KR20170038348A - 동적 설비의 결함 진단 시스템 및 결함 진단 방법 - Google Patents

Abstract

본 발명의 실시예들의 일 측면에 의하면, 정상상태의 설비로부터 진동신호를 취득하고, 취득한 진동신호에 기초하여 복수의 특성치를 산출하고, 산출한 복수의 특성치를 이용하여 정상상태 특성치 행렬을 산출하는 단계, 복수의 결함상태 각각에 대하여, 각 결함상태의 설비로부터 진동신호를 취득하고, 취득한 진동신호에 기초하여 복수의 특성치와 동일한 특성치들을 산출하여 결함상태 특성치 행렬을 산출하는 단계, 정상상태 특성치 행렬과 결함상태 특성치 행렬에 기초하여 모델 잔차값 행렬을 산출하여 결함 진단 모델을 생성하는 단계, 측정 대상 설비로부터 실제 진동신호를 취득하고, 실제 진동신호에 기초하여 실제 잔차값 행렬을 산출하는 단계, 및 결함 진단 모델에서 분류한 결함들 중, 실제 잔차값 행렬과 가장 근접한 특성을 나타내는 결함을 측정 대상 설비의 결함 상태로 진단하는 단계를 포함하는 동적 설비의 결함 진단 방법을 제공하여, 과거 취득신호 DB의 취득시기와 종류에 영향을 받지 않으면서 결함 진단의 정확성을 높일 수 있게 된다.

Description

동적 설비의 결함 진단 시스템 및 결함 진단 방법{Fault diagnosis system and fault diagnosis method in dynamic equipment}

본 발명은 동작 설비의 결함 진단 시스템 및 결함 진단 방법에 관한 것으로, 특히 잔차신호 특성치에 기반한 동적 설비 결함 진단 시스템 및 결함 진단 방법에 관한 것이다.

종래, 화력 발전소의 동적 설비(예를 들어, 터빈, 펌프 등)에 설치된 센서로부터의 진동신호를 기반으로 결함 유무를 진단하는 기술이 다양하게 존재하였다. 그 중, 데이터 기반(data driven) 결함 종류(패턴) 분류 진단기술은 최근 활발히 응용되고 있는 분야이다. 이러한 데이터 기반 결함 종류 분류 진단기술은, 일반적으로 설비의 과거 취득신호(정상 및 고장 종류별 데이터)를 데이터베이스(DB)화 한 후, 분류기법을 적용하여 분류기준을 추출해 내고(예를 들어, 기계 학습 과정(Machine learning) 등), 새로운 데이터가 이미 분류된 영역 중 가장 가까운 위치에 있는 종류로 상태가 분류됨으로써 최종 진단이 이루어진다.

이러한 종래 기술의 경우, 결함 검출에 사용되는 신호는 지속적인 설비의 작동 혹은 외부 환경에 따라서 변화하게 되므로 기존 결함진단 분류기준을 그대로 적용하여 상태를 분류하는 경우 현 상태를 오진하게 되어 진단의 정확성이 떨어지게 된다.

이런 정확성 저하의 원인은 결함진단 분류기준 모델을 생성하는 과정에서 학습 데이터를 사용하게 되는데, 이 데이터는 초기 시스템에서 취득한 신호로서, 시스템의 변경 혹은 노후화로 신호가 변화할 경우 진단의 분류영역도 달라지기 때문이다. 이러한 문제점을 보완하기 위해 취득신호에 대해서 정규화 과정을 거치지만 완벽하게 위 문제를 해결하기에는 부족한 실정이다. 또한 대부분의 데이터 기반 결함진단 시스템은 동일하게 복수로 새로운 설비에 적용할 경우 오진확률이 증가하며, 이를 줄이기 위해 내부 알고리즘의 변경 혹은 데이터베이스의 갱신 등을 해야하는 번거로움이 있었다.

본 발명은 상기와 같은 문제점을 감안하여 이루어진 것으로, 과거 취득신호 DB의 취득시기와 종류에 영향을 받지 않으면서 결함 진단의 정확성을 높일 수 있는 동적 설비의 결함 진단 시스템 및 결함 진단 방법을 제공하는 것을 목적으로 한다.

