KR102457752B1 - 선박 기관실의 실시간 이상 감지 및 고장 진단 방법 및 시스템 - Google Patents

Abstract

선박 기관실의 실시간 이상 감지 및 고장 진단 방법은 선박 기관실내 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 시계열 데이터-상기 시계열 데이터는 상기 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 적어도 하나의 측정 항목을 포함함-를 입력받아 연소 계통, 열교환기 계통, 펌프 및 전동기 계통으로 분류하는 단계와, 상기 계통별로 분류된 시계열 데이터에 대하여 통계적 분석 기반 이상 진단을 수행하는 단계와, 상기 통계적 분석 기반 이상 진단과 연동하여 상기 시계열 데이터의 동일 계통의 측정 항목에 대하여 상관계수 비교 기반 이상 진단을 수행하는 단계를 포함한다. 기존의 퍼지 추론에 의한 규칙기반 알고리즘을 적용하는 경우에 비하여 소요 시간이 단축되어 실시간으로 선박 기관실의 이상 감지 및 고장 진단을 수행할 수 있다.

Description

선박 기관실의 실시간 이상 감지 및 고장 진단 방법 및 시스템{METHOD OF REAL TIME FAULT DETECTION AND DIAGNOSIS FOR ONBOARD ENGINE ROOM AND SYSTEM FOR FORPERMING THE SAME}

본 발명은 이상 감지 및 고장 진단에 관한 것으로서, 더 구체적으로는 선박 기관실의 이상 감지 및 고장진단 방법 및 시스템에 대한 것이다.

스마트 선박은 자율운항선박 또는 스마트 기술을 활용한 에코 그린 선박으로 불린다.

조선소나 해운사에서 급하게 해결해야할 문제는 다가오는 질소산화물(NOx) 배출 규제 3단계, CO2 Phase 2(에너지효율 설계지수(Energy Efficiency Design Index: EEDI), 에너지 효율 지표 (Energy Efficiency Operational Indicator; EEOI)), 평형수관리 등과 같은 국제 해사 기구(International Maritime Organization; IMO) 환경규제에 대응하여 스마트 기술, ICT, IoT, M2M 사물통신, 빅데이터, 인공지능(AI) 등의 기술을 사용하여 이러한 환경 규제 문제를 해결하는 것이다.

스마트 선박에서 무엇보다 중요한 것은 운항경비를 줄이고 국제 해사 기구(IMO)의 환경규제를 만족할 수 있는 가치있는 서비스를 탑재하는 것이다.

최근 인공지능(AI), 신경회로망, 빅데이터 분석등의 방법이 널리 사용되고 있으나 이러한 기술들은 실시간으로 처리하는 것이 아니거나 결과를 내는데 많은 시간이 걸리고, 이상 감지 및 진단을 위하여 필요한 데이터, 훈련(training)하기 위한 데이터 및 검증(valuation)하기 위한 데이터와 같은 각기 다른 데이터를 수집한다는 것은 쉬운 일이 아니다. 인공지능(AI) 기반 분석 방법은 선박에 적용할 경우 특정 상황에 대해 훈련한 데이터는 다른 상황에 대해서는 사용할 수 없는 문제점이 있어 다양한 상황에 대해 이상 감지 및 진단을 위하여 필요한 데이터, 훈련(training)하기 위한 데이터 및 검증(valuation)하기 위한 데이터를 수집하는 것은 현실적으로 어렵다. 또한 동일한 기계라 하더라도 사용환경이나 설치된 환경에 따라 이상을 감지하기 위하여 필요한 측정치는 다르게 나타난다. 특히 선박의 운항 상태는 해상환경이나 선박의 적하상태에 따라 아주 다르게 나타난다.

스마트 선박 또는 자율운항 선박에서 실시간으로 이상을 감지하고 고장이라고 판단하는 것이 필요하다.

디젤기관에서 고장의 근본적인 원인은 실린더 내부의 연소과정에 기인한다. 실린더 내부에서 일어나는 연소상태는 출력에 영향을 주고 회전수의 진동을 유발하여 다른 부분에 이상을 전파한다. 실린더 내부에 연소하는 과정을 실시간으로 측정하는 것은 매우 어렵다.

기존 연구에서는 관련 항목의 측정치의 표준편차를 사용하여 퍼지추론에 기반한 규칙을 사용하는 알고리즘을 사용하였다. 예를 들어 실린더 내부의 이상을 감지하고 고장을 결정하기 위하여 관련된 항목은 주기관의 부하, 소재공기의 압력과 온도, 과급기의 출구온도와 회전수, 실린더의 배기온도 등이다.

이러한 선박 주기관의 부하, 소재공기의 압력과 온도, 과급기의 출구온도와 회전수, 실린더의 배기온도 등의 모든 측정 항목을 퍼지추론에 의한 규칙기반 알고리즘을 적용하는데 많은 시간이 소요되어 실시간으로 수행하기가 어려운 문제가 있다.

YungI, Kim, The Fault Diagnosis and Prediction System of Marine Diesel Engines Using a Statistical Analysis Method Ph.D. Dissertation, Department of Control Instrument Engineering, Korea Maritime and Ocean (KMOU), Korea, 2005 (in Korean).

본 발명은 전술한 문제점을 해결 하기 위해 실제 선박 기관실의 이상을 실시간으로 감지하고 고장 진단을 하기 위한 방법 및 시스템을 제공한다.

본 발명의 일실시예에 따르면, 선박 기관실의 실시간 이상 감지 및 고장 진단 방법은 선박 기관실내 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 시계열 데이터-상기 시계열 데이터는 상기 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 적어도 하나의 측정 항목을 포함함-를 입력받아 연소 계통, 열교환기 계통, 펌프 및 전동기 계통으로 분류하는 단계와, 상기 계통별로 분류된 시계열 데이터에 대하여 통계적 분석 기반 이상 진단을 수행하는 단계와, 상기 통계적 분석 기반 이상 진단과 연동하여 상기 시계열 데이터의 동일 계통의 측정 항목에 대하여 상관계수 비교 기반 이상 진단을 수행하는 단계를 포함한다.

상기 계통별로 분류된 시계열 데이터에 대하여 통계적 분석 기반 이상 진단을 수행하는 단계는 상기 계통별로 분류된 시계열 데이터의 이동 평균과 이동 표준편차를 산출하는 단계와, 상기 산출된 이동 표준편차가 소정의 이상감지 표준편차(FDSD)를 초과하는지 판단하는 단계를 포함할 수 있다.

