성할 수 있다.
한편, 습도 데이터를 수집한 후 습도 데이터에서 노이즈를 제거하는 과정이 더 수행될 수도 있다. 즉, 측정기(111) 등의 문제로 습도 데이터에 포함되는 습도값들 중 일부가 비정상적으로 측정될 수 있다. 이에, 비정상적으로 측정되는 습도값을 노이즈로 식별하여 제거할 수 있다.
이를 위해, 습도 데이터에 포함되는 습도값들을 미리 설정된 습도설정값과 비교할 수 있다. 습도값들 중 습도설정값 이상인 습도값을 노이즈로 판단하여, 노이즈를 식별할 수 있다.
또한, 노이즈로 판단된 습도값을 다른 습도값으로 대체하여 제거할 수 있다. 예를 들어, 노이즈의 다음으로 측정된 습도값이 습도설정값 미만이면, 노이즈를 다음에 측정된 습도값으로 대체할 수 있다. 또는, 노이즈의 다음으로 측정된 습도값이 습도설정값 이상이고, 노이즈의 이전에 측정된 습도값이 습도설정값 미만이면, 노이즈를 이전에 측정된 습도값으로 대체할 수 있다.
한편, 노이즈의 다음으로 측정된 습도값과 이전에 측정된 습도값이 모두 습도설정값 이상이면, 습도 데이터에 포함되는 습도값들에서 선택한 두 습도값의 평균값을 노이즈와 대체할 수 있다. 예를 들어, 노이즈를 사이에 두고 동일한 시간 간격 전후로 측정된 두 개의 습도값을 선택하고, 두 습도값의 평균값을 구하여 노이즈와 대체할 수 있다.
그 다음, 다른 공기건조장비들로부터 수집된 습도 데이터를 기반으로 학습하고, 획득한 습도 데이터와 비교하기 위한 기준 데이터를 생성한다(S120). 상세하게는 다른 공기건조장비들로부터 수집된 습도 데이터를, 합성곱 신경망 모델로 기계학습하여, 기준 데이터를 생성할 수 있다. 기준 데이터 생성부(120)가 생성하는 기준 데이터에는, 다른 공기건조장비들이 정상 작동할 때 측정된 습도 데이터를 수집하여 생성한 정상 패턴 데이터, 및 다른 공기건조장비들이 고장 상태일 때 측정된 습도 데이터를 수집하여 생성한 고장 패턴 데이터가 포함될 수 있다. 또한, 고장 패턴 데이터는, 다른 공기건조장비들의 부품별 고장에 따라 서로 다른 형태로 복수개가 마련될 수 있다. 예를 들어, 공기건조장비(50)의 건조통(51)이 고장 상태일 때 측정된 습도 데이터를 수집하여 제1 고장 패턴 데이터를 생성하고, 공기건조장비(50)의 히터(52)가 고장 상태일 때 측정된 습도 데이터를 수집하여 제2 고장 패턴 데이터를 생성할 수 있다. 이때, 기준 데이터를 생성하는 과정은, 습도 데이터를 획득하는 과정 후에 수행될 수도 있고, 습도 데이터를 획득하는 과정보다 먼저 수행될 수도 있고, 두 과정이 함께 수행될 수도 있다.
그 다음, 습도 데이터와 기준 데이터를 비교하고, 공기건조장비의 상태를 판단한다(S130). 상세하게는 습도 데이터에 포함되는 습도값의 변화 패턴 데이터와, 기준 데이터에 포함되는 정상 패턴 데이터를 비교하여 둘 사이의 일치율을 산출할 수 있다. 예를 들어, 변화 패턴 데이터와 정상 패턴 데이터의 시간을 동기화하고, 둘을 중첩시켜 일치율을 산출할 수 있다. 따라서, 두 패턴 데이터 사이에 얼마나 차이가 있는지 산출할 수 있다.
