KR20180010367A - 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법 - Google Patents

Abstract

본 발명은 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법에 대한 것이다. 본 발명의 일 양상인 웨이브렛(Wavelet Entropy, WE)과 순환대수 엔빌로프 스펙트럼(Cyclic Logarithmic Envelope Spectrum, CLES)를 이용하여 회전기기(rotating machinery)의 고장을 검출하는 방법에 있어서, 상기 회전기기로부터 진동 신호(vibration signal)를 획득하는 제 1 단계; 상기 웨이브렛을 기초로 적응 필터(adaptive filter)의 스텝 사이즈(step size)를 조절함으로써, 상기 진동 신호에 포함된 노이즈를 감소시키는 제 2 단계; 상기 진동신호의 속도 변동(speed fluctuation)을 이용하여, 타코 신호(Tacho signal)를 생성하는 제 3 단계; 상기 타코 신호를 기초로 회전 당 발생하는 이벤트의 횟수인 차수(order)를 트래킹(tracking) 함으로써, 상기 진동 신호의 주파수 변동(frequency fluctuation)을 제거하는 제 4 단계; 및 상기 진동 신호의 순환대수 엔빌로프 스펙트럼을 이용하여 상기 회전기기의 고장을 검출하는 제 5 단계;를 포함할 수 있다

Description

웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법 {failure detection method for rotating machinery using Wavelet Entropy(WE) and Cyclic Logarithmic Envelope Spectrum(CLES)}

본 발명은 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법에 대한 것이다.

구체적으로 본 발명은 WE(Wavelet Entropy)를 이용하여 노이즈를 제거하고, Tacho 신호를 생성한 이후에 COT(Computed Order Tracking)를 수행함으로써, 획득된 CLES(Cyclic Logarithmic Envelope Spectrum)을 기초로 회전기기의 고장을 신속하게 검출하는 방법에 대한 것이다.

산업용 로봇을 포함한 자동화 기계장치들은 구동모터와 함께 복잡한 동력전달 체계를 구비하여 작동되는데, 통상적으로 내부에 다수 쌍의 기어들이 맞물려 회전하고 있는 기어박스를 구비하고 있는 것이 보통이다.

이러한 기어박스 내부에는 다양한 속도로 회전하는 회전축들이 있고, 이들 축들을 지지하는 베어링이 내장되어 있다.

기어박스는 내부에 장착된 회전체들의 불평형 질량(Unbalance Mass), 축의 휨, 베어링 마모, 기어 치면의 손상 등의 원인으로 가동중 필연적으로 진동이 발생하는데, 고장의 징후가 있으면 그 고장의 원인과 관계가 있는 특정 주파수 성분의 진동이 급격히 증가한다.

따라서 기계장치의 진동상태를 지속적으로 모니터링하면, 고장의 징후를 미리 탐지할 수 있고, 또한 고장부위까지 사전에 인지할 수 있다.

만약 기계에 고장징후가 탐지되고, 예상되는 고장부위를 사전에 감지하면, 적절한 예방정비를 하여 중요한 기계 장치가 불시에 고장을 일으켜 전체 생산 공정에 차질을 초래하거나, 주변 작업인원이 신체적 피해를 입는 등의 불측의 치명적인 피해를 사전에 방지할 수 있다.

이와 같이 기계의 진동을 모니터링하여 기계장치의 고장징후와 고장원인을 사전에 미리 예측하는 기법을 진동모니터링이라고 한다.

상기와 같은 진동모니터링을 위하여, 종래에는 진동을 유발하는 기계에 고가의 진동 가속도계(Vibration Accelerometer)등의 센서를 부착하여 두고, 이 센서를 신호케이블로 신호처리장치 또는 신호처리가 가능한 컴퓨터 등과 연결한 별도의 진동모니터링 시스템을 구비하여 기계의 진동을 모니터링하였다. 이 경우 센서, 증폭기 등의 신호조정장치, 그리고 신호처리장치 등의 구성장비들이 아주 고가이고, 길게 연결된 신호케이블로 잡음신호(Noise, 이하 노이즈라 칭함.)가 유입되어 신뢰도가 저하되고, 시스템이 복잡하여 진동에 대하여 상당한 지식이 있는 고급인력이 있어야 운용할 수 있는 문제점이 있었다.

따라서 지금까지는 아주 고가의 대형설비 등에만 부분적으로 진동모니터링을 하고 있는 실정이다.

진동모니터링은 측정된 진동신호의 시간영역 데이터(Time Domain Data)를 바로 이용하거나, 측정된 진동신호를 주파수분석하여 주파수영역 데이터(Frequency Domain Data)를 이용하는 방법이 알려져 있다.

시간영역 데이터를 이용하는 진동모니터링 방법으로는 Crest Factor를 이상 유무의 판정기준으로 하는 방법이 있는데, Crest Factor는 진동 진폭의 RMS 값에 대한 Peak 값의 비(Peak/RMS)로 정의된다. Crest Factor를 이용하는 방법은 충격성 신호(Impulse Signal)성분이나 단기 현상(Short Event)에 의한 신호를 검출하여 기계의 상태를 모니터링을 하는 방법으로서, 베어링파손, 기어파손 등에 의하여 발생하는 순간적인 진동의 변화를 감지함으로써 이러한 원인에 의한 기계의 고장을 예측한다.