상기 통계적 분석 기반 이상 진단과 연동하여 상기 시계열 데이터의 동일 계통의 측정 항목에 대하여 상관계수 비교 기반 이상 진단을 수행하는 단계는 상기 판단결과 상기 산출된 각 항목간의 상관계수가상기 소정의 이상 감지 상관계수(FDCC)를 초과하는 경우 상기 시계열 데이터의 동일 계통의 측정 항목끼리의 상관관계를 계산하는 단계를 포함할 수 있다.

상기 통계적 분석 기반 이상 진단과 연동하여 상기 시계열 데이터의 동일 계통의 측정 항목에 대하여 상관계수 비교 기반 이상 진단을 수행하는 단계는 상기 상관관계가 가장 낮은 측정 항목을 찾아 상기 상관관계가 가장 낮은 측정항목의 상관관계가 이상 감지 상관 계수(Fault Detection Correlation Coefficient; FDCC) 보다 작고 소정 시간 상기 이상 감지 상관 계수(FDCC) 보다 작은 상태로 유지되면 해당 계통의 측정항목이 이상 상태(Fault Detection)라고 판단하는 단계를 더 포함할 수 있다. 여기서 상기 소정 시간은 예를 들어, 10분, 30분, 1시간이 될 수 있다.

부하(Load), 회전수(RPM), 실린더 배기가스 온도(ExhGas T), 과급기 입구온도(T/C Tin), 과급기 출구온도(T/C Tout), 과급기 회전수, 및 소기공기압(ScarvP) 중에서 선택된 두 개의 측정항목간의 상관관계 분석을 통하여 선박의 선령 변화에 따른 상관계수의 변화 추이를 상관계수 테이블을 이용하여 선박의 고장 감지 및 진단을 위해 참고할 수 있는 고장 상관계수(Fault Detection Correlation Coefficient; FDCC)를 찾아낼 수 있다.

상기 동일 계통의 측정 항목은 상기 주기관 또는 상기 발전기에 대한 실린더의 배기가스 온도 또는 소재공기압력이고, 상기 열교환 계통의 경우에는 열교환기 입력의 냉각수 온도 또는 출력의 온도, 냉각수의 엔진입구온도, 냉매의 입출구 온도 또는 제어밸브의 개도이고, 상기 펌프의 경우에는 입력 압력 또는 출구 압력이고, 상기 모터의 경우에는 모터에 인가되는 전압 또는 전류이 될 수 있다.

모터와 펌프는 직결되어 있으므로 상호작용을 하지만 대부분 선박의 모터는 삼상유도전동기로서 동기속도로 회전하며, 펌프 입구압력과 출구압력, 모터의 전류는 정상상태로 운전될 때 데이터의 표준편차는 일정한 범위내에 있으나 고장이 있을 경우에는 데이터의 표준편차가 커지는 경향이 있으므로 고장분산(FDSD; Fault Detection Standards Deviation)으로 고장을 감지한다.

상기 선박 기관실의 실시간 이상 감지 및 고장 진단 방법은 상기 고장감지상관계수(FDCC)에 의해 고장을 감지하면 관련되는 상관계수를 비교하여 고장원인을 분석한다. 고장원인을 분석할 때에는 관련 전문지식에 의한 의사결정시스템을 사용한다. 예를 들어 부하와 회전수의 상관계수(Load-RPM CC)가 부하-회전수 고장감지상관계수(FDCC)보다 작으면 투입되는 기름양에 비하여 회전수로 변환 효율이 작아 선속이 저하된다는 의미이므로 역방향 조류, 바람 또는 선체저항이 많다는 결론으로 선체에 조개류 등 이물질이 많이 부착되어 있다고 볼 수 있다. 이러한 경우는 부하-회전수 곡선으로 현재 운전되는 위치가 과부하의 위치인지를 점검하도록 시스템이 조언한다. 복잡한 진단이 필요한 경우에는 고장진단 의사결정 지원시스템에 의해 고장 원인을 찾아 고장 진단 트리를 따라 가며 고장 원인을 진단하는 단계를 더 포함할 수 있다.

본 발명의 다른 실시 예에 따르면, 선박 기관실의 실시간 이상 감지 및 고장 진단 시스템은 선박 기관실내 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 시계열 데이터-상기 시계열 데이터는 상기 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 적어도 하나의 측정 항목을 포함함-를 입력받아 연소 계통, 열교환기 계통, 펌프 및 전동기 계통으로 분류하는 분류부와, 상기 계통별로 분류된 시계열 데이터에 대하여 통계적 분석 기반 이상 진단을 수행하고 상기 통계적 분석 기반 이상 진단과 연동하여 상기 시계열 데이터의 동일 계통의 측정 항목에 대하여 상관계수 비교 기반 이상 진단을 수행하는 고장 검출 및 진단 모듈을 포함한다.

상기 고장 검출 및 진단 모듈은 상기 계통별로 분류된 시계열 데이터에 대하여 상기 통계적 분석 기반 이상 진단을 수행하는 통계적 분석 기반 이상 진단부와, 상기 통계적 분석 기반 이상 진단과 연동하여 상기 시계열 데이터의 동일 계통의 측정 항목에 대하여 상기 상관계수 비교 기반 이상 진단을 수행하는 상관계수 비교 기반 이상 진단부를 포함할 수 있다.

상기 통계적 분석 기반 이상 진단부는 상기 계통별로 분류된 시계열 데이터의 이동 평균과 이동 표준편차, 각 측정치 간의 피어슨 상관계수를 산출하고, 상기 산출된 이동 표준편차, 상관계수가 소정의 이상감지 표준편차(FDSD), 이상감지 상관계수(FDCC)를 초과하는지 판단할 수 있다.

상기 상관계수 비교 기반 이상 진단부는 상기 판단결과 상기 산출된 이동 표준편차가 상기 소정의 이상감지 표준편차(FDSD, 이상감지 상관계수(FDCC)를 초과하는 경우 상기 시계열 데이터의 동일 계통의 측정 항목끼리의 상관관계를 계산할 수 있다.

상기 상관계수 비교 기반 이상 진단부는 상기 상관관계가 가장 낮은 측정 항목을 찾아 상기 상관관계가 가장 낮은 측정항목의 상관관계가 이상 감지 상관 계수(FDCC)보다 작고 소정 시간 상기 이상 감지 상관 계수(FDCC)보다 작은 상태로 유지되면 해당 계통의 측정항목이 이상 상태(Fault Detection)라고 판단할 수 있다.

