KR102426284B1 - 진동분석 기반의 구조물 이상감지장치 - Google Patents

진동분석 기반의 구조물 이상감지장치 Download PDF

Info

Publication number
KR102426284B1
KR102426284B1 KR1020220017604A KR20220017604A KR102426284B1 KR 102426284 B1 KR102426284 B1 KR 102426284B1 KR 1020220017604 A KR1020220017604 A KR 1020220017604A KR 20220017604 A KR20220017604 A KR 20220017604A KR 102426284 B1 KR102426284 B1 KR 102426284B1
Authority
KR
South Korea
Prior art keywords
vibration
vibration model
model
abnormality
type
Prior art date
Application number
KR1020220017604A
Other languages
English (en)
Inventor
조상호
최규현
조윤식
Original Assignee
주식회사 아르스루퍼
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 주식회사 아르스루퍼 filed Critical 주식회사 아르스루퍼
Priority to KR1020220017604A priority Critical patent/KR102426284B1/ko
Application granted granted Critical
Publication of KR102426284B1 publication Critical patent/KR102426284B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0066—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by exciting or detecting vibration or acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
    • G01H1/14—Frequency
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

진동분석 기반의 구조물 이상감지장치는 구조물에 부착된 적어도 하나의 진동센서를 통해 진동 데이터를 수집하는 진동 데이터 수집부, 복수의 주파수 대역들 각각에 대한 상기 진동 데이터의 고유 진동 패턴을 분석하여 상기 구조물의 종류를 검출하는 구조물 종류 검출부, 상기 구조물의 종류에 종속적이고 사전에 학습된 기본 구조물 진동모델을 결정하는 기본 구조물 진동모델 결정부, 상기 기본 구조물 진동모델을 전이받고 특정 기간 동안 상기 기본 구조물 진동모델을 상기 진동 데이터로 학습을 진행하여 개별적 구조물 진동모델을 생성하는 개별적 구조물 진동모델 생성부 및 상기 특정 기간 경과후에는 상기 진동 데이터를 상기 개별적 구조물 진동모델에 입력하여 상기 구조물의 이상을 예지하는 구조물 이상 예지부를 포함한다.

