KR102485686B1 - 선회장치의 고장진단 장치 및 방법 - Google Patents

Abstract

본 발명의 일 실시예는 선회장치에 관련된 것으로서, 더 상세하게는 정상 신호와 고장 신호의 분리성을 높이는 필터링 오더에 기초하여 선회장치의 고장을 진단하는 장치 및 방법에 관한 것으로, 선회장치의 고장진단 방법은 선회장치의 정상 표본 신호와 고장 표본 신호에 대하여 각각 오더의 변화에 따른 건전성 인자의 변화 추이에 기초하여, 필터링 오더를 선정하는 단계; 상기 선정된 필터링 오더를 기반으로 로우(raw) 신호로부터 정상 표본 신호를 제거하여 고장 판정을 위한 신호를 필터링하는 단계; 및 상기 고장 판정을 위한 신호를 미리 저장된 데이터와 비교하여 선회장치의 고장 여부를 판단하는 단계를 포함한다.

Description

선회장치의 고장진단 장치 및 방법{Method and system for detecting fault of swing device}

본 발명은 선회장치에 관련된 것으로서, 더 상세하게는 정상 신호와 고장 신호의 분리성을 높이는 필터링 오더에 기초하여 선회장치의 고장을 진단하는 장치 및 방법에 관한 것이다 .

굴삭기 등의 건설기계 및 장갑차 등의 군수 장비들은 주행장치를 구비한 하부몸체와, 작업장치가 설치되는 상부몸체와, 상부몸체와 하부몸체를 상대 회전 가능하게 연결시키는 선회장치를 포함한다.

선회장치에 의하면 다양한 자세에서의 작업이 가능하게 되어 작업효율 향상에 기여할 수 있으며, 선회모터와, 선회베어링 및 선회장치를 포함하는 것이 일반적이다. 선회모터는 선회 구동에 필요한 동력을 제공하는 구동원으로 유압식/전기식 선회모터로 준비될 수 있다. 선회베어링은 선회모터의 구동시 선회모터와의 상호작용을 통해 상부몸체의 상대 회전을 가능하게 하며, 선회장치는 선회모터로부터 출력된 회전력을 조절하여 적정한 회전속도 및 토크로 선회를 가능하게 하기 위한 것으로 선회모터와 선회베어링 사이에 배치될 수 있다.

상술한 바와 같은 선회장치는 비교적 큰 힘이 필요한 작업이 반복되고 외부로부터 큰 충격을 전달받는 경우도 많아 피로 파손 등이 발생될 수 있다. 이러한 파손은 선회장치 또는 선회베어링의 기어에 마련되는 기어 이빨들에서 발생되는 경우가 많다. 일단 파손이 진행되면 결국 선회가 불가능하게 되어 작업이 불가능한 상태가 되는데, 이러한 작업불능 상태가 발생되면 소유주는 금전적인 손해가 발생된다. 또한, 작업 중에 선회장치의 파손이 발생될 경우 선회 구동/정지 제어가 불가능하게 되어 안전사고가 발생되는 위험도 있다. 이에 따라, 예방 정비 등이 가능하도록 선제적인 선회장치의 고장진단이 필요한데, 선회장치와 같은 부품들은 내부 구조 및 설치 구조가 복잡하기 때문에 상당량의 파손이 진행된 상태가 아니라면 고장 여부를 판단하기 힘든 문제가 있다. 따라서, 보다 간단하고 효율적으로 선회장치의 고장/파손을 진단할 수 있는 기술의 개발이 필요하다.

본 명세서의 일 실시 예의 목적은 정상 신호와 고장 신호의 분리성을 높이는 필터링 오더에 기초하여, 선회장치의 고장을 진단할 수 있는 선회장치의 고장진단장치 및 방법을 제공하는 것에 있다.

본 명세서의 일 실시 예에 따르는 선회장치의 고장진단 방법은, 선회장치의 정상 표본 신호와 고장 표본 신호에 대하여 각각 오더의 변화에 따른 건전성 인자의 변화 추이에 기초하여, 필터링 오더를 선정하는 단계; 상기 선정된 필터링 오더를 기반으로 로우(raw) 신호로부터 정상 표본 신호를 제거하여 고장 판정을 위한 신호를 필터링하는 단계; 및 상기 고장 판정을 위한 신호를 미리 저장된 데이터와 비교하여 선회장치의 고장 여부를 판단하는 단계를 포함하는 것을 특징으로 한다.