부하(Load), 회전수(RPM), 실린더 배기가스 온도(ExhGas T), 과급기 입구온도(T/C Tin), 과급기 출구온도(T/C Tout), 과급기 회전수, 및 소기공기압(ScarvP) 의측정항목간의 상관관계 분석을 통하여 선박의 선령 변화에 따른 상관계수의 변화 추이상관계수 테이블을 이용하여 선박의 고장 감지 및 진단을 위해 참고할 수 있는 고장 상관계수(Fault Detection Correlation Coefficient; FDCC)를 찾아낼 수 있다.

상기 동일 계통의 측정 항목은 상기 주기관 또는 상기 발전기에 대한 실린더의 배기가스 온도 또는 소재공기압력이고, 상기 열교환 계통의 경우에는 열교환기 냉각수의 입구 온도 또는 출구 온도, 냉매의 입구온도, 출구온도 또는 제어밸브의 개도이고, 상기 펌프의 경우에는 입력 압력 또는 출구 압력이고, 상기 모터의 경우에는 모터에 인가되는 전압 또는 전류가 될 수 있다.

본 발명의 실시 예들에 따른 선박 기관실의 실시간 이상 감지 및 고장 진단 방법 및 시스템은 선박 주기관등의 부하, 실린더의 배기가스온도 등의 모든 측정 항목에 대하여 기존의 퍼지 추론에 의한 규칙기반 알고리즘을 적용하는 경우에 비하여 소요 시간이 단축되어 실시간으로 선박 기관실의 이상 감지 및 고장 진단을 수행할 수 있다.

또한, 본 발명의 실시 예들에 따른 선박 기관실의 실시간 이상 감지 및 고장 진단 방법 및 시스템은 선박 기관실내 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 시계열 데이터를 분석하여 시스템이 경년 변화에 따라 저하되는 것을 모니터링하면서 언제 정비를 하는 것이 좋은지 판단할 수 있으며 선박 기관실의 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터등의 고장을 예측할 수 있어 예방 정비가 가능하다.

또한, 본 발명의 실시 예들에 따른 선박 기관실의 실시간 이상 감지 및 고장 진단 방법 및 시스템은 선박내 디젤 기관, LNG 엔진, 바이오 엔진등의 열교환기, 펌프와 모터 등에 별도의 센서를 부착하지 않고 기록하고 있는 데이터만 처리하여 고장 진단이 가능하다.

또한, 본 발명의 실시 예들에 따른 선박 기관실의 실시간 이상 감지 및 고장 진단 방법 및 시스템은 선령에 따라 상관계수의 변화 트렌드를 조사하여 고장으로 판단할 수 있는 상관계수의 지수를 제공할 수 있다.

도 1은 본 발명의 일실시예에 따른 실험에 사용된 선박의 주기관과 발전기(또는 발전기관)을 나타낸다.
도 2는 본 발명의 일실시예에 따른 도 1의 N_MS 선박의 주기관 배기가스온도(exhaust gas temperature)의 기술적 통계량을 나타낸다.
도 3은 배기가스온도(exhaust gas temperature)의 상관계수(Correlation Coefficient; CC)를 나타낸다.
도 4는 도 1의 N_MS 선박의 1호기 발전기(No. 1 G/E)의 배기가스온도(exhaust gas temperature)의 기술적 통계량을 나타낸다.
도 5는 도 1의 N_MS 선박의 1호기 발전기(No. 1 G/E)의 배기가스온도의 상관계수 분석을 나타낸다.
도 6은 도 1의 N_MS 선박의 2호기 발전기(No.2 G/E)의 배기가스온도(exhaust gas temperature)의 기술적 통계이다.
도 7은 2호기 발전기(No.2 G/E)의 배기가스온도의 상관분석 표이다.
도 8은 본 발명의 일실시예에 따른 선박 기관실의 실시간 이상 감지 및 고장 진단 시스템의 개략적인 블록도이다.
도 9는 본 발명의 일실시예에 따른 선박 기관실의 실시간 이상 감지 및 고장 진단 방법을 설명하기 위한 순서도이다.
도 10은 본 발명의 일실시예에 따른 실린더의 배기가스온도를 측정하여 이상을 감지하고 진단하는 과정을 나타낸다.
도 11은 본 발명의 일실시예에 따른 선박 기관실의 실시간 이상 감지 및 고장 진단 시스템(Real Time Fault Detection and Diagnosis System; RTFDDS)의 실시간 모니터링 결과를 나타낸 그래프이다.
도 12는 1번 실린더와 2번 실린더의 배기가스온도간의 상관계수계산을 보여주는 그래프이다.
도 13은 도 12의 좌측 그래프를 확대한 그래프이다.
도 14는 본 발명의 일 실시예에 따른 디젤 엔진으로 동작하는 선박의 연령 변화에 따른 상관계수의 변화를 나타낸 상관계수 테이블이다.
도 15는 도 14의 표에 기초한 디젤 엔진으로 동작하는 선박의 연령 변화에 따른 부하, 회전수와 소기공기압간의 상관계수의 변화 트렌드를 나타낸 그래프이다.
도 16은 도 14의 표에 기초한 디젤 엔진으로 동작하는 선박의 연령 변화에 따른 부하, 회전수와 과급기 출구온도간의 상관계수의 변화 트렌드를 나타낸 그래프이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등을 포함하는 용어가 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재 항목들의 조합 또는 복수의 관련된 기재 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 첨부한 도면들을 참조하여 본 발명에 바람직한 실시 예를 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어 도면 부호에 상관없이 동일하거나 대응하는 구성요소는 동일한 참조번호를 부여하고 이에 대해 중복되는 설명은 생략하기로 한다.

본 발명에서는 기존의 고장 결정과 이상 감지 알고리즘을 실시간 이상감지와 진단을 위하여 개량 하였다.

실린더 내부에 연소하는 과정을 실시간으로 측정하는 것은 매우 어렵기 때문에 배기가스의 온도, 소제공기의 압력을 측정하거나 다른 실린더의 것들과 비교하는 방법을 사용할 경우, 주기관의 회전수와 부하의 각 항목간의 상관계수를 이용하여 실린더의 이상을 감지할 수 있다.

실시간 이상감지와 진단시스템의 구조

본 발명의 실시예들에서는 실제 선박 기관실의 로그북 데이터 또는 AMS(Alarm Monitoring System)에서 수집된 온라인 데이터를 사용하여 실시간으로 이상을 감지하고 의사결정 과정에 의해 고장진단 되는 방법을 제공한다.