또한, 일치율에 따라 공기건조장비(50)의 상태를, 작동 가능한 상태인 정상, 정상 상태보다 작동 성능이 저하된 상태인 이상, 및 작동 불가능한 상태인 고장 중 어느 하나로 판단할 수 있다. 예를 들어, 일치율이 75% 이상이면 정상이라고 판단하고, 일치율이 50% 이상 내지 75% 미만이면 이상이라고 판단하고, 일치율이 50% 미만이면 고장이라고 판단할 수 있다. 즉, 일치율이 높을수록 공기건조장비(50)가 공기를 건조시켜 공기 내 수분 함량을 더 많이 감소시키고, 일치율이 낮을수록 공기건조장비(50)가 공기를 건조시키더라도 공기 내 수분 함량이 더 적게 감소되는 것은 의미한다. 이에, 일치율이 낮으면 공기건조장비(50)의 건조통(51)이나 히터(52)에 문제가 발생한 것이라고 판단할 수 있다. 따라서, 공기건조장비(50)의 상태가 정상이라고 판단되면 공기건조장비(50)를 계속 운용하고, 고장이라고 판단되면 공기건조장비(50)의 운용을 중단하고 수리할 수 있다. 공기건조장비(50)의 상태가 이상이라고 판단되면 공기건조장비(50)의 상태를 지속적으로 모니터링하면서 실제 고장이 발생하기 전에 수리 작업을 수행할 수 있다. 그러나 정상, 이상, 및 고장을 판단하는 기준은 이에 한정되지 않고 다양할 수 있다.
한편, 공기건조장비(50)의 상태가 고장이라고 판단되면, 공기건조장비(50)에서 고장이 발생한 부품의 종류를 찾는 작업이 더 수행될 수도 있다. 즉, 고장이라고 판단한 습도 데이터의 변화 패턴 데이터를 복수개의 고장 패턴 데이터와 각각 비교할 수 있다. 예를 들어, 고장이라고 판단한 습도 데이터의 변화 패턴 데이터를 제1 고장 패턴 데이터 및 제2 고장 패턴 데이터 각각과 비교하여 일치율을 산출할 수 있다.
또한, 공기건조장비(50)에 탑재된 부품들 중 일치율이 가장 높은 고장 패턴 데이터에 해당하는 부품에 고장이 발생했다고 판단할 수 있다. 예를 들어, 변화 패턴 데이터가 제2 고장 패턴 데이터보다 제1 고장 패턴 데이터와 일치율이 높으면 건조통(51)에 고장이 발생했다고 판단하고, 변화 패턴 데이터가 제1 고장 패턴 데이터보다 제2 고장 패턴 데이터와 일치율이 높으면 히터(52)에 고장이 발생했다고 판단할 수 있다. 따라서, 공기건조장비(50)에서 고장 발생 여부 뿐만 아니라 고장이 발생한 부품의 종류까지 판단할 수 확인할 수 있다.
이처럼 공기건조장비(50)의 상태를 정확하게 자동으로 확인할 수 있다. 따라서, 공기건조장비(50)의 상태가 정상, 이상, 또는 고장인지 용이하게 판단하고, 공기건조장비(50)의 상태에 따라 대응을 선택하여 공기건조장비를 안정적으로 운용할 수 있다.