Description

진동분석 기반의 구조물 이상감지장치{APPARATUS FOR DETECTING ABNORMALITY OF STRUCTURE BASED ON VIBRATION ANALYSIS}
본 발명은 진동분석 기반의 구조물 이상감지장치에 관한 것으로, 보다 상세하게는 복수의 주파수 대역들 각각에 대한 진동 데이터의 고유 진동 패턴을 분석하여 구조물의 종류를 검출하고 구조물의 이상을 예지하는 진동분석 기반의 구조물 이상감지장치에 관한 것이다.
산업사회로 발전하는 과정에서, 교량, 건물, 선로 등의 건설된 대형 구조물과 시설물들은 설계 및 시공 과정에서의 결함 또는 설계 당시에 고려하지 못한 각종 기술적·환경적 요인으로 인해 구조 손상이 발생하고 있으며, 이러한 구조물들은 시간이 경과함에 따라 점차 노후화되며 안전성이 크게 위협을 받고 있다. 이러한 구조물의 장기적인 안전성 및 작동성을 확보하기 위해 구조물의 모니터링, 손상을 역학적으로 분석하는 기술 및 구조물 손상을 모델화하는 진단 기술이 요구되고 있다. 또한, 설비 및 구조물의 효율적 관리를 위해서는 수집된 대량의 데이터를 바탕으로 장비의 고장 징후를 실시간으로 모니터링하고 기존의 예방정비(Preventive Maintenance)에서 벗어나 예지보전장비(Predictive Maintenance)가 필요하다. 예지정비를 통해 설비의 실시간 감시, 운영 상태 모니터링, 사전 고장 예측/정비를 통한 예지보전이 가능하다. 또한 산업현장에서 이러한 예지정비를 바탕으로 언제, 어디서, 어떻게 사고가 일어날지를 예측하고 사고 발생 전에 대응할 수 있는 예지보전 시스템이 대두되고 있다.
한국 공개특허 제2019-0146510호는 진동 신호 기반의 기계 상태 관리 시스템에 관한 것으로, 실시간으로 추출된 기계 운영 상태 데이터와 기계로부터 관측되는 진동 데이터를 활용하여 기계의 진동과 관련된 대표적인 기계의 운영 상태 군집 정보를 찾아낼 수 있으며, 이렇게 찾아진 각 기계 운영 상태 군집마다 관리도를 개별로 설정하여 기계 운영의 상태에 최적화하여 관리할 수 있으며, 특히 기계에서 발생하는 기계 운영 상태 정보를 활용하여 기계 운영 상태에 맞는 진동 신호 기반의 기계 상태 관리 시스템을 제공한다.
한국 공개특허 제2019-0146510호 (2019.11.15)
본 발명의 일 실시예는 복수의 주파수 대역들 각각에 대한 진동 데이터의 고유 진동 패턴을 분석하여 상기 구조물의 종류를 검출하고 구조물의 이상을 예지하는 진동분석 기반의 구조물 이상감지장치를 제공하고자 한다.
본 발명의 일 실시예는 구조물의 종류에 종속적이고 사전에 학습된 기본 구조물 진동모델을 결정하여 기본 구조물 진동모델을 전이받고 특정 기간 동안 기본 구조물 진동모델을 진동 데이터로 학습을 진행하여 개별적 구조물 진동모델을 생성함으로써 구조물의 이상을 예지하는 진동분석 기반의 구조물 이상감지장치를 제공하고자 한다.
본 발명의 일 실시예는 상기 구조물 데이터베이스에 등록된 구조물의 고유 주파수 대역 및 패턴을 상기 진동 데이터와 동시에 비교 분석하고 가장 유사도가 높은 고유 주파수 대역 및 패턴을 결정하여, 상기 구조물의 종류를 결정하는 진동분석 기반의 구조물 이상감지장치를 제공하고자 한다.
본 발명의 일 실시예에 따른 진동분석 기반의 구조물 이상감지장치는 구조물에 부착된 적어도 하나의 진동센서를 통해 진동 데이터를 수집하는 진동 데이터 수집부, 복수의 주파수 대역들 각각에 대한 상기 진동 데이터의 고유 진동 패턴을 분석하여 상기 구조물의 종류를 검출하는 구조물 종류 검출부, 상기 구조물의 종류에 종속적이고 사전에 학습된 기본 구조물 진동모델을 결정하는 기본 구조물 진동모델 결정부, 상기 기본 구조물 진동모델을 전이받고 특정 기간 동안 상기 기본 구조물 진동모델을 상기 진동 데이터로 학습을 진행하여 개별적 구조물 진동모델을 생성하는 개별적 구조물 진동모델 생성부 및 상기 특정 기간 경과후에는 상기 진동 데이터를 상기 개별적 구조물 진동모델에 입력하여 상기 구조물의 이상을 예지하는 구조물 이상 예지부를 포함한다.
