KR102645702B1 - 선박용 엔진 연소실 고장 진단시스템 및 이를 이용한 고장 진단방법 - Google Patents

선박용 엔진 연소실 고장 진단시스템 및 이를 이용한 고장 진단방법 Download PDF

Info

Publication number
KR102645702B1
KR102645702B1 KR1020230046754A KR20230046754A KR102645702B1 KR 102645702 B1 KR102645702 B1 KR 102645702B1 KR 1020230046754 A KR1020230046754 A KR 1020230046754A KR 20230046754 A KR20230046754 A KR 20230046754A KR 102645702 B1 KR102645702 B1 KR 102645702B1
Authority
KR
South Korea
Prior art keywords
cylinder
pressure
diagram
extracted
feature values
Prior art date
Application number
KR1020230046754A
Other languages
English (en)
Inventor
장화섭
박재철
이갑헌
Original Assignee
사단법인 한국선급
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 사단법인 한국선급 filed Critical 사단법인 한국선급
Priority to KR1020230046754A priority Critical patent/KR102645702B1/ko
Application granted granted Critical
Publication of KR102645702B1 publication Critical patent/KR102645702B1/ko
Priority to US18/619,318 priority patent/US20240337563A1/en

Links

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
    • G01M15/00—Testing of engines
    • G01M15/04—Testing internal-combustion engines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/04—Testing internal-combustion engines
    • G01M15/05—Testing internal-combustion engines by combined monitoring of two or more different engine parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/30—Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Ocean & Marine Engineering (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)

Abstract

선박용 엔진 연소실 고장 진단시스템 및 이를 이용한 고장 진단방법에서, 상기 고장 진단시스템은 PV 선도 도출부, 특징값 추출부 및 진단 분석부를 포함한다. 상기 PV 선도 도출부는 선박용 엔진에서 동작되는 복수의 실린더들 각각에 대하여, 실린더의 체적과 압력의 변화 관계인 PV 선도를 도출한다. 상기 특징값 추출부는 상기 PV 선도에서 기 정의된 특징값들을 추출한다. 상기 진단 분석부는 상기 기 정의된 특징값들을 이용하여 실린더 연소 동작의 정상 상태 또는 비정상 상태에 대한 기 학습된 결과를 이용하여, 해당 실린더에 대하여 추출된 특징값들로부터 해당 실린더 연소 동작의 정상 상태 또는 비정상 상태를 진단한다.