한편, 공기건조장비(50)의 상태가 이상으로 판단되면, 공기건조장비(50)의 예상 고장시점을 예측할 수도 있다. 공기건조장비(50)의 예상 고장시점을 예측하기 위해, 다른 공기건조장비들로부터 수집된 습도 데이터를 획득할 수 있다. 상세하게는, 다른 공기건조장비들을 운용하면서 시간 경과에 따라 변화되는 습도 데이터를 획득할 수 있다. 공기건조장비(50)의 상태를 이상이라고 판단하면, 다른 공기건조장비들의 습도 데이터를 이용하여, 이상으로 판단된 공기건조장비의 습도 데이터가 시간에 따라 변화될 정도를 예상할 수 있다. 예를 들어, 다른 공기건조장비들의 습도 데이터 중 이상으로 판단된 공기건조장비(50)의 습도 데이터와 일치율이 95% 이상인 습도 데이터를 찾고, 해당 습도 데이터의 변화량을 이상으로 판단된 공기건조장비(50)의 습도 데이터의 미래 변화량이라고 판단할 수 있다.
또한, 이상으로 판단된 공기건조장비(50)의 습도 데이터의 미래 변화량이 판단되면, 이상으로 판단된 공기건조장비(50)의 습도 데이터가 변화되어 기준 데이터와의 일치율이 50% 미만으로 변화될 시점을 해당 공기건조장비(50)의 예상 고장시점으로 예측할 수 있다. 상세하게는 예상하는 변화량에 따라 이상으로 판단된 공기건조장비(50)의 습도 데이터를 변화시키면서 기준 데이터와의 일치율을 산출하여, 시간이 경과하면서 상태가 고장으로 판단되는 시점을 찾을 수 있다. 따라서, 고장으로 판단되는 시점이 될 때까지 소요되는 시간 후에 공기건조장비(50)의 고장이 발생할 수 있다고 예측할 수 있다.
이처럼, 공기건조장비(50)의 상태가 이상인 경우 공기건조장비의 예상 고장시점을 예측할 수 있다. 따라서, 공기건조장비(50)의 상태를 모니터링하면서 공기건조장비(50)의 고장이 실제로 발생하기 전에 선제적으로 수리할 수 있다. 이에, 공기건조장비(50)의 유지보수가 용이해지고, 공기건조장비(50)의 고장이 돌발적으로 발생하여 전력 공백이 발생하는 것을 방지할 수 있다.
한편, 공기건조장비(50)의 상태를 판단하고, 해당 공기건조장비(50)의 예상 고장시점을 예측한 후에, 판단한 공기건조장비(50)의 상태, 및 예측한 예상 고장시점에 대한 정보 중 적어도 어느 하나를 시각적으로 표시할 수 있다. 따라서, 작업자가 공기건조장비(50)의 상태를 용이하게 확인하여 적절한 유지보수 작업을 수행할 수 있다.
이와 같이, 본 발명의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 발명의 범주에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능하며, 실시 예들 간에 다양한 조합도 가능하다. 그러므로, 본 발명의 범위는 설명된 실시 예에 국한되어 정해져서는 안되며, 아래에 기재될 특허청구범위뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.
50: 공기건조장비 100: 공기건조장비 상태 확인장치
110: 데이터 획득부 120: 기준 데이터 생성부
130: 판단부

