KR102946292B1

KR102946292B1 - 모터 고장 진단 방법 및 장치

Info

Publication number: KR102946292B1
Application number: KR1020240000697A
Authority: KR
Inventors: 김남수; 권우영
Original assignee: 건국대학교 산학협력단
Priority date: 2023-04-24
Filing date: 2024-01-03
Publication date: 2026-03-31
Anticipated expiration: 2044-01-03
Also published as: KR20240156937A

Abstract

일 측면에 따른 모터 고장 진단 방법은, 모터에 부착된 레졸버(resolver)의 출력 신호를 획득하는 단계; 상기 레졸버의 출력 신호를 이용하여 리사주 곡선(lissajous curve)을 계산하는 단계; 상기 리사주 곡선의 이심률을 계산하는 단계; 및 상기 이심률에 기초하여 모터의 고장을 진단하는 단계;를 포함한다.

Description

모터 고장 진단 방법 및 장치 {Method and apparatus for diagnosis of motor}

본 개시는, 모터의 고장을 진단하는 방법 및 장치에 관하며, 더 구체적으로는 모터의 편심 고장 및 감자 고장을 예지, 고장 여부를 결정, 고장의 심각도를 결정하는 방법 및 장치에 관한 것이다.

최근 자동차는 연소식 엔진을 사용하는 자동차에서 환경친화적이고, 연비를 고려한 또 다른 형태의 자동차, 즉, 하이브리드 자동차나 전기자동차에 대하여 활발한 연구 개발이 진행되고 있다.

하이브리드 자동차는 기존의 엔진과 전기에너지로 구동되는 모터를 연계하여 두 가지의 동력원으로 차량을 구동하고, 전기자동차는 전기에너지로 구동되는 모터만으로 구동하는 만큼, 배기가스에 의한 환경오염의 감소와 함께 연비향상의 효과로 인하여 미국과 일본을 중심으로 최근 각광을 받고 있는 차세대 자동차로 자리매김하고 있다. 이에 따라 전동화 챠량용 견인 시스템 핵심 부품의 안전성과 신뢰성 확보에 대한 필요성 또한 대두되고 있는 상황이다.

친환경자동차는 모터 구동 및 제어를 위한 인버터 시스템을 탑재하고 있으며, 모터 제어에 사용되는 모터 회전자 절대각 위치(absolute angular position, θ)를 검출하기 위한 위치 센서로서 레졸버(resolver)를 이용하고 있다. 레졸버는 전동화 차량용 견인 시스템을 포함하여 다양한 시스템에 필수적으로 장착되는 핵심 요소로 레졸버 신호를 활용해 전동기단의 고장을 진단할 경우 고장 진단을 위한 추가적인 센서를 부착할 필요가 없어 비용 효율적이다.

레졸버는 그 자체에 전자부품을 포함하고 있지 않기 때문에 175도의 고온과 -55도의 저온에서도 버틸 수 있다. 회전자와 고정자 사이의 그 어떤 전기적, 기계적인 접촉점이 없기 때문에 가혹한 환경의 조건에서도 이상적이고 안정적인 장치로 사용될 수 있다. 따라서 레졸버 신호를 활용하여 모터 고장을 진단할 경우, 강건하게 고장을 진단할 수 있고 부하 토크 및 운전 속도의 영향을 받지 않으며 알고리즘의 산출 부담도 낮아 제한된 프로세서의 성능 내에서도 구현 가능하다.

레졸버 신호를 활용하여 모터 고장을 진단하는 특허문헌 1은 여자신호를 인가받아 모터 회전자 절대각을 나타내는 신호를 출력하는 레졸버; 상기 레졸버로부터 입력되는 레졸버 출력신호를 디지털로 변환하고 변조된 상태의 신호를 복조하여 출력하는 RDC(Resolver to Digital Converter); 상기 RDC로부터 입력되는 코사인 신호와 사인 신호를 통해 모터 회전자 절대각을 출력하는 신호처리부; 상기 신호처리부로부터 입력되는 정해진 시간 동안의 코사인 값들과 사인 값들을 각각 평균하여 상기 코사인 신호와 사인 신호의 리사주(Lissajous) 중점 좌표값에 해당하는 코사인 평균값과 사인 평균값, 그리고 리사주 최대 및 최소 반지름 값과 이심률을 계산하는 연산부; 및 상기 연산부로부터 입력된 리사주 이심률 값을 설정범위와 비교하여 모터 회전축 편심 및 영구자석 감자 고장 여부를 판단하는 고장판단부를 포함하는 장치를 개시한다.