본 발명의 실시예들에서는 선박 기관실 로그북으로부터 주기관(main engine)과 발전기 또는 발전기관(Generator)의 배기가스온도(exhaust gas temperature)를 시계열데이터로 만들었다.

도 1은 본 발명의 일실시예에 따른 실험에 사용된 선박의 주기관과 발전기(또는 발전기관)을 나타낸다. 도 1에서는 각각 다른 특성의 기관에 공통적으로 사용할 수 있는 알고리즘을 도출하기 위하여 사용된 선박은 건조연도, 기관의 종류 등 다양한 선박을 선정하였다.

도 2는 본 발명의 일실시예에 따른 도 1의 N_MS 선박의 주기관 배기가스온도(exhaust gas temperature)의 기술적 통계량을 나타낸다.

도 2에서 주기관 2번 실린더 배기가스온도(ExhGas2_T)의 표준편차 157.838(201)로 다른 실린더 배기가스온도에 비하여 상당히 큰 것을 알 수 있다. 이것은 주기관 2번 실린더의 연소가 일정하지 않은 것을 나타낸다. 배기가스온도가 크게 변하는 이유는 많으며, 연료분사상태, 배기밸브 필스톤 링의 상태 등이 의심된다. 물론 이러한 값은 오랜 시간동안 비교하여야 되지만 그 변화폭은 어떤 범위내에 있다. 만약 다른 실린더의 연소상태가 유사하다면 각 실린더의 피어슨 상관계수는 서로 유사하게 된다.

도 3은 배기가스온도(exhaust gas temperature)의 상관계수(Correlation Coefficient; CC)를 나타낸다. 도 3에서, *는 0.01에서 유의수준을 나타내며, **는 0.05에서 유의수준을 나타낸다.

도 3을 참조하면, 2번 실린더 배기가스온도(ExhGas2)와 관련되는 상관계수(CC)(301)는 다른 실린더 배기가스온도와 비교하여 상당히 낮은 것을 알 수 있다.

도 4는 도 1의 N_MS 선박의 1호기 발전기(No. 1 G/E)의 배기가스온도(exhaust gas temperature)의 기술적 통계량을 나타낸다. 도 5는 도 1의 N_MS 선박의 1호기 발전기(No. 1 G/E)의 배기가스온도의 상관계수 분석을 나타낸다.

도 4를 참조하면, 5번 실린더(ExhGas5)의 배기가스온도의 표준편차(SD) 30.307(401)는 다른 실린더의 배기가스온도의 표준편차와 비교하여 조금 크지만 상관계수(CC)를 비교하여 보면 도 5와 같다.

도 5를 참조하면, 5번 실린더(ExhGas5)와 관계되는 상관계수(CC)가 작은 실린더는 3번 실린더와 6번 실린더(도면부호 501, 503 참조)이지만 유의수준이 0.01인 것에 비하면 상당히 높지만 지속적으로 관찰이 필요한 것을 알수 있다.

도 6은 도 1의 N_MS 선박의 2호기 발전기(No.2 G/E)의 배기가스온도드(exhaust gas temperature)의 기술적 통계이고, 도 7은 2호기 발전기(No.2 G/E)의 배기가스온도의 상관분석 표이다.

도 6을 참조하면, 2호기 발전기(No.2 G/E)의 표준편차 값이 1호기 발전기(No.2 G/E)와 비교하여 높게 나타나지만 발전기의 경우 전기적 부하에 따라 높게 나타날 수가 있기 때문에 상관분석을 하여 검토하여야 한다. 4번 실린더의 표준편차(SD)가 높으므로(도면 부호 601 참조) 도 7의 상관분석 표를 보면 4번 실린더와 관련되어 상관계수가 낮은 실린더는 2번 실린더, 3번 실린더(도면 부호 701, 703 참조)이므로 추이를 관찰할 필요가 있다.

이상의 분석으로 실제 실린더 내의 연소상태는 배기가스 온도의 변화와 다른 실린더의 배기가스 온도와의 상관계수(CC)에 의해 이상유무를 판단할 수 있다.

실린더내의 연소이상은 여러이유가 있으며, 과급공기의 부족, 압축압력의 부족, 피스톤 링의 상태, 배기밸브, 연료밸브, 연료의 상태, 실린더 라이너의 윤활상태, 카본추적물(불완전 연소에 의한 카본 추적물) 등의 원인일 수 있으며 이러한 복잡한 원인은 각각의 상태에 대한 전문가의 지식에 의한 판단을 이용한 의사결정트리로 진단할 수 있다.

이러한 원인이 결과를 낳고 또 그 결과가 원인이 되어 고장을 발생하므로 여러 데이터의 상황을 복합적으로 고려하여야 한다.

만약 경보 모니터링 시스템(Alarm Monitoring System; AMS)에서 시계열데이터로 이력이 되면 기술적통계량은 다음식으로 계산될 수 있다.

[수학식 1]

[수학식 2]

수학식 1은 상관계수(Correlation Coefficient; CC)를 구하는 식이며 CC를 구하기 위해서 공분산(Corvariance) Cov를 계산하며, Cov(X,Y)는 두개의 항목간의 공분산을 의미한다. 예를 들어 두개의 항목 X, Y를 주기관의 회전수 또는 부하를 X, 1번 실린더의 배기가스온도를 Y라고 하면 X,Y와의 상관관계 분석을 하기 위하여 공분산과 수학식 2에서 구한 표준편차를 이용하여 상관계수를 구한다.

여기서 xi, yi는 전술한 주기관 회전수, 1번 실린더의 배기가스온도이고, ux, uy는 주기관 회전수, 1번 실린더의 배기가스온도 각각의 평균을 의미한다.

주기관 회전수나 실린더의 배기가스온도는 n번 측정한 것으로 x, y를 배열(array)로 표시하여 계산해 i를 1 ~ n 까지 값의 평균과 표준편차를 구하는 것이 수학식 2이다.

실시간 이상감지시스템의 구조

도 8은 본 발명의 일실시예에 따른 선박 기관실의 실시간 이상 감지 및 고장 진단 시스템의 개략적인 블록도이다.

기관실 데이터는 디젤기관의 연소 계통, 열교환기 계통, 그리고 디젤기관을 운전하는데 필요한 각종 유체를 공급하기 위한 펌프 및 전동기 계통으로 구성되어 있으며 이들 기관들은 전체 기관실의 90% 이상을 점유한다.