상기와 같은 기술적 과제를 해결하기 위하여 본 발명의 실시예들의 일 측면에 의하면, 정상상태의 설비로부터 진동신호를 취득하고, 취득한 진동신호에 기초하여 복수의 특성치를 산출하고, 산출한 복수의 특성치를 이용하여 정상상태 특성치 행렬을 산출하는 단계, 복수의 결함상태 각각에 대하여, 각 결함상태의 설비로부터 진동신호를 취득하고, 취득한 진동신호에 기초하여 복수의 특성치와 동일한 특성치들을 산출하여 결함상태 특성치 행렬을 산출하는 단계, 정상상태 특성치 행렬과 결함상태 특성치 행렬에 기초하여 모델 잔차값 행렬을 산출하여 결함 진단 모델을 생성하는 단계, 측정 대상 설비로부터 실제 진동신호를 취득하고, 실제 진동신호에 기초하여 실제 잔차값 행렬을 산출하는 단계, 및 결함 진단 모델에서 분류한 결함들 중, 실제 잔차값 행렬과 가장 근접한 특성을 나타내는 결함을 측정 대상 설비의 결함 상태로 진단하는 단계를 포함하는 동적 설비의 결함 진단 방법을 제공한다.

이러한 본 발명의 다른 특징에 의하면, 결함 진단 모델을 생성하는 단계는, 정상상태 특성치 행렬과 결함상태 특성치 행렬의 유클리디안 거리로부터 가중치 행렬을 산출하는 단계, 가중치 행렬로부터 변형값 행렬을 생성하는 단계, 및 결함상태 특성치 행렬로부터 변형값 행렬을 소거하여 모델 잔차값 행렬을 산출하는 단계를 포함할 수 있다.

본 발명의 또 다른 특징에 의하면, 모델 잔차값 행렬을 복수의 결함상태 각각에 대하여 산출하고, 복수의 산출된 모델 잔차값 행렬에 기초하여 결함 진단 모델이 생성될 수 있다.

본 발명의 또 다른 특징에 의하면, 가중치 행렬을 산출하는 단계는 정상상태 특성치 행렬의 각 행과 결함상태 특성치 행렬사이의 유클리디안 거리를 산출하여 정상상태 특성치 행렬의 행의 개수만큼의 인자를 가지는 가중치 행렬을 산출하고, 가중치 행렬의 각 인자에 대해서 정규화 커널 함수를 적용함으로써 가중치 행렬을 정규화시킨 정규화 가중치 행렬을 산출한 후, 아래 식에 기초하여 변형값 행렬을 산출할 수 있다.

(E는 변형값 행렬, w는 정규화 가중치 행렬, B는 정상상태 특성치 행렬, i는 정상상태 특성치 행렬의 행의 개수, p는 결함의 종류)

본 발명의 또 다른 특징에 의하면, 정상상태 특성치 행렬은 정상 진동신호를 임의의 시구간 동안 취득하고, 취득한 시구간을 미리 정해진 시구간으로 분할하여, 분할된 각각의 시구간에 대해서 복수의 특성치를 산출함으로써 산출될 수 있다.

상기와 같은 기술적 과제를 해결하기 위하여 본 발명의 실시예들의 다른 측면에 의하면, 정상상태의 설비, 결함상태의 설비 및 측정 대상 설비로부터 진동신호를 취득하는 데이터 취득부, 취득한 진동신호에 기초하여 복수의 특성치를 산출하여 특성치 행렬을 산출하는 특성치 계산부, 정상상태의 설비로부터의 진동신호인 정상 진동신호에 기초하여 산출된 정상상태 특성치 행렬과, 결함상태의 설비로부터의 진동신호인 결함 진동신호에 기초하여 산출된 결함상태 특성치 행렬로부터 모델 잔차값 행렬을 산출하고, 정상상태 특성치 행렬과, 측정 대상 설비로부터의 진동신호인 실제 진동신호에 기초하여 산출된 실제 특성치 행렬로부터 실제 잔차값 행렬을 산출하는 잔차값 행렬 계산부, 및 모델 잔차값 행렬로부터 결함 진단 모델을 생성하고, 결함 진단 모델과 실제 잔차값 행렬에 기초하여 측정 대상 설비의 결함 상태를 진단하는 제어부;를 포함하는 동적 설비의 결함 진단 시스템을 제공한다.