Description

선박용 엔진 연소실 고장 진단시스템 및 이를 이용한 고장 진단방법{FAILURE DIAGNOSIS SYSTEM FOR MARINE ENGINE COMBUSTION CHAMBER AMD METHOD FOR DIAGNOSING FAILURE OF MARINE ENGINE COMBUSTION CHAMBER USING THE SAME}
본 발명은 선박용 엔진 연소실 고장 진단시스템 및 이를 이용한 고장 진단방법에 관한 것으로, 더욱 상세하게는 선박용 엔진의 운행에 있어, 연소실 내의 압력 정보를 바탕으로 선박용 엔진 연소실의 정상 운행 상태의 여부를 판단하는 선박용 엔진 연소실 고장 진단시스템 및 이를 이용한 고장 진단방법에 관한 것이다.
최근 선박을 이용한 물류 유동량이 증가함에 따라 선박의 안전사고도 증가하고 있다. 선박의 경우, 안전사고가 발생하는 경우 야기되는 손해는 막대하며 이에 따라 선박의 안전사고의 예방은 선박 관리 시스템에서 가장 중요한 요소이다.
이에, 이러한 선박의 안전사고 예방과 관련하여 다양한 기술들이 개발되고 있으며, 대한민국 등록특허 제10-1732625호에서는 선박의 고장 진단 장치에 대한 기술을 개시하고 있다. 특히, 선박의 다양한 기기들에 대하여 통계 데이터를 바탕으로 고장의 원인 등에 대하여 분석하여 고장 진단을 수행하는 기술을 개시하고 있다.
그러나, 이러한 선박의 전반적인 동작 상태 외에, 특히 선박용 엔진 연소실의 경우, 선박 구동에서 가장 중요한 부분이며 이에 따라 연소실의 엔진 구동의 여부를 미리 진단하는 것은 선박 운행의 안정성 확보에 있어 매우 중요하다.
그럼에도, 아직까지 선박용 엔진의 연소실 내부압력을 바탕으로 엔진 구동 상태에 대하여 진단을 수행하는 기술은 개발이 미흡한 상황이다.
대한민국 등록특허 제10-1732625호
이에, 본 발명의 기술적 과제는 이러한 점에서 착안된 것으로 본 발명의 목적은 선박용 엔진 연소실의 운행에 있어, 압력 정보를 바탕으로 소정의 추출된 특징값을 활용하여 선박용 엔진 연소실의 정상 운행 상태의 여부를 판단하여, 판단의 신속성과 정확성을 향상시킬 수 있는 선박용 엔진 연소실 고장 진단시스템을 제공하는 것이다.
또한, 본 발명의 다른 목적은 상기 선박용 엔진 연소실 고장 진단시스템을 이용한 고장 진단방법을 제공하는 것이다.
상기한 본 발명의 목적을 실현하기 위한 일 실시예에 의한 고장 진단시스템은 PV 선도 도출부, 특징값 추출부 및 진단 분석부를 포함한다. 상기 PV 선도 도출부는 선박용 엔진에서 동작되는 복수의 실린더들 각각에 대하여, 실린더의 체적과 압력의 변화 관계인 PV 선도를 도출한다. 상기 특징값 추출부는 상기 PV 선도에서 기 정의된 특징값들을 추출한다. 상기 진단 분석부는 상기 기 정의된 특징값들을 이용하여 실린더 연소 동작의 정상 상태 또는 비정상 상태에 대한 기 학습된 결과를 이용하여, 해당 실린더에 대하여 추출된 특징값들로부터 해당 실린더 연소 동작의 정상 상태 또는 비정상 상태를 진단한다.
일 실시예에서, 상기 진단 분석부는, 정상 상태의 실린더 및 비정상 상태의 실린더 각각에 대하여 상기 기 정의된 특징값들을 추출하여 저장하는 데이터베이스, 상기 데이터베이스에 저장된 정상 상태의 실린더에서의 특징값에 대한 정보, 및 비정상 상태의 실린더에서의 특징값에 대한 정보를 학습하는 학습부, 및 상기 학습된 결과를 이용하여, 입력되는 해당 실린더에 대하여 추출된 특징값들로부터 해당 실린더 연소 동작의 정상 상태 또는 비정상 상태를 판단하는 판단부를 포함할 수 있다.
일 실시예에서, 상기 PV 선도는, 상기 실린더 내부의 피스톤의 위치 변화에 따른 상기 실린더 내부의 압력 변화를 도시한 그래프일 수 있다.
일 실시예에서, 상기 기 정의된 특징값들은, 압력의 최대값(Pmax), 압축 또는 팽창 행정 면적(Pic), 흡배기 행정 면적(Pis), 최대 압력과 연료분사시 압력의 차이(ΔP), 최대 압력시와 연료분사시의 각도 차이(Δθj), 최대 압력시와 연료분사시 사이의 기울기(Slope), 및 최대 압력시에서 하사점(bottom dead center, BDC)까지의 곡률(Cur)을 포함할 수 있다.
일 실시예에서, 상기 압력의 최대값(Pmax)은,
Figure 112023040018259-pat00001
식 (1)
상기 식 (1)로 추출되고, 이 때, N은 압력이 최대값인 경우의 연료 분사 각도를 기준으로 ±1° 범위의 샘플 수를 의미할 수 있다.
일 실시예에서, 상기 압축 또는 팽창 행정 면적(Pic)은,
Figure 112023040018259-pat00002
식 (2)
상기 식 (2)로 추출되고, 이 때, TDC는 피스톤의 상사점(top dead center), P는 압력, θ는 크랭크 각도를 의미할 수 있다.
일 실시예에서, 상기 흡배기 행정 면적(Pis)은,
Figure 112023040018259-pat00003
식 (3)
상기 식 (3)으로 추출될 수 있다.
일 실시예에서, 상기 최대 압력시와 연료분사시 사이의 기울기(Slope)는,
Figure 112023040018259-pat00004
식 (4)
상기 식 (4)로 추출될 수 있다.
상기 특징값 추출부는, 상기 특징값들을 기 설정된 시간동안의 평균값으로 추출할 수 있다.