선박 기관실의 실시간 이상 감지 시스템에서 모든 데이터는 경보 모니터링 시스템(AMS)을 통하여 입력되거나, 운전 데이터베이스(810) 또는 파일시스템으로 입력할 수 있다.

도 8을 참조하면, 데이터 수집부(820)에 의해 상기 입력된 데이터가 시계열 데이터로 수집되고, 분류부(830)에서 수집된 시계열 데이터를 연소 계통(832), 열교환기 계통(834), 펌프 및 전동기 계통(836)과 같이 각 세부 계통의 시계열 데이터로 분류한다.

고장 검출 및 진단 모듈(840)은 통계적 분석 기반 이상 진단부(842), 상관계수 비교 기반 이상 진단부(844, 846, 848)을 포함한다.

예를 들어, 연소 계통(832)의 시계열 데이터는 통계적 분석 기반 이상 진단부(842)에서 통계적 분석 기반 이상 진단을 수행하며, 상관계수 비교 기반 이상 진단부(844)에서 상관계수 비교 기반 이상 진단을 수행한다.

통계적 분석 기반 이상 진단부(842)에서는 상기 계통별로 분류된 시계열 데이터의 이동 평균과 이동 표준편차, 상관계수를 산출하고, 상기 산출된 상관계수가 소정의 이상감지 상관계수(FDCC)를 초과하는지 판단한다.

상관계수 비교 기반 이상 진단부(844)는 상기 시계열 데이터의 동일 계통의 측정항목(Measurement Item; MI)끼리의 상관관계를 계산하고 상기 상관관계가 가장 낮은 측정 항목을 찾아 상기 상관관계가 가장 낮은 측정항목의 상관관계가 소정의 이상 감지 상관 계수(FDCC)보다 작고 소정 시간 상기 이상 감지 상관 계수(FDCC)보다 작은 상태로 유지되면 해당 계통의 측정항목이 이상 상태(Fault Detection)라고 판단할 수 있다. 이상 감지 상관 계수(FDCC)는 동일한 계통 또는 기관이라고 하더라도 선박에 따라 달라지는 값이며, 적절한 이상 감지 상관 계수(FDCC) 값은 선박에 탑재된 이후 테스트될 수 있다. 각 선박에 탑재될 때에는 이상감지 표준편차(FDSD), 이상 감지 상관 계수(FDCC)는 탑재할 선박의 특성에 맞게 전문가의 의견과 기관 로그북을 토대로 검토하여 정할 수 있다.

열교환기 계통(834)의 시계열 데이터도 통계적 분석 기반 이상 진단부(846)에서 전술한 통계적 분석 기반 이상 진단을 수행하며, 상관계수 비교 기반 이상 진단부(842)에서 전술한 상관계수 비교 기반 이상 진단을 수행할 수 있다.

펌프 및 전동기 계통(836)의 시계열 데이터도 통계적 분석 기반 이상 진단부(848)에서 전술한 통계적 분석 기반 이상 진단을 수행하며, 표준편차와 상관계수 비교 기반 이상 진단부(842)에서 전술한 상관계수 비교 기반 이상 진단을 수행할 수 있다.

의사결정부(850)에서는 전술한 이상 감지 동작에 의해 이상이 감지되면 이상원인을 진단하기 위하여 의사결정지원시스템에 의해 원인이 분석되어 진단을 할 수 있다. 출력부(870)에서는 의사결정부(850)의 이상 진단 결과와 고장 예측부(860)의 고장 예측 결과를 출력한다.

상기와 같이 선박 기관실내 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 시계열 데이터를 분석하여 시스템이 경년 변화에 따라 저하되는 것을 모니터링하면 언제 정비를 하는 것이 좋은지 판단할 수 있어 선박 기관실의 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터등의 고장을 예측할 수 있어 예방 정비가 가능하다.

이상감지 알고리즘

도 9는 본 발명의 일실시예에 따른 선박 기관실의 실시간 이상 감지 및 고장 진단 방법을 설명하기 위한 순서도이다.

도 9를 참조하면, 선박 기관실내 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 시계열 데이터가 도 8의 선박 기관실의 실시간 이상 감지 시스템으로 입력(단계 910)되면 데이터에 따라 연소 계통, 열교환기 계통, 펌프 및 전동기 계통으로 분류된다. 이상 감지는 상기 계통별로 분류된 시계열 데이터의 이동평균(MVAVR), 이동 표준편차(MVSD)를 계산(단계 920)하는 것으로 시작된다.

상기 계산된 이동표준편차(MVSD)가 미리정해놓은 이상감지표준편차(FDSD)를 초과하는지 판단(단계 930)하여 초과하게 되면 상기 시계열 데이터의 동일 계통의 측정 항목(Measurement Item; MI)끼리의 상관관계를 계산한다(단계 940). 예를 들어, 주기관의 경우, 주기관의 회전수 또는 부하의 시계열 데이터로부터 이동평균(MVAVR), 이동표준편차(MVSD)를 실시간으로 계산하고 이동표준편차(MVSD)가 이상감지표준편차(FDSD)를 초과하면 동일 계통의 측정 항목(MI)인 모든 실린더와의 상관계수를 조사하여 상관계수가 가장 낮은 실린더를 찾는다. 발전기(generator engine)의 경우에는 회전수(RPM)는 일정하므로 회전수(RPM) 대신 부하(load, kW)로 이동 평균(MVAVR), 이동평균표준편차(MVSD)를 계산한다.

상관계수(CC)가 고장검출 상관계수(Fault Detection Correlation Coefficient; FDCC)보다 작은지 여부를 판단(단계 950)하여 작은 경우 고장 진단을 수행한다(960). 예를 들어, 전술한 주기관의 경우, 가장 작은 상관계수(CC)의 실린더가 고장검출 상관계수(Fault Detection Correlation Coefficient; FDCC)보다 작고 일정시간 작은 상태로 유지 되면 해당 실린더가 이상하다고 판단하여 고장진단 의사결정 지원시스템에 의해 고장 원인을 찾아 고장진단 트리를 따라 가며 고장 원인을 진단한다.

고장의 원인은 여러 가지 복합된 이유로 결합되어 있을수 있어 정확한 원인분석을 위하여서는 많은 관련데이터와 자료가 필요하다.

도 10은 본 발명의 일실시예에 따른 실린더의 배기가스온도를 측정하여 이상을 감지하고 진단하는 과정을 나타낸다.