Claims (15)

  1. 레이다용 공기건조장비의 상태를 확인하기 위한 상태 확인장치로서,
    상기 공기건조장비에서 배출되는 공기의 습도를 측정하여 시간에 따른 습도값의 변화 형태를 나타내도록 생성되는 습도 데이터를 획득하기 위한 데이터 획득부;
    다른 공기건조장비들로부터 수집된 습도 데이터를 학습하여 상기 데이터 획득부가 획득한 습도 데이터와 비교하기 위한 기준 데이터를 생성하는 기준 데이터 생성부; 및
    상기 데이터 획득부가 획득한 습도 데이터와, 상기 기준 데이터 생성부가 생성한 기준 데이터를 비교하고, 상기 공기건조장비의 상태를 판단하기 위한 판단부;를 포함하고,
    상기 기준 데이터 생성부는,
    다른 공기건조장비들이 정상 작동할 때 측정된 습도 데이터를 수집하여 시간에 따른 습도값의 변화 형태를 나타내도록 생성된 정상 패턴 데이터, 및 다른 공기건조장비들이 고장 상태일 때 측정된 습도 데이터를 수집하여 시간에 따른 습도값의 변화 형태를 나타내도록 고장이 발생한 부품의 종류에 따라 서로 다른 형태로 생성된 복수개의 고장 패턴 데이터를 포함하는 상기 기준 데이터를 생성하고,
    상기 판단부는,
    상기 습도 데이터에 포함되는 습도값의 변화 패턴 데이터와 상기 정상 패턴 데이터의 패턴 형태를 비교하여 일치율을 산출하기 위한 비교기,
    상기 비교기에서 산출된 일치율에 따라 상기 공기건조장비의 상태를 작동 가능한 상태인 정상, 정상 상태보다 작동 성능이 저하된 상태인 이상, 및 작동 불가능한 상태인 고장 중 어느 하나로 판단하기 위한 상태 판단기, 및
    고장이 발생한 부품의 종류를 확인하기 위해, 상태 판단기가 고장이라고 판단한 습도 데이터의 변화 패턴 데이터의 형태를, 상기 복수개의 고장 패턴 데이터의 형태와 각각 비교하고, 일치율이 가장 높은 고장 패턴 데이터에 해당하는 부품의 종류에 고장이 발생했다고 판단하기 위한 고장부품 판단기를 포함하는 공기건조장비 상태 확인장치.
  2. 청구항 1에 있어서,
    상기 데이터 획득부는,
    상기 공기건조장비에서 배출되는 공기의 습도를 측정하도록 상기 공기건조장비의 공기 배출구에 설치되는 측정기; 및
    상기 측정기가 측정한 습도값을 수집하고, 시간에 따른 습도값의 변화 패턴 데이터를 포함하는 습도 데이터를 생성하기 위한 데이터 수집기;를 포함하는 공기건조장비 상태 확인장치.
  3. 청구항 2에 있어서,
    상기 데이터 획득부는,
    상기 데이터 수집기가 수집한 습도 데이터에서 노이즈를 제거하기 위한 데이터 처리기를 더 포함하는 공기건조장비 상태 확인장치.
  4. 청구항 1에 있어서,
    상기 기준 데이터 생성부는,
    다른 공기건조장비들로부터 수집된 습도 데이터를, 합성곱 신경망 모델로 기계학습하여 상기 기준 데이터를 생성하는 공기건조장비 상태 확인장치.
  5. 삭제
  6. 삭제
  7. 삭제
  8. 레이다용 공기건조장비의 상태를 확인하기 위한 상태 확인방법으로서,
    상기 공기건조장비에서 배출되는 공기의 습도를 측정하여 시간에 따른 습도값의 변화 형태를 나타내도록 생성되는 습도 데이터를 획득하는 과정;
    다른 공기건조장비들로부터 수집된 습도 데이터를 학습하고, 획득한 습도 데이터와 비교하기 위한 기준 데이터를 생성하는 과정; 및
    획득한 습도 데이터와 상기 기준 데이터를 비교하고, 상기 공기건조장비의 상태를 판단하는 과정;을 포함하고,
    상기 기준 데이터를 생성하는 과정은,
    다른 공기건조장비들이 정상일 때 측정된 습도 데이터를 수집하여 시간에 따른 습도값의 변화 형태를 나타내는 정상 패턴 데이터를 생성하는 과정, 및