선회장치의 고장진단 방법은, 상기 필터링 오더를 선정하는 단계는, 선회장치의 정상 표본 신호와 고장 표본 신호에 대하여 각각 오더의 변화에 따른 건전성 인자의 변화 추이를 산출하는 단계; 및 산출된 건전성 인자의 변화 추이에 기초하여, 상기 정상 표본 신호와 고장 표본 신호의 건전성 인자의 차이가 큰 오더를 필터링 오더로서 선정하는 단계를 더 포함할 수 있다.

상기 외부 가진 성분은 펌프 회전 주파수 및 선회 모터 회전 주파수이다.

상기 필터링은 AR(Auto-Regressive)-MED(Minimum Entropy Deconvolution) 필터를 이용하여 수행된다.

상기 건전성 데이터는 진동 관련 건전성 인자에 기초한다.

본 발명의 일 실시예에 따른 선회장치의 고장진단 장치는, 선회장치의 정상 표본 신호와 고장 표본 신호에 대하여 각각 오더의 변화에 따른 건전성 인자의 변화 추이에 기초하여, 필터링 오더를 선정하는 오더 선정부; 상기 선정된 필터링 오더를 기반으로 로우(raw) 신호로부터 정상 표본 신호를 제거하여 고장 판정을 위한 신호를 추출하는 필터링부; 및 상기 고장 판정을 위한 신호를 미리 저장된 건전성 데이터와 비교하여 선회장치의 고장 여부를 판단하는 고장 진단부를 포함한다.

본 발명의 일 실시예에 따르면, 정상 신호와 고장 신호의 분리성이 높은 필터링 오더를 선정할 수 있습니다.

또한, 정상 신호와 고장 신호의 분리성이 높은 필터링 오더에 기초하여, 선회장치의 고장을 정확하게 진단할 수 있는 선회고장 진단 장치 및 방법을 제공할 수 있습니다.

도 1은 AR-MED 필터링을 개략적으로 설명하기 위한 도면이다.
도 2는 AIC 최적 알고리즘의 특성을 설명하기 위한 그래프이다.
도 3의 (a)는 정상 기어박스의 주파수 분석 결과이고, 도 3의 (b)는 고장 기어박스의 주파수 분석 결과이다.
도 4는 본 발명의 일 실시예에 의한 선회장치의 고장진단 장치의 블록구성도이다.
도 6은 본 발명의 일 실시예에 따른 정상 표본 신호, 고장 표본 신호 및 차이 신호의 오더의 변화에 따른 건전성 인자의 변화 추이를 나타내는 그래프이다.
도 7은 본 발명의 일 실시예에 따른 정상 표본 신호, 고장 표본 신호 및 차이 신호의 오더의 변화에 따른 AIC 알고리즘의 값의 변화를 나타내는 그래프이다.
도 8의 (a)는 도시된 전처리된 진동신호를 나타내는 그래프이고, 도 8의 (b)는 (a)의 전처리된 진동신호에서 AR-MED 필터를 이용하여 기어 주파수를 제거한 고장 판단 기준 신호가 되는 차이 신호를 나타내는 그래프이다.
도 9는 본 발명의 일 실시예에 따른 건전성 인자를 예시하는 테이블이다.
도 10 및 도 11은 본 발명의 다른 실시예에 따른 진동 관련 건전성 인자의 분리 성능을 보여주는 그래프이다.

이하, 본 명세서의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.

실시 예를 설명함에 있어서 본 명세서가 속하는 기술 분야에 익히 알려져 있고 본 명세서와 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 명세서의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.

마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.

이하, 본 명세서의 실시 예들 및 도면을 참고하여 선회장치의 고장진단 장치 및 방법에 대해 설명될 것이며, 그 일례로 선회장치의 고장진단 장치의 구성 및 방법에 대해 설명한다.