특허문헌 1의 연산부(23)는 코사인 평균값과 사인 평균값을 각각 구하는 것에 의해 이들 평균값을 각각 X축 좌표값과 Y축 좌표값으로 하는 리사주 중점의 위치값을 구하고, 상기 중점의 X축 좌표값(코사인 평균값임)과 Y축 좌표값(사인 평균값임)을 이용하여 리사주의 크기, 즉 리사주의 반지름(R)을 구하는데, 이때 중점의 X축 및 Y축 좌표값과 함께 코사인 값과 사인값을 함께 이용하여 반지름을 구하게 된다. 이후, 현재의 모터 상태에서 레졸버 신호를 이용하여 구해진 리사주 반지름의 크기를 설정값과 비교하여 설정값보다 작은 경우 모터 축 밀림 고장이 발생한 것으로 판정할 수 있다.

특허문헌 1은 리사주 곡선이 정원의 형태가 아니므로 임의의 좌표값을 기준으로 계산된 반지름의 크기가 일정하지 않다는 점을 고려하지 않는다는 문제가 있다.

본 발명은 리사주 곡선의 최대 반지름 및 최소 반지름을 구하여 이심률을 계산하고, 이심률을 기준으로 모터의 고장을 진단하여 종래 기술 대비 더욱 정밀하게 초기 단계에서 편심 고장을 진단하고, 더 나아가 감자 고장과의 분류까지 가능한 모터 고장 진단 방법 및 장치를 제공하고자 한다.

KR 10-1776474 B1 (공고일: 2017년 09월 07일)

레졸버 신호를 기초로 계산된 리사주 곡선을 활용하여 모터 고장을 진단하는 방법 및 장치를 제공하는데 있다. 또한, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는 데 있다. 해결하려는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

본 개시의 일 측면에 따른 모터 고장 진단 방법으로서, 모터에 부착된 레졸버(resolver)의 출력 신호를 획득하는 단계; 상기 레졸버의 출력 신호를 이용하여 리사주 곡선(lissajous curve)을 계산하는 단계; 상기 리사주 곡선의 이심률을 계산하는 단계; 및 상기 이심률에 기초하여 모터의 고장을 진단하는 단계;를 포함하는, 모터 고장 진단 방법을 제공할 수 있다.

본 개시의 다른 측면에 따른 모터 고장 진단 장치는 적어도 하나의 메모리; 및 적어도 하나의 프로세서;를 포함하고, 상기 적어도 하나의 프로세서는, 모터에 부착된 레졸버(resolver)의 출력 신호를 획득하고, 상기 레졸버의 출력 신호를 이용하여 리사주 곡선(lissajous curve)을 계산하고, 상기 리사주 곡선의 이심률을 계산하고, 상기 이심률에 기초하여 모터의 고장을 진단할 수 있다.

본 개시의 또 다른 측면에 따른 컴퓨터로 읽을 수 있는 기록매체는 상술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체를 포함한다.

전술한 본 발명의 과제 해결 수단에 의하면, 모터의 제어를 위해 사용되는레졸버의 신호를 활용해 모터의 고장을 진단할 수 있으므로, 고장 진단을 위한 추가적인 센서를 부착할 필요가 없어 비용 효율적이다.

또한, 본 발명의 과제 해결 수단에 의하면, 직관적이고 간단한 작동 원리로 인해 잡음이 포함된 실제 작동 환경에서 수집되는 신호로부터 강건하게 고장을 진단할 수 있고 부하 토크 및 운전 속도의 영향을 받지 않으며 알고리즘의 산출 부담도 낮아 제한된 프로세서의 성능 내에서도 구현 가능하다.

또한, 본 발명의 과제 해결 수단에 의하면, 모터의 정적/동적 편심 고장 여부 및 감자 고장 여부를 판단할 수 있고, 고장의 심각도를 파악할 수 있다.