    다른 공기건조장비들이 고장일 때 측정된 습도 데이터를 수집하여 고장이 발생한 부품의 종류별로 각각 시간에 따른 습도값의 변화 형태를 나타내는 고장 패턴 데이터들을 생성하는 과정을 포함하고,
    상기 공기건조장비의 상태를 판단하는 과정은,
    상기 습도 데이터에 포함되는 습도값의 변화 패턴 데이터와 상기 정상 패턴 데이터의 패턴 형태를 비교하여 일치율을 산출하는 과정,
    상기 일치율에 따라 상기 공기건조장비의 상태를 작동 가능한 상태인 정상, 정상 상태보다 작동 성능이 저하된 상태인 이상, 및 작동 불가능한 상태인 고장 중 어느 하나로 판단하는 과정, 및
    고장이 발생한 부품의 종류를 확인하기 위해, 고장이라고 판단된 습도 데이터의 변화 패턴 데이터의 형태를, 상기 고장 패턴 데이터들의 형태와 각각 비교하고, 일치율이 가장 높은 고장 패턴 데이터에 해당하는 부품의 종류에 고장이 발생했다고 판단하는 과정을 포함하는 공기건조장비 상태 확인방법.
  9. 청구항 8에 있어서,
    상기 습도 데이터를 획득하는 과정은,
    상기 공기건조장비의 작동을 확인하는 과정; 및
    상기 공기건조장비가 작동하기 시작하면, 상기 공기건조장비의 작동 시점부터 미리 설정된 설정 시간 동안 측정한 습도값의 변화 패턴 데이터를 포함하는 습도 데이터를 수집하는 과정;을 포함하는 공기건조장비 상태 확인방법.
  10. 삭제
  11. 삭제
  12. 삭제
  13. 청구항 8에 있어서,
    상기 공기건조장비의 상태를 정상, 이상, 및 고장 중 어느 하나로 판단하는 과정은,
    상기 일치율이 75% 이상이면 정상이라고 판단하고, 상기 일치율이 50% 이상 내지 75% 미만이면 이상이라고 판단하고, 상기 일치율이 50% 미만이면 고장이라고 판단하는 과정을 포함하는 공기건조장비 상태 확인방법.
  14. 삭제
  15. 청구항 8에 있어서,
    상기 공기건조장비에는, 내부공간을 가지는 건조통, 및 상기 건조통 내부의 공기를 건조시키기 위한 히터가 탑재되어 있고,
    상기 변화 패턴 데이터를 상기 복수개의 고장 패턴 데이터와 각각 비교하는 과정은,
    상기 변화 패턴 데이터를, 상기 건조통이 고장 상태일 때 측정된 습도 데이터를 수집하여 생성한 제1 고장 패턴, 및 상기 히터가 고장 상태일 때 측정된 습도 데이터를 기반으로 생성한 제2 고장 패턴 데이터와 각각 비교하는 과정을 포함하고,
    상기 일치율이 가장 높은 고장 패턴 데이터에 해당하는 부품에 고장이 발생했다고 판단하는 과정은,
    상기 제1 고장 패턴 데이터와의 일치율이 상기 제2 고장 패턴 데이터의 일치율보다 높으면, 공기건조장비의 건조통에 고장이 발생했다고 판단하고, 상기 제2 고장 패턴 데이터와의 일치율이 상기 제1 고장 패턴 데이터의 일치율보다 높으면, 공기건조장비의 히터에 고장이 발생했다고 판단하는 과정을 포함하는 공기건조장비 상태 확인방법.
KR1020210176807A 2021-12-10 2021-12-10 레이다용 공기건조장비 상태 확인장치 및 방법 KR102409411B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210176807A KR102409411B1 (ko) 2021-12-10 2021-12-10 레이다용 공기건조장비 상태 확인장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210176807A KR102409411B1 (ko) 2021-12-10 2021-12-10 레이다용 공기건조장비 상태 확인장치 및 방법

