KR20160079179A - 신호 분석 방법 및 장치 - Google Patents

신호 분석 방법 및 장치 Download PDF

Info

Publication number
KR20160079179A
KR20160079179A KR1020140190125A KR20140190125A KR20160079179A KR 20160079179 A KR20160079179 A KR 20160079179A KR 1020140190125 A KR1020140190125 A KR 1020140190125A KR 20140190125 A KR20140190125 A KR 20140190125A KR 20160079179 A KR20160079179 A KR 20160079179A
Authority
KR
South Korea
Prior art keywords
signal
component
sum
energy
evaluation value
Prior art date
Application number
KR1020140190125A
Other languages
English (en)
Other versions
KR101714851B1 (ko
Inventor
김종면
강명수
김재영
Original Assignee
울산대학교 산학협력단
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 울산대학교 산학협력단 filed Critical 울산대학교 산학협력단
Priority to KR1020140190125A priority Critical patent/KR101714851B1/ko
Publication of KR20160079179A publication Critical patent/KR20160079179A/ko
Application granted granted Critical
Publication of KR101714851B1 publication Critical patent/KR101714851B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • 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
    • G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4445—Classification of defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Acoustics & Sound (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

신호 분석 장치가 개시된다. 본 발명의 일 실시예에 따른 신호 분석 장치는 입력 신호에 대해 윈도우 크기를 n(상기 n은 자연수)번 변경하면서 윈도우 처리(windowing)를 수행하여
Figure pat00035
개의 노드를 생성하는 생성부; 상기
Figure pat00036
개의 노드 각각에 대한 포락 신호의 파워 스펙트럼을 이용하여, 상기 각각의 노드에 대한 결함 평가값을 산출하는 산출부; 및 상기 결함 평가값 중 최대값에 기초하여, 상기 입력 신호를 발생하는 물체의 상태 모니터링을 위한 최적의 윈도우 크기 및 최적의 신호 분석 위치를 추정하는 추정부를 포함한다.