예를 들어, 정상적인 기계작동 상태에서는 Crest Factor가 2.5 내지 3,5의 범위에 있는데, 베어링이 손상될 경우, 3.5 이상으로 증가하고, 베어링 파손 직전에는 7 이상으로 급증한다. 이와 같은 Crest Factor를 이용한 기계의 고장 판정기준과 예상되는 고장원인에 대해서는 많이 알려져 있다(국내 등록특허 10-0456573호, 진동소음품질 검사장치(발명자 최현) 참조).

주파수영역 데이터를 이용하는 진동모니터링 방법으로는 Peak 검사법, Band 검사법, Overall 검사법 등이 있다.

기계에 고장의 징후가 있을 경우, 그 고장의 원인과 관련이 있는 특정 주파수의 진동성분이 증가하게 된다.

이와 같이 증가하는 진동의 주파수는 고장 부위의 회전수, 문제가 있는 기어의 치면 접촉주파수, 문제가 있는 베어링의 볼 회전 주파수 등인데, 진폭이 증가하는 진동의 주파수를 알면 그 고장원인까지 진단할 수 있다.

Peak 검사법은 특정주파수 성분에 해당하는 진동 진폭(Amplitude)를 이상 유무의 판정기준으로 하는 방법으로서, 기계에서 발생하는 진동신호의 주파수가 일정한 값인 경우(예를 들어, AC 모터에서 120Hz의 자기진동성분이 지배적인 것 등)에 적용된다. Band 검사법은 일정한 특정 주파수 대역폭에서 계산된 진동값의 합을 이상 유무의 판정기준으로 하는 방법이다. Overall 검사법은 검사주파수 대역 내에서 측정된 진동값의 합을 이상 유무의 판정기준으로 하는 방법이다.

이와 같이, 회전기계의 상태를 진단하는 여러 방법들은 센서를 통해 진동신호를 측정하고 이 신호를 분석하고, 회전기계의 상태진단을 위한 최선의 방법 중 하나는 초기단계의 결함을 감지하여 유지 및 보수 계획을 수립하는 것이다.

그러나 회전기계의 초기결함에 의해 발생하는 진동신호(특성신호 혹은 Fault feature)는 그 강도가 미약하여 주변의 다른 회전기계 등에 의해 발생하는 진동신호(혹은 노이즈 성분)에 의해 쉽게 묻혀버리는 점이 종래부터 오랜 기간 동안 문제되어 왔다.

따라서 이러한 문제점을 해결할 수 있는 회전기기의 고장을 초기에 검출하는 방법의 필요성이 대두되고 있는 실정이다.

(1) 국제공개번호 WO 2011/112427 (2) 국제공개번호 WO 2014/084214

본 발명은 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법을 사용자에게 제공하고자 한다.

구체적으로 본 발명은 WE(Wavelet Entropy)를 이용하여 노이즈를 제거하고, Tacho 신호를 생성한 이후에 COT(Computed Order Tracking)를 수행함으로써, 획득된 CLES(Cyclic Logarithmic Envelope Spectrum)을 기초로 회전기기의 고장을 신속하게 검출하는 방법을 사용자에게 제공하고자 한다.

한편, 본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상기의 기술적 과제를 달성하기 위한 본 발명의 일 양상인 웨이브렛(Wavelet Entropy, WE)과 순환대수 엔빌로프 스펙트럼(Cyclic Logarithmic Envelope Spectrum, CLES)를 이용하여 회전기기(rotating machinery)의 고장을 검출하는 방법에 있어서, 상기 회전기기로부터 진동 신호(vibration signal)를 획득하는 제 1 단계; 상기 웨이브렛을 기초로 적응 필터(adaptive filter)의 스텝 사이즈(step size)를 조절함으로써, 상기 진동 신호에 포함된 노이즈를 감소시키는 제 2 단계; 상기 진동신호의 속도 변동(speed fluctuation)을 이용하여, 타코 신호(Tacho signal)를 생성하는 제 3 단계; 상기 타코 신호를 기초로 회전 당 발생하는 이벤트의 횟수인 차수(order)를 트래킹(tracking) 함으로써, 상기 진동 신호의 주파수 변동(frequency fluctuation)을 제거하는 제 4 단계; 및 상기 진동 신호의 순환대수 엔빌로프 스펙트럼을 이용하여 상기 회전기기의 고장을 검출하는 제 5 단계;를 포함할 수 있다.

또한, 상기 적응 필터의 스텝 사이즈는 상기 진동 신호의 특정에 따라 변화되고, 상기 변화되는 스텝 사이즈를 통해, 고정적인(static) 에러와 수렴 속도(convergence speed) 간의 밸런스(balance)가 유지될 수 있다.

또한, 상기 제 3 단계에서, 상기 타코 신호는 상기 진동신호의 속도 변동을 기초로 회전체의 회전수를 단위로 표현하는 신호일 수 있다.

또한, 상기 제 3 단계는, 상기 진동신호의 속도 변동에 대응하는 고조파 대역(harmonic band)을 식별하는 제 3-1 단계;를 포함할 수 있다.