상기 구조물 종류 검출부는 사전에 등록된 구조물의 종류에 따른 고유 주파수 대역 및 패턴을 등록하여 구조물 데이터베이스를 생성할 수 있다. 상기 구조물 종류 검출부는 상기 구조물 데이터베이스에 등록된 구조물의 고유 주파수 대역 및 패턴을 상기 진동 데이터와 동시에 비교 분석하고 가장 유사도가 높은 고유 주파수 대역 및 패턴을 결정하여, 상기 구조물의 종류를 결정할 수 있다.
상기 기본 구조물 진동모델 결정부는 사전에 등록된 구조물의 종류에 따른 고유 주파수 대역 및 패턴을 기초로 상기 기본 구조물 진동모델을 생성할 수 있다. 상기 기본 구조물 진동모델 결정부는 상기 고유 주파수 대역 및 패턴 각각에 대한 FFT (Fast Fourier Transform) 연산을 수행하여 상호 연계성을 분석하고 상기 상호 연계성을 기초로 오차범위를 결정할 수 있다.
상기 개별적 구조물 진동모델 생성부는 상기 진동 데이터로 상기 특정 기간 동안 상기 기본 구조물 진동모델과 연관된 고유 주파수 대역 및 패턴의 특성을 갱신하여 각각의 변동주기 및 변동폭을 결정함으로써 상기 개별적 구조물 진동모델을 생성할 수 있다. 상기 개별적 구조물 진동모델 생성부는 상기 변동주기 및 변동폭의 시계열적인 특성을 반영하여 상기 개별적 구조물 진동모델을 갱신할 수 있다.
상기 구조물 이상 예지부는 상기 개별적 구조물 진동모델로부터 출력된 고장예측확률(Failure Prediction Probability) 및 잔존사용수명(Remining Useful Life)을 기초로 상기 구조물의 이상을 결정할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 진동분석 기반의 구조물 이상감지장치는 본 발명의 일 실시예는 복수의 주파수 대역들 각각에 대한 진동 데이터의 고유 진동 패턴을 분석하여 상기 구조물의 종류를 검출하고 구조물의 이상을 예지할 수 있다.
본 발명의 일 실시예에 따른 진동분석 기반의 구조물 이상감지장치는 구조물의 종류에 종속적이고 사전에 학습된 기본 구조물 진동모델을 결정하여 기본 구조물 진동모델을 전이받고 특정 기간 동안 기본 구조물 진동모델을 진동 데이터로 학습을 진행하여 개별적 구조물 진동모델을 생성함으로써 구조물의 이상을 예지할 수 있다.
본 발명의 일 실시예에 따른 진동분석 기반의 구조물 이상감지장치는 구조물 데이터베이스에 등록된 구조물의 고유 주파수 대역 및 패턴을 상기 진동 데이터와 동시에 비교 분석하고 가장 유사도가 높은 고유 주파수 대역 및 패턴을 결정하여, 구조물의 종류를 결정할 수 있다.
도 1은 본 발명의 일 실시예에 따른 진동분석 기반의 구조물 이상감지 시스템을 도시한 도면이다.
도 2는 도 1의 진동분석 기반의 구조물 이상감지 시스템 구성을 설명하는 도면이다.
도 3은 도 1의 진동분석 기반의 구조물 이상감지장치의 기능적 구성을 설명하는 도면이다.
도 4는 도 1의 진동분석 기반의 구조물 이상감지장치의 기능 구성을 설명하는 흐름도이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명의 일 실시예에 따른 진동분석 기반의 구조물 이상감지 시스템을 도시한 도면이다.
도 1을 참조하면, 진동분석 기반의 구조물 이상감지 시스템(100)은 구조물 객체(110), 진동분석 기반의 구조물 이상감지장치(130) 및 구조물 데이터베이스(150)를 포함할 수 있다.
구조물 객체(110)은 구조물(112) 및 적어도 하나의 진동센서(114)를 포함하고, 구조물(112)은 진동분석 기반의 이상감지의 대상체로서 예를 들어, 교량, 건물 또는 선로를 포함할 수 있다. 적어도 하나의 진동센서(114)는 구조물(112)에서 발생되는 다양한 진동을 감지할 수 있는 컴퓨팅 장치로서, 사물인터넷 기능을 가질 수 있다.