Description

신호 분석 방법 및 장치{Signal analysis method and apparatus}
본 발명의 일 실시예는 신호 분석 방법에 관한 것으로, 시변 다해상도 고속 푸리에 변환을 기초로 하여 최적의 입력 신호 길이 및 신호 분석 위치를 추정함으로써 최적의 상태로 기계의 상태를 모니터링 할 수 있는 방법과 장치에 관한 것이다.
베어링의 결함 검출에 있어, 실제 산업현장에서는 소음과 진동의 특성을 이용하여 비파괴검사에 이용함으로써 베어링부의 수명연장 등 유지 보전에 큰 도움을 주고 있다.
베어링 고장원인으로는 불충분한 윤활, 부적절한 윤활재의 사용, 베어링의 잘못된 설치, 축계의 과도한 변형 등이 있다. 과거에는 숙련된 기술자에 의하여 이러한 문제들을 진단하고 고장 여부를 판단하였으나, 대부분 진단시간이 길고, 주관적이며, 경우에 따라 기기 시스템의 작동을 중단해야 하는 단점을 지니고 있다. 최근에는 기기 시스템의 작동을 유지하면서, 베어링의 고장을 진단할 수 있는 시스템이 요구됨에 따라 지속적으로 베어링 작동 상태를 모니터링하여 고장 전에 미리 이상을 발견할 수 있는 형태의 기술로 발전되고 있다.
관련 선행기술로는 대한민국 공개특허공보 제10-2011-0046649호(발명의 명칭: 백업 롤 베어링의 손상 예측 장치 및 그 방법, 공개일자: 2011. 05. 06)가 있다.
본 발명의 일 실시예는 물체로부터 발생하는 신호를 분석하여 기계 상태를 효율적으로 검출할 수 있는 최적의 입력 신호 길이 및 신호 분석 위치를 추정할 수 있는 신호 분석 방법 및 장치를 제공한다.
본 발명의 일 실시예에 따른 신호 분석 장치는 입력 신호에 대해 윈도우 크기를 n(상기 n은 자연수)번 변경하면서 윈도우 처리(windowing)를 수행하여
Figure pat00001
개의 노드를 생성하는 생성부; 상기
Figure pat00002
개의 노드 각각에 대한 포락 신호의 파워 스펙트럼을 이용하여, 상기 각각의 노드에 대한 결함 평가값을 산출하는 산출부; 및 상기 결함 평가값 중 최대값에 기초하여, 상기 입력 신호를 발생하는 물체의 상태 모니터링을 위한 최적의 윈도우 크기 및 최적의 신호 분석 위치를 추정하는 추정부를 포함한다.
상기 산출부는 상기 각 노드에 대한 포락 신호의 파워 스펙트럼을 생성하는 파워 스펙트럼 생성부; 상기 각 파워 스펙트럼으로부터 결함 주파수 성분 및 상기 결함 주파수 성분을 제외한 잔여 성분을 획득하는 주파수 성분 획득부; 및 상기 결함 주파수 성분 중 피크 성분에 대한 에너지의 합과, 상기 잔여 성분에 대한 에너지의 합에 기초하여 상기 결함 평가값을 산출하는 결함 평가값 산출부를 포함할 수 있다.
상기 파워 스펙트럼 생성부는 상기 각 노드에 대해 힐버트 변환을 수행하여 상기 포락 신호를 생성하고, 상기 각 포락 신호에 대해 고속 푸리에 변환(fast Fourier transform, FFT)을 수행하여 상기 파워 스펙트럼을 생성할 수 있다.
상기 주파수 성분 획득부는 가우시안 혼합 모델 기반의 윈도우를 생성하고, 상기 각 파워 스펙트럼에 대해, 상기 생성된 윈도우를 적용하여 상기 결함 주파수 성분을 획득할 수 있다.
상기 결함 평가값 산출부는 상기 피크 성분에 대한 에너지의 합과, 상기 잔여 성분에 대한 에너지의 합의 비율을 산출하고, 상기 산출된 비율에 기초하여 상기 결함 평가값을 산출할 수 있다.
상기 결함 평가값 산출부는 하기 수학식 1에 기초하여, 상기 피크 성분에 대한 에너지의 합과, 상기 잔여 성분에 대한 에너지의 합의 비율을 산출할 수 있다.
[수학식 1]
Figure pat00003
여기서, 상기 RFCPR은 상기 결함 평가값을 나타내고,
Figure pat00004
,
Figure pat00005
은 각각 상기 결함 주파수 성분의 피크 성분의 에너지의 합과 상기 잔여 성분의 에너지의 합이다.
본 발명의 일 실시예에 따른 신호 분석 장치는 상기 최적의 윈도우 크기 및 최적의 신호 분석 위치에 기초하여 상기 물체의 상태를 모니터링하는 모니터링부를 더 포함할 수 있다.
상기 입력 신호는 진동, 전류, 전압, 음향 방출 중 적어도 하나의 신호를 포함할 수 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 신호 분석 방법은 신호 분석 장치의 생성부에서, 입력 신호에 대해 윈도우 크기를 n(상기 n은 자연수)번 변경하면서 윈도우 처리(windowing)를 수행하여
Figure pat00006
개의 노드를 생성하는 단계; 상기 신호 분석 장치의 산출부에서, 상기
Figure pat00007
개의 노드 각각에 대한 포락 신호의 파워 스펙트럼을 이용하여, 상기 각의 노드에 대한 결함 평가값을 산출하는 단계; 및 상기 신호 분석 장치의 추정부에서, 상기 결함 평가값 중 최대값에 기초하여, 상기 입력 신호를 발생하는 물체의 상태 모니터링을 위한 최적의 윈도우 크기 및 최적의 신호 분석 위치를 추정하는 단계를 포함한다.
상기 결함 평가값을 산출하는 단계는 상기 각 노드에 대한 포락 신호의 파워 스펙트럼을 생성하는 단계; 및 상기 각 파워 스펙트럼으로부터 결함 주파수 성분 및 상기 결함 주파수 성분을 제외한 잔여 성분을 획득하는 단계; 상기 결함 주파수 성분 중 피크 성분에 대한 에너지의 합과, 상기 잔여 성분에 대한 에너지의 합에 기초하여 상기 결함 평가값을 산출하는 단계를 포함할 수 있다.