실시예들에 의한 효과가 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 본 발명의 기재로부터 당해 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1은 일 실시예에 따른 모터 고장 진단을 구현하기 위한 시스템을 나타내는 블록도이다.
도 2는 일 실시예에 따른 모터 고장 진단 방법을 도시하기 위한 예시적인 도면이다.
도 3은 일 실시예에 따른 레졸버의 출력 신호를 나타내는 도면이다.
도 4 내지 도 6은 일 실시예에 따른 레졸버의 출력 신호를 이용하여 리사주 곡선을 계산하는 과정을 설명하기 위한 도면이다.
도 7은 이심률에 기초하여 모터의 편심 고장을 진단하는 일 예를 나타내는 도면이다.
도 8은 이심률에 기초하여 모터의 감자 고장을 진단하는 일 예를 나타내는 도면이다.
도 9는 정상 리사주 곡선과 중점을 일치시키지 않은 상태의 리사주 곡선을 나타내는 도면이다.
도 10a 내지 도 10c는 정상 모터와 고장 모터의 이심률을 분석한 결과를 도시한다.
도 11은 본 발명의 모터 고장 진단 결과의 정확도를 검증한 결과를 나타내는 도면이다.

실시 예들에서 사용되는 용어는 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 명세서의 전반에 걸친 내용을 토대로 정의되어야 한다.

명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "~ 유닛", "~ 모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.

또한, 명세서에서 사용되는 "제 1" 또는 "제 2" 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용할 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로 사용될 수 있다.

또한, 본 명세서에서 사용되는 "고장 진단"이란, 고장 발생 가능성이 있는지, 고장의 유형이 무엇인지, 고장이 이미 발생하였는지 여부를 판별하는 것을 의미한다.

이하 첨부된 도면을 참고하여 본 개시를 상세히 설명하기로 한다. 그러나 실시 예는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 예에 한정되지 않는다.

도 1은 본 발명의 일 실시예에 따른 모터 고장 진단을 위한 시스템을 나타내는 블록도이다.

도 1에 도시된 장치(100)는 본 실시예들과 관련된 구성요소들만이 도시되어 있어, 도 1에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음은 당해 기술분야의 기술자에게 자명하다.

프로세서(110)는 장치(100)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(110)는 메모리(120)에 저장된 프로그램들을 실행함으로써, 입력부(미도시), 디스플레이(미도시), 통신부(미도시), 메모리(120) 등을 전반적으로 제어할 수 있다.

프로세서(110)는 ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.

예를 들어 프로세서(110)는 장치(100)내의 메모리(120)에 저장된 소프트웨어(예: 프로그램)를 실행함으로써, 프로세서(110)에 연결된 전자 장치의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행하여 장치(100)를 전반적으로 제어할 수 있다.

메모리(120)는 장치(100) 내에서 처리되는 각종 데이터들을 저장하는 하드웨어로서, 프로세서(110)의 처리 및 제어를 위한 프로그램을 저장할 수 있다.

도 1을 참조하면, 일 실시예에 따른 레졸버(102)는 모터(101) 회전시 레졸버(102)로부터 모터(101)의 회전자 절대각 위치를 나타내는 출력 신호들을 출력한다.

일반적으로 레졸버는 스테이터, 로터 및 회전 트랜스를 구비하고 있으며, 스테이터와 로터의 코일은 자속분포가 각도에 대하여 정현파가 되도록 권선되어 있다. 1차측 코일(입력단)에 여자신호를 인가하고 회전축(로터)을 회전시키면 자기적 결합계수가 변화하여 2차측 코일(출력단)에 각각 캐리어의 진폭이 변화한 신호가 발생하는데, 이 신호가 회전축의 회전각도에 따라 사인(sin) 또는 코사인(cos) 형태로 변화하도록 코일이 권선되어 있다.

결론적으로 상기와 같이 2차측 코일에 발생하는 신호가 레졸버의 출력단을 통해 출력되는 출력 신호(전압신호)이며, 사인(sin) 또는 코사인(cos)의 신호 형태를 가진다.

일 실시예에 따른 모터 고장 진단 장치(100)는 레졸버로부터 사인 신호 및 코사인 신호를 포함하는 출력 신호를 수신할 수 있다.

일 실시예에 따른 프로세서(110)는, 레졸버의 출력 신호를 획득하여, 리사주 곡선을 계산하고, 리사주 곡선의 이심률을 계산하고, 이심률에 기초하여 모터의 고장을 진단할 수 있다.

도 2는 일 실시예에 따른 모터 고장 진단 방법을 도시하기 위한 예시적인 도면이다.

도 2를 참조하면, 단계 201에서, 프로세서는 레졸버의 출력 신호를 획득할 수 있다.