도 10을 참조하면, 이상이 감지되면 해당 회전수 또는 부하에 따라 기관이 설계된 소재공기압력이 유지되는가를 확인한다. 실린더 내의 연소에 의해 연소가스는 브로우워와 연결된 터보챠저에 유입되어 터보챠저는 주기관의 부하에 해당되는 회전수로 회전하고 직결되어 있는 브로우워에 의해 공기를 송풍하여 실린더에 공급된다.

만약 소재공기압력이 낮은 경우에는 이를 위한 진단을 행하기 위하여 터보챠저의 회전수는 적합한지 또 블로우워의 필터 막힘은 없는지 등을 조사하고 이에 따른 진단을 행한다.

소재공기압력이 이상적으로 낮지 않은 경우에는 소기공기 냉각기의 온도를 점검하고 이에 따라 소재공기 냉각기의 오염정도 등을 점검한다.이와 같은 방법으로 도 10의 고장진단 트리에 따라 진단을 행한다.

판단의 종료에는 원인이 규명되며 규명된 원인의 범위를 좁혀가기 위한 서브 진단트리를 형성한다. 서브 진단트리는 기관 운전에는 점검이 불가능할 경우도 있으며 이의 원인규명을 위하여서는 입항하여 관련 부분을 분해 점검하여 규명하여야 한다. 이러한 데이터가 많이 축적되면 축적된 데이터를 기반으로 원인을 추적할 수도 있다.

시험 - 실시간 이상감지와 고장진단 시스템의 구현

도 11은 본 발명의 일실시예에 따른 선박 기관실의 실시간 이상 감지 및 고장 진단 시스템(Real Time Fault Detection and Diagnosis System; RTFDDS)의 실시간 모니터링 결과를 나타낸 그래프이다.

RTFDDS은 전술한 내용을 기반으로 C++로 자동적으로 감지하도록 구현하였다.

RTFDDS는 선박의 기관실 로그북으로부터 6개월치 데이터를 스프레드 쉬트로 제작하고 파일로부터 데이터를 읽어 입력하여 시계열 데이터로 선박 기관실의 실시간 이상 감지 및 고장 진단 시스템에 입력된다.

선박 기관실의 실시간 이상 감지 및 고장 진단 시스템은 이동평균(MVAVR), 이동표준편차(MVSD)를 계산하여 전술한 이상감지 알고리즘에 따라 이상을 감지하고 이상이 감지되면 동일 계통의 측정 항목 간의 상관계수를 계산 분석하여 일정시간 지속하면 고장을 확정한다.

도 11은 스프레드쉬트로부터 데이터를 읽고 시계열데이터로 입력된 데이터의 이동평균(MVAVR, 초록색), 이동표준편차(MVSD, 황색), 실제 데이터(붉은색)의 그래프를 보여준다. 위쪽 그래프는 주기관(main engine; M/E)의 부하(load) 또는 회전수(RPM)을 나타내며, 아래쪽 그래프는 선택된 측정 항목인 1번 실린더의 배기가스 온도의 이동평균(MVAVR), 이동표준편차(MVSD)를 숫자로 표시한다. 실제 데이터는 붉은 색, 이동표준편차(MVAVR)은 황색, 이동평균(MVSD)는 초록색으로 표시하였다. 그래프의 상부는 M/E 부하 또는 RPM을 나타내며, 하부 그래프는 선택된 항목-여기서는 1번 실린더의 배기가스온도(exhaust gas temperature)-을 보여준다.

도 12는 1번 실린더와 2번 실린더의 배기가스온도간의 상관계수계산을 보여주는 그래프이다. 도 12의 좌측 그래프는 선택된 항목 1과 항목 2간의 실제 데이터, 이동표준편차(MVSD)를 붉은색과 황색으로, 상관계수(CC)를 초록색으로 나타내었다. 주기관(M/E)에 대한 부하(load) 또는 회전수(RPM)의 이동표준편차(MVSD)는 백그라운드에서 연속적으로 계산되었고, 이동표준편차(MVSD)가 이상감지 표준편차(FDSD)를 넘는 경우에 상기 시스템은 모든 실린더의 상관계수(CC)를 계산하였다.

도 13은 도 12의 좌측 그래프를 확대한 그래프이다. 도 12의 그래프는 선택된 측정 항목에대한 상관계수(CC)의 변화를 보여주지만, 주기관(M/E)에 대한 부하(load) 또는 회전수(RPM)의 이동표준편차(MVSD)가 상기 시스템의 백그라운드에서 이상감지 표준편차(FDSD)를 넘는 경우 모든 상관계수(CC)가 계산되었다.

디젤 추진 선박의 기관실은 연소시스템, 열교환기, 펌프 및 모터시스템으로 대별할 수 있다. 기관실에 설치된 기기의 90% 이상이 이 분류에 속한다.

본 발명의 실시예들에서는 실시간으로 기관실의 이상을 감지하고 진단하는 시스템의 알고리즘을 개발하고 통계적 시뮬레이션에 의해 실시간으로 수행할 수 있음을 입증하였다.

입증된 알고리즘을 실재 시스템으로 개발하여 시험을 행하였다. 각 선박에 탑재될 때에는 이상감지 표준편차(FDSD), 이상감지 상관계수(Fault Detection Correlation Coefficient; FDCC)는 탑재할 선박의 특성에 맞게 전문가의 의견과 기관 로그북을 토대로 검토하여 정할 수 있다. 도 14는 선령에 따라 각 항목간의 상관계수를 기록한 것으로 본선의 선령에 따라 각항목간의 상관계수를 참조할 수 있다.

디젤기관은 화석 연료유의 연소로 동력을 얻는 경우에는 실린더 내의 연소의 상태를 파악하여 고장의 원인을 추정한다. 실린더 내에서 연소의 결과는 배기가스 온도(ExhGas T)로 측정되며, 배기관을 통하여 과급기(Turbo charger, T/C)로 인도되고 과급기의 열낙차(과급기 입구온도(T/C Tin)와 출구온도(T/C Tout)와의 차이)에 의해 발생된 동력은 실린더내의 연소가스를 소제하는 공기압(소기 공기압(ScarvP))를 발생하는 블로워와 연결되어 있다. 따라서 실린더의 배기가스온도(ExhGas T), 과급기 입구온도(T/C Tin), 과급기 출구온도(T/C Tout), 소기공기압(ScarvP))의 연관 관계는 상관계수(CC)로 상호 연관의 정도를 파악할 수 있다. 따라서 상관계수를 비교함으로서 이상 연소된 실린더와 과급기, 소기공기압 등에 의해 발생되는 고장 장소와 원인을 발견할 수 있다.