상기와 같은 구성으로 의하여, 본 발명의 실시예들에 따른 결함 진단 방법 및 시스템에 따르면 과거 취득신호 DB의 취득시기와 종류에 영향을 받지 않으면서 결함 진단의 정확성을 높일 수 있게 된다.

도 1은 본 발명의 일 실시예에 따른 결함 진단 시스템의 구성을 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 결함 진단 방법을 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 결함 진단 모델에 실제 측정 데이터를 적용하는 모습을 개략적으로 나타내는 도면이다.
도 4는 종래의 결함 진단 방법을 나타내는 도면이다.
도 5a 및 도 5b는 본 발명의 일 실시예에 따른 결함 진단 방법과 종래의 결합 진단 방법에 의한 진단 결과를 나타내는 도면이다.

본 발명은 다양한 변환을 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 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

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.

이하, 본 발명에 따른 실시 예들을 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

본 발명의 실시예들에 따른 결함 진단 시스템 및 결함 진단 방법은 발전소의 회전체 설비인 동적 설비에 설치된 센서로부터 진동신호(정상신호, 결함신호A, 결함신호B, ... 결함신호n: 여기서 n은 결함의 수)를 일정시간 취득하고 통계적 특성값을 계산한 후 데이터베이스화 한다. 여기서 통계적 특성값이란 평균, 표준편차, 실효율 등 해당 설비로부터 취득한 신호들에 대해서 얻을 수 있는 다양한 값들이다. 그 후, 진동신호를 기반으로 특성값 행렬을 구성하고 정상 신호를 기준으로 다변수 예측함수를 적용함으로써 데이터베이스에 저장된 진동신호 특성치를 변형한 새로운 값을 뽑아낸다.

다음으로, 본래 데이터베이스에 저장된 본래의 진동신호 특성치와 앞서 산출한 변형된 값을 소거하여 모델 잔차값을 생성하고, 데이터베이스를 사용하여 FDA와 SMV과 같은 영역 분류 알고리즘을 적용한 후 결함 종류별 잔차값 분류 기준치를 계산하여 결함 진단 모델을 정의한다.

그리고 발전소 회전체 설비로부터 취득되는 새로운 진동신호에 대하여 위 과정과 동일하게 정상신호를 기반으로 실제값(새롭게 취득되는 신호로서, 실제 측정 대상으로부터의 신호)에 대한 '변형된 값'을 구한 후 최종적으로 실제 잔차값을 구한다.

마지막으로, 실제 잔차값과 모델 잔차값을 비교함으로써 최종적으로 설비의 상태 및 결함을 진단할 수 있다.

위와 같은 본 발명의 실시예들에 따른 결함 진단 방법을 구현하기 위한 결함 진단 시스템에 대해서 구체적으로 살펴보도록 한다.

도 1은 본 발명의 일 실시예에 따른 결함 진단 시스템(1)의 구성을 나타내는 블록도이다.

도 1을 참조하면, 결함 진단 시스템(1)은 제어부(10), 데이터 취득부(20), 특성치 계산부(30), 잔차값 행렬 산출부(40)를 포함할 수 있다.

제어부(10)는 결함 진단 시스템(1)의 전반적인 동작을 제어한다.

데이터 취득부(10)는 정상상태의 설비, 결함상태의 설비 및 측정 대상 설비로부터 진동신호를 취득한다. 이하에서는 정상상태의 설비로부터 취득한 신호를 정상 진동신호, 결함상태의 설비로부터 취득한 신호를 결함 진동신호, 실제 측정 대상 설비로부터 취득한 신호를 실제 진동신호라고 지칭하도록 한다. 데이터 취득부(10)는 복수의 결함상태 각각에 대하여 해당 결함상태를 가지는 설비로부터 진동신호를 취득할 것이다.