일 실시예에 따르면, 레졸버의 출력 신호는 도 3에 도시된 바와 같이 코사인파 신호 및 사인파 신호를 포함할 수 있다.

단계 202에서, 프로세서는 레졸버의 출력 신호를 이용하여 리사주 곡선을 계산할 수 있다.

도 4 내지 도 6은 일 실시예에 따른 레졸버의 출력 신호를 이용하여 리사주 곡선을 계산하는 과정을 설명하기 위한 도면이다.

일 실시예에 따르면, 프로세서는 도 4에 도시된 바와 같이 전체 유도 전압 데이터를 전기각 1주기(360도)의 단위로 분할할 수 있다.

이후 프로세서는 도 5에 도시된 바와 같이 분할된 유도 전압 데이터들을 평균화할 수 있다.

이후 프로세서는 도 6에 도시된 바와 같이 평균화한 유도 전압 데이터의 코사인파의 좌표를 X축으로 하고, 사인파의 좌표를 Y축으로 하여 리사주 곡선을 계산할 수 있다.

즉, 리사주 곡선의 각 점에서의 X축 좌표 값은 코사인 값이 되고, 각 점에서의 Y축 좌표 값은 사인 값이 되며, 한 점에서의 X축 좌표값과 Y축 좌표값은 동일한 전기각에서의 코사인 값과 사인 값이 된다.

단계 203에서, 프로세서는 리사주 곡선의 이심률을 계산할 수 있다.

일 실시예에 따르면, 프로세서는 리사주 곡선의 면적을 계산하고, 면적 값에 기초하여, 리사주 곡선의 중점 좌표를 계산하고, 중점 좌표에 기초하여, 리사주 곡선의 최대 반지름 및 최소 반지름을 계산하고, 최대 반지름 및 상기 최소 반지름에 기초하여, 이심률을 계산할 수 있다.

일 실시예에 따르면, 프로세서는 하기의 수학식 1을 이용하여, 리사주 곡선의 중점 좌표를 계산하되,

여기서 는 코사인 값, 는 사인 값, 는 리사주 곡선의 중점의 X 좌표, 는 리사주 곡선의 중점의 Y 좌표, A는 리사주 곡선의 면적을 의미할 수 있다.

프로세서는 중점 좌표와 리사주 곡선의 각 점의 거리를 계산하여 리사주 곡선의 반지름을 계산할 수 있고, 최대 반지름() 및 최소 반지름()을 추출할 수 있다.

프로세서는 계산된 최대 반지름 및 최소 반지름에 기초하여, 하기의 수학식 2에 의하여 리사주 곡선의 이심률()을 계산할 수 있다.

단계 204에서, 프로세서는 이심률에 기초하여 모터의 고장을 계산할 수 있다.

프로세서는 현재 획득된 레졸버의 출력 신호를 이용하여 계산된 리사주 곡선의 이심률과 정상 값을 비교하여 모터의 고장을 진단할 수 있다.

일 실시예에 따른 프로세서는 모터의 편심 고장을 진단할 수 있다.

편심 고장(Eccentricity Fault)은 고정자와 회전자 사이의 공극이 일정하지 않은 상태를 의미한다. 그 종류는 정적, 동적, 복합 편심으로 분류된다. 모터에 편심 고장이 발생될 경우, 균일하지 않은 공극으로 인해 회전자와 고정자 사이의 인력이 한쪽 방향으로만 강하게 발생하여, 불평형 상태(Unbalanced magnetic pull)에 이른다.

이러한 현상은 회전자가 휘어지거나 베어링이 손상하는 직접적인 역할을 한다. 또한, 모터의 토크 맥동과 진동을 증가시켜 성능저하를 가져오며, 지속될 경우 고정자와 회전자가 접촉하게 되어 고정자 및 회전자의 코어와 권선 고장을 일으켜 수리가 불가능한 수준에 이르게 된다. 따라서 모터의 편심 고장을 조기에 진단하는 것이 매우 중요하다.

모터단에서 편심 고장이 발생할 경우 같은 축으로 연결된 레졸버에서도 편심 고장이 발생하게 된다. 편심 고장 상태에서는 레졸버의 고정자와 회전자 중심이 일치하지 않게 되며 이에 따라 고정자와 회전자 사이의 공극 또한 불균일하게 분포되게 된다. 이러한 분균일한 공극 분포에 의해 레졸버에서 수집되는 사인 및 코사인 권선의 유도 전압 신호에서 위상 지연이 발생하게 된다. 이러한 위상 지연은 이상적인 환경이라면 완벽한 원형을 나타내야 할 사인 및 코사인 권선의 유도 전압 신호의 리사주 곡선을 타원형으로 변형시킨다. 즉, 편심 고장이 발생할 경우, 리사주 곡선의 이심률은 정상 상태에서 보다 커지게 된다.