상기 파워 스펙트럼을 생성하는 단계는 상기 각 노드에 대해 힐버트 변환을 수행하여 상기 포락 신호를 생성하는 단계; 및 상기 각 포락 신호에 대해 고속 푸리에 변환(FFT)을 수행하여 상기 파워 스펙트럼을 생성하는 단계를 포함할 수 있다.
상기 결함 주파수 성분 및 상기 결함 주파수 성분을 제외한 잔여 성분을 획득하는 단계는 가우시안 혼합 모델 기반의 윈도우를 생성하는 단계; 및 상기 각 파워 스펙트럼에 대해, 상기 생성된 윈도우를 적용하여 상기 결함 주파수 성분을 획득하는 단계를 포함할 수 있다.
상기 결함 주파수 성분 중 피크 성분에 대한 에너지의 합과, 상기 잔여 성분에 대한 에너지의 합에 기초하여 상기 결함 평가값을 산출하는 단계는 상기 피크 성분에 대한 에너지의 합과, 상기 잔여 성분에 대한 에너지의 합의 비율을 산출하는 단계; 및 상기 산출된 비율에 기초하여 상기 결함 평가값을 산출하는 단계를 포함할 수 있다.
상기 피크 성분에 대한 에너지의 합과, 상기 잔여 성분에 대한 에너지의 합의 비율은 하기 수학식 1에 의해 산출될 수 있다.
[수학식 1]
Figure pat00008
여기서, 상기 RFCPR은 상기 결함 평가값을 나타내고,
Figure pat00009
,
Figure pat00010
은 각각 상기 결함 주파수 성분의 피크 성분의 에너지의 합과 상기 잔여 성분의 에너지의 합이다.
본 발명의 일 실시예에 따른 신호 분석 장치는 상기 신호 분석 장치의 모니터링부에서, 상기 최적의 윈도우 크기 및 최적의 신호 분석 위치에 기초하여 상기 물체의 상태를 모니터링하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 따르면, 기계 등의 물체로부터 발생하는 신호를 분석하여 그것의 상태를 효율적으로 검출할 수 있는 최적의 입력 신호 길이 및 신호 분석 위치를 추정할 수 있다.
본 발명의 일 실시예에 따르면, 기계 등의 물체로부터 발생하는 신호를 분석하여 최적의 입력 신호 길이 및 신호 분석 위치를 추정함으로써, 기계 등의 물체에 대한 결함 여부를 신속하고 정확하게 실시간으로 모니터링 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 신호 분석 장치를 설명하기 위하여 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따라 입력 신호로부터 노드를 생성하는 과정을 설명하기 위하여 도시한 도면이다.
도 3은 도 1의 산출부의 상세 구성을 도시한 블록도이다.
도 4 내지 도 6은 본 발명의 일 실시예에 따라 결함 주파수 성분의 피크 성분 및 잔여 성분을 산출하는 과정을 설명하기 위하여 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 신호 분석 장치를 이용하여 구름 요소 베어링의 외륜 결함에 관한 RFCPR을 각 노드와 윈도우 크기에 따라 다른 색깔로 구분하여 표시한 도면이다.
도 8은 본 발명의 일 실시예에 따른 신호 분석 장치를 이용하여 구름 요소 베어링의 외륜 결함에 대한 일부 노드의 파워 스펙트럼을 도시한 도면이다.
도 9는 본 발명의 다른 실시예에 따른 신호 분석 장치를 설명하기 위하여 도시한 블록도이다.
도 10은 본 발명의 일 실시예에 따른 신호 분석 방법을 설명하기 위하여 도시한 흐름도이다.
도 11은 본 발명의 일 실시예에 따라 결함 평가값을 산출하는 방법을 설명하기 위하여 도시한 흐름도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 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, A, B 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. 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 복수개의 관련된 기재된 항목들의 조합 또는 복수개의 관련된 기재된 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 있다고 이해되어야 할 것이다. 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 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수개의 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 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 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, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 신호 분석 장치를 설명하기 위하여 도시한 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 신호 분석 장치(100)는 생성부(110), 산출부(120) 및 추정부(130)를 포함한다.
생성부(110)는 입력 신호에 대해 윈도우 크기를 고려해서 복수의 노드를 생성한다. 이를 위해, 생성부(110)는 입력 신호에 대해 윈도우 크기를 n(n은 자연수)번 변경하면서 윈도우 처리(windowing)를 수행하여
Figure pat00011
개의 노드를 생성한다.