구조물 객체(110)은 진동분석 기반의 구조물 이상감지장치(130)와 네트워크를 통해 연결될 수 있으며, 구조물 객체(110)은 적어도 하나의 진동센서(114)에 구조물(112) 상의 노이즈를 시전에 제거할 수 있는 진동 전용 프로그램 또는 어플리케이션을 설치하여 실행할 수 있다.
진동분석 기반의 구조물 이상감지장치(130)는 복수의 주파수 대역들 각각에 대한 진동 데이터의 고유 진동 패턴을 분석하여 구조물의 종류를 검출하고 구조물의 이상을 예지하는 하는 컴퓨터 또는 서버로 구현될 수 있다. 보다 구체적으로, 진동분석 기반의 구조물 이상감지장치(130)는 구조물 객체(110)에서 발생되는 다양한 진동을 수집하고 복합 인공지능을 통한 분석으로 구조물(112)의 이상을 감지하는 서비스를 제공할 수 있다.
진동분석 기반의 구조물 이상감지장치(130)는 구조물 객체(110)과 유선 네트워크 또는 블루투스, WiFi 등과 같은 무선 네트워크로 연결될 수 있고, 네트워크를 통해 구조물 객체(110)과 데이터를 송수신할 수 있다.
구조물 데이터베이스(150)는 구조물의 종류에 따른 고유 주파수 대역 및 패턴을 저장할 수 있다. 고유 주파수 대역 및 패턴은 구조물 객체(110)의 구성성분에 대한 고유 주파수 대역 및 패턴에 해당될 수 있다. 고유 주파수 대역은 임의의 계의 공진 주파수를 포함하는 것에 해당될 수 있다. 또한, 구조물 데이터베이스(150)는 구조물 별로 기본 구조물 진동모델을 관리할 수 있다. 기본 구조물 진동모델은 교량, 건물 등의 구조물에 대한 진동데이터, 고유 주파수 대역 및 패턴을 학습한 인공지능에 해당될 수 있으며, 반드시 이에 한정되는 것은 아니다. 이를 통해, 진동분석 기반의 구조물 이상감지장치(130)는 구조물 데이터베이스(150)에 저장된 구조물의 종류에 따른 고유 주파수 대역 및 패턴과 기본 구조물 진동모델에 기반하여 이상을 감지할 수 있다. 또한, 진동분석 기반의 구조물 이상감지장치(130)는 구조물 객체(110)의 개별적 상황에 무관하게 공통적으로 적용되거나 또는 구조물 객체(110)의 개별적 상황에 적응되기 전이라도 이상을 감지할 수 있다.
도 2는 도 1의 진동분석 기반의 구조물 이상감지 시스템 구성을 설명하는 도면이다.
도 2를 참조하면, 진동분석 기반의 구조물 이상감지장치(130)는 프로세서(210), 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)를 포함할 수 있다.
프로세서(210)는 본 발명의 실시예에 따른 진동분석 기반의 구조물 이상감지 프로시저를 실행할 수 있고, 이러한 과정에서 읽혀지거나 작성되는 메모리(230)를 관리할 수 있으며, 메모리(230)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄 할 수 있다. 프로세서(210)는 진동분석 기반의 구조물 이상감지장치(130)의 동작 전반을 제어할 수 있고, 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 진동분석 기반의 구조물 이상감지장치(130)의 CPU(Central Processing Unit)로 구현될 수 있다.
메모리(230)는 SSD(Solid State Disk) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 진동분석 기반의 구조물 이상감지장치(130)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다. 또한, 메모리(230)는 전기적으로 연결된 프로세서(210)에 의해 실행됨으로써 본 발명에 따른 학습 데이터베이스 구축 방법을 실행하는 명령들의 집합을 저장할 수 있다.