또한, 상기 제 3-1 단계 이후에는, 상기 고조파 대역을 기초로 고속 푸리에 변환(Fast Fourier transform, FFT)의 사이즈(size)를 갖는 버퍼를 생성하는 제 3-2단계; 상기 버퍼가 제로(zero)로 채워지는 제 3-3단계; 및 상기 회전기기의 고장 검출과 관련된 복합 스펙트럼(complex spectrum)이 상기 버퍼로 전송되고, 페이즈(phase) 정보가 보존되는 제 3-4단계;를 포함할 수 있다.

또한, 상기 제 3-4 단계 이후에는, 상기 버퍼를 시간 도메인(domain)으로 역변환(inverse transform)함으로써, 상기 타코 신호를 생성하는 제 3-5 단계;를 포함할 수 있다.

또한, 상기 제 4 단계는, 컴퓨티드 차수 트래킹(Computed Order Tracking, COT)에 의해 수행될 수 있다.

또한, 상기 제 5 단계의 상기 순환대수 엔빌로프 스펙트럼은, 상기 진동 신호의 피크의 정량적인 측정값(quantitative measure)이 잔존하고, 상기 피크의 정량적인 측정값을 이용하여 상기 회전기기의 고장을 검출할 수 있다.

한편, 상기의 기술적 과제를 달성하기 위한 본 발명의 다른 양상인 회전기기(rotating machinery)로부터 진동 신호(vibration signal)를 획득하고, 웨이브렛(Wavelet Entropy, WE)과 순환대수 엔빌로프 스펙트럼(Cyclic Logarithmic Envelope Spectrum, CLES)를 이용하여 상기 회전기기의 고장을 검출하는 장치에 있어서, 상기 웨이브렛을 기초로 적응 필터(adaptive filter)의 스텝 사이즈(step size)를 조절함으로써 상기 진동 신호에 포함된 노이즈를 감소시키고, 상기 진동신호의 속도 변동(speed fluctuation)을 이용하여 타코 신호(Tacho signal)를 생성하며, 상기 타코 신호를 기초로 회전 당 발생하는 이벤트의 횟수인 차수(order)를 트래킹(tracking) 함으로써, 상기 진동 신호의 주파수 변동(frequency fluctuation)을 제거하고, 상기 진동 신호의 순환대수 엔빌로프 스펙트럼을 이용하여 상기 회전기기의 고장을 검출할 수 있다.

또한, 상기 적응 필터의 스텝 사이즈는 상기 진동 신호의 특정에 따라 변화되고, 상기 변화되는 스텝 사이즈를 통해, 고정적인(static) 에러와 수렴 속도(convergence speed) 간의 밸런스(balance)가 유지될 수 있다.

또한, 상기 타코 신호는 상기 진동신호의 속도 변동을 기초로 회전체의 회전수를 단위로 표현하는 신호일 수 있다.

또한, 상기 진동신호의 속도 변동에 대응하는 고조파 대역(harmonic band)을 식별할 수 있다.

또한, 상기 고조파 대역을 기초로 고속 푸리에 변환(Fast Fourier transform, FFT)의 사이즈(size)를 갖는 버퍼를 생성하고, 상기 버퍼가 제로(zero)로 채워지며, 상기 회전기기의 고장 검출과 관련된 복합 스펙트럼(complex spectrum)이 상기 버퍼로 전송되고, 페이즈(phase) 정보가 보존될 수 있다.

또한, 상기 버퍼를 시간 도메인(domain)으로 역변환(inverse transform)함으로써, 상기 타코 신호를 생성할 수 있다.

또한, 상기 진동 신호의 주파수 변동 제거는 컴퓨티드 차수 트래킹(Computed Order Tracking, COT)에 의해 수행될 수 있다.

또한, 상기 순환대수 엔빌로프 스펙트럼은 상기 진동 신호의 피크의 정량적인 측정값(quantitative measure)이 잔존하고, 상기 피크의 정량적인 측정값을 이용하여 상기 회전기기의 고장을 검출할 수 있다.

한편, 상기의 기술적 과제를 달성하기 위한 본 발명의 또 다른 양상인 웨이브렛(Wavelet Entropy, WE)과 순환대수 엔빌로프 스펙트럼(Cyclic Logarithmic Envelope Spectrum, CLES)를 이용하여 회전기기(rotating machinery)의 고장을 검출하는 방법을 수행하기 위하여 디지털 처리 장치에 의해 실행될 수 있는 명령어들의 프로그램이 유형적으로 구현되어 있고, 상기 디지털 처리 장치에 의해 판독될 수 있는 기록매체에 있어서, 상기 회전기기의 고장 검출방법은, 상기 회전기기로부터 진동 신호(vibration signal)를 획득하는 제 1 단계; 상기 웨이브렛을 기초로 적응 필터(adaptive filter)의 스텝 사이즈(step size)를 조절함으로써, 상기 진동 신호에 포함된 노이즈를 감소시키는 제 2 단계; 상기 진동신호의 속도 변동(speed fluctuation)을 이용하여, 타코 신호(Tacho signal)를 생성하는 제 3 단계; 상기 타코 신호를 기초로 회전 당 발생하는 이벤트의 횟수인 차수(order)를 트래킹(tracking) 함으로써, 상기 진동 신호의 주파수 변동(frequency fluctuation)을 제거하는 제 4 단계; 및 상기 진동 신호의 순환대수 엔빌로프 스펙트럼을 이용하여 상기 회전기기의 고장을 검출하는 제 5 단계;를 포함할 수 있다.