여기서, 상기 입력 신호는 진동, 전류, 전압, 음향 방출 중 적어도 하나의 신호를 포함할 수 있다. 즉, 상기 입력 신호는 베어링을 비롯한 회전체 등의 물체에서 방출되는 진동, 전류, 전압, 음향 방출 등의 신호를 포함할 수 있다.
그러나, 이에 한정되지 않고, 상기 입력 신호는 특정 주파수를 검출함으로써 대상의 결함 여부를 판단할 수 있는 방식이 적용 가능한 경우라면, 회전체가 아닌 그 밖의 물체로부터 방출되는 진동, 전류, 전압, 음향 방출 등의 신호를 포함할 수도 있다.
상기 노드(node)란 윈도우 처리를 통하여 하나의 입력 신호를 여러 개로 분할하여 취득한 다수의 신호 집합을 의미한다. 여기서, 상기 다수의 신호는 상기 윈도우 처리 시 윈도우 크기에 따라서 그 분할 개수 및 크기(길이)가 달라질 수 있다. 예를 들면, 상기 노드를 이루는 다수의 신호는 윈도우 크기가 100ms인 경우에 비해서 윈도우 크기가 200ms인 경우에 그 개수가 2배일 수 있다.
상기 생성부(110)는 상기 노드를 생성하기 위한 윈도우로서 해닝(Hanning) 윈도우를 사용할 수 있다. 상기 해닝 윈도우를 사용하는 경우, 윈도우의 크기와 노드 수는 수학식 2와 같이 나타날 수 있다.
[수학식 2]
Figure pat00012
Figure pat00013
여기서 은 Wn번째 윈도우의 크기를, L은 입력 신호의 길이를, M은 윈도우의 수 및 Nn은 n번째 윈도우의 노드 수를 나타낸다.
상기 생성부(110)는 분석의 정확도를 높이기 위하여, 윈도우 처리를 할 때 각 윈도우의 인접 구간들과 서로 중첩되도록 윈도우 처리를 할 수 있다. 예컨대, 상기 생성부(110)는 각 윈도우가 인접한 윈도우와 50%씩 중첩되도록 윈도우 처리를 할 수 있다.
상기 생성부(110)가 상기 입력 신호로부터 노드를 생성하는 구체적으로 과정을 설명하면 다음과 같다.
도 2는 본 발명의 일 실시예에 따라 입력 신호로부터 노드를 생성하는 과정을 설명하기 위하여 도시한 도면이다.
도 1 및 도 2를 참조하면, 상기 생성부(110)는 입력 신호에 대하여 윈도우 처리(Windowing)를 하는데, 이때 각 윈도우가 인접한 다른 윈도우와 50%씩 중첩(Overlapping)이 되도록 수행할 수 있다.
윈도우 처리를 하는 방법은 도 2의 210에, 윈도우 처리 시 인접한 다른 윈도우와 중첩되도록 처리하는 방법은 도 2의 220에 각각 도시되어 있다.
상기 생성부(110)는 윈도우 처리 시, 상기 입력 신호를 제1 크기의 윈도우로 분할하여 하나의 제1 노드를 생성한 후, 그 입력 신호를 제1 크기와는 다른 제2 크기의 윈도우로 분할하여 하나의 제2 노드를 생성하는 과정을 미리 설정된 횟수(n번)만큼 반복하여 수행함으로써
Figure pat00014
개의 노드를 생성할 수 있다.
본 발명의 일 실시예에서는 이와 같이 생성된 노드의 개수에 따라 최적의 윈도우 크기 및 신호 분석 위치를 보다 정확하게 추정할 수 있도록 한다. 즉, 상기 노드의 개수가 많을수록 그 추정치는 더욱 정확하게 되는 반면에, 연산량이 늘어나 연산 시간이 많이 소요될 수 있다. 한편, 상기 노드의 개수가 적을수록 그 추정치는 정확성과는 멀어지는 반면에, 연산량이 줄어들어 연산 시간이 적게 소요될 수 있다.
따라서, 본 발명의 일 실시예에서는 상기 노드의 개수를 반복 실험을 통한 경험치에 근거하여 적당한 개수로 조절함으로써, 정확성과 연산량을 모두 만족하도록 할 수 있다.
다시 도 1을 참조하면, 산출부(120)는
Figure pat00015
개의 노드 각각에 대한 포락 신호의 파워 스펙트럼을 이용하여, 각각의 노드에 대한 결함 평가값을 산출한다.
이를 위해, 상기 산출부(120)는 도 3에 도시된 바와 같이 파워 스펙트럼 생성부(122), 주파수 성분 획득부(124) 및 결함 평가값 산출부(126)를 포함할 수 있다. 참고로, 도 3은 도 1의 산출부(120)의 상세 구성을 도시한 블록도이다.
파워 스펙트럼 생성부(122)는 각 노드에 대한 포락 신호의 파워 스펙트럼을 생성할 수 있다.
즉, 파워 스펙트럼 생성부(122)는 각 노드에 대해 힐버트 변환을 수행하여 포락 신호를 생성하고, 생성된 각각의 포락 신호에 대해 고속 푸리에 변환(FFT)을 수행하여 상기 파워 스펙트럼을 생성할 수 있다.
참고로, 신호를 힐버트 변환을 하고 포락 신호를 생성한 후, 포락 신호의 파워 스펙트럼을 생성하는 일련의 과정을 포락 분석이라 한다. 포락 분석은 주파수의 특징적인 효과를 진폭 변조 방식으로 분석할 수 있는 훌륭한 수단이기에, 베어링의 결함을 조사하는데 일반적으로 사용되는 분석 방법이다. 본 발명의 일 실시예에서도 신호의 주파수를 분석하기 위하여 포락 분석을 사용할 수 있다.
주파수 성분 획득부(124)는 상기 생성된 각 파워 스펙트럼으로부터 결함 주파수 성분, 및 잔여 성분(결함 주파수 성분을 제외한 나머지 주파수 성분)을 획득할 수 있다.
결함 주파수란 베어링에 결함이 발생할 경우 주파수 영역에서 나타날 수 있는 특정 주파수 성분을 뜻한다. 구름요소 베어링 결함의 종류로는 내륜과 외륜, 롤러, 케이지 결함이 있고, 각 결함주파수는 다음과 같이 산출할 수 있다.
외륜 결함 주파수 :
Figure pat00016
내륜 결함 주파수 :
Figure pat00017
롤러 결함 주파수 :
Figure pat00018
케이지 결함 주파수 :
Figure pat00019