사용자 입출력부(250)은 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함하고, 예를 들어, 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치 스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(250)은 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 진동분석 기반의 구조물 이상감지장치(130)는 독립적인 서버로서 수행될 수 있다.
네트워크 입출력부(270)은 네트워크를 통해 구조물 객체(110)과 연결되기 위한 통신 환경을 제공하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다. 또한, 네트워크 입출력부(270)는 학습 데이터의 무선 전송을 위해 WiFi, 블루투스 등의 근거리 통신 기능이나 4G 이상의 무선 통신 기능을 제공하도록 구현될 수 있다.
도 3은 도 1의 진동분석 기반의 구조물 이상감지장치의 기능적 구성을 설명하는 도면이다.
도 3을 참조하면, 진동분석 기반의 구조물 이상감지장치(130)는 진동 데이터 수집부(310), 구조물 종류 검출부(320), 기본 구조물 진동모델 결정부(330), 개별적 구조물 진동모델 생성부(340), 구조물 이상 예지부(350) 및 제어부(360)를 포함할 수 있다.
진동 데이터 수집부(310)는 구조물(112)에 부착된 적어도 하나의 진동센서(114)를 통해 진동 데이터를 수집한다. 예를 들어, 적어도 하나의 진동센서(114) 구조물(112)의 서로 다른 위치에 설치될 수 있고, 또는 서로 다른 진동을 감지할 수 있다. 여기에서, 서로 다른 진동은 주파수에 따라 구별되거나 또는 진동 방향에 따라 구별될 수 있다.
진동 데이터 수집부(310)는 진동 데이터를 일정 단위로 모아서 대표 값을 설정할 수 있고, 대표 값을 구조물 데이터베이스(150)에 저장할 수 있다. 일 실시예에서, 진동 데이터 수집부(310)는 특정 시간 구간 단위로 진동 데이터를 특징 값으로 표현할 수 있고, 구조물 데이터베이스(150)에 특징 값을 저장할 수 있다.
구조물 종류 검출부(320)는 복수의 주파수 대역들 각각에 대한 진동 데이터의 고유 진동 패턴을 분석하여 구조물(112)의 종류를 검출한다. 보다 구체적으로, 구조물 종류 검출부(320)는 전체 주파수 대역을 복수의 주파수 대역들로 분할하고 각각에 대한 진동 데이터의 고유 진동 패턴을 분석하며 고유 진동 패턴에 따른 구조물(112)의 종류를 결정할 수 있다.
일 실시예에서, 구조물 종류 검출부(320)는 사전에 등록된 구조물의 종류에 따른 고유 주파수 대역 및 패턴을 등록하여 구조물 데이터베이스(150)를 생성할 수 있다. 구조물 종류 검출부(320)는 구조물 데이터베이스(150)에 등록된 구조물의 고유 주파수 대역 및 패턴을 진동 데이터와 동시에 비교 분석할 수 있고 가장 유사도가 높은 고유 주파수 대역 및 패턴을 결정하여 구조물(112)의 종류를 결정할 수 있다. 여기에서, 비교 분석은 파형 유사성을 기준으로 수행될 수 있다. 또는 비교 분석은 파형 피크들 간의 간격과 같이 특정 기준으로 변환되는 수치를 기준으로 수행될 수 있다.
기본 구조물 진동모델 결정부(330)는 구조물(112)에 따른 기본 구조물 진동모델을 결정한다. 여기에서, 기본 구조물 진동모델은 구조물(112)의 종류에 종속적이고 사전에 학습될 수 있다. 예를 들어, 기본 구조물 진동모델 결정부(330)는 구조물(112)이 교량에 해당하는 경우에는 교량에 해당하는 기본 구조물 진동모델을 선택할 수 있다.
일 실시예에서, 기본 구조물 진동모델 결정부(330)는 사전에 등록된 구조물(112)의 종류에 따른 고유 주파수 대역 및 패턴을 기초로 기본 구조물 진동모델을 생성할 수 있다. 즉, 기본 구조물 진동모델 결정부(330)는 구조물(112)의 종류에 따른 진동 데이터를 학습하여 고유 주파수 대역 및 패턴을 검출할 수 있고 이러한 검출을 기반으로 기본 구조물 진동모델을 생성할 수 있다.