본 발명은 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법을 사용자에게 제공할 수 있다.

구체적으로 본 발명은 WE(Wavelet Entropy)를 이용하여 노이즈를 제거하고, Tacho 신호를 생성한 이후에 COT(Computed Order Tracking)를 수행함으로써, 획득된 CLES(Cyclic Logarithmic Envelope Spectrum)을 기초로 회전기기의 고장을 신속하게 검출하는 방법을 사용자에게 제공할 수 있다.

또한, 본 발명에 따르면 진동신호로부터 기계의 상태와 관련된 결함성분(Fault feature)만을 추출하여 기계구성품의 상태감시에 사용하기 때문에 주변 노이즈에 민감한 초기결함에 대한 조기진단이 가능하며, 이를 통해 설비의 유지보수 계획을 수립할 때 보다 여유로운 대처를 가능하게 할 수 있다.

또한, 본 발명에 따르면 기계사양 등 사전정보가 불필요하며 센서를 통해 측정한 진동신호만을 사용하기 때문에 기계의 상태진단에 향상된 신뢰성을 제공할 수 있어, 다양한 진동특성을 보이는 여러 설비에 대해서도 적용성을 크게 향상시킬 수 있다.

또한, 오랜 기간 동안 문제되어 온 회전기계의 초기결함에 의해 발생하는 Fault feature가 강도가 미약하여 주변의 다른 회전기계 등에 의해 발생하는 노이즈 성분에 의해 쉽게 묻혀버리는 단점을 해소할 수 있으므로, 높은 시장성이 보장된다.

한편, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명이 제안하는 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법의 순서도를 도시한 것이다.
도 2a 내지 도 2c는 도 1에서 설명한 tacho 신호를 생성하는 3가지 단계와 관련된 자료를 도시한 것이다.
도 3a는 베어링 레이스(bearing race)의 결함에 대한 CLES의 일반적인 모습을 도시한 것이고, 도 3b는 본 발명에 따른 방법이 적용된 CLES의 그래프를 도시한 것이다.
도 4a는 본 발명이 적용되지 않은 결과를 도시한 것이고, 도 4b는 본 발명에 따른 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법의 결과를 도시한 것이다.
도 5a 및 도 5b는 본 발명이 제안하는 방법이 적용되지 않은, 베어링 레이스(bearing race)의 결함과 언발란스(unbalance) 결함에 대한 CMS의 일반적인 모습을 각각 도시한 것이다.

회전기기(rotating machinery)는 근대 사화에서 가장 중요한 파트 중의 하나이다.

이러한 회전기기에 적용되는 모터의 수명은 디자인되어 예측된 것보다 훨씬 짧아지게 된다.

그 이유는 극단의 환경에서의 동작으로 인한 위험한 위치, 설치 이슈 등의 이벤트 들이 결합되어 모터 등의 구성요소의 고장을 가속화시키기 때문이다.

이러한 회전기기의 문제점을 신속하게 파악하기 위해, 진동 정보로부터 정보를 획득하여 신호 처리를 수행하는 방법에 대한 종래기술은 빈번하게 제안되어 있다.

그러나 일반적으로 회전기기로부터 획득된 분석을 위한 정보는 복수의 서로 다른 요소들뿐 만이 아니라 매우 많은 노이즈(noise)를 포함하고 있다.

따라서 상기 회전기기의 고장을 신속하게 검출하는 방법에서 가장 중요한 것은 기기의 현재 상태를 나타내는 정보를 획득하는 것이다.

회전기기의 고장을 검출하기 위한 정보를 획득함에 있어, 문제가 되는 요소들은 강한 노이즈(strong noise), 비 정상성(non-stationarity), 모듈레이션 효과(modulation effect) 등을 들 수 있다.

상기 문제가 되는 요소들을 고려하여 회전 기기의 정확한 상태 또는 조건을 분석하는 새로운 방법이 요구된다.

따라서 본 발명에서는 웨이브렛(Wavelet Entropy, WE)과 순환대수 엔빌로프 스펙트럼(Cyclic Logarithmic Envelope Spectrum, CLES)을 이용한 회전기기의 고장을 검출하는 방법을 사용자에게 제공하고자 한다.

이하에서는 설명의 편의를 위해, 웨이브렛(Wavelet Entropy)을 WE로 호칭하고, 순환대수 엔빌로프 스펙트럼(Cyclic Logarithmic Envelope Spectrum)을 CLES로 호칭한다.

구체적으로 본 발명은 WE(Wavelet Entropy)를 이용하여 노이즈를 제거하고, Tacho 신호를 생성한 이후에 COT(Computed Order Tracking)를 수행함으로써, 획득된 CLES(Cyclic Logarithmic Envelope Spectrum)을 기초로 회전기기의 고장을 신속하게 검출하는 방법을 사용자에게 제공하고자 한다.

본 발명에 따르면 가장 먼저, 어답티브(adaptive) 노이즈 제거 과정을 통해 노이즈를 감소시키는 과정이 수행된다.

본 발명에서는 이러한 노이즈의 감소를 더 효율적으로 수행하기 위해, WE에 기반을 둔 LMS-type 어답티브(adaptive) 필터를 이용하는 과정에서 스텝 사이즈(step size)를 선택하는 방법을 제안한다.

진동 신호에 섞여 있는 노이즈를 제거한 이후에는, 컴퓨티드 차수 트래킹(Computed Order Tracking, COT)이 수행된다.