여기서 N은 구름요소의 개수, rps는 회전체의 초당 회전수, Bd는 구름요소의 직경, Pd는 피치 직경, θ는 결함의 접촉각을 나타낸다. 결함 종류의 조합에 따라 두가지 이상의 결함 주파수 성분이 동시에 나타날 수도 있다.
상기 결함 주파수 성분을 획득하는 구성에 대해서 보다 구체적으로 설명하면, 주파수 성분 획득부(124)는 가우시안 혼합 모델 기반의 윈도우를 생성하고, 생성된 윈도우를 각 파워 스펙트럼에 적용함으로써 상기 결함 주파수 성분을 획득할 수 있다. 상기 가우시안 혼합 모델 기반의 윈도우를 각 파워 스펙트럼에 적용하여 결함 주파수 성분을 획득하는 과정에 대해서는 도 4 및 도 5를 참조하여 후술한다.
결함 평가값 산출부(126)는 결함 주파수 성분 중 피크 성분에 대한 에너지의 합과, 잔여 성분에 대한 에너지의 합에 기초하여 결함 평가값을 산출할 수 있다.
구체적으로, 결함 평가값 산출부(126)는 하기 수학식 1에서와 같이, 피크 성분에 대한 에너지의 합과, 잔여 성분에 대한 에너지의 합의 비율을 산출하고, 산출된 비율에 기초하여 결함 평가값을 산출할 수 있다.
[수학식 1]
Figure pat00020
상기 RFCPR은 상기 결함 평가값을 나타내고,
Figure pat00021
,
Figure pat00022
은 각각 상기 결함 주파수 성분의 피크 성분의 에너지의 합과 상기 잔여 성분의 에너지의 합이다.
참고로, 상기 결함 평가값은 결함이 발생하였는지 여부를 판단하기 위한 지표를 의미한다. 본 발명의 일 실시예에서는 포락 신호의 파워 스펙트럼을 이용한 RFCPR(Residual Frequency Component to Peak Ratio)을 결함 평가값으로서 사용할 수 있다.
추정부(130)는 상기 결함 평가값 중 최대값에 기초하여, 입력 신호를 발생하는 물체의 상태 모니터링을 위한 최적의 윈도우 크기 및 최적의 신호 분석 위치를 추정한다.
즉, 추정부(130)는 최대 결함 평가값에 대응하는 노드의 윈도우 크기 및 위치를 파악하여 이를 각각 최적의 윈도우 크기 및 최적의 신호 분석 위치로 추정할 수 있다.
최적의 윈도우 크기 및 최적의 신호 분석 위치는 실시간 모니터링의 기초가 될 수 있으며, 이에 대한 자세한 설명은 뒤에서 자세히 살펴보기로 한다.
도 4 내지 도 6은 본 발명의 일 실시예에 따라 결함 주파수 성분의 피크 성분 및 잔여 성분을 산출하는 과정을 설명하기 위하여 도시한 도면이다.
도 4의 410은 포락 신호의 파워 스펙트럼을 나타내고 있고, 420은 가우시안 혼합 모델 기반의 윈도우 함수를 나타낸다.
먼저 도 4에서와 같이, 포락 신호의 파워 스펙트럼(410)에 가우시안 혼합 모델 기반의 윈도우 함수(420)를 곱하여 결함 주파수 성분을 분리할 수 있다. 이렇게 분리된 결함 주파수 성분 중에서 피크 성분만을 추출하면 도 5와 같다.
도 5의 510은 결함 주파수 성분 중에서 피크 성분만을 나타낸다. 따라서, 본 발명의 일 실시예에서는 도 5에 나타난 피크 성분들의 에너지를 모두 합하여 결함 주파수 성분 가운데 피크 성분에 대한 에너지의 합을 구할 수 있다.
도 6의 610은 도 4의 410에서 도 5의 510을 제외한 성분이다.
즉, 도 6에 나타난 잔여 성분은 도 4의 포락 신호의 파워 스펙트럼(410)에서 도 5에 나타난 결함 주파수 성분 중에서 피크 성분들만 제외한 성분이다. 따라서, 본 발명의 일 실시예에서는 도 6에 나타난 잔여 성분의 에너지를 모두 합하여 잔여 성분들의 에너지의 합을 구할 수 있다.
도 7은 본 발명의 일 실시예에 따른 신호 분석 장치를 이용하여 구름 요소 베어링의 외륜 결함에 관한 RFCPR을 각 노드와 윈도우 크기에 따라 다른 색깔로 구분하여 표시한 도면이다.
도면의 색깔은 RFCPR을 나타내고, 파란색에 가까워 질수록 낮아지고 빨간색에 가까워질수록 높아진다. 각 윈도우 사이즈와 노드의 위치에 따라서 RFCPR이 변하는데, 도면에서 보듯이 윈도우 크기가 667ms인 경우의 5번 노드가 가장 붉게 나타나고 있다. 즉, 신호를 667ms로 분할한 경우의 5번째 노드가 결함 주파수를 검출하기에 가장 좋은 위치가 되기에 물체의 상태 모니터링을 위한 최적의 윈도우 크기와 최적의 신호 분석 위치로 추정된다.
도 8은 본 발명의 실시예에 따른 신호 분석 장치를 이용하여 구름 요소 베어링의 외륜 결함에 대한 일부 노드의 파워 스펙트럼을 도시한 도면이다.
도 8은 도 7에 도시된 일부 노드에 대한 파워 스펙트럼을 도시하였는데, 파워 스펙트럼을 통해 그 일부 노드의 RFCPR을 산출하면 우측 하단에 있는 윈도우 크기가 667ms인 경우의 5번 노드의 RFCPR이 가장 높게 산출된다.
최대값이 산출된 5번 노드에 대응되는 윈도우 크기와 신호 분석위치가 물체의 상태 모니터링을 실시할 때 최적의 윈도우 크기와 최적의 신호 분석 위치로 추정된다.
따라서 신호 분석 장치는 입력 신호에서 상기 5번 노드에 대응되는 윈도우 크기 및 신호 분석 위치에 대해서만 신호를 분석을 할 수 있다.
도 9는 본 발명의 다른 실시예에 따른 신호 분석 장치를 설명하기 위하여 도시한 블록도이다.
도 9를 참조하면, 본 발명의 다른 실시예에 따른 신호 분석 장치(900)는 생성부(110), 산출부(120), 추정부(130) 및 모니터링부(910)를 포함할 수 있다.
상기 신호 분석 장치(900)는 상기 모니터링부(910)를 제외한 나머지 구성요소(110, 120, 130)가 도 1의 신호 분석 장치(100)와 동일하다. 따라서, 본 실시예에서는 상기 모니터링부(910)에 대해서만 자세히 설명하고, 다른 나머지 구성요소(110, 120, 130)에 대한 설명은 생략하기로 한다.
모니터링부(910)는 최적의 윈도우 크기 및 최적의 신호 분석 위치에 기초하여 물체의 상태를 모니터링할 수 있다.
즉, 상기 모니터링부(910)는 최적의 윈도우 크기 및 최적의 신호 분석 위치에 기초하여, 상기 물체(예: 구름요소 베어링 외륜)로부터 발생된 입력 신호(진동, 전류, 전압, 음향 방출 등)로부터 상기 물체의 결함 등을 모니터링할 수 있다.
이때, 상기 모니터링부(910)는 추정부(130)에서 최적의 윈도우 크기와 최적의 노드의 위치로 추정한 그 값에 대응하는 노드에 대해서만 결함 주파수가 검출되는지 계속해서 모니터링 할 수 있다.
한편, 또 다른 실시예로서, 상기 신호 분석 장치는 입력 신호를 계속해서 분석하여 더욱더 최적화된 윈도우 크기 및 최적의 신호 분석 위치를 추정하여 반복해서 개선하고, 개선된 윈도우 크기 및 신호 분석 위치를 이용하여 모니터링부(910)의 윈도우 크기 및 신호 분석 위치를 갱신할 수 있다.
도 10은 본 발명의 일 실시예에 따른 신호 분석 방법을 설명하기 위하여 도시한 흐름도이다.
도 1 및 도 10을 참조하면, 단계 1010에서는, 신호 분석 장치의 생성부(110)에서, 입력 신호에 대해 윈도우 크기를 n(n은 자연수)번 변경하면서 윈도우 처리(windowing)를 수행하여
Figure pat00023
개의 노드를 생성한다.
다음으로, 단계 1020에서는, 신호 분석 장치의 산출부(120)에서,
Figure pat00024
개의 노드 각각에 대한 포락 신호의 파워 스펙트럼을 이용하여, 각각의 노드에 대한 결함 평가값을 산출한다.
이와 같이, 본 발명의 일 실시예는 각각의 노드에 대한 파워 스펙트럼의 생성 및 결함 평가값을 산출 함으로써 시변 다해상도 분석이 가능하다.
다음으로, 단계 1030에서는, 신호 분석 장치의 추정부(130)에서, 결함 평가값 중 최대값에 기초하여, 입력 신호를 발생하는 물체의 상태 모니터링을 위한 최적의 윈도우 크기 및 최적의 신호 분석 위치를 추정한다.
여기서, 최대값에 대응하는 윈도우 크기 및 신호 분석 위치는 모니터링 시스템의 분석을 위한 기초 자료로서 활용될 수 있다.
도 11은 본 발명의 일 실시예에 따라 결함 평가값을 산출하는 방법을 설명하기 위하여 도시한 흐름도이다.
도 1 및 도 11을 참조하면, 단계 1110에서는, 신호 분석 장치의 산출부(120)에서, 각 노드에 대한 포락 신호의 파워 스펙트럼을 생성할 수 있다.
다음으로, 단계 1120에서는, 신호 분석 장치의 산출부(120)에서, 각 파워 스펙트럼으로부터 결함 주파수 성분 및 결함 주파수 성분을 제외한 잔여 성분을 획득할 수 있다.
다음으로, 단계 1130에서는, 신호 분석 장치의 산출부(120)에서, 결함 주파수 성분 중 피크 성분에 대한 에너지의 합과, 잔여 성분에 대한 에너지의 합에 기초하여 결함 평가값을 산출할 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (15)