본 발명의 설명에 앞서, 설명의 이해를 돕기 위해 본 발명에서 채택한 AR-MED 필터링에 대하여 간단히 설명하기로 한다.

도 1은 AR-MED 필터링을 개략적으로 설명하기 위한 도면이다.

도 1에 도시된 바와 같이, ARMED 필터링은 minimum entropy deconvolution(MED) 기술을 autoregressive(AR) 필터링 기술에 병목시킨 필터링 기법이다.

AR 필터링 기술은 신호의 자기 상관성에 기반하여 반복적인 신호를 모델링하고, 모델링 된 신호를 원 신호에서 지워낸다. 이를 기어진동 신호관점에서 본다면, 자기 상관성으로 표현되는 모델링 신호는 투스 메쉬(tooth-mesh)에 의한 신호와 그 인접사이드밴드 신호라고 할 수 있다. 하지만 노이즈와 임펄스는 자기 상관성이 존재하지 않으므로, 모델링 시킬 수 없다. 따라서 AR 필터링을 통해 나온 레지듀얼 신호는 임펄스 신호와 노이즈가 혼재된 신호라고 할 수 있다.

MED 기술은 인풋 신호의 엔트로피를 최소화시키는 기법이다. 이를 기어진동신호 관점에서본다면, MED 필터링을 통해 나온 결과물은 노이즈를 최소화시키고 임펄스 신호를 극대화 시킨신호가 나온다고 볼 수 있다. 하지만 이 기술만 적용시킬 경우에는 실제 신호에서 정규 신호가 모델링되지 않기 때문에 정규 신호가 극대화되거나 극소화된다는 단점이 존재한다.

결과적으로 두 기법의 단점을 보완하기 위해 두 기법을 혼합하여 사용하는 것이 ARMED 필터링이라고 할 수 있다. 먼저 AR 필터링을 통해 정규 신호를 지워내고, 그 후 MED 필터링을 통해 노이즈를 감소시킴으로써 결과적으론 고장 관련 신호인 임펄스 신호만을 취득하는 것이 가능해진다.

AR 필터를 이용한 AR 필터링은 과거 P개의 샘플 데이터(오더)를 통해 다음 상태를 예측하는 모델링 기법으로써, 다음과 같은 모델링 수학식1을 따른다.

[수학식 1]

여기서 φ_i는 모델의 파라미터들을 의미하고 c는 계수, 마지막 항은 노이즈 소스(Noise source)를 의미한다.

식에서 볼 수 있는 것처럼, 아웃풋(y)은 과거의 데이터를 이용해 추정이 가능하므로, 정규적/규칙적인 신호라고 간주할 수 있다. 즉, AR 필터를 거치게 되면 정규적인 신호를 제외한 모델링 할 수 없는 불규칙한 신호인 임펄스(impulse) 신호 및 노이즈만이 남게 된다.

MED 필터링은 MED 필터를 이용하여 [수학식 2]와 같은 목적함수를 최대값으로 하는 필터링 계수를 찾는 과정이다.

[수학식 2]

여기서 사용하는 V는 인포메이션 엔트로피(Information Entropy)와 상반되는 개념으로써, 인포메이션 엔트로피가 무질서도의 증가에 따라 큰 값을 갖는 것에 비해 V는 무질서도가 증가함에 따라 작은 값을 갖는다.

필터링 계수에 대해 최대값을 가져야 하므로, 다음 수학식 3과 같은 미분을 통해 최적의 필터링 계수를 찾을 수 있다.

[수학식 3]

결과적으로 최적의 필터링 계수는, 엔트로피를 극소화 시키는 과정과 동일하며, 이를 위해선 주변 값들에 비해 유의미하게 큰 값들을 강조하고, 그 외 값들을 약화시킴으로써 가장 주요한 몇 개의 term으로 단순화 시키는 베리멕스 회전의 개념을 도입했다고 볼 수 있다. 즉, 피크(peak)는 커지며 노이즈는 감소하게 된다.

MED 과정은 AR 필터링 후 남은 신호에 대해 처리를 하기 때문에, AR 과정에서 활용될 오더 P의 선정과 그 사용법에 따라 큰 영향을 받는다.