상기한 본 발명의 목적을 실현하기 위한 일 실시예에 의한 고장 진단방법은, 선박용 엔진에서 동작되는 복수의 실린더들 각각에 대하여, 실린더의 체적과 압력의 변화 관계인 PV 선도를 도출하는 단계, 상기 PV 선도에서 기 정의된 특징값들을 추출하는 단계, 데이터베이스에 저장된 정상 상태의 실린더에서의 특징값에 대한 정보, 및 비정상 상태의 실린더에서의 특징값에 대한 정보를 학습하는 단계, 및 상기 학습된 결과를 이용하여, 해당 실린더에 대하여 추출된 특징값들로부터 해당 실린더의 정상 상태 또는 비정상 상태를 진단하는 단계를 포함한다.
일 실시예에서, 상기 기 정의된 특징값들은, 압력의 최대값(Pmax), 압축 또는 팽창 행정 면적(Pic), 흡배기 행정 면적(Pis), 최대 압력과 연료분사시 압력의 차이(ΔP), 최대 압력시와 연료분사시의 각도 차이(Δθj), 최대 압력시와 연료분사시 사이의 기울기(Slope), 및 최대 압력시에서 하사점(bottom dead center, BDC)까지의 곡률(Cur)을 포함할 수 있다.
본 발명의 실시예들에 의하면, 실린더 연소 동작에 대한 PV 선도로부터 특징값들을 추출하고, 상기 특징값들을 바탕으로 학습을 수행하여 해당 실린더 연소 동작 상태를 진단할 수 있으므로, 선박용 엔진 연소실에서의 연소 상태에 대한 보다 신속하고 정확한 진단을 수행할 수 있다.
특히, 종래의 실린더 연소 동작 상태의 진단과 달리, 총 7가지의 특징값들을 정의하고, 상기 특징값들을 PV 선도로부터 추출하여 실린더 연소 동작 상태를 진단하므로, 다양한 특징값들에 대한 중복 고려를 통해, 실린더 연소 동작 상태의 진단 결과의 정확성을 향상시킬 수 있다.
또한, 상기 특징값들을 바탕으로 실린더 연소 동작 상태를 진단함에 있어, 학습부를 통한 학습 결과를 활용하므로, 복수의 특징값들에 대한 불필요한 연산을 최소화하며, 인공지능으로 특징값들 사이의 연관성을 분석하여 동작 상태의 진단이 가능하여, 연산 시간이나 판단 시간을 최소화하는 것은 물론, 진단 결과의 정확성도 향상시킬 수 있다.
도 1은 본 발명의 일 실시예에 의한 선박용 엔진 연소실 고장 진단시스템을 도시한 블록도이다.
도 2는 도 1의 PV 선도에서 추출되는 특징값을 예시한 그래프이다.
도 3은 도 1의 고장 시스템을 이용한 고장 진단방법을 도시한 흐름도이다.
도 4는 도 1의 고장 진단시스템을 이용한 고장 진단 시험의 예에서, 선박용 엔진의 실린더들의 고장 상태를 예시한 모식도이다.
도 5a 및 도 5b는 도 1의 고장 진단시스템을 이용한 고장 진단 시험의 예에서, 학습부의 진단 결과의 정확도를 설명하기 위한 그래프들이다.
도 6a 및 도 6b는 도 1의 고장 진단시스템을 이용한 고장 진단 시험의 예에서, 학습부의 학습 결과의 신뢰도를 설명하기 위한 그래프들이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 실시예들을 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다.
상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함하다" 또는 "이루어진다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 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 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 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 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다.
도 1은 본 발명의 일 실시예에 의한 선박용 엔진 연소실 고장 진단시스템을 도시한 블록도이다. 도 2는 도 1의 PV 선도에서 추출되는 특징값을 예시한 그래프이다.
우선, 도 1을 참조하면, 본 실시예에 의한 선박용 엔진 연소실 고장 진단시스템(10, 이하 고장 진단 시스템이라 함)은 PV 선도 도출부(100), 특징값 추출부(200) 및 진단 분석부(300)를 포함하며, 상기 진단 분석부(300)는 데이터베이스(310), 학습부(320) 및 판단부(330)를 포함한다.
본 실시예에서의 상기 고장 진단 시스템(10)은 선박용 엔진 연소실의 동작에 대한 고장을 진단하는 것으로, 구체적으로는 선박용 엔진 연소실에서 구동되는 엔진의 고장을 진단하는 것이다. 나아가, 본 실시예의 경우, 실린더의 정상 동작여부를 판단하는 것으로 상기 엔진의 고장을 진단한다. 즉, 선박의 엔진을 구성하는 다양한 구성부품들 중 정상 동작이 수행되지 않는 구성부품이 존재한다면, 결국 실린더 연소 동작이 비정상 상태로 구현될 수 있으며, 나아가 엔진의 구성부품들의 동작 중 가장 중요한 구성부품이 실린더라 할 수 있으므로, 본 실시예에서는, 이러한 실린더 연소 동작 상태에 대한 진단을 바탕으로, 선박용 엔진 연소실의 동작에 대한 고장을 진단할 수 있다.
이에, 이하에서는 이러한 실린더 연소 동작 상태에 기반한 고장 진단시스템(10)에 대하여 상세히 설명한다.