  1. 입력 신호에 대해 윈도우 크기를 n(상기 n은 자연수)번 변경하면서 윈도우 처리(windowing)를 수행하여
    Figure pat00025
    개의 노드를 생성하는 생성부;
    상기
    Figure pat00026
    개의 노드 각각에 대한 포락 신호의 파워 스펙트럼을 이용하여, 상기 각각의 노드에 대한 결함 평가값을 산출하는 산출부; 및
    상기 결함 평가값 중 최대값에 기초하여, 상기 입력 신호를 발생하는 물체의 상태 모니터링을 위한 최적의 윈도우 크기 및 최적의 신호 분석 위치를 추정하는 추정부
    를 포함하는 것을 특징으로 하는 신호 분석 장치.
  2. 제1항에 있어서,
    상기 산출부는
    상기 각 노드에 대한 포락 신호의 파워 스펙트럼을 생성하는 파워 스펙트럼 생성부;
    상기 각 파워 스펙트럼으로부터 결함 주파수 성분 및 상기 결함 주파수 성분을 제외한 잔여 성분을 획득하는 주파수 성분 획득부; 및
    상기 결함 주파수 성분 중 피크 성분에 대한 에너지의 합과, 상기 잔여 성분에 대한 에너지의 합에 기초하여 상기 결함 평가값을 산출하는 결함 평가값 산출부
    를 포함하는 것을 특징으로 하는 신호 분석 장치.
  3. 제2항에 있어서,
    상기 파워 스펙트럼 생성부는
    상기 각 노드에 대해 힐버트 변환을 수행하여 상기 포락 신호를 생성하고, 상기 각 포락 신호에 대해 고속 푸리에 변환(FFT)을 수행하여 상기 파워 스펙트럼을 생성하는 것을 특징으로 하는 신호 분석 장치.
  4. 제2항에 있어서,
    상기 주파수 성분 획득부는
    가우시안 혼합 모델 기반의 윈도우를 생성하고, 상기 각 파워 스펙트럼에 대해, 상기 생성된 윈도우를 적용하여 상기 결함 주파수 성분을 획득하는 것을 특징으로 하는 신호 분석 장치.
  5. 제2항에 있어서,
    상기 결함 평가값 산출부는
    상기 피크 성분에 대한 에너지의 합과, 상기 잔여 성분에 대한 에너지의 합의 비율을 산출하고, 상기 산출된 비율에 기초하여 상기 결함 평가값을 산출하는 것을 특징으로 하는 신호 분석 장치.
  6. 제5항에 있어서,
    상기 결함 평가값은
    하기 수학식 1에 의해 산출되는 것을 특징으로 하는 신호 분석 장치.
    [수학식 1]
    Figure pat00027