오더 P가 너무 큰 값을 갖게 될 경우, 과도하게 모델링 됨으로써 오버 피팅(over-fitting)이 일어나게 된다. 이는 저주파수 영역에서는 큰 문제가 되지 않으나 고주파수 영역에서 문제가 될 수 있다. 또한 오더 P가 너무 작을 경우에는 정규 신호를 정확히 모델링 하기가 불가능하므로, 언더 피팅(under-fitting)이 일어난다고 볼 수 있겠다.

따라서, 최적의 오더 선정에 따라 필터링 결과가 달라짐은 물론, 고장과 정상 신호를 분별하는데 큰 영향을 끼칠 수 있다.

도 2는 AIC 최적 알고리즘의 특성을 설명하기 위한 그래프이다.

AR-MED 필터에서의 오더를 선정함에 있어, AIC 알고리즘을 사용하는 것이 일반적이다.

AIC 최적 알고리즘은, AR 필터의 저주파수 영역에서의 기어 조화(gear harmonics) 진동수의 지배적인 영향을 감소시키는데 주안점을 두고 있다. 이는 AR-ㅡMED 필터링 계수가 너무 커질 경우 과도하게 모델링 되어 크기가 작은 고주파수 영역에서의 신호 자체를 왜곡시킬 가능성이 있기 때문이다. 이러한 이론에 근거하여 AIC 값이 최저가 되는 오더를 최적의 필터링 오더로 선정할 수 있다.

그러나, 선회장치의 경우, AIC 최적 알고리즘에 기반하여 필터링 오더를 선정하는 경우, 고주파수 영역에서의 차별성이 생기지 않게 된다. 즉, AIC 최적 알고리즘에 기반하여 필터링 오더를 적용하면, 고주파 영역에서의 정상 신호와 고장 신호의 분리성이 낮아, 고장을 판단하는데 오류가 발생할 가능성이 있다.

AIC 최적 알고리즘을 적용하기 위해서는 신호가 도 2에 도시된 바와 같이 정규분포(n)를 따라야 하는데, 선회장치의 진동 신호를 AIC 최적 알고리즘에 적용한 하면, 도 2의 (S)와 같이 정상 신호의 테일(tail) 부분에서 정규분포와 일치하지 않는 것을 확인할 수 있다.

한편, 도 3의 (a)는 정상 기어박스의 주파수 분석 결과이고, 도 3의 (b)는 고장 기어박스의 주파수 분석 결과이다.

저주파수 영역의 조화 성분을 희석시키는데만 주안점을 두는 경우 AIC 최적 알고리즘을 기어박스의 고장진단에 채택하는 경우, 고주파수 영역에서의 차별성이 생기지 않게 되어, 고장과 정상을 구분하는데 문제가 발생할 가능성이 있다.

따라서, 선회장치의 기어박스에, AIC 알고리즘에 의해 오더를 산출하는 경우, AR-MED 필터를 사용한 선회장치의 고장 진단 신뢰성이 낮아질 수 있다.

본 발명의 일 실시예에 따르면, 고주파에서도 오류 발생 가능성을 낮추고, 정상 신호와 고장 신호의 분리 성능은 높이는 최적의 필터링 오더를 선정할 수 있다.

다음, 도 4 내지 도 9를 참조하여, 최적의 필터링 오더를 선정하고, 선정된 필터링 오더를 이용하여 선회장치의 고장을 진단하는 장치 및 방법을 설명한다.

도 4는 본 발명의 일 실시예에 의한 선회장치의 고장진단 장치의 블록구성도이다.

본 발명의 예시적인 실시예에 따른 선회장치의 고장진단 장치(100)는 오더 선정부(100), 센서부(110), 전처리부(120), 필터링부(130), 진단부(140) 및 데이터베이스부(150)를 포함할 수 있다. 본 발명의 예시적인 실시예의 고장진단 장치(100)의 각부는 설명의 편의상, 하나의 장치로 구현되는 것처럼 도시되었지만, 물리적으로 분리된 공간상에 마련될 수도 있다.