신조선을 포함하여 선박의 연령(선령)이 0 내지 3년, 4 내지 7년, 10 내지 14년, 21년된 선박 총 24척의 중소 컨테이너 선박을 대상으로 6개월간의 기관실 로그 북으로부터 총 10,000세트 이상의 운영데이터를 기반으로 선령 변화에 따라 부하(Load), 회전수(RPM), 실린더 배기가스 온도(ExhGas T), 과급기 입구온도(T/C Tin), 과급기 출구온도(T/C Tout), 과급기 회전수, 및/또는 소기공기압(ScarvP)간의 상관계수를 분석하였다.

해당 선박에 대하여 부하(Load), 회전수(RPM), 실린더 배기가스 온도(ExhGas T), 과급기 입구온도(T/C Tin), 과급기 출구온도(T/C Tout), 과급기 회전수, 및/또는 소기공기압(ScarvP)간의 상관관계 분석을 통하여 해당 선박의 선령 변화에 따라 상관계수의 변화 추이를 상관계수 테이블을 이용하여 해당 선박의 고장 감지 및 진단을 위해 참고할 수 있는 해당 선박에 적합한 이상감지 상관계수(Fault Detection Correlation Coefficient; FDCC)를 찾아낼 수 있다.

선박의 연령(선령)이 신조선부터 21 년되는 24척의 선박의 6개월간 기관 로그북으로 부터 10,000 세트가 넘는 운전 데이터로부터 선령에 따라 상관계수의 변화 트렌드를 조사하여 고장으로 판단할 수 있는 상관계수의 지수를 제공할 수 있다.

도 14는 본 발명의 일 실시예에 따른 디젤 엔진으로 동작하는 선박의 연령 변화에 따른 상관계수의 변화를 나타낸 상관계수 테이블이다.

도 14에서는 실린더들의 배기가스 온도 평균(Cyl_Texh_Avr 또는 Cyl_Avr), 부하와 실린더들 배기가스 온도 평균(Load- Cyl_Avr), 회전수와 실린더들 배기가스 온도 평균(rpm- Cyl_Avr), 부하와 과급기 입구온도(Load-T/C Tin), 회전수와 과급기 입구온도(rpm-T/C Tin), 부하와 과급기 출구온도(Load-T/C Tout), 회전수와 과급기 출구온도(rpm-T/C Tout), 부하와 과급기 회전수(Load-T/C rpm), 회전수와 과급기 회전수(rpm-T/C rpm), 부하와 소기공기압(Load-ScarvP), 회전수와 소기공기압(rpm-ScarvP), 부하와 회전수(Load-RPM)의 상관관계(CC)의 변화를 나타낸다.

도 15는 도 14의 표에 기초한 디젤 엔진으로 동작하는 선박의 연령 변화에 따른 부하, 회전수와 소기공기압간의 상관계수의 변화 트렌드를 나타낸 그래프이다.

도 15를 참조하면, 부하와 소기공기압(Load-ScarvP), 회전수와 소기공기압(rpm-ScarvP), 부하와 회전수(Load-RPM)의 상관계수는 각 선령별로 실험에 사용된 선박의 개수가 충분히 많지 않아 선령 3년 및 13년에서 선형 곡선에서 크게 이탈된 모습을 보여주지만, 전체적으로 선령이 증가함에 따라 부하와 소기공기압(Load-ScarvP), 회전수와 소기공기압(rpm-ScarvP), 부하와 회전수(Load-RPM)의 상관계수는 점점 작아짐을 알 수 있다.

도 16은 도 14의 표에 기초한 디젤 엔진으로 동작하는 선박의 연령 변화에 따른 부하, 회전수와 과급기 출구온도간의 상관계수의 변화 트렌드를 나타낸 그래프이다.

도 16을 참조하면, 부하와 과급기 출구온도(Load-T/C Tout), 회전수와 과급기 출구온도(RPM-T/C Tout)의 상관계수는 음의 값을 나타내며, 부하 및 회전수(RPM)가 증가하면 큰 음의 상관 계수는 과급기 출구온도(T/C Tout)는 감소하게되어 과급기에서 열낙차가 크게됨에 따라 과급기 출력이 높아져서 직결되어 있는 블로웨에 의해 소기공기압(Scavenging air pressure)은높아지고 좀 더 많은 신선한 공기를 실린더로 공급하게 된다.

전술한 바와 같이 선령이 증가함에 따라 상관계수는 작아지는 특성이 있으며, 상관 계수가 적어지는 정도를 감지하여 고장 진단을 할 수 있는 고장진단 시스템을 개발할 수 있다.

이상 본 발명의 다수의 실시 예가 기술되었다. 그럼에도 불구하고, 전술한 설명은 예시를 위한 것이며 다음의 청구항들의 범위에 의해 정의되는 본 발명의 범위를 한정하는 것이 아니다. 따라서 다른 실시 예들이 다음 청구항들의 범위 내에 있을 수 있으며, 다양한 변형이 본 발명의 범위를 벗어남 없이 만들어질 수 있다. 부가적으로, 전술된 단계들의 일부는 순서 독립적이므로 기술된 것과 다른 순서로 수행될 수 있다.

Claims (14)