특성치 계산부(30)는 취득한 진동신호에 기초하여 복수의 특성치를 산출하여 특성치 행렬을 산출한다. 특성치 계산부(30)는 정상 진동신호에 기초한 정상상태 특성치 행렬, 결함 진동신호에 기초한 결함상태 특성치 행렬, 실제 진동신호에 기초한 실제 특성치 행렬을 산출한다. 특성치 행렬을 산출하는 구체적인 동작에 대하여는 도 2를 참조하여 자세히 설명하도록 한다.

잔차값 행렬 산출부(40)는 정상 진동신호에 기초하여 산출된 정상상태 특성치 행렬과, 상기 결함 진동신호에 기초하여 산출된 결함상태 특성치 행렬로부터 모델 잔차값 행렬을 산출한다. 또한 잔차값 행렬 산출부(40)는 상기 정상상태 특성치 행렬과, 상기 실제 진동신호에 기초하여 산출된 실제 특성치 행렬로부터 실제 잔차값 행렬을 산출한다. 잔차값 행렬을 산출하는 구체적인 동작에 대하여는 도 2를 참조하여 자세히 설명하도록 한다.

한편, 제어부(10)는 잔차값 행렬 산출부(40)에서 산출한 모델 잔차값 행렬로부터 결함 진단 모델을 생성하고, 결함 진단 모델과 실제 잔차값 행렬에 기초하여 측정 대상 설비의 결함 상태를 진단하게 된다.

제어부(10)는 모델 잔차값 행렬로부터 결함 상태를 분류하기 위한 분류기로서 종래에 사용되는 일반적인 분류기인 FDA나 SVM 등을 사용할 수 있을 것이다. 그리고 제어부(10)는 분류기에 의하여 결함 상태를 분류하고, 실제 잔차값 행렬이 나타내는 특성이 분류된 결함 상태들 중 가장 유사한 특성을 나타내는 결함 상태에 측정 대상 설비가 해당하는 것으로 판단한다. 결함 진단 모델의 생성과 결함 진단에 대한 구체적인 동작에 대하여는 도 2를 참조하여 자세히 설명하도록 한다.

다음으로 이러한 결함 진단 시스템(1)을 사용하여 동적 설비의 결함을 진단하는 방법에 대해서 구체적으로 살펴본다.

도 2는 본 발명의 일 실시예에 따른 결함 진단 방법을 나타내는 도면이다.

도 2를 참조하면, 결함 진단 시스템(1)은 회전체 설비 등의 동적 설비로부터 진동신호를 취득한다(S20). 진동신호의 취득은 데이터 취득 시스템과 같은 데이터 취득부(20)를 통하여 수행될 수 있다. 이때, 진동신호를 취득하는 단계인 S20에서는 정상상태인 동적 설비로부터의 진동신호인 정상 진동신호와, 결함 상태인 동적 설비로부터의 진동신호인 결함 진동신호를 수신한다. 결함 상태는 설비의 오정렬, 접촉마모, 오일 훨 등의 상태 등, 정상상태의 범위를 벗어난 다양한 상태를 포함할 수 있다. 따라서 데이터 취득부(20)는 복수의 결함상태의 각각에 대하여, 각 결함상태의 동적 설비로부터 진동신호를 취득한다.

그리고 취득된 진동신호들에 대하여 데이터베이스화 한다(S21). 데이터베이스에 저장된 데이터들에 대하여 각종 신호처리(S23)를 수행하고, 특성치를 계산한다(S24). 특성치란 취득된 신호의 평균, 표준편차, 실효율 등의 특성을 포함할 수 있다.

여기서, 데이터베이스된 신호의 신호처리 및 특성치 계산에 대하여 좀 더 자세히 살펴보도록 한다.