예를 들어, 오더 선정부(100)는 작업자 또는 설계자의 작업실 내에 마련되고, 센서부(110), 전처리부(120), 필터링부(130), 진단부(140) 및 데이터베이스부(150)는 선회장치 내에 마련될 수도 있다.

오더 선정부(100)는 선회장치의 고장을 진단하는데 최적화된 AR-MED 필터링에 적용되는 필터링 오더를 선정한다.

오더 선정부(100)는 AR 필터링 시, 로우(raw) 신호에서 정상 샘플 신호와 고장 샘플 신호의 분리성이 높은 오더를, 최적의 필터링 오더로서 선정한다.

필터링 오더를 선정하는 방법은 도 5를 참조하여, 추후에 상세히 설명하기로 한다.

센서부(110)는 선회장치 구동시 기어박스의 진동을 센싱하여 로우(raw) 신호를 생성한다.

센서부(110)는 진동 센서를 포함하고, 상기 진동센서는 기어박스에 부착될 수 있으나, 이에 한정하는 것은 아니다.

전처리부(120)는 외부 가진 성분(A)을 제거하기 위한 필터링을 행한다. 전처리부(120)는 노치필터와 고역필터일 수 있다. 외부 가진 성분은 선회모터의 구동시 발생되는 회전주파수일 수 있다. 또한, 외부 가진 성분은 유압식 선회장치인 경우 유압공급을 위한 유압펌프의 구동시 발생되는 회전주파수일 수 있다.

필터링부(130)는 외부 가진 성분을 제거한 신호에서 정규적인 신호에 해당하는 기어 주파수를 제거하고, 고장 판단의 기준 신호가 되는 차이 신호만을 추출한다.

필터링부(130)는 AR(Auto-Regressive)-MED(Minimum Entropy Deconvolution) 필터를 채택할 수 있다.

일반적인 고장발생시에는 진동 신호에 피크 신호가 발생하거나 스미어링(smearing)이라 불리는 데이터의 뭉개짐 현상이 발생될 수 있다. 하지만, 기어 주파수 등의 주기적 신호의 에너지가 월등히 크기 때문에 이러한 피크 신호 들은 별도의 처리 없이 보기가 힘들어 진다. 따라서, AR-MED 필터를 이용하여 상기 피크 신호를 찾을 수 있다.

진단부(140)는 필터링부(130)에 의해 획득된 고장 판단 기준 신호를 데이터베이스부(150)에 저장된 건전성 데이터와 비교하여 선회장치의 고장을 판단한다. 건전성 데이터는 추후에 설명하도록 한다.

상기 진단부(140)가 고장이라고 판단하는 경우, 선화장치의 계기판, 미리 설정된 장치 또는 단말에 고장에 대한 정보를 제공할 수 있다.

상기 미리 설정된 장치 또는 단말은 관제서버, 작업자 단말, 소유자 단말 중 어느 하나 이상을 포함할 수 있다.

진단부는 고장이라고 판단되면 연결된 출력장치나 통신부를 이용하여 고장을 통지한다. 예컨대 계기판에 고장을 표시하거나, 알람 소리를 출력한다. 또는 미리 설정된 사용자 단말기에 고장임을 통지한다. 통지시에 단순히 고장임을 통지하기 위한 신호만 전송할 수 있고, 고장여부의 비교 데이터를 전송할 수도 있다.

본 발명의 일 실시예에 따른 고장진단 장치는 정상 신호와 고장 신호의 분리성이 높은 필터링 오더를 선정할 수 있다. 또한, 본 발명의 일 실시예에 따라 선정된 필터링 오더를 적용한 AR-MED 필터터링을 통해, 선회장치로부터 획득한 로우 데이터로부터 고장여부를 판단하기 위한 신뢰성 높은 기준 신호를 손쉽게 획득할 수 있게 된다.

본 발명의 일 실시예에 따른 신뢰성 높은 기준 신호를 통해 고장여부를 효과적으로 진단할 수 있다.

도 5는 본 발명의 일 실시예에 따른 선회장치의 고장진단 장치의 고장진단 방법을 설명하기 위한 흐름도이다.