    여기서, 상기 RFCPR은 상기 결함 평가값을 나타내고,
    Figure pat00028
    ,
    Figure pat00029
    은 각각 상기 결함 주파수 성분의 피크 성분의 에너지의 합과 상기 잔여 성분의 에너지의 합을 나타냄.
  7. 제1항에 있어서,
    상기 최적의 윈도우 크기 및 최적의 신호 분석 위치에 기초하여 상기 물체의 상태를 모니터링하는 모니터링부
    를 더 포함하는 것을 특징으로 하는 신호 분석 장치.
  8. 제1항에 있어서,
    상기 입력 신호는
    진동, 전류, 전압, 음향 방출 중 적어도 하나의 신호를 포함하는 것을 특징으로 하는 신호 분석 장치.
  9. 신호 분석 장치의 생성부에서, 입력 신호에 대해 윈도우 크기를 n(상기 n은 자연수)번 변경하면서 윈도우 처리(windowing)를 수행하여
    Figure pat00030
    개의 노드를 생성하는 단계;
    상기 신호 분석 장치의 산출부에서, 상기
    Figure pat00031
    개의 노드 각각에 대한 포락 신호의 파워 스펙트럼을 이용하여, 상기 각의 노드에 대한 결함 평가값을 산출하는 단계; 및
    상기 신호 분석 장치의 추정부에서, 상기 결함 평가값 중 최대값에 기초하여, 상기 입력 신호를 발생하는 물체의 상태 모니터링을 위한 최적의 윈도우 크기 및 최적의 신호 분석 위치를 추정하는 단계
    를 포함하는 것을 특징으로 하는 신호 분석 방법.
  10. 제9항에 있어서,
    상기 결함 평가값을 산출하는 단계는
    상기 각 노드에 대한 포락 신호의 파워 스펙트럼을 생성하는 단계; 및
    상기 각 파워 스펙트럼으로부터 결함 주파수 성분 및 상기 결함 주파수 성분을 제외한 잔여 성분을 획득하는 단계;
    상기 결함 주파수 성분 중 피크 성분에 대한 에너지의 합과, 상기 잔여 성분에 대한 에너지의 합에 기초하여 상기 결함 평가값을 산출하는 단계
    를 포함하는 것을 특징으로 하는 신호 분석 방법.
  11. 제10항에 있어서,
    상기 파워 스펙트럼을 생성하는 단계는
    상기 각 노드에 대해 힐버트 변환을 수행하여 상기 포락 신호를 생성하는 단계; 및
    상기 각 포락 신호에 대해 고속 푸리에 변환(FFT)을 수행하여 상기 파워 스펙트럼을 생성하는 단계
    를 포함하는 것을 특징으로 하는 신호 분석 방법.
  12. 제10항에 있어서,
    상기 결함 주파수 성분 및 상기 결함 주파수 성분을 제외한 잔여 성분을 획득하는 단계는
    가우시안 혼합 모델 기반의 윈도우를 생성하는 단계; 및
    상기 각 파워 스펙트럼에 대해, 상기 생성된 윈도우를 적용하여 상기 결함 주파수 성분을 획득하는 단계
    를 포함하는 것을 특징으로 하는 신호 분석 방법.
  13. 제10항에 있어서,
    상기 결함 주파수 성분 중 피크 성분에 대한 에너지의 합과, 상기 잔여 성분에 대한 에너지의 합에 기초하여 상기 결함 평가값을 산출하는 단계는
    상기 피크 성분에 대한 에너지의 합과, 상기 잔여 성분에 대한 에너지의 합의 비율을 산출하는 단계; 및
    상기 산출된 비율에 기초하여 상기 결함 평가값을 산출하는 단계
    를 포함하는 것을 특징으로 하는 신호 분석 방법.
  14. 제13항에 있어서,
    상기 결함 평가값은
    하기 수학식 1에 의해 산출되는 것을 특징으로 하는 신호 분석 방법.
    [수학식 1]
    Figure pat00032