우선, 상기 PV 선도 도출부(100)는 상기 선박용 엔진에서 동작되는 복수의 실린더들 각각에 대하여, 실린더의 체적(volume)과 압력(pressure)의 변화관계인 PV(pressure-volume) 선도를 도출한다.
일반적으로, 선박의 엔진은 복수의 실린더들을 포함하도록 구성되므로, 상기 PV 선도 도출부(100)에서는 각각의 실리더들에 대하여 체적과 압력 변화관계인 상기 PV 선도를 도출하여야 한다.
상기 PV 선도 도출부(100)를 통해 도출되는 PV 선도는 도 2에서와 같이 도출될 수 있다.
즉, 도 2를 참조하면, X축을 체적(volume)으로, Y축을 압력(pressure)으로 하여, 체적과 압력의 변화 관계가, 실린더가 동작하는 동작 특성에 따라 도출된다.
도 2에서, TDC는 피스톤이 가장 높이 올라갔을 때의 위치인 상사점(top dead center)에 해당되고, EVC는 배기밸브가 닫힌 상태(exhaust valve close)에 해당되고, BDC는 피스톤이 가장 낮게 내려갔을 때의 위치인 하사점(bottom dead center)에 해당되고, IVC는 분사밸브가 닫힌 상태(injection valve close)에 해당되고, FI는 연료 분사시점(Fuel injection)에 해당되고, EVO는 배기밸브가 열린 상태(exhaust valve open)에 해당되며, IVO는 분사밸브가 열린 상태(injection valve open)에 해당된다.
즉, 도 2에서와 같이 각각의 실린더의 구동 상태에 따라 PV 선도가 도출될 수 있다.
이상과 같이 상기 PV 선도 도출부(100)에서 도 2에서와 같은 PV 선도가 도출되면, 상기 특징값 추출부(200)는 상기 PV 선도로부터, 기 정의된 특징값들을 추출한다.
이 때, 상기 특징값 추출부(200)는 상기 정의된 특징값들을 기 설정된 시간, 예를 들어 1초 동안의 평균값으로 추출한다. 이를 통해, 상기 선박용 엔진 연소실의 연소 상태에 대한 가변 상태를 보다 정확하게 판단할 수 있다.
상기 기 정의된 특징값들은, 본 발명의 실시예에 의한 고장 진단시스템에서 고장 진단을 위해 정의된 특징값들에 해당되며, 상기 PV 선도로부터 실린더 구동 특성을 판단할 수 있는 7가지의 추출값이다.
이러한, 상기 특징값들은, 압력의 최대값(Pmax), 압축 또는 팽창 행정 면적(Pic), 흡배기 행정 면적(Pis), 최대 압력과 연료분사시 압력의 차이(ΔP), 최대 압력시 각도와 연료분사시 각도의 차이(Δθ), 최대 압력시와 연료분사시 사이의 기울기(Slope), 및 최대 압력시에서 하사점(bottom dead center, BDC)까지의 곡률(Cur)일 수 있다.
구체적으로, 상기 특징값들의 내용과 상기 PV 선도로부터 추출되는 방법에 대하여 설명하면 하기와 같다.
우선, 상기 압력의 최대값(Pmax)은,
Figure 112023040018259-pat00005
식 (1)
상기 식 (1)로 추출되고, 이 때, N은 압력이 최대값인 경우의 연료 분사 각도를 기준으로 ±1° 범위의 샘플 수를 의미한다.
상기 압력의 최대값(Pmax)은 해당 사이클에서의 최대 압력을 의미하는 것으로, 도 2의 PV 선도에서 최대 압력을 나타내는 위치의 압력값에 해당된다. 이때, 상기 최대 압력을 나타내는 위치의 압력값을 정확하게 도출하기 위해 상기 식 (1)과 같이 샘플 수를 추출하여 추출된 샘플 수에 대하여 압력의 평균값을 바탕으로 도출할 수 있다.
또한, 상기 압축 또는 팽창 행정 면적(Pic)은,
Figure 112023040018259-pat00006
식 (2)
상기 식 (2)로 추출되고, 이 때, TDC는 앞서 설명한 바와 같이 피스톤의 상사점(top dead center)을 의미하되 압축 또는 팽창 행정의 수행에 포함되는 피스톤 상사점인 TDC를 TDCc(즉, TDC2)로 정의할 수 있고, P는 압력, θ는 크랭크 각도를 의미한다.
이 경우, 상기 압축 또는 팽창 행정 면적(Pic)은 도 2에 도시된 바와 같이, BDC1~TDC2~BDC2 사이의 PV 선도가 차지하는 면적으로 정의되며, 상기 식 (2)와 같은 수식을 통해 도출될 수 있다.
또한, 상기 흡배기 행정 면적(Pis)은,
Figure 112023040018259-pat00007
식 (3)
상기 식 (3)으로 추출되며, 이 때, TDC는 앞서 설명한 바와 같이 피스톤의 상사점(top dead center)을 의미하되 흡배기 행정 수행에 포함되는 피스톤 상사점인 TDC를 TDCs(즉, TDC1)로 정의한다.
이 경우, 상기 흡배기 행정 면적(Pis)은 연소 전/후의 흡기 및 배기 행정 면적을 의미하는 것으로, 도 2에 도시된 바와 같이, TDC1~BDC1 및 BDC2 이후에서의 PV 선도가 차지하는 면적으로 정의되며, 상기 식 (3)과 같은 수식을 통해 도출될 수 있다.
또한, 상기 최대 압력과 연료분사시 압력의 차이(ΔP)는, 도 2에 도시된 바와 같이, 상기 도출된 최대 압력(Pmax)과 연료 분사 시기(FI)에서의 압력 사이의 차이로 정의된다. 이러한 상기 압력 차이(ΔP)는 도 2의 PV 선도를 통해 용이하게 도출될 수 있다.