일 실시예에 따르면, 프로세서는 현재 획득된 레졸버의 출력 신호를 이용하여 계산된 리사주 곡선의 이심률과 정상 값과의 차이를 계산할 수 있다. 프로세서는 계산된 차이 값이 양수이고, 차이 값의 절대값이 기준 편차를 초과하는 것에 응답하여, 모터가 편심 고장인 것으로 결정할 수 있다.

또 다른 실시예에 따르면, 프로세서는 현재 획득된 레졸버의 출력 신호를 이용하여 계산된 리사주 곡선의 이심률이 정상 값보다 크면, 모터가 편심 고장인 것으로 결정할 수 있다.

도 7은 이심률에 기초하여 모터의 편심 고장을 진단하는 일 예를 나타내는 도면이다.

도 7을 참조하면, 정적 편심 상태(SE1, SE2)의 모터의 레졸버 신호를 이용하여 계산된 리사주 곡선이 정상 상태의 모터(HE)의 리사주 곡선보다 타원형에 가까운 형태를 가지고 있는 것을 확인할 수 있다.

일 실시예에 따른 프로세서는 모터의 감자 고장을 진단할 수 있다.

감자 고장(Demagnetization Fault)은 고온, 균일하지 않은 자화, 노화 및 주로 권선 단락으로부터 야기되는 역자계 등의 여러 가지 이유로 발생할 수 있다. 불가역 감자 고장은 역기전력(BEMF: Back Electromotive Force), 공극자속밀도, 고정자 전압, 전류 및 발생된 토크에 변화를 일으킨다. 이는 결과적으로 전동기의 진동 및 소음의 결과로 나타난다. 감자 고장이 발생할 경우, 리사주 곡선의 이심률은 정상 상태에서 보다 작아지게 된다.

일 실시예에 따르면, 프로세서는 계산된 차이 값이 음수이고, 차이 값의 절대값이 기준 편차를 초과하는 것에 응답하여, 모터가 감자 고장인 것으로 결정할 수 있다.

또 다른 실시예에 따르면, 프로세서는 현재 획득된 레졸버의 출력 신호를 이용하여 계산된 리사주 곡선의 이심률이 정상 값보다 작으면, 모터가 감자 고장인 것으로 결정할 수 있다.

여기서, 정상 값이란, 정상 모터의 레졸버 출력 신호를 이용하여 계산된 리사주 곡선의 이심률일 수 있다.

또 다른 실시예에 따르면, 프로세서는 기계학습 모델을 구동하여 모터의 고장을 진단할 수 있다. 기계학습 모델은 리사주 곡선의 면적, 최대 반지름, 최소 반지름 및 이심률을 입력 데이터로 이용하고, 출력 데이터로서 모터의 고장 유형 분류 값을 획득하여 모터의 고장을 진단할 수 있다.

일 실시예에 따르면, 기계학습 모델은 지도 학습 알고리즘으로서 서포트 벡터 머신(Support Vector Machine, SVM)을 이용하여 모터의 고장을 진단할 수 있다.

SVM 알고리즘은 데이터의 분포공간에서 가장 큰 폭의 경계를 구분하여 데이터가 속하는 분류를 판단하는 비확률적 알고리즘이다.

도 8은 이심률에 기초하여 모터의 감자 고장을 진단하는 일 예를 나타내는 도면이다.

도 8을 참조하면, 감자 상태(DM1, DM2)의 모터의 레졸버 신호를 이용하여 계산된 리사주 곡선이 정상 상태의 모터(HE)의 리사주 곡선보다 정원에 가까운 형태를 가지고 있는 것을 확인할 수 있다.

도 9는 정상 리사주 곡선과 중점을 일치시키지 않은 상태의 리사주 곡선을 나타내는 도면이다.

도 9에 도시된 바와 같이 중점이 일치되지 않은 상태에서는 리사주 곡선의 형태 변화를 쉽게 파악하기 어렵다는 문제가 있다.