기본 구조물 진동모델 결정부(330)는 고유 주파수 대역 및 패턴 각각에 대한 FFT (Fast Fourier Transform) 연산을 수행하여 상호 연계성을 분석할 수 있다. 또한, 기본 구조물 진동모델 결정부(330)는 상기 상호 연계성을 기초로 고유 주파수 대역 및 패턴에 대한 오차범위를 결정할 수 있다.
개별적 구조물 진동모델 생성부(340)는 기본 구조물 진동모델을 전이받고 특정 기간 동안 기본 구조물 진동모델을 진동 데이터로 학습을 진행하여 개별적 구조물 진동모델을 생성한다. 즉, 여기에서, 개별적 구조물 진동모델 생성부(340)는 전이학습을 통해 현재의 구조물(112)에 특화되게 적용될 수 있는 개별적 구조물 진동모델을 빠른 속도로 생성할 수 있다.
개별적 구조물 진동모델 생성부(340)는 진동 데이터로 특정 기간 동안 기본 구조물 진동모델과 연관된 고유 주파수 대역 및 패턴의 특성을 갱신하여 각각의 변동주기 및 변동폭을 결정함으로써 개별적 구조물 진동모델을 생성할 수 있다. 보다 구체적으로, 개별적 구조물 진동모델 생성부(340)는 구조물(112)에서 발생되는 진동 데이터의 변동주기 및 변동폭의 시계열적인 특성을 반영할 수 있고 이러한 반영을 통해 개별적 구조물 진동모델을 생성할 수 있다.
구조물 이상 예지부(350)는 특정 기간 경과후에는 진동 데이터를 개별적 구조물 진동모델에 입력하여 구조물(112)의 이상을 예지한다. 여기에서, 특정 기간은 개별적 구조물 진동모델을 안정적으로 생성되는데 필요한 진동 데이터의 입력 기간을 의미할 수 있다. 구조물 이상 예지부(350)는 구조물(112)의 종류에 따라 입력 기간을 가변시킬 수 있고, 구조물(112)의 진폭 편차가 클수록 입력 기간을 상대적으로 길게 설정할 수 있다.
보다 구체적으로, 구조물 이상 예지부(350)는 개별적 구조물 진동모델로부터 출력된 고장예측확률(Failure Prediction Probability) 및 잔존사용수명(Remining Useful Life)을 기초로 구조물(112)의 이상을 결정할 수 있다. 여기에서, 고장예측확률은 기준 시간 이내에 고장날 확률을 의미할 수 있고, 잔존사용수명은 어느정도 시점에 고장이 발생할지를 의미할 수 있다.
제어부(360)는 진동분석 기반의 구조물 이상감지장치(130)의 전체적인 동작을 제어하고, 진동 데이터 수집부(310), 구조물 종류 검출부(320), 기본 구조물 진동모델 결정부(330), 개별적 구조물 진동모델 생성부(340) 및 구조물 이상 예지부(350) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 4는 도 1의 진동분석 기반의 구조물 이상감지장치의 기능 구성을 설명하는 흐름도이다.
도 4에서, 진동 데이터 수집부(310)는 구조물에 부착된 적어도 하나의 진동센서를 통해 진동 데이터를 수집한다(단계 S410). 구조물 종류 검출부(320)는 복수의 주파수 대역들 각각에 대한 진동 데이터의 고유 진동 패턴을 분석하여 구조물(112)의 종류를 검출한다(단계 S420).
기본 구조물 진동모델 결정부(330)는 구조물(112)의 종류에 종속적이고 사전에 학습된 기본 구조물 진동모델을 결정한다(단계 S430). 개별적 구조물 진동모델 생성부(340)는 기본 구조물 진동모델을 전이받고 특정 기간 동안 상기 기본 구조물 진동모델을 진동 데이터로 학습을 진행하여 개별적 구조물 진동모델을 생성한다(단계 S440).
구조물 이상 예지부(350)는 특정 기간 경과후에는 진동 데이터를 개별적 구조물 진동모델에 입력하여 구조물(112)의 이상을 예지한다(단계 S450).
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100 : 진동분석 기반의 구조물 이상감지 시스템
130 : 진동분석 기반의 구조물 이상감지장치
310 : 진동 데이터 수집부
320 : 구조물 종류 검출부
330 : 기본 구조물 진동모델 결정부
340 : 개별적 구조물 진동모델 생성부
350 : 구조물 이상 예지부
360 : 제어부