도 6은 본 발명의 일 실시예에 따른 정상 표본 신호, 고장 표본 신호 및 차이 신호의 오더의 변화에 따른 건전성 인자의 변화 추이를 나타내는 그래프이고, 도 7은 본 발명의 일 실시예에 따른 정상 표본 신호, 고장 표본 신호 및 차이 신호의 오더의 변화에 따른 AIC 알고리즘의 값의 변화를 나타내는 그래프이다.

이하에서는 도 5를 참조하여 선회장치의 고장진단 방법의 실시예를 설명한다.

먼저 선회장치의 정상 표본 신호와 고장 표본 신호에 대하여, 각각 오더의 변화에 따른 건전성 인자의 변화 추이를 산출하고(S100), 필터링 오더를 선정한다(S110).

본 발명의 일 실시예에서는 건전성 인자로서 M6A를 채택하였으나, 이에 한정하는 것은 아니다. 신호의 진동 특성을 보여줄 수 있는 건전성 인자이면 된다.

도 6의 그래프에서, y 축은 건전성 인자(M6A)의 값이고 x축은 오더 p를 의미한다. 도 6에 도시된 바와 같이, 정상 표본 신호에서는 오더에 따라 고장 표본 신호와 비교하여 비교적 낮은 건전성 인자의 값을 갖는다. 반면, 고장 표본 신호에서는 오더에 따라 정상 표본 신호와 비교하여 비교적 높은 건전성 인자의 값을 갖는다.

고장 표본 신호와 정상 표본 신호의 건전성 인자의 차이가 클수록 고장 표본 신호와 정상 표본 신호의 분리성이 좋아진다. 따라서, 고장 표본 신호와 정상 표본 신호의 건전성 인자의 차이가 클 때의 오더를 필터링 오더로 선정한다.

예를 들어, 도 6의 그래프에서는 고장 표본 신호와 정상 표본 신호의 건전성 인자의 차이가 오더 140~150 사이에서 가장 높게 나타나는 것을 알 수 있다.

따라서, 도 6과 같은 그래프와 같은 결과에서는 오더 값은 140~150 사이의 값으로 선정할 수 있다.

한편, 도 7을 참조하여 AIC 알고리즘을 통한, 정상 표본 신호와 고장 표본 신호의 오더의 변화를 살펴보면, 오더에 따라 정상 표본 신호, 고장 표본 신호 및 정상 표본 신호와 고장 표본 신호의 차이 신호의 AIC 값의 변화가 비교적 작은 것을 알 수 있다. 따라서, AIC 알고리즘에 따라서는 최적의 오더를 산출하는 것이 용이하지 않다.

다음, 센서부를 통해 선회장치의 구동시 기어박스의 진동을 센싱하여 로우 데이터를 생성한다(S120).

로우 데이터는 관심성분 이외에 외부 가진 성분을 포함하고 있다.

여기서, 관심성분은 선회장치에 설치된 기어들의 회전에 의해 발생되는 회전주파수를 의미하며, 외부 가진 성분은 앞서 설명한 바와 같이 외부 장치(펌프, 선회모터 등)들로부터 전달되는 회전주파수를 의미한다.

획득한 로우 데이터에서 외부 가진 성분을 제거한다(S130).

이들 외부 가진 성분의 주파수는 데이터베이스부(도1의 150)에 미리 저장된다.

본 발명의 일 실시예에서는 외부 가진 성분을 제거하기 위해, 노치 필터를 활용하는 경우, 미리 저장되어 있는, 중심 주파수를 포함하는 임의의 범위 예컨대, 중심주파수의 약 ±10%를 필터링 대상으로 선정할 수 있다. 여기서 약 ±10% 는 예시적인 범위이며, 선회 모터 및 펌프 주파수 성분의 사이드 밴드 범위가 보다 넓어지는 경우에는 더 넓게 조정하는 것이 바람직하다. 고역 필터를 사용하는 경우, 도 관심성분의 약 90% 이상의 주파수의 신호만을 통과시킴으로써 외부 가진 성분을 제거할 수 있다. 여기서 약 90% 는 예시적인 범위이며, 설계자에 의해 변경 가능할 수 있다.

다음, 외부 가진 성분이 제거된 신호에서 정규적인 신호에 해당하는 기어 주파수(관심성분,GMF)를 제거하고, 고장판단 기준 신호에 해당하는 차이 신호만 추출한다(S140).