데이터 취득부(20)는 정상상태인 동적 설비로부터 일정 시간동안 정상 진동신호를 취득하고, 신호를 취득한 구간을 복수의 구간으로 나눈 후, 각 구간에서 취득된 정상 진동신호들에 대해서 복수의 특성치를 계산하여 산출한다. 예를 들어, 동적 설비의 진동을 100초간 측정하여 정상 진동신호를 취득한 경우, 구간을 5초로 나누면 총 20개의 구간이 발생하는데, 각 구간에서 취득된 정상 진동신호에 대해서 특성치인 평균, 표준편차, 실효율 등을 계산한다. 따라서 각 구간에 대하여 특성치가 계산되므로, 계산된 각 특성치는 20개의 구간에서 계산된 20개의 값이 생성된다. 이와 같이 계산된 특성치들로 데이터베이스를 생성하게 되고, 그 결과에 의한 정상상태 특성치 행렬이 아래의 [수학식 1]과 같이 된다.

(i는 시구간의 개수, Fn은 특성치 종류, n은 특성치의 개수)

위 예에서 시구간은 20개이며, 특성치 종류는 3가지 이므로, i=20, n=3이 되어 정상상태 특성치 행렬 B는 20행 3열의 행렬이 된다.

다음으로, 결함상태의 동적 설비로부터 일정 시간동안 결함 진동신호를 취득하고, 취득한 신호에 대해서 정산 진동신호에 대해서 구한 것과 동일한 종류의 특성치를 계산한다. 이와 같이 계산된 특성치들로 데이터베이스를 생성하게 되고, 그 결과에 의한 결함상태 특성치 행렬이 아래의 [수학식 2]와 같이 된다.

(p는 결함의 종류)

복수의 결함상태마다의 데이터베이스를 만들기 위하여 상기와 같은 특성치 계산 및 결함상태 특성치 행렬의 생성이 각 결함마다 반복하여 수행되어야 한다.

상기와 같은 방식으로 정상 진동신호와 결함 진동신호에 대한 신호 처리 및 특성치 계산이 수행된다.

다음으로, 각각의 결함상태 특성치(정상상태 특성치 포함)에 대해서 정상상태 특성치와의 유클리디안 거리(Euclidean Distance)를 [수학식 3]에 대입하여 산출함으로써 [수학식 4]와 같은 가중치 행렬을 구한다.

(1 ≤m≤ i)

한 가지 결함에 대해서 정상상태 특성치 행렬의 각 행마다 유클리디안 거리를 산출함으로써, 즉, i번 유클리디안 거리를 산출함으로써 i개의 k값이 산출되며, 그 결과가 [수학식 4]와 같이 된다.

그리고 상기와 같은 과정을 각 결함마다 반복하게 되므로 가중치 행렬 k는 p개 생성되게 된다.

다음으로, 정규화 커널 함수인 [수학식 5]에 [수학식 4]의 요소들을 각각 대입하여 w 행렬을 구한다. 가중치 행렬 k와 마찬가지로 행렬 w도 결함상태마다 반복되므로 행렬 w의 개수도 p개 생성될 것이다.

(h는 상수)

높은 가중치(k_i)를 가지는 정상상태 특성치 행렬의 행은 이후 설명할 변형값 생성시 가장 많은 영향 요소(w_i)를 가지게 되며, 낮은 가중치를 가지는 정상상태 특성치 행렬의 행은 변형값 생성시 거의 영향을 주지 못하게 된다.

그후, 행렬 w를 아래 [수학식 6]에 대입함으로써 각각의 결함상태에 대해서 변형값 행렬 Ep를 구하게 된다.

즉, 실제 결함 진단을 위한 측정이 아닌 과거 취득한 진동신호로 구성된 특성치 데이터베이스는 정상상태의 특성값과 유사한 값을 갖는 특성치의 열은 유사한 값이 도출되고, 정상상태와 다른 값을 나타내는 특성치의 열은 기존의 정상상태 특성값에서 편차를 발생시켜 변형값을 생성하여 최종적으로 데이터베이스를 구성한 횟수만큼 처리과정이 반복되어 변형값 행렬 Ep가 생성된다(S25).

다음으로, [수학식 7]과 같이 생성된 변형값 행렬 Ep의 각 요소를 본래의 진동신호의 특성값으로 소거하여 잔차값 행렬 Rp를 생성한다. 이 잔차값 행렬은 분류 모델을 생성하기 위한 일종의 모델 잔차값 행렬이다.