또한, 상기 최대 압력시와 연료분사시의 각도 차이(Δθj)는, 도 2에 도시된 바와 같이, 연료 분사 시기(FI)에서 최대 압력(Pmax)까지의 상기 PV 선도내에서의 각도 변화를 의미한다. 이러한 상기 각도 차이(Δθj)는 도 2의 PV 선도를 통해 용이하게 도출될 수 있다.
또한, 상기 최대 압력시와 연료분사시 사이의 기울기(Slope)는,
Figure 112023040018259-pat00008
식 (4)
상기 식 (4)로 추출된다.
이 경우, ΔP는 상기 도출된 최대 압력(Pmax)과 연료 분사 시기(FI)에서의 압력 사이의 차이로 정의되고, Δθj는 연료 분사 시기(FI)에서 최대 압력(Pmax)까지의 상기 PV 선도내에서의 각도 변화로 정의됨은 앞서 설명한 바와 같다. 따라서, 상기 최대 압력시와 연료분사시 사이의 기울기(Slope) 역시 상기 PV 선도로부터 용이하게 도출될 수 있다.
또한, 상기 최대 압력시에서 하사점(bottom dead center, BDC)까지의 곡률(Cur)은 도 2에 도시된 바와 같이, TDC2~BDC2까지의 PV 선도에서의 곡률에 대한 정보를 추출하는 것으로, 상기 PV 선도로부터 용이하게 도출될 수 있다.
이상과 같이, 상기 특징값 추출부(200)는 상기 PV 선도로부터, 정의된 총 7가지의 특징값들을 추출하고, 이렇게 추출된 특징값들을 상기 진단 분석부(300)로 제공한다.
상기 진단 분석부(300)는 상기 제공되는 특징값들을 바탕으로, 해당 실린더 연소 동작의 정상 여부를 진단한다. 이 경우, 상기 진단 분석부(300)의 진단은 상기 학습부(320)에서의 학습의 결과를 활용하여 수행된다.
이를 위해, 상기 학습부(320)는 사전에 특징값들을 통해 실린더 연소 동작의 정상 여부에 대한 학습을 수행한다.
구체적으로, 상기 데이터베이스(310)에는, 다양한 실린더의 상태에 따라 기 추출된 상기 특징값들에 대한 데이터들이 저장된다. 즉, 실린더가 정상적으로 동작하는 경우에 추출되는 특징값들 데이터는 물론이며, 실린더가 비정상적으로 동작하는 경우에 추출되는 특징값들 데이터 모두 상기 데이터베이스(310)에 미리 저장된다.
나아가, 현 단계에서 고장 진단의 대상이 되는 실린더로부터 추출되는 특징값들에 대한 데이터와, 상기 판단부(330)에서 판단한 결과도 다시 상기 데이터베이스(310)에 저장되는 것으로, 상기 데이터베이스(310)는 실시간으로 갱신될 수 있다.
이에, 상기 학습부(320)는 사전에, 상기 데이터베이스(310)에 저장된 내용들을 바탕으로, 소정의 학습을 수행한다. 이 때, 상기 학습부(320)의 학습은 머신 러닝(machine learning)을 통해 수행될 수 있다.
즉, 상기 데이터베이스(310)에 기 저장된, 정상 상태에서 실린더가 동작하는 경우에 추출되는 상기 7가지의 특징값들의 결과값에 대하여 학습을 수행하고, 또한 비정상 상태에서 실린더가 동작하는 경우, 즉 실린더의 오동작이나 고장 등이 발생한 경우에 추출되는 상기 7가지의 특징값들의 결과값에 대하여 학습을 수행한다.
그리하여, 선박용 엔진에서 동작하는 실린더가 정상 상태인 경우와 비정상 상태인 경우의 추출되는 특징값들에 대한 비교 학습을 수행할 수 있다.
따라서, 이러한 상기 학습부(320)의 학습의 결과를 바탕으로, 상기 판단부(330)에서는, 해당 실린더, 즉 정상 상태인지 비정상 상태인지 판단이 필요한 실린더에 대하여 추출된 상기 7가지의 특징값들을 바탕으로, 해당 실린더의 정상 상태 또는 비정상 상태를 판단하게 된다.
또한, 이렇게 판단된 결과는, 추출된 특징값들과 함께 상기 데이터베이스(310)로 저장되어 저장 내용이 실시간 갱신됨은 앞서 설명한 바와 같다.
도 3은 도 1의 고장 시스템을 이용한 고장 진단방법을 도시한 흐름도이다.
도 3을 참조하면, 상기 고장 시스템(10)을 이용한 고장 진단방법에서는, 우선, 상기 PV 선도 도출부(100)에서, 상기 선박용 엔진에서 동작되는 복수의 실린더들 각각에 대하여, 실린더의 체적과 압력의 변화 관계인 PV 선도를 도출한다(단계 S10).
이 후, 상기 특징값 추출부(200)에서는 상기 PV 선도로부터, 기 정의된 특징값들을 추출한다(단계 S20). 이 경우, 추출되는 상기 특징값들은 앞서 도 2를 참조하여 설명한 바와 같다.
또한, 상기 특징값 추출부(200)에서 상기 특징값들을 추출하는 경우, 기 설정된 시간, 예를 들어, 1초 동안의 평균값을 추출함에 대하여도 앞서 설명한 바와 같다.
한편, 상기 학습부(320)에서는, 실린더의 연소상태에 따른 상기 특징값들에 대한 데이터가 저장되는 상기 데이터베이스(310)의 저장 자료를 바탕으로, 정상 상태의 실린더로부터 추출되는 특징값들의 특징과, 비정상 상태의 실린더로부터 추출되는 특징값들의 특징에 대하여 미리 학습을 수행한다(단계 S30).
그리하여, 상기 판단부(330)에서는, 상기 학습부(320)의 학습의 결과를 이용하여, 정상 또는 비정상 상태의 여부를 판단하여야 하는 해당 실린더로부터 추출되는 상기 특징값들을 바탕으로, 해당 실린더의 정상 상태 또는 비정상 상태를 판단한다(단계 S40).
한편, 이하에서는, 실제 선박용 엔진에서 동작되는 실린더들에 대하여 일부 실린더가 고장 상태인 것을 예시하여, 상기 학습부(320)의 학습의 결과 및 이를 통한 고장 여부의 판단 결과의 정확도 및 신뢰도에 대하여 설명한다.