일 실시예에 따르면, 프로세서는 현재 획득되는 리사주 곡선과 정상 리사주 곡선의 중점을 일치시켜 리사주 곡선들을 중첩시키고, 중첩된 리사주 곡선들을 출력하여 사용자가 고장 진단 결과를 확인하도록 할 수 있다.

도 10a 내지 도 10c는 정상 모터와 고장 모터의 이심률을 분석한 결과를 도시한다.

도 10a 내지 도 10c를 참조하면, 감자 고장일 때 이심률이 정상 값보다 작고, 편심 고장일 때 이심률이 정상 값보다 큰 것을 확인할 수 있다. 또한, 모터의 운행 조건을 회전속도 2000, 3500, 5500rpm 및 부하토크 0, 50, 100Nm로 달리하여 분석한 결과, 모든 운행 조건에서 이심률을 기준으로 감자 고장 및 편심 고장을 진단할 수 있음을 확인할 수 있다.

도 11은 본 발명의 모터 고장 진단 결과의 정확도를 검증한 결과를 나타내는 도면이다.

정확도의 검증은, 계산된 리사주 곡선의 이심률과 정상 값의 비교를 이용한 고장 유형 분류 결과와 서포트 벡터 머신(Support Vector Machine)에 의한 고장 유형 분류 결과의 비교를 통해 수행되었다.

도 11을 참조하면, 리사주 곡선의 이심률에 기초하여 정상 상태, 감자 고장, 편심 고장을 분류한 결과와 서포트 벡터 머신에 의한 분류 결과가 100 퍼센트 일치하는 것을 알 수 있다.

한편, 상술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 램, USB, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.

본 실시예와 관련된 기술 분야에서 통상의 지식을 가진 자는 상기된 기재의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 방법들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하며, 권리 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점을 포함하는 것으로 해석되어야 할 것이다.