Claims (8)

  1. 교량, 건물 또는 선로를 포함하는 구조물에 부착된 적어도 하나의 진동센서를 통해 진동 데이터를 수집하는 진동 데이터 수집부;
    복수의 주파수 대역들 각각에 대한 상기 진동 데이터의 고유 진동 패턴을 분석하여 상기 구조물의 종류를 검출하는 구조물 종류 검출부;
    상기 구조물의 종류에 종속적이고 사전에 학습된 기본 구조물 진동모델을 결정하는 기본 구조물 진동모델 결정부;
    상기 기본 구조물 진동모델을 전이받고 특정 기간 동안 상기 기본 구조물 진동모델을 상기 진동 데이터로 학습을 진행하여 개별적 구조물 진동모델을 생성하는 개별적 구조물 진동모델 생성부; 및
    상기 특정 기간 경과후에는 상기 진동 데이터를 상기 개별적 구조물 진동모델에 입력하여 상기 구조물의 이상을 예지하는 구조물 이상 예지부를 포함하되,
    상기 구조물 종류 검출부는
    사전에 등록된 구조물의 종류에 따른 고유 주파수 대역 및 패턴을 등록하여 구조물 데이터베이스를 생성하며, 상기 구조물 데이터베이스에 등록된 구조물의 고유 주파수 대역 및 패턴을 상기 진동 데이터와 동시에 비교 분석하고 가장 유사도가 높은 고유 주파수 대역 및 패턴을 결정하여 상기 구조물의 종류를 결정하며,
    상기 기본 구조물 진동모델 결정부는
    상기 구조물 데이터베이스에 등록된 구조물의 종류에 따른 고유 주파수 대역 및 패턴을 기초로 상기 기본 구조물 진동모델을 생성하고 상기 구조물 데이터베이스에 저장하여 구조물 별로 상기 기본 구조물 진동모델을 관리하며, 상기 고유 주파수 대역 및 패턴 각각에 대한 FFT (Fast Fourier Transform) 연산을 수행하여 상호 연계성을 분석하고 상기 상호 연계성을 기초로 오차범위를 결정하는 것을 특징으로 하는 진동분석 기반의 구조물 이상감지장치.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제1항에 있어서, 상기 개별적 구조물 진동모델 생성부는
    상기 진동 데이터로 상기 특정 기간 동안 상기 기본 구조물 진동모델과 연관된 고유 주파수 대역 및 패턴의 특성을 갱신하여 각각의 변동주기 및 변동폭을 결정함으로써 상기 개별적 구조물 진동모델을 생성하는 것을 특징으로 하는 진동분석 기반의 구조물 이상감지장치.
  7. 제6항에 있어서, 상기 개별적 구조물 진동모델 생성부는
    상기 변동주기 및 변동폭의 시계열적인 특성을 반영하여 상기 개별적 구조물 진동모델을 갱신하는 것을 특징으로 하는 진동분석 기반의 구조물 이상감지장치.
  8. 제1항에 있어서, 상기 구조물 이상 예지부는
    상기 개별적 구조물 진동모델로부터 출력된 고장예측확률(Failure Prediction Probability) 및 잔존사용수명(Remining Useful Life)을 기초로 상기 구조물의 이상을 결정하는 것을 특징으로 하는 진동분석 기반의 구조물 이상감지장치.