도 4는 도 1의 고장 진단시스템을 이용한 고장 진단 시험의 예에서, 선박용 엔진의 실린더들의 고장 상태를 예시한 모식도이다.
도 4를 참조하면, 선박용 엔진에서 사용되는 총 6개의 실린더들에 대하여, 제1 및 제4 실린더들은 고장 상태를 가정하고, 나머지 실린더들은 정상 상태를 가정하여, 상기 학습부의 학습의 결과를 활용한 실린더들의 고장 상태 진단의 결과를 실험하였다.
도 5a 및 도 5b는 도 1의 고장 진단시스템을 이용한 고장 진단 시험의 예에서, 학습부의 진단 결과의 정확도를 설명하기 위한 그래프들이다.
도 5a 및 도 5b는 특정 모델의 정확도를 평가하는 소위, 컨퓨전 매트릭스(confusion matrix)를 도시한 것으로, 도 5a는 본 발명에서의 상기 학습부(320)를 이용한 학습 모델의 정확도 평가 결과이고, 도 5b는 Raw data를 그대로 사용한 경우의 모델의 정확도 평가 결과이다.
우선, 도 5b의 Raw data를 그대로 사용한 모델은, 정상상태의 실린더 연소 동작 및 비정상 상태의 실린더 연소 동작에 대하여, 실린더 연소 동작 상태에 관한 모든 데이터를 입력받아 학습을 수행한 결과의 정확도를 도시한 것이다. 다만, 상기 모든 Raw data를 입력받는 경우, 그 데이터의 양이 매우 커 학습이 불가능하므로, 1초 1회 단위의 평균값으로 scale down을 수행한 데이터에 대하여 학습을 수행하였다.
이에, 이러한 학습의 결과를 바탕으로 실린더 연소 동작의 판단 결과를 실제 실린더 연소 동작 상태의 결과를 비교하여, 상기 scale down된 Raw data의 학습 결과의 정확도를 나타내었다.
도 5a는 본 실시예에 의한 상기 학습부(320)를 통해, 상기 데이터베이스(310)에 저장된 정상 상태의 실린더 및 비정상 상태의 실린더의 PV 선도로부터 추출된 7가지의 특징값들을 바탕으로 학습을 수행한 결과를 실제 실린더 오작 상태의 결과와 비교하여, 학습 결과의 정확도를 나타낸 것이다.
이에, 도 5a 및 도 5b를 비교하면, 도 5a에서의 본 실시예에 의한 상기 학습부(320)를 통해 학습한 결과의 정확도가 98%로 매우 높은 것을 확인할 수 있다. 따라서, PV 선도로부터 추출된 7가지 특징값들만을 이용한 학습을 통해서도 효과적으로 실린더 연소 동작의 정상 상태의 여부를 정확하게 판단할 수 있음을 확인할 수 있다.
도 6a 및 도 6b는 도 1의 고장 진단시스템을 이용한 고장 진단 시험의 예에서, 학습부의 학습 결과의 신뢰도를 설명하기 위한 그래프들이다. 즉, 도 6a 및 도 6b는 도 5a 및 도 5b의 각각의 학습의 결과에 대하여, 각 학습 모델의 신뢰도를 평가하기 위한 그래프이다.
도 6a 및 도 6b에서는, 예를 들어, 정상 상태의 실린더로 판단한 케이스는 (+) 영역(red, 그래프의 상부측)으로 표시되고, 비정상 상태의 실린더로 판단한 케이스는 - 영역(blue, 그래프의 하부측)으로 표시되었다.
이에, 도 6a 및 도 6b를 참조하면, 도 6a에서의 본 실시예에 의한 학습부(320)를 이용한 학습의 결과가 정상 상태로 판단한 케이스와 비정상 상태로 판단한 케이스가 보다 명확하게 도출되는 것을 확인할 수 있다. 즉, (+) 영역의 그래프 상의 값과, (-) 영역의 그래프 상의 값이 확연하게 구별되도록 도시되는 것이 확인되며, 도 6b에서와 같이 값이 점차 감소하는 형태(즉, 대각선 형태의 도시)로 구별이 모호해지는 영역이 최소인 것을 확인할 수 있다.
다만, 도 6a에서 경계 영역에서 중복되는 데이터들이 획득되기는 하였으나, 이는 학습에 사용된 케이스가 많은 결과이며, 경계선에서 값이 점차 감소하는 영역이 도 6b에서 보다 좁은 것은 명확하게 확인할 수 있다.
이를 통해, 도 6a에서와 같이 본 실시예에 의한 학습부(320)를 이용한 학습의 결과에서, 학습 결과의 신뢰도가 더 높은 것을 확인할 수 있다.
상기와 같은 본 발명의 실시예들에 의하면, 실린더 연소 동작에 대한 PV 선도로부터 특징값들을 추출하고, 상기 특징값들을 바탕으로 학습을 수행하여 해당 실린더 연소 동작 상태를 진단할 수 있으므로, 선박용 엔진 연소실에서의 연소 상태에 대한 보다 신속하고 정확한 진단을 수행할 수 있다.
특히, 종래의 실린더 연소 동작 상태의 진단과 달리, 총 7가지의 특징값들을 정의하고, 상기 특징값들을 PV 선도로부터 추출하여 실린더 연소 동작 상태를 진단하므로, 다양한 특징값들에 대한 중복 고려를 통해, 실린더 연소 동작 상태의 진단 결과의 정확성을 향상시킬 수 있다.
또한, 상기 특징값들을 바탕으로 실린더 연소 동작 상태를 진단함에 있어, 학습부를 통한 학습 결과를 활용하므로, 복수의 특징값들에 대한 불필요한 연산을 최소화하며, 인공지능으로 특징값들 사이의 연관성을 분석하여 동작 상태의 진단이 가능하여, 연산 시간이나 판단 시간을 최소화하는 것은 물론, 진단 결과의 정확성도 향상시킬 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10 : 고장 진단시스템 100 : PV 선도 도출부
200 : 특징값 추출부 300 : 진단 분석부
310 : 데이터베이스 320 : 학습부
330 : 판단부