(x는 본래 특성치, E는 변형된 특성치, R은 잔차값, n은 특성치의 종류)

위 잔차값 행렬은 다음과 같은 특성을 가지고 있다. 시스템의 고장으로 변화하는 특성값은 편차가 발생하기 때문에 분류가 용이하며 변화하지 않는 특성은 거의 0으로 수렴하기 때문에, 진단 모델을 만들기 위해 진행되는 기계학습 시, 효율적인 데이터의 분류가 가능해진다.

최종적으로 잔차값 행렬을 이용하여 종래의 일반적인 분류기(Classifier)인 FDA, SVM 등을 통하여 결함 종류별로 데이터를 분류(S26)함으로써 진단 모델을 생성하게 된다(S27). 즉 데이터 분류의 기준치의 설정이 가능해진다.

이와 같은 방법에 의하여 잔차 기반 결함 진단 모델이 생성된다.

이러한 잔차 기반 결함 진단 모델의 생성을 토대로 실제 설비의 결함 진단을 수행하게 된다.

우선 데이터 취득부(20)를 통하여 실제 측정 대상 설비로부터 실제 진동신호를 취득한다. 그리고 실제 진동신호를 데이터베이스에 저장한다(S22). 그리고 앞서 설명한 것과 같은 방법을 동일하게 적용하여 특성치 계산과 각종 신호 처리를 통하여 실제 잔차값 행렬의 산출을 수행한다.

그리고 앞서 생성된 진단 모델에 실제 잔차값 행렬을 적용하여 진단이 수행된다(S28).

도 3은 본 발명의 일 실시예에 따른 결함 진단 모델에 실제 측정 데이터를 적용하는 모습을 개략적으로 나타내는 도면이다.

도 3를 참조하면, 데이터 취득부(10)는 실제 측정 대상 설비로부터 진동신호를 취득하며, 이때의 진동신호는 처음에는 정상 진동신호의 형태를 나타내다가 시간이 흐름에 따라서 결함이 발생하여 결함 진동신호가 섞이게 된다.

특성치 계산부(20)는 실제 측정 대상으로부터 취득한 진동신호에 대하여 도 3의 (a)와 같이 특성치를 산출한다. 도 3의 경우 특성치를 2가지에 대해서 산출하고 있다. 도 3의 (a)에 나타나듯이, 초기에는 특성치가 정상상태를 나타내다가 취득한 데이터가 12,500개를 넘어가는 시점에서 결함이 발생하였으며, 그로 이하여 특성치가 급격하게 변하는 것을 확인할 수 있다.

그리고 앞서 설명한 S25 단계에서 설명한 바와 같이, 특성치에 대해서 가중치 행렬 산출, 정규화 커널 함수 적용 등을 거쳐서 변형값을 산출하며, 그 결과가 도 3의 (b)와 같이 나타난다.

그리고 실제 측정값과 변형값의 잔차를 산출하게 되며, 그 결과가 도 3의 (c)와 같이 나타난다.

마지막으로 S28 단계에서와 같이, 기존에 생성한 결함 진단 모델에 실제 측정한 특성치 종류1 및 특성치 종류2에 대한 잔차값을 대비함으로써 취득한 결함 진동신호가 어떤 결함인지를 진단하게 된다.

이와 같은 결함 진단 방법으로 인하여, 설비가 환경에 따라서 변화하여 정상신호가 변화하더라도 추가적인 알고리즘의 보완 없이 높은 결함진단 정확성을 유지할 수 있게 된다.

도 4는 종래의 결함 진단 방법을 나타내는 도면이다.

도 4를 참조하면, 종래에는 특성치를 계산하는 동작까지는 본 발명에서의 동작과 동일하게 수행되었으나, 과거 취득한 데이터(S11)의 데이터베이스를 가지고 계산된 특성치에 대하여 잔차값의 산출 없이 곧장 진단 모델을 산출하였다(S16). 그리고 실제 측정 대상 설비로부터 취득한 데이터를 가지고 계산된 특성치를 S16 단계에서 산출된 진단 모델에 적용함으로써 결함 진단을 수행하였다.