1. 선박 기관실내 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 시계열 데이터-상기 시계열 데이터는 상기 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 적어도 하나의 측정 항목을 포함함-를 입력받아 연소 계통, 열교환기 계통, 펌프 및 전동기 계통으로 분류하는 단계;
   상기 계통별로 분류된 시계열 데이터에 대하여 통계적 분석 기반 이상 진단을 수행하는 단계; 및
   상기 통계적 분석 기반 이상 진단과 연동하여 상기 시계열 데이터의 동일 계통의 측정 항목에 대하여 상관계수 비교 기반 이상 진단을 수행하는 단계를
   포함하되,
   상기 통계적 분석 기반 이상 진단과 연동하여 상기 시계열 데이터의 동일 계통의 측정 항목에 대하여 상관계수 비교 기반 이상 진단을 수행하는 단계는
   상기 판단결과 상기 산출된 각 측정 항목간의 상관계수가 상기 소정의 이상감지 표준편차(FDSD)를 초과하는 경우 상기 시계열 데이터의 동일 계통의 측정 항목끼리의 상관관계를 계산하는 단계를 포함하고,
   상기 통계적 분석 기반 이상 진단과 연동하여 상기 시계열 데이터의 동일 계통의 측정 항목에 대하여 상관계수 비교 기반 이상 진단을 수행하는 단계는
   상기 상관관계가 가장 낮은 측정 항목을 찾아 상기 상관관계가 가장 낮은 측정항목의 상관관계가 이상 감지 상관 계수(Fault Detection Correlation Coefficient; FDCC)보다 작고 소정 시간 상기 이상 감지 상관 계수(FDCC)보다 작은 상태로 유지되면 해당 계통의 측정항목이 이상 상태(Fault Detection)라고 판단하는 단계를 더 포함
   하는 선박 기관실의 실시간 이상 감지 및 고장 진단 방법.
2. 제1항에 있어서, 상기 계통별로 분류된 시계열 데이터에 대하여 통계적 분석 기반 이상 진단을 수행하는 단계는
   상기 계통별로 분류된 시계열 데이터의 이동 평균과 이동 표준편차를 산출하는 단계; 및
   상기 산출된 이동 표준편차가 소정의 이상감지 표준편차(FDSD)를 초과하는지 판단하는 단계를 포함하는 선박 기관실의 실시간 이상 감지 및 고장 진단 방법.
3. 삭제
4. 삭제
5. 제2항에 있어서, 부하(Load), 회전수(RPM), 실린더 배기가스 온도(ExhGas T), 과급기 입구온도(T/C Tin), 과급기 출구온도(T/C Tout), 과급기 회전수, 및 소기공기압(ScarvP)의 모든측정항목간의 상관관계 분석을 통하여 선박의 선령 변화에 따른 상관계수의 변화 추이를 상관계수 테이블을 이용하여 선박의 고장 감지 및 진단을 위해 참고할 수 있는 고장 상관계수(Fault Detection Correlation Coefficient; FDCC)를 찾아내는 것을 특징으로 하는 선박 기관실의 실시간 이상 감지 및 고장 진단 방법.
6. 제1항에 있어서, 상기 동일 계통의 측정 항목은
   상기 주기관 또는 상기 발전기에 대한 실린더의 배기가스 온도 또는 소재공기압력이고,
   상기 열교환 계통의 경우에는 열교환기 냉각수 입구의 온도 또는 출구 온도, 냉매의 입구온도, 출구 온도, 또는 제어밸브의 개도이고,
   상기 펌프의 경우에는 입력 압력 또는 출구 압력이고,
   상기 모터의 경우에는 모터에 인가되는 전압 또는 전류인 선박 기관실의 실시간 이상 감지 및 고장 진단 방법.
7. 제1항에 있어서,
   상기 이상 진단 후 고장진단 의사결정 지원시스템에 의해 고장 원인을 찾아 고장 진단 트리를 따라 가며 고장 원인을 진단하는 단계를 더 포함하는 선박 기관실의 실시간 이상 감지 및 고장 진단 방법.
8. 선박 기관실내 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 시계열 데이터-상기 시계열 데이터는 상기 주기관, 발전기, 열교환기. 펌프와 펌프를 구동하는 모터의 적어도 하나의 측정 항목을 포함함-를 입력받아 연소 계통, 열교환기 계통, 펌프 및 전동기 계통으로 분류하는 분류부; 및
   상기 계통별로 분류된 시계열 데이터에 대하여 통계적 분석 기반 이상 진단을 수행하고 상기 통계적 분석 기반 이상 진단과 연동하여 상기 시계열 데이터의 동일 계통의 측정 항목에 대하여 상관계수 비교 기반 이상 진단을 수행하는 고장 검출 및 진단 모듈
   을 포함하되,
   상기 고장 검출 및 진단 모듈은
   상기 계통별로 분류된 시계열 데이터에 대하여 상기 통계적 분석 기반 이상 진단을 수행하는 통계적 분석 기반 이상 진단부; 및
   상기 통계적 분석 기반 이상 진단과 연동하여 상기 시계열 데이터의 동일 계통의 측정 항목에 대하여 상기 상관계수 비교 기반 이상 진단을 수행하는 상관계수 비교 기반 이상 진단부를 포함하고,
   상기 통계적 분석 기반 이상 진단부는
   상기 계통별로 분류된 시계열 데이터의 이동 평균과 이동 표준편차를 산출하고, 상기 산출된 이동 표준편차가 소정의 이상감지 표준편차(FDSD)를 초과하는지 판단하고,
   상기 상관계수 비교 기반 이상 진단부는
   상기 판단결과 상기 산출된 각 측정 항목의 상관계수가 상기 소정의 이상감지 표준편차(FDSD)를 초과하는 경우 상기 시계열 데이터의 동일 계통의 측정 항목끼리의 상관관계를 계산하고,
   상기 상관계수 비교 기반 이상 진단부는
   상기 상관관계가 가장 낮은 측정 항목을 찾아 상기 상관관계가 가장 낮은 측정항목의 상관관계가 이상 감지 상관 계수(Fault Detection Correlation Coefficient; FDCC)보다 작고 소정 시간 상기 이상 감지 상관 계수(FDCC)보다 작은 상태로 유지되면 해당 계통의 측정항목이 이상 상태(Fault Detection)라고 판단
   하는 선박 기관실의 실시간 이상 감지 및 고장 진단 시스템.
9. 삭제
10. 삭제
11. 삭제
12. 삭제
13. 제8항에 있어서, 부하(Load), 회전수(RPM), 실린더 배기가스 온도(ExhGas T), 과급기 입구온도(T/C Tin), 과급기 출구온도(T/C Tout), 과급기 회전수, 및 소기공기압(ScarvP)의 모든 측정항목간의 상관관계 분석을 통하여 선박의 선령 변화에 따른 상관계수의 변화 추이를 상관계수 테이블을 이용하여 선박의 고장 감지 및 진단을 위해 참고할 수 있는 고장 상관계수(Fault Detection Correlation Coefficient; FDCC)를 찾아내는 것을 특징으로 하는 선박 기관실의 실시간 이상 감지 및 고장 진단 시스템.
14. 제8항에 있어서, 상기 동일 계통의 측정 항목은
    상기 주기관 또는 상기 발전기에 대한 실린더의 배기가스 온도 또는 소재공기압력이고,
    상기 열교환 계통의 경우에는 열교환기 냉각수 입구 온도 또는 출구 온도, 냉매의 입구온도, 출구온도 또는 제어밸브의 개도이고,
    상기 펌프의 경우에는 입력 압력 또는 출구 압력이고,
    상기 모터의 경우에는 모터에 인가되는 전압 또는 전류인 선박 기관실의 실시간 이상 감지 및 고장 진단 시스템.

Images