Claims (11)

  1. 선박용 엔진에서 동작되는 복수의 실린더들 각각에 대하여, 실린더의 체적과 압력의 변화 관계인 PV 선도를 도출하는 PV 선도 도출부;
    상기 PV 선도에서 기 정의된 특징값들을 추출하는 특징값 추출부; 및
    상기 기 정의된 특징값들을 이용하여 실린더 연소 동작의 정상 상태 또는 비정상 상태에 대한 기 학습된 결과를 이용하여, 해당 실린더에 대하여 추출된 특징값들로부터 해당 실린더 연소 동작의 정상 상태 또는 비정상 상태를 진단하는 진단 분석부를 포함하고,
    상기 기 정의된 특징값들은,
    압력의 최대값(Pmax), 압축 행정 또는 팽창 행정의 면적(Pic), 흡배기 행정 면적(Pis), 최대 압력과 연료분사시 압력의 차이(ΔP), 최대 압력시와 연료분사시의 각도 차이(Δθj), 최대 압력시와 연료분사시 사이의 기울기(Slope), 및 최대 압력시에서 하사점(bottom dead center, BDC)까지의 곡률(Cur)을 포함하는 것을 특징으로 하는 고장 진단시스템.
  2. 제1항에 있어서, 상기 진단 분석부는,
    정상 상태의 실린더 및 비정상 상태의 실린더 각각에 대하여 상기 기 정의된 특징값들을 추출하여 저장하는 데이터베이스;
    상기 데이터베이스에 저장된 정상 상태의 실린더에서의 특징값에 대한 정보, 및 비정상 상태의 실린더에서의 특징값에 대한 정보를 학습하는 학습부; 및
    상기 학습된 결과를 이용하여, 입력되는 해당 실린더에 대하여 추출된 특징값들로부터 해당 실린더 연소 동작의 정상 상태 또는 비정상 상태를 판단하는 판단부를 포함하는 것을 특징으로 하는 고장 진단시스템.
  3. 제1항에 있어서, 상기 PV 선도는,
    상기 실린더 내부의 피스톤의 위치 변화에 따른 상기 실린더 내부의 압력 변화를 도시한 그래프인 것을 특징으로 하는 고장 진단시스템.
  4. 삭제
  5. 제1항에 있어서, 상기 압력의 최대값(Pmax)은,
    Figure 112023120211545-pat00009
    식 (1)
    상기 식 (1)로 추출되고, 이 때, N은 압력이 최대값인 경우의 연료 분사 각도를 기준으로 ±1° 범위의 샘플 수를 의미하는 것을 특징으로 하는 고장 진단시스템.
  6. 제1항에 있어서, 상기 압축 행정 또는 팽창 행정의 면적(Pic)은,
    Figure 112024001159668-pat00010
    식 (2)
    상기 식 (2)로 추출되고, 이 때, TDCc는 압축 행정 또는 팽창 행정의 수행에 포함되는 피스톤의 상사점(top dead center), P는 압력, θ는 크랭크 각도를 의미하는 것을 특징으로 하는 고장 진단시스템.
  7. 제1항에 있어서, 상기 흡배기 행정 면적(Pis)은,
    Figure 112024001159668-pat00011
    식 (3)
    상기 식 (3)으로 추출되고, 이 때, TDCs는 흡배기 행정 수행에 포함되는 피스톤의 상사점(top dead center), P는 압력, θ는 크랭크 각도를 의미하는 것을 특징으로 하는 고장 진단시스템.
  8. 제1항에 있어서, 상기 최대 압력시와 연료분사시 사이의 기울기(Slope)는,
    Figure 112023120211545-pat00012
    식 (4)
    상기 식 (4)로 추출되는 것을 특징으로 하는 고장 진단시스템.
  9. 제1항에 있어서, 상기 특징값 추출부는,
    상기 특징값들을 기 설정된 시간동안의 평균값으로 추출하는 것을 특징으로 하는 고장 진단시스템.
  10. 선박용 엔진에서 동작되는 복수의 실린더들 각각에 대하여, 실린더의 체적과 압력의 변화 관계인 PV 선도를 도출하는 단계;
    상기 PV 선도에서 기 정의된 특징값들을 추출하는 단계;
    데이터베이스에 저장된 정상 상태의 실린더에서의 특징값에 대한 정보, 및 비정상 상태의 실린더에서의 특징값에 대한 정보를 학습하는 단계; 및
    상기 학습된 결과를 이용하여, 해당 실린더에 대하여 추출된 특징값들로부터 해당 실린더의 정상 상태 또는 비정상 상태를 진단하는 단계를 포함하고,
    상기 기 정의된 특징값들은,
    압력의 최대값(Pmax), 압축 행정 또는 팽창 행정의 면적(Pic), 흡배기 행정 면적(Pis), 최대 압력과 연료분사시 압력의 차이(ΔP), 최대 압력시와 연료분사시의 각도 차이(Δθj), 최대 압력시와 연료분사시 사이의 기울기(Slope), 및 최대 압력시에서 하사점(bottom dead center, BDC)까지의 곡률(Cur)을 포함하는 것을 특징으로 하는 고장 진단방법.
  11. 삭제
KR1020230046754A 2023-04-10 2023-04-10 선박용 엔진 연소실 고장 진단시스템 및 이를 이용한 고장 진단방법 KR102645702B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020230046754A KR102645702B1 (ko) 2023-04-10 2023-04-10 선박용 엔진 연소실 고장 진단시스템 및 이를 이용한 고장 진단방법
US18/619,318 US20240337563A1 (en) 2023-04-10 2024-03-28 Failure diagnosis system for marine engine combustion chamber and method for diagnosing failure of marine engine combustion chamber using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230046754A KR102645702B1 (ko) 2023-04-10 2023-04-10 선박용 엔진 연소실 고장 진단시스템 및 이를 이용한 고장 진단방법