이하에서는 설명의 편의를 위해, 컴퓨티드 차수 트래킹(Computed Order Tracking)을 COT로 호칭한다.

여기서, COT는 주파수 변동(fluctuation)을 제거하기 위해 이용된다.

노이즈가 제거된 진동 신호로부터 레퍼런스 신호(reference signal)를 추출하고, 이를 이용하여 COT 과정을 수행한다.

마지막으로, 추출된 레퍼런스 신호를 기초로 CLES 툴(tool)을 이용하여 회전기기의 고장 특정에 대한 초기 분석이 수행된다.

본 발명의 구체적인 설명에 앞서, 본 발명에 적용될 수 있는 1)COT, 2) 어답티브(adaptive)필터, 3)태코미터(TACHOMETER) 신호 발생에 대해 선결적으로 설명한다.

1) COT (Computed Order Tracking)

다양한 OT(Order Tracking) 들 중에서 COT는 회전기기의 결함을 분석하기 위한 용도로 빈번하게 사용된다.

대표적인 COT의 적용 내용으로서는 D. Zhu and L. Lu, Resampling method of computed order tracking, in International Conference on Estimation, Detection and Information Fusion, Harbi, China, 2015, K. M. Bossley, R. J. Mckendrick, C. J. Harris, et al., Hybrid computed order tracking, Mech. Syst. Signal. Process., vol. 13(4) 및 Y. Guo, Y. Chi, and H. Zheng, Noise reduction in computed order tracking based on FastICA, in Proceedings of the 2008 IEEE/ASME International Conference on Advanced Intelligent Mechatronics, Xi'an, China, Jul. 를 들 수 있다.

COT는 인터폴레이션(interpolation)의 과정의 시간으로 샘플된 신호들 상수의 각도에서 지속적으로 샘플링되는 진동(vibration) 신호 샘플들을 계산(calculation)하는 과정이다.

대표적으로 본 발명에 따른 COT는 하기의 3개의 단계를 통해 수행될 수 있으나 본 발명의 내용이 이에 한정되는 것은 아니다.

가장 첫 번째 과정으로 진동 신호와 Tacho 펄스들이 시간의 지속적인 증가를 나타내는

에 따라 샘플링 되는 과정이 수행된다.

정확한 샘플링 시간이 여기서 중요한데, 그 이유는 인터폴레이션(interpolation)의 과정으로부터 일관된 정확도를 보장받을 수 없기 때문이다.

다음 과정은 K. R. Fyfe and E. D. S. Munck, Analysis of computed order tracking, Mech. Syst. Signal. Process, vol. 11(2) 을 참조하면 더 정확하게 나타난다.

즉, 축각(shaft angle)

는 이차원의 수식으로 표현될 수 있는데, 이는 세 개의 연속된 펄스 신호들 사이에서의 일정한 가속 조건이 있음을 가정하는 것이다.

이차원의 수식은 다음의 수학식 1과 같다.

수학식 1에서는 이미 알고 있는 키 페이져(key phasor)들의 도달 시간인 t1, t2, t3를 이용하여 알려지지 않은 계수인 b0, b1, b2를 발견할 수 있게 된다.

하나의 keyphasor가 shaft 상에 있는 경우, 이에 대응하는 앵글은 다음과 같이 될 수 있다.

이러한 값들을 수학식 1에 대입하면, 하기의 수학식 2를 구할 수 있다.

알려지지 않은 계수인 b0, b1, b2는 상기 수학식들의 세트에 대한 해답을 구함으로써, 획득될 수 있다.

이러한 알려지지 않은 계수인 b0, b1, b2의 값을 획득한 이후에 수학식 1에 대입하면, equi-angle sampling을 위한 시간을 구할 수 있고, 다음의 수학식 3 및 수학식 4와 같다.

수학식 4에서

는 차수(order)의 이론적인 최대 값을 의미하는데, 이는 수학식 3에서 equi-angle sampling에서의 중복 조건을 피하기 위해 이용된 것이다.

수학식 4는 하기의 수학식 5의 조건을 따르게 된다.

전술한 과정을 통해 리샘플 시간들(resample times)을 획득한 이후에 샘플링된 데이터들 간의 interpolating을 통한 최종 과정에서 신호의 대응되는 진폭(corresponding amplitude)을 획득할 수 있다.

최종적으로 일반적으로 적용되는 FFT를 통해, 리샘플 데이터는 주파수 도메인에서 차수(order)도메인으로 변환된다.

2) Adaptive Filter

Adaptive Filter는 반복적으로 인풋과 아웃풋 신호들 간의 관계를 모델링하고, 필터의 차수를 자동조정(self-adjust)하게 된다.

이에 대한 구체적인 설명은 Y. Xia and X-j. Wu, Adaptive ball particle filter and its application to visual tracking, IETE Tech. Rev., vol. 32(6)와 P. Swarnkar, S. K. Jain, and R. K. Nema, Adaptive control schemes for improving the control system dynamics: a review, IETE Tech. Rev., vol. 31(1)를 보면 알 수 있다.

일반적인 LMS filter는 n 번째 반복 기간 동안 웨이트(weight)를 LMS algorithm에 따라 업데이트하는 과정을 거친다.

그 과정은 다음의 수학식 6과 같다.