    여기서, 상기 RFCPR은 상기 결함 평가값을 나타내고,
    Figure pat00033
    ,
    Figure pat00034
    은 각각 상기 결함 주파수 성분의 피크 성분의 에너지의 합과 상기 잔여 성분의 에너지의 합을 나타냄.
  15. 제9항에 있어서,
    상기 신호 분석 장치의 모니터링부에서, 상기 최적의 윈도우 크기 및 최적의 신호 분석 위치에 기초하여 상기 물체의 상태를 모니터링하는 단계
    를 더 포함하는 것을 특징으로 하는 신호 분석 방법.
KR1020140190125A 2014-12-26 2014-12-26 신호 분석 방법 및 장치 KR101714851B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140190125A KR101714851B1 (ko) 2014-12-26 2014-12-26 신호 분석 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140190125A KR101714851B1 (ko) 2014-12-26 2014-12-26 신호 분석 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20160079179A true KR20160079179A (ko) 2016-07-06
KR101714851B1 KR101714851B1 (ko) 2017-03-09

Family

ID=56502172

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140190125A KR101714851B1 (ko) 2014-12-26 2014-12-26 신호 분석 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101714851B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112182490A (zh) * 2020-09-01 2021-01-05 华中科技大学 一种电抗器状态诊断方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Feature parameter extraction and fault growth monitoring for intelligent fault diagnosis of rotation machinery, 충북대 대학원, 정래혁(2012) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112182490A (zh) * 2020-09-01 2021-01-05 华中科技大学 一种电抗器状态诊断方法及系统
CN112182490B (zh) * 2020-09-01 2024-02-02 华中科技大学 一种电抗器状态诊断方法及系统

Also Published As

Publication number Publication date
KR101714851B1 (ko) 2017-03-09

Similar Documents

Publication Publication Date Title
KR101607047B1 (ko) 결함 검출을 위한 신호 분석 방법 및 장치
EP3631205B1 (en) Wind turbine fault detection using acoustic, vibration, and electrical signals
He et al. Fault feature extraction of rolling element bearings using sparse representation
Li et al. Criterion fusion for spectral segmentation and its application to optimal demodulation of bearing vibration signals
EP2743669B1 (en) Fault detection system and associated method
US10393621B2 (en) Method for assessing the condition of rotating machinery connected to an electric motor
CN108304348B (zh) 一种基于二元维纳过程的轴承剩余寿命预测方法
Klausen et al. Multi-band identification for enhancing bearing fault detection in variable speed conditions
CN103134679B (zh) 轴承状态监视方法以及轴承状态监视装置
KR101498527B1 (ko) 진동 주파수 분석 프로그램에 의한 발전소 회전설비상태 진단 시스템
Medjaher et al. Feature extraction and evaluation for health assessment and failure prognostics
Rzeszucinski et al. Bearing health diagnosed with a mobile phone: Acoustic signal measurements can be used to test for structural faults in motors
JP2017032520A (ja) 状態監視装置及び状態監視方法
Singh et al. A review of vibration analysis techniques for rotating machines
Dhamande et al. Bearing fault diagnosis based on statistical feature extraction in time and frequency domain and neural network
CN105445004A (zh) 设备零部件的振动曲线归一化平均寿命预测办法
KR101714851B1 (ko) 신호 분석 방법 및 장치
JP6497919B2 (ja) 回転体およびその軸受を含む設備の診断方法と診断システム
KR101745805B1 (ko) 기계 상태 모니터링 장치 및 방법
Mütze et al. On inverter induced bearing currents, bearing maintenance scheduling, and prognosis
Mohamad et al. Gear fault diagnostics using extended phase space topology
KR20170045990A (ko) 기계 상태 모니터링 방법
Kohlheb et al. Embedded autoencoder-based condition monitoring of rotating machinery
Peeters et al. Fatigue crack detection in planetary gears: Insights from the HUMS2023 data challenge
JP5321646B2 (ja) 異常検査方法及び異常検査装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20200206

Year of fee payment: 4