Publications (1)

Publication Number Publication Date
KR102409411B1 true KR102409411B1 (ko) 2022-06-15

Family

ID=81987671

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210176807A KR102409411B1 (ko) 2021-12-10 2021-12-10 레이다용 공기건조장비 상태 확인장치 및 방법

Country Status (1)

Country Link
KR (1) KR102409411B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102566876B1 (ko) 2022-12-23 2023-08-14 한화시스템 주식회사 비지도 학습 방법을 활용한 레이다 시스템용 공기건조장비의 이상 탐지 시스템 및 방법
KR102598886B1 (ko) * 2022-12-23 2023-11-06 한화시스템 주식회사 모니터링 장치 및 모니터링 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09326617A (ja) * 1996-06-03 1997-12-16 Sumiden Opcom Kk アンテナの湿度監視方法と湿度監視器および湿度制御装置
KR20190045521A (ko) * 2017-10-24 2019-05-03 주식회사 앤아이윈 온도 및 습도 조절형 ?클린장비용 다층 및 멀티 웨이퍼 공정챔버의 제어장치
KR20200113099A (ko) * 2019-03-22 2020-10-06 명성에어플러스(주) 공기 압축기 관리 시스템
KR20210025365A (ko) * 2019-08-27 2021-03-09 엘지전자 주식회사 공기조화기의 진단방법
KR102230671B1 (ko) 2020-10-27 2021-03-22 한화시스템(주) 레이더의 압축 건조 공기 발생 시스템 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09326617A (ja) * 1996-06-03 1997-12-16 Sumiden Opcom Kk アンテナの湿度監視方法と湿度監視器および湿度制御装置
KR20190045521A (ko) * 2017-10-24 2019-05-03 주식회사 앤아이윈 온도 및 습도 조절형 ?클린장비용 다층 및 멀티 웨이퍼 공정챔버의 제어장치
KR20200113099A (ko) * 2019-03-22 2020-10-06 명성에어플러스(주) 공기 압축기 관리 시스템
KR20210025365A (ko) * 2019-08-27 2021-03-09 엘지전자 주식회사 공기조화기의 진단방법
KR102230671B1 (ko) 2020-10-27 2021-03-22 한화시스템(주) 레이더의 압축 건조 공기 발생 시스템 및 그 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102566876B1 (ko) 2022-12-23 2023-08-14 한화시스템 주식회사 비지도 학습 방법을 활용한 레이다 시스템용 공기건조장비의 이상 탐지 시스템 및 방법
KR102598886B1 (ko) * 2022-12-23 2023-11-06 한화시스템 주식회사 모니터링 장치 및 모니터링 방법

Similar Documents

Publication Publication Date Title
KR102409411B1 (ko) 레이다용 공기건조장비 상태 확인장치 및 방법
KR102409412B1 (ko) 레이다용 공기건조장비 고장시점 예측장치 및 방법
CN110069051B (zh) 家电故障处理方法和装置
KR101554216B1 (ko) 시계열 형태의 센싱 데이터 배드 패턴 검증 방법 및 그 장치
US8494807B2 (en) Prognostics and health management implementation for self cognizant electronic products
US11407287B2 (en) Refrigerant leak sensor pre-trip sequence and diagnostics
US20180347843A1 (en) Methods and systems for prognostic analysis in electromechanical and environmental control equipment in building management systems
CA2387917A1 (en) A process and system for developing predictive diagnostics algorithms in a machine
JP2004118839A (ja) 技術設備内で故障した機能ユニットの特定を支援する方法
CN108954670B (zh) 一种空调器的故障预判方法、控制系统及空调器
KR101988164B1 (ko) 설비 모니터링 시스템 및 그 방법
EP3477409B1 (en) A computer implemented method, a computer program, and an apparatus for the diagnosis of anomalies in a refrigeration system
KR102516227B1 (ko) 선박용 고장 예측진단 시스템 및 그 예측진단 방법
KR20210109136A (ko) 인공지능 알고리즘을 이용한 고장 예방 기능을 구비한 장치 및 그 시스템
KR102299868B1 (ko) 인공지능을 이용하여 전력 설비를 진단하는 시스템
CN114793132A (zh) 一种光模块的检测方法、装置、电子设备及存储介质
KR20200023947A (ko) Iot 기술을 기반으로 한 비전검사장비와 생산장비 제어시스템
KR102561675B1 (ko) 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템
KR102056101B1 (ko) 발전 계통과 송전 계통 통합 감시/분석 시스템
CN111983488A (zh) 一种电池管理系统及其电压信号处理方法
KR102351538B1 (ko) 패턴 학습 및 진단 알고리즘을 이용한 자동화 설비의 고장 예측 시스템 및 그 방법
KR102427631B1 (ko) 열상감시장비 상태 확인장치 및 방법
KR102427630B1 (ko) 열상감시장비 고장시점 예측장치 및 방법
KR20210026484A (ko) 주행 중 차량 장비 수치 데이터를 이용하는 빅데이터 기반의 고장 원인 분석 시스템 및 그 방법
KR102253779B1 (ko) 배터리 모듈 통신 장치 및 그 방법

Legal Events

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