여기서 필터의 아웃풋은

으로 표현되고, 에러 신호는

으로 표현된다.

그리고

는 필터의 수렴속도(convergence rate)를 제어하기 위한 스텝 사이즈를 타낸다.

스텝 사이즈의 값은

에 따라 결정되는데, 여기서

는 인풋 신호의 자기상관(autocorrelation) 매트릭스의 최대 고유값(maximal eigenvalue)을 의미한다.

여기서 상기 필터는 길이(length) M의 제한적인 임펄스 응답 필터(finite impulse response filter)가 된다.

또한,

은 필터 인풋 벡터를 의미하고, 탭(tap) 인풋인

, 탭(tap) 웨이트인

를 포함하는

는 웨이트(weight) 벡터와 전위동작(transpose operation)을 나타내는

를 포함한다.

결국 시스템의 mean square error function

은 다음의 수학식 7과 같다.

여기서

와

는 자기상관(auto-correlation) 매트릭스와 교차상관관계(cross-correlation) 매트릭스를 각각 의미한다.

최적필터(optimum filter) 계수

는 수학식 7의 편도함수(partial derivative)와 하기의 수학식 8을 통해 획득될 수 있다.

3) TACHO Signal Generation

TACHO Signal Generation 과정의 목적은 다음의 2가지 측면으로 볼 수 있다.

먼저, 정확하게 gear ratio(기어비)를 측정하고, 타코미터(tachometer)에 결합시킴으로써, 정확한 레퍼런스 신호를 생성하고, 페이즈 디모듈레이션(phase demodulation)을 이용하여 진동 신호로부터 레퍼런스 신호를 다이렉트로 추출하는 것이다.

이러한 동작은 하기의 3가지 단계를 통해 수행될 수 있으나 본 발명의 내용이 이에 한정되는 것은 아니다.

제 1 스텝

새프트(shaft)의 적합한 고조파 대역(harmonic band)를 인식하기 위해, 진동 신호의 스펙트럼은 검사된다.

이러한 적합한 고조파 대역(harmonic band)을 인식하는 과정은 최종적인 결과물의 정확도를 좌우하게 된다.

제 2 스텝

이후, FFT와 동일한 사이즈를 갖는 버퍼(buffer)가 생성되고, 0으로 채워진다.

관심정보에 대한 복잡한 스펙트럼은 버퍼로 옮겨지고, 페이즈 정보는 보존된다.

제 3 스텝

레퍼런스 신호는 시간 도메인으로 버퍼의 정보를 인벌스 변환하는 과정을 통해 획득된다.

이러한 레퍼런스 신호는 사인신호(sinusoidal signal)이고, 주기는 각각의 새프트 회전(shaft rotation)의 속도를 나타낸다.

이하에서는 전술한 내용을 기초로 본 발명이 제안하는 방법에 대해 구체적으로 설명한다.

즉, 본 발명이 제안하는 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법과 관련하여, WE(Wavelet Entropy)를 이용하여 노이즈를 제거하고, Tacho 신호를 생성한 이후에 COT(Computed Order Tracking)를 수행함으로써, 획득된 CLES(Cyclic Logarithmic Envelope Spectrum)을 기초로 회전기기의 고장을 신속하게 검출하는 방법을 구체적으로 설명한다.

도 1은 본 발명이 제안하는 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법의 순서도를 도시한 것이다.

도 1을 참조하면, 가장 먼저, WE(Wavelet Entropy)를 이용하여 잡음을 제거하는 단계(100)가 수행된다.

이후, 전술한 tacho 신호를 생성하는 단계(200)가 진행되고, tacho 신호를 기초로 주파수 바이브레이션(vibration)을 제거하며, COT(Computed Order Tracking)를 수행하는 단계(300)가 진행된다.

또한, CLES(Cyclic Logarithmic Envelope Spectrum)을 적용하여 회전기기의 고장을 초기에 검출하는 단계(400)가 수행된다.

이하, 상기 S100 단계 내지 S400 단계에 대해 각각 구체적으로 설명한다.

먼저, S100 단계에 대해 설명한다.

백그라운드 노이즈들은 쉽게 진동 신호에 포함될 수 있으므로, S100 단계에서는 WE를 이용한 어답티브 노이즈 제거를 통해 진동 신포로부터 노이즈를 제거하게 된다.

본 발명이 제안하는 방법에서는 WE에 기초하여 어답티브 필터가의 스텝 사이즈가 결정되고, 여기서 스텝 사이즈 조정은 진동 신호의 특성에 따라 조절되고 달라질 수 있다.

따라서 큰 스텝 사이즈의 고정적인(static) 에러와 더 작은 사이즈의 수렴 속도(convergence speed) 간의 적절한 밸런스를 도모할 수 있다.

확률분포 비교에 의한 분석 시스템의 order/disorder 를 위해, Shannon entropy의 하기 수학식 9에 따라 WE는 정의될 수 있다.

수학식 9에서

는 스케일

및 인스턴스(instant) k 에서 wavelet energy spectrum을 나타낸다.

진동 신호는 일정한 속도로 회전 기기를 구동하는 운행자 또는 로드(load)에서 작은 변화로 인한 예상하지 않은 행동을 의미할 수 있다.

신호의 disorder의 각도에 대한 정보는 WE를 통해 획득될 수 있다.