도 4와 같은 종래 기술에 따라서 결함 진단을 수행하면, S16 단계에서 산출되는 결함 진단 모델은 특정 시점에서의 정상 진동신호에 기초하여 산출된 모델이므로, 환경변화에 따른 정상 진동신호의 변화를 반영하지 못하게 된다.

이러한 본 발명에 따른 결함 진단 방법과 종래 기술에 따른 결함 진단 방법의 효과 상의 차이를 살펴보도록 한다.

도 5a 및 도 5b는 본 발명의 일 실시예에 따른 결함 진단 방법과 종래의 결합 진단 방법에 의한 진단 결과를 나타내는 도면이다.

결함 진단 시스템(1)의 효과를 확인하기 위하여 소형, 중형, 및 대형인 전력 생산용 실제 회전체의 3가지 시스템에 대하여 결함 진단 정확도를 비교해 보았다. 구체적으로는 각 설비의 결함 진단 모델을 생성하고, 모델 생성시에 정의한 정상신호의 범위를 변화시켜서 결함 진단을 수행하였다.

도 5a의 경우, 소형 회전체 시스템에서의 진단 결과와 중형 회전체 시스템에서의 2가지 진단 결과를 나타내고 있으며, 정상신호의 범위가 변경되는 경우, 기존의 진단 방법에 의하는 경우에 비하여 본 발명에 따른 결함 진단 시스템(1)의 진단 정확도가 우수한 것을 확인할 수 있었다.

도 5b의 경우, 서로 다른 회전체 설비에 동일한 결함 진단 모델을 적용하여 결함 진단을 수행한 경우이다. 기존의 진단 방법에 의하는 경우에 비하여 본 발명에 따른 결함 진단 시스템(1)은 소형 회전체에 대하여 수행한 5번 테스트 모델의 경우를 제외하고는 진단 정확도가 우수한 것을 확인할 수 있었다.

즉, 본 발명의 실시예들에 따른 결함 진단 시스템(1) 및 결함 진단 방법에 의하는 경우, 다양한 설비에 동일한 결함 진단 모델을 적용할 수 있으므로 기존 데이터 기반 고장 진단 시스템에서 중복적으로 학습 데이터를 취득해야 하는 단점을 해결할 수 있게 된다.

또한 설비가 환경의 변화에 따라서 변화하여 정상신호의 범위가 변경되어도 추가적인 알고리즘의 보완 없이 높은 결함 진단 정확성을 유지할 수 있게 된다.

화력발전설비 등 대용량 복합 설비는 고장 발생 시 엄청난 경제적 손실이 발생하게 되며, 전기 품질 저하 등 그 파급 영향이 매우 크다. 그리고 전력설비 중 회전체(터빈, 주 급수펌프 등) 고장의 초기 진단은 안정적인 전력 공급을 위해서 무엇보다도 중요하다. 따라서 상기와 같은 결함 진단 시스템(1) 및 결함 진단 방법에 의하여 설비들의 예기치 않은 고장을 미연에 방지함으로써 막대한 경제적 손실을 막을 수 있게 된다.

본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, “필수적인”, “중요하게” 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.

본 발명의 명세서(특히 특허청구범위에서)에서 “상기”의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다. 마지막으로, 본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

1: 결함 진단 시스템 10: 제어부
20: 데이터 취득부 30: 특성치 계산부
40: 잔차값 행렬 계산부

Claims (6)