도 8의 (a)는 도시된 전처리된 진동신호를 나타내는 그래프이고, 도 8의 (b)는 (a)의 전처리된 진동신호에서 AR-MED 필터를 이용하여 기어 주파수를 제거한 고장 판단 기준 신호가 되는 차이 신호를 나타내는 그래프이다. 도 8의 (a)는 AR-MED 필터링부의 입력 신호를 나타내고, 도 8의 (b)는 AR-MED 필터링부의 아웃풋 신호를 나타낸다.

진단부는 데이터베이스에 미리 저장된 건전성 데이터와 차이 신호를 비교하여 고장여부를 판단한다(S150).

건전성 데이터는 주기적으로 업데이트 될 수 있음은 물론이다.

건전성 데이터는 건전성 인자에 정상적인 상태의 기어박스의 진동 신호를 적용하여 정의된다.

도 9는 본 발명의 일 실시예에 적용가능한 진동 관련 건전성 인자들 중 FM4, M6A, M8A를 설명하기 위한 테이블이다.

도 9에는 FM4, M6A, M8A가 예시되어 있으나, 이에 한정되는 것은 아니다.

예컨대, FM4는 첨도에 관한 건전성 인자이다.

FM4는 한 개 또는 두 개의 기어가 손상되었을 때 검출이 가능하지만, 전체 기어에 손상이 발생하였을 때는 검출 감도가 낮아진다. 그러므로 FM4는 초기 손상을 검출하는 데 유용하고 손상의 진전을 측정하기에는 적합하지 않을 수 있다. 이러한 단점을 보안하기 위해 M6A, M8A를 함께 비교한다. 이와 같은 건전성 인자는 이는 공지의 기술이므로 상세한 설명은 생략하기로 한다.

도 10 및 도 11은, 본 발명의 다른 실시예에 따른 진동 관련 건전성 인자의 분리 성능을 보여주는 그래프이다.

도 10은 오더 별로 크레스트(crest) 팩터를 적용한 정상신호 /고장신호의 비(ratio)를 보여주고, 도11은 오더 별로 RMS 팩터를 적용한 정상신호 /고장신호의 비를 보여주는 그래프이다. 도 10과 도 11을 참조하면 알 수 있는 바와 같이, 진동 관련 건전성 인자인 크레스트 팩터 및 RMS 팩터의 경우에서도 유사한 오더 범위(140~160)에서 최적의 분리 성능을 갖는 것을 알 수 있다.

본 발명의 일 실시예에 따라 선정한 최적 오더가 통계적으로 유의미 있는지를 확인하기 위해, 여러 샘플의 분리 성능을 확인해 보았다.

원신호를 3초 간격으로 겹치지 않게 자른 후 즉 0~3초, 3~6초, ... 57~60초로 부트스트랩(bootstrap)을 활용하여 샘플을 복제하는 기업을 활용하여, 1만개의 샘플에 대해 최적값에서의 분리확률을 확인해 보았다.

본 실시예에서 AIC 기법을 통해 산출된 오더값은 90이 산출되었는데, 상술된 AIC 기반의 오더값과 건전성 인자를 통한 최적 오더값 160을 대상으로 분리확률을 검증한 결과는 아래와 같다.

확인 결과, 오더 90에서의 분리확률은 64.33%이였고, 오더 160 에서의 분리확률은 82.18 %으로, 건전성 인자를 통해 선정한 최적 오더에서 분리성능이 AIC를 통해 선정된 오더에서의 분리성능보다 더 좋은 것을 알 수 있었다.

전술한 방법은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 본 발명의 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.

하드웨어에 의한 구현의 경우, 본 발명의 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.

펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 실시예들에 따른 방법은 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드는 메모리 유닛에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리 유닛은 상기 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.

이상에서 본 명세서에 개시된 실시예들을 첨부된 도면들을 참조로 설명하였다. 이와 같이 각 도면에 도시된 실시예들은 한정적으로 해석되면 아니되며, 본 명세서의 내용을 숙지한 당업자에 의해 서로 조합될 수 있고, 조합될 경우 일부 구성 요소들은 생략될 수도 있는 것으로 해석될 수 있다.