Publications (1)

Publication Number Publication Date
KR102645702B1 true KR102645702B1 (ko) 2024-03-11

Family

ID=90248784

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230046754A KR102645702B1 (ko) 2023-04-10 2023-04-10 선박용 엔진 연소실 고장 진단시스템 및 이를 이용한 고장 진단방법

Country Status (2)

Country Link
US (1) US20240337563A1 (ko)
KR (1) KR102645702B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101732625B1 (ko) 2015-03-25 2017-05-04 삼성중공업 주식회사 선박의 고장 진단 장치
KR101891477B1 (ko) * 2018-04-23 2018-09-28 정균식 대형 저속 엔진의 연소분석장치 및 이를 이용한 엔진의 연소상태 판단방법
KR20230009484A (ko) * 2020-07-06 2023-01-17 고쿠리츠겐큐카이하츠호진 가이죠·고완·고쿠기쥬츠겐큐죠 엔진의 이상 진단 방법, 엔진의 이상 진단 프로그램 및 엔진의 이상 진단 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101732625B1 (ko) 2015-03-25 2017-05-04 삼성중공업 주식회사 선박의 고장 진단 장치
KR101891477B1 (ko) * 2018-04-23 2018-09-28 정균식 대형 저속 엔진의 연소분석장치 및 이를 이용한 엔진의 연소상태 판단방법
KR20230009484A (ko) * 2020-07-06 2023-01-17 고쿠리츠겐큐카이하츠호진 가이죠·고완·고쿠기쥬츠겐큐죠 엔진의 이상 진단 방법, 엔진의 이상 진단 프로그램 및 엔진의 이상 진단 시스템

Also Published As

Publication number Publication date
US20240337563A1 (en) 2024-10-10

Similar Documents

Publication Publication Date Title
Flett et al. Fault detection and diagnosis of diesel engine valve trains
US11454569B2 (en) Engine health diagnostic apparatus and method
US9399958B2 (en) Specifying method of EGR rate in internal combustion engine and control apparatus of internal combustion engine
US10704463B2 (en) Method of monitoring an engine able to operate with selective valve deactivation
CN102057150A (zh) 在带有可变阀控制的发动机系统中诊断故障的方法和装置
CN113435453B (zh) 基于卷积神经网络的往复式压缩机故障诊断方法及系统
US8428809B2 (en) Multi-step valve lift failure mode detection
US20090049898A1 (en) Diagnostic systems and methods for the high pressure side of fuel systems in common fuel rail engines
KR102645702B1 (ko) 선박용 엔진 연소실 고장 진단시스템 및 이를 이용한 고장 진단방법
JPH0925851A (ja) 内燃機関の排気還流装置における診断装置
US20070151545A1 (en) Method and device for ascertaining valve timing for gas-exchange valves of an internal combustion engine
KR102673228B1 (ko) 선박의 고장 진단 및 예측 알고리즘 개발시스템 및 이를 이용한 선박의 고장 진단 및 예측 알고리즘 개발방법
KR102674766B1 (ko) 인공지능을 이용한 밸브 고장진단 시스템 및 이를 이용한 밸브 고장진단 방법
KR101014476B1 (ko) 가변 밸브 리프트 시스템 고장판정 방법 및 고장판정 장치
JP4935792B2 (ja) 内燃機関の空燃比制御装置の異常診断装置
DE112008000187B4 (de) Verfahren zur Diagnose und Klassifikation von Fehlern einer Brennkraftmaschine
CN114542281B (zh) 一种基于多源数据融合的柴油机失火故障识别方法
KR102213233B1 (ko) 단 기통 엔진의 실화 진단 시스템 및 실화 진단 방법
JP4346427B2 (ja) 可変動弁機構付きエンジンの診断方法及び診断装置
KR102689264B1 (ko) 선박용 2행정 디젤기관의 실린더 기밀 상태 진단 방법
US12013311B2 (en) Method for detecting malfunctioning turbo-diesel cylinders
Pichler et al. Detecting cracks in reciprocating compressor valves using pattern recognition in frequency space
US20240191670A1 (en) Method for monitoring the operation of an internal combustion engine, control device designed to carry out a method of this type, and internal combustion engine having a control device of this type
Chandroth Condition monitoring: the case for integrating data from independent sources
JP7326174B2 (ja) 判定装置、船陸間通信システム及び判定方法

Legal Events

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