따라서 WE는 진동 신호의 근본적인 다이나믹 프로세스에 대한 정보를 제공할 수 있게 된다.

또한, 이 값은 어답티브 필터의 스텝 사이즈로서 이용될 수 있다.

일반적으로 일정 속도로 구동되는 기기에서도 인덕션 모터(induction motor)의 회전 속도는 항상 일정하지 않은데, 이들의 다이나믹 행동(dynamic behaviours)들도 로드 또는 구동 포스(force)의 변화에 따라 빈번하게 변화된다.

이때, WE는 진동 신호의 근본적인 다이나믹 프로세스에 대한 정보를 제공할 수 있다.

따라서 진동 신호의 다이나믹이 변화될 때, 스텝 사이즈도 함께 변화된다.

이러한 과정의 가장 큰 장점은 진동 신호의 다이나믹에 따라 스텝 사이즈가 변화되어 선택된다는 것이다.

그 결과, 큰 스텝 사이즈의 고정적인(static) 에러와 더 작은 사이즈의 수렴 속도(convergence speed) 간의 적절한 밸런스를 도모할 수 있다.

다음으로, S200 단계에 대해 설명한다.

진동 신호로부터 노이즈를 감소시키는 S100 단계가 수행된 이후에, tacho signal이 S200 단계에서 생성된다.

이러한 tacho signal은 S300 단계의 order tracking 과정에서 진동 신호의 주파수 변동을 제거하는 것에 이용된다.

또한, tacho signal은 진동 신호로부터의 스피드 변화 정보를 이용하여 생성된다.

tacho signal의 생성에서, 속도 변화를 명확하게 획득하기 위해, 회전 주파수를 정확하게 찾는 것이 매우 중요하다.

적합한 밴드(band)를 선택한 이후에 페이즈 각도(phase angle)가 획득될 수 있다.

이에 대한 구체적인 설명은 "3) TACHO Signal Generation"에서 구체적으로 설명하였다.

또한, 도 2a 내지 도 2c는 도 1에서 설명한 tacho 신호를 생성하는 3가지 단계와 관련된 자료를 도시한 것이다.

즉, 도 2a는 시간에 따라 새프트(shaft) 속도의 변동을 나타낸 것이고, 도 2b는 새프트 속도의 스펙트럼을 표현한 것이다.

또한, 도 2c는 생성된 tacho 신호의 모습을 도시한 것이다.

다음으로, S300 단계에 대해 설명한다.

S300 단계에서, OT는 S200 단계에서 생성된 tacho 신호를 기초로 수행된다.

비록, 일정한 속도로 회전기기가 구동되더라도 진동신호는 작은 변화 및/또는 새프트 스피드의 변동을 이유로 작은 주파수 변동을 갖게 된다.

이러한 작은 주파수 변동은 회전 기기의 초기 결함을 결정하는데 있어, 잘못된 결론을 유도할 수 있다.

따라서 이러한 작은 주파수 변화를 진동 신호로부터 제거하는 OT 과정이 필수적으로 요구된다.

다양한 OT 방법 중 본 발명에서는 호환성 및 신뢰성을 고려하여 COT를 대표적으로 적용하고, COT에 대한 구체적인 설명은 전술하였다.

노이즈가 없는 order tracked 진동 신호를 획득한 이후에, 일반적으로 이용되는 SES 과정이 아닌 CLED를 적용하여 결함 특성을 파악하는 S400 단계가 수행된다.

마지막으로, S400 단계에 대해 설명한다.

S400 단계에 적용되는 CLES 알고리즘에 앞서, CMS는 가장 많이 이용되는 효과적인 알고리즘이다.

그러나 CMS는 SES 분포가 편향됨으로써 유도되는 연속적인 결함 문제가 발생될 수 있다.

이러한 연속적인 결함 문제 해소를 위해, CLES 알고리즘을 적용하고자 한다.

이에 대한 구체적인 내용은 P. Borghesani and M. R. Shahriar, “Cyclostationary analysis with logarithmic variance stabilisation,” Mech. Syst. Signal. Process 에도 설명되어 있다.

delta-correlated, zero-mean white noise x인 [n]의 DFT는 다음의 수학식 10에 의해 정리될 수 있다.

또한, 신호 x[n]의 envelope 스펙트럼은 하기의 수학식 11로 정의 가능하다.

또한, 좁은(narrow) 대역폭 로그 인벨로프(log enveloe)는 스펙토그램(spectrogram)의 알고리즘으로부터 하기의 수학식 12와 같이 도출될 수 있다.

여기서 스펙토그램

는 시간의 power spectral density evolution에서의 가장 단순화된 평가 값이고, b는 전통적인 신호의 short-time spectral content를 나타낸다.

또한, CLES는 다음의 수학식 13에 의해 정의된다.

수학식 13에서 a는 전체 시간(cyclic frequency) 신호의 전력의 거시적 변화에 대응하는 주파수를 의미하고,

는 다음의 수학식 14와 같이 표현될 수 있다.

CLES의 가장 큰 장점은 피크의 정량적인 측정값(quantitative measure)이 로그 스케일(logarithm scale)에도 불구하고 남아 있다는 것이다.

이렇게 남아있는 피크는 진동 분석에 있어 초기 결함을 감지하는데 가장 효율적으로 이용될 수 있다.

본 발명에 따른 효과를 그래프를 통해 설명한다.