Claims

모터 고장 진단 방법으로서,
모터에 부착된 레졸버(resolver)의 출력 신호를 획득하는 단계;
상기 획득된 출력 신호를 전기각 1주기 단위로 분할하고, 분할된 출력 신호를 평균화하는 단계;
상기 평균화된 출력 신호에 포함된 코사인파를 X축으로, 상기 평균화된 출력 신호에 포함된 사인파를 Y축으로 하여 리사주 곡선(lissajous curve)을 획득하는 단계;
상기 리사주 곡선의 이심률을 계산하는 단계; 및
상기 이심률이 정상 값 보다 증가하는 것에 응답하여, 상기 모터를 편심 고장으로 진단하고, 상기 이심률이 정상 값 보다 감소하는 것에 응답하여, 상기 모터를 감자 고장으로 진단하는 단계;를 포함하는, 모터 고장 진단 방법.
제1항에 있어,
상기 이심률을 계산하는 단계는,
상기 리사주 곡선의 면적에 기초하여, 상기 리사주 곡선의 중점 좌표를 계산하는 단계;
상기 리사주 곡선을 구성하는 복수의 점 좌표들과 상기 중점 좌표 간의 거리를 계산하여, 상기 리사주 곡선의 최대 반지름 및 최소 반지름을 추출하는 단계; 및
상기 최대 반지름 및 상기 최소 반지를 이용하여 상기 이심률을 계산하는 단계;를 포함하는, 방법.
제1항에 있어,
상기 정상 값은,
정상 모터의 레졸버 출력 신호를 이용하여 계산된 정상 리사주 곡선의 이심률인, 방법.
제2항에 있어,
상기 중점 좌표를 계산하는 단계는,
상기 리사주 곡선을 구성하는 복수의 점 좌표들 중, 연속한 제1 좌표(x_i, y_i) 및 제2 좌표(x_i+1, y_i+1) 각각의 x 좌표 값의 합과, 상기 제1 좌표와 상기 제2 좌표를 이용하여 계산되는 외적 항(x_i·y_i+1 - x_i+1·y_i)을 곱하여 제1 연산 결과를 계산하는 단계;
상기 제1 연산 결과를 상기 리사주 곡선을 따라 누적하고, 상기 리사주 곡선의 면적에 기초하여 평균을 계산함으로써, 상기 중점 좌표의 x좌표 값(C_x)을 획득하는 단계;
상기 제1 좌표 및 제2 좌표 각각의 y 좌표 값의 합과, 상기 외적 항을 곱하여 제2 연산 결과를 계산하는 단계; 및
상기 제2 연산 결과를 상기 리사주 곡선을 따라 누적하고, 상기 리사주 곡선의 면적에 기초하여 평균을 계산함으로써, 상기 중점 좌표의 y좌표 값(C_y)을 획득하는 단계;를 포함하는, 방법.
제2항에 있어,
상기 진단하는 단계는,
기계학습 모델을 구동하여 모터의 고장을 진단하는 단계;를 포함하고,
상기 기계학습 모델은 상기 리사주 곡선의 면적, 상기 최대 반지름, 상기 최소 반지름 및 상기 이심률을 입력 데이터로 이용하고, 출력 데이터로서 모터의 고장 유형 분류 값을 획득하는 것인,
방법.
제1항에 있어,
상기 방법은,
상기 리사주 곡선과 정상 리사주 곡선의 중점을 일치시켜 중첩시키는 단계; 및
상기 중첩된 리사주 곡선들을 디스플레이하는 단계를 더 포함하는, 방법.
적어도 하나의 메모리; 및
적어도 하나의 프로세서;를 포함하고,
상기 적어도 하나의 프로세서는,
모터에 부착된 레졸버(resolver)의 출력 신호를 획득하고,
상기 획득된 출력 신호를 전기각 1주기 단위로 분할하고, 분할된 출력 신호를 평균화하고,
상기 평균화된 출력 신호에 포함된 코사인파를 X축으로, 상기 평균화된 출력 신호에 포함된 사인파를 Y축으로 하여 리사주 곡선(lissajous curve)을 획득하고,
상기 리사주 곡선의 이심률을 계산하고,
상기 이심률이 정상 값 보다 증가하는 것에 응답하여, 상기 모터를 편심 고장으로 진단하고, 상기 이심률이 정상 값 보다 감소하는 것에 응답하여, 상기 모터를 감자 고장으로 진단하는, 모터 고장 진단 장치.
제7항에 있어,
상기 적어도 하나의 프로세서는,
상기 리사주 곡선의 면적에 기초하여, 상기 리사주 곡선의 중점 좌표를 계산하고,
상기 리사주 곡선을 구성하는 복수의 점 좌표들과 상기 중점 좌표 간의 거리를 계산하여, 상기 리사주 곡선의 최대 반지름 및 최소 반지름을 추출하고,
상기 최대 반지름 및 상기 최소 반지를 이용하여 상기 이심률을 계산하는, 장치.
제7항에 있어,
상기 정상 값은,
정상 모터의 레졸버 출력 신호를 이용하여 계산된 리사주 곡선의 이심률인, 장치.
제8항에 있어,
상기 적어도 하나의 프로세서는,
상기 리사주 곡선을 구성하는 복수의 점 좌표들 중, 연속한 제1 좌표(x_i, y_i) 및 제2 좌표(x_i+1, y_i+1) 각각의 x 좌표 값의 합과, 상기 제1 좌표와 상기 제2 좌표를 이용하여 계산되는 외적 항(x_i·y_i+1 - x_i+1·y_i)을 곱하여 제1 연산 결과를 계산하고,
상기 제1 연산 결과를 상기 리사주 곡선을 따라 누적하고, 상기 리사주 곡선의 면적에 기초하여 평균을 계산함으로써, 상기 중점 좌표의 x좌표 값(C_x)을 획득하고,
상기 제1 좌표 및 제2 좌표 각각의 y 좌표 값의 합과, 상기 외적 항을 곱하여 제2 연산 결과를 계산하고,
상기 제2 연산 결과를 상기 리사주 곡선을 따라 누적하고, 상기 리사주 곡선의 면적에 기초하여 평균을 계산함으로써, 상기 중점 좌표의 y좌표 값(C_y)을 획득하는, 장치.
제8항에 있어,
상기 적어도 하나의 프로세서는,
기계학습 모델을 구동하여 모터의 고장을 진단하고,
상기 기계학습 모델은 상기 리사주 곡선의 면적, 상기 최대 반지름, 상기 최소 반지름 및 상기 이심률을 입력 데이터로 이용하고, 출력 데이터로서 모터의 고장 유형 분류 값을 획득하는 것인,
장치.
제7항에 있어,
상기 적어도 하나의 프로세서는,
상기 리사주 곡선과 정상 리사주 곡선의 중점을 일치시켜 중첩시키고,
상기 중첩된 리사주 곡선들을 출력하는, 장치.
제1항에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.