여기서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 본 명세서에 개시된 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.

따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 명세서에 개시된 일 실시예에 불과할 뿐이고, 본 명세서에 개시된 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.

100 : 오더 선정부
110 : 센서부
120 : 전처리부
130 : 필터링부
140 : 진단부
150 : 데이터베이스부

Claims (10)

1. 선회장치의 정상 표본 신호와 고장 표본 신호에 대하여 각각 오더의 변화에 따른 건전성 인자의 변화 추이에 기초하여, 필터링 오더를 선정하는 단계;
   상기 선정된 필터링 오더를 기반으로 로우(raw) 신호로부터 정상 표본 신호를 제거하여 고장 판정을 위한 신호를 필터링하는 단계; 및
   상기 고장 판정을 위한 신호를 미리 저장된 건전성 데이터와 비교하여 선회장치의 고장 여부를 판단하는 단계
   를 포함하는 선회장치의 고장진단 방법.
2. 제1항에 있어서,
   상기 필터링 오더를 선정하는 단계는,
   선회장치의 정상 표본 신호와 고장 표본 신호에 대하여 각각 오더의 변화에 따른 건전성 인자의 변화 추이를 산출하는 단계; 및
   산출된 건전성 인자의 변화 추이에 기초하여, 상기 정상 표본 신호와 고장 표본 신호의 건전성 인자의 차이가 큰 오더를 필터링 오더로서 선정하는 단계;
   를 포함하는 선회장치의 고장진단 방법.
3. 제1항에 있어서,
   상기 필터링은 AR(Auto-Regressive)-MED(Minimum Entropy Deconvolution) 필터를 이용하여 수행되는, 선회장치의 고장진단 방법.
4. 제1항에 있어서,
   상기 필터링 오더를 선정하는 단계 이후 및 상기 고장 판정을 위한 신호를 필터링하는 단계 전에,
   센서가 기어박스의 진동을 센싱하여 로우 신호를 생성하는 단계; 및
   센싱된 진동 신호로부터 외부 가진 성분을 제거하는 단계;
   를 더 포함하는 선회장치의 고장진단 방법.
5. 제4항에 있어서,
   상기 외부 가진 성분은 펌프 회전 주파수 및 선회 모터 회전 주파수인 중 어느 하나 이상을 포함하는, 선회장치의 고장진단 방법.
6. 제1항에 있어서, 상기 건전성 데이터는 진동 관련 건전성 인자에 기초하는 것을 특징으로 하는 선회장치의 고장진단 방법.
7. 선회장치의 정상 표본 신호와 고장 표본 신호에 대하여 각각 오더의 변화에 따른 건전성 인자의 변화 추이에 기초하여, 필터링 오더를 선정하는 오더 선정부;
   상기 선정된 필터링 오더를 기반으로 로우(raw) 신호로부터 정상 표본 신호를 제거하여 고장 판정을 위한 신호를 추출하는 필터링부; 및
   상기 고장 판정을 위한 신호를 미리 저장된 건전성 데이터와 비교하여 선회장치의 고장 여부를 판단하는 고장 진단부
   를 포함하는 선회장치의 고장진단 장치.
8. 제7항에 있어서,
   상기 오더 선정부는 선회장치의 정상 표본 신호와 고장 표본 신호에 대하여 각각 오더의 변화에 따른 건전성 인자의 변화 추이 산출하고, 산출된 건전성 인자의 변화 추이에 기초하여, 상기 정상 표본 신호와 고장 표본 신호의 건전성 인자의 차이가 큰 오더를 필터링 오더로서 선정하는 것을 특징으로 하는 선회장치의 고장진단 장치.
9. 제7항에 있어서, 상기 필터링부는 AR(Auto-Regressive)-MED(Minimum Entropy Deconvolution) 필터를 포함하는 것을 특징으로 하는 선회장치의 고장진단 장치.
10. 제7항에 있어서,
    상기 건전성 데이터는 진동 관련 건전성 인자에 기초하는 것을 특징으로 하는 선회장치의 고장진단 장치.
    
    

Images