1. 동적 설비의 결함 진단 방법으로서,
   정상상태의 설비로부터 진동신호를 취득하고, 취득한 진동신호에 기초하여 복수의 특성치를 산출하고, 산출한 복수의 특성치를 이용하여 정상상태 특성치 행렬을 산출하는 단계;
   복수의 결함상태 각각에 대하여, 각 결함상태의 설비로부터 진동신호를 취득하고, 취득한 진동신호에 기초하여 상기 복수의 특성치와 동일한 특성치들을 산출하여 결함상태 특성치 행렬을 산출하는 단계;
   정상상태 특성치 행렬과 결함상태 특성치 행렬에 기초하여 모델 잔차값 행렬을 산출하여 결함 진단 모델을 생성하는 단계;
   측정 대상 설비로부터 실제 진동신호를 취득하고, 실제 진동신호에 기초하여 실제 잔차값 행렬을 산출하는 단계; 및
   결함 진단 모델에서 분류한 결함들 중, 실제 잔차값 행렬과 가장 근접한 특성을 나타내는 결함을 상기 측정 대상 설비의 결함 상태로 진단하는 단계;를 포함하는 동적 설비의 결함 진단 방법.
2. 청구항 1에 있어서,
   상기 결함 진단 모델을 생성하는 단계는,
   상기 정상상태 특성치 행렬과 결함상태 특성치 행렬의 유클리디안 거리로부터 가중치 행렬을 산출하는 단계;
   상기 가중치 행렬로부터 변형값 행렬을 생성하는 단계; 및
   상기 결함상태 특성치 행렬로부터 상기 변형값 행렬을 소거하여 상기 모델 잔차값 행렬을 산출하는 단계;를 포함하는 것을 특징으로 하는 동적 설비의 결함 진단 방법.
3. 청구항 2에 있어서,
   상기 모델 잔차값 행렬을 상기 복수의 결함상태 각각에 대하여 산출하고,
   복수의 상기 산출된 모델 잔차값 행렬에 기초하여 상기 결함 진단 모델이 생성되는 것을 특징으로 하는 동적 설비의 결함 진단 방법.
4. 청구항 2에 있어서,
   상기 가중치 행렬을 산출하는 단계는 상기 정상상태 특성치 행렬의 각 행과 상기 결함상태 특성치 행렬사이의 유클리디안 거리를 산출하여 상기 정상상태 특성치 행렬의 행의 개수만큼의 인자를 가지는 가중치 행렬을 산출하고,
   상기 가중치 행렬의 각 인자에 대해서 정규화 커널 함수를 적용함으로써 상기 가중치 행렬을 정규화시킨 정규화 가중치 행렬을 산출한 후, 아래 식에 기초하여 변형값 행렬을 산출하는 것을 특징으로 하는 동적 설비의 결함 진단 방법.
   

   

   
   (E는 변형값 행렬, w는 정규화 가중치 행렬, B는 정상상태 특성치 행렬, i는 정상상태 특성치 행렬의 행의 개수, p는 결함의 종류)
5. 청구항 1에 있어서,
   상기 정상상태 특성치 행렬은 상기 정상 진동신호를 임의의 시구간 동안 취득하고, 상기 취득한 시구간을 미리 정해진 시구간으로 분할하여, 분할된 각각의 시구간에 대해서 상기 복수의 특성치를 산출함으로써 산출되는 것을 특징으로 하는 동적 설비의 결함 진단 방법.
6. 정상상태의 설비, 결함상태의 설비 및 측정 대상 설비로부터 진동신호를 취득하는 데이터 취득부;
   상기 취득한 진동신호에 기초하여 복수의 특성치를 산출하여 특성치 행렬을 산출하는 특성치 계산부;
   상기 정상상태의 설비로부터의 진동신호인 정상 진동신호에 기초하여 산출된 정상상태 특성치 행렬과, 상기 결함상태의 설비로부터의 진동신호인 결함 진동신호에 기초하여 산출된 결함상태 특성치 행렬로부터 모델 잔차값 행렬을 산출하고, 상기 정상상태 특성치 행렬과, 상기 측정 대상 설비로부터의 진동신호인 실제 진동신호에 기초하여 산출된 실제 특성치 행렬로부터 실제 잔차값 행렬을 산출하는 잔차값 행렬 계산부; 및
   상기 모델 잔차값 행렬로부터 결함 진단 모델을 생성하고, 상기 결함 진단 모델과 상기 실제 잔차값 행렬에 기초하여 상기 측정 대상 설비의 결함 상태를 진단하는 제어부;를 포함하는 동적 설비의 결함 진단 시스템.
   

Images