KR1020220017604A 2022-02-10 2022-02-10 진동분석 기반의 구조물 이상감지장치 KR102426284B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220017604A KR102426284B1 (ko) 2022-02-10 2022-02-10 진동분석 기반의 구조물 이상감지장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220017604A KR102426284B1 (ko) 2022-02-10 2022-02-10 진동분석 기반의 구조물 이상감지장치

Publications (1)

Publication Number Publication Date
KR102426284B1 true KR102426284B1 (ko) 2022-07-29

Family

ID=82606360

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220017604A KR102426284B1 (ko) 2022-02-10 2022-02-10 진동분석 기반의 구조물 이상감지장치

Country Status (1)

Country Link
KR (1) KR102426284B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102538449B1 (ko) * 2022-11-18 2023-05-31 ㈜브로드웨이브 교량 안정도 판단방법 및 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11194048A (ja) * 1998-01-05 1999-07-21 Sekisui House Ltd 建物の振動特性の予測方法
KR101750281B1 (ko) * 2016-11-09 2017-06-23 최정환 구조물의 손상도 평가 방법 및 구조물 손상도 평가 시스템
KR20200043196A (ko) * 2018-10-17 2020-04-27 고려대학교 산학협력단 진동 신호를 이용하여 설비 또는 부품의 잔여 수명을 예측하는 딥러닝 기반의 분석 장치 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11194048A (ja) * 1998-01-05 1999-07-21 Sekisui House Ltd 建物の振動特性の予測方法
KR101750281B1 (ko) * 2016-11-09 2017-06-23 최정환 구조물의 손상도 평가 방법 및 구조물 손상도 평가 시스템
KR20200043196A (ko) * 2018-10-17 2020-04-27 고려대학교 산학협력단 진동 신호를 이용하여 설비 또는 부품의 잔여 수명을 예측하는 딥러닝 기반의 분석 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102538449B1 (ko) * 2022-11-18 2023-05-31 ㈜브로드웨이브 교량 안정도 판단방법 및 장치

Similar Documents

Publication Publication Date Title
KR101713985B1 (ko) 예지 정비 방법 및 장치
CN107925612B (zh) 网络监视系统、网络监视方法和计算机可读介质
US20190392252A1 (en) Systems and methods for selecting a forecast model for analyzing time series data
US8291264B2 (en) Method and system for failure prediction with an agent
Soualhia et al. Infrastructure fault detection and prediction in edge cloud environments
US9292473B2 (en) Predicting a time of failure of a device
US20120166142A1 (en) Anomaly Detection and Diagnosis/Prognosis Method, Anomaly Detection and Diagnosis/Prognosis System, and Anomaly Detection and Diagnosis/Prognosis Program
JP2019520659A (ja) 時系列パターンモデルを用いて主要パフォーマンス指標（ｋｐｉ）を監視するコンピュータシステム及び方法
CN116647819B (zh) 基于传感器网络的仪器能耗监测方法及系统
KR102426284B1 (ko) 진동분석 기반의 구조물 이상감지장치
JP2014115714A (ja) 時系列データ処理装置、時系列データ処理方法及び時系列データ処理プログラム
CN116628633A (zh) 一种igbt实时监测与使用寿命预测评估方法
WO2021127646A1 (en) Device and method for monitoring a system
JPWO2018073955A1 (ja) システム分析方法、システム分析装置、および、プログラム
CN116680146A (zh) 一种保障应用软件安全可靠运行的方法和装置
US11585732B2 (en) Apparatus and method for diagnosing failure of plant
US20140032079A1 (en) Diagnostic and control system and method
KR102274856B1 (ko) 자동화 설비의 mes 연동형 고장분석 시스템 및 방법
JP7062505B2 (ja) 設備管理支援システム
Uspenskij et al. Complex expert assessment as a part of fault management strategy for data storage systems
KR20230102431A (ko) 인공지능 기반의 오일가스 플랜트 설비 고장 예측 및 진단시스템
KR20220118621A (ko) 머신영역에서의 머신러닝 기반 협동로봇 보안 관리 시스템 및 그 방법
KR102617618B1 (ko) 산업용 공장의 고효율 설비 교체를 위한 인공지능 기반 의사 결정 서비스 제공 장치, 방법 및 시스템
JP6973445B2 (ja) 表示方法、表示装置、および、プログラム
Odongo et al. Condition Monitoring of Oil-immersed Transformers Using AI Edge Inference for Incipient Fault Prediction: A case study

Legal Events

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