도 3a는 베어링 레이스(bearing race)의 결함에 대한 CLES의 일반적인 모습을 도시한 것이고, 도 3b는 본 발명에 따른 방법이 적용된 CLES의 그래프를 도시한 것이며, 도 4a는 본 발명이 적용되지 않은 결과를 도시한 것이고, 도 4b는 본 발명에 따른 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법의 결과를 도시한 것이며, 도 5a 및 도 5b는 본 발명이 제안하는 방법이 적용되지 않은, 베어링 레이스(bearing race)의 결함과 언발란스(unbalance) 결함에 대한 CMS의 일반적인 모습을 각각 도시한 것이다.

도 3a는 베어링 레이스(bearing race)의 결함에 대한 CLES의 일반적인 그래프의 모습을 도시한 것이다.

도 3b는 전술한 본 발명에 따른 방법이 적용된 이후의 베어링 레이스(bearing race)의 결함에 대한 CLES의 그래프를 도시한 것이다.

도 3b를 참조하면, 두 개의 스펙트럼들 간의 차이점이 시각적으로 명확하게 도시된다.

도 3a에서 178 Hz의 주파수에서의 메인 주파수 밴드는 이산적이고(discrete), 지배적이지 않다(not dominant).

도 3a에서는 노이즈 및/또는 다른 harmonic 요소들로 인해 다른 주파수 밴드의 결과값들도 함께 표현된다.

반면에 도 3b의 178 Hz 주파수에서의 주파수 밴드는 연속적이고 지배적으로 표현된다.

도 3b는 본 발명이 제안하는 방법이 적용된 결과값이다.

도 3a의 그래프에서는 복수의 주파수에 대한 값들이 함께 표현되는 것에 반해, 도 3b에서는 노이즈들이 제거되어 타겟 객체만이 표현되는 가치 있는 그래프가 획득된다.

따라서 본 발명이 제안하는 방법이 적용되는 경우, 베어링 레이스(bearing race)의 결함은 CLES를 통해 쉽게 파악될 수 있다.

또한, 언밸런스는 rubbing phenomenon(변조 주파수는 새프트(shaft) 주파수이고, 케리어 주파수는 주파수 대역임)이므로, CS2 phenomenon에 마찬가지로 해당된다.

도 4a는 회전자(rotor)의 언밸런스 결함에 의한 진동 신호의 CLES 값을 표현한 것이고,

도 4a의 도면으로부터 연속적이고 선명한 주파수 밴드의 부재를 통해 회전자(rotor)의 언밸런스 결함을 탐지하는 것은 불가능하다.

그러나 본 발명이 제안하는 방법이 적용된 결과값인 도 4b를 참조하면, 명확하게 시각적으로 57 Hz 새프트 주파수에서의 스펙트럼을 확인할 수 있다.

본 발명의 효과를 극명하게 밝히기 위해 기존 방식인 CMS를 적용한 결과값은 도 5a 및 도 5b에 도시하였다.

도 5a 및 도 5b는 outer race의 결함과 언밸런스 결함을 각각 표현하고 있으나 시각적으로 결함을 발견하는 것은 불가능하다.

그러나 전술한 도 3b 및 도 4b에 따른 본 발명의 방법이 적용된 결과물은 노이즈를 효과적으로 제거하고 CS2 components를 효과적으로 표현하고 있어, 명확하게 회전 기기의 결함을 초기에 발견할 수 있게 된다.

전술한 본 발명의 구성이 적용되는 경우, 웨이브렛과 순환대수 엔빌로프 스펙트럼을 이용한 회전기기의 고장을 검출하는 방법을 사용자에게 제공할 수 있다.

구체적으로 본 발명은 WE(Wavelet Entropy)를 이용하여 노이즈를 제거하고, Tacho 신호를 생성한 이후에 COT(Computed Order Tracking)를 수행함으로써, 획득된 CLES(Cyclic Logarithmic Envelope Spectrum)을 기초로 회전기기의 고장을 신속하게 검출하는 방법을 사용자에게 제공할 수 있다.

또한, 본 발명에 따르면 진동신호로부터 기계의 상태와 관련된 결함성분(Fault feature)만을 추출하여 기계구성품의 상태감시에 사용하기 때문에 주변 노이즈에 민감한 초기결함에 대한 조기진단이 가능하며, 이를 통해 설비의 유지보수 계획을 수립할 때 보다 여유로운 대처를 가능하게 할 수 있다.

또한, 본 발명에 따르면 기계사양 등 사전정보가 불필요하며 센서를 통해 측정한 진동신호만을 사용하기 때문에 기계의 상태진단에 향상된 신뢰성을 제공할 수 있어, 다양한 진동특성을 보이는 여러 설비에 대해서도 적용성을 크게 향상시킬 수 있다.

또한, 오랜 기간 동안 문제되어 온 회전기계의 초기결함에 의해 발생하는 Fault feature가 강도가 미약하여 주변의 다른 회전기계 등에 의해 발생하는 노이즈 성분에 의해 쉽게 묻혀버리는 단점을 해소할 수 있으므로, 높은 시장성이 보장된다.

또한, 상기에서는 방법을 중심으로 본 발명의 내용을 설명하였으나 장치를 통해서도 본 발명의 내용이 구현될 수 있다.

즉, 전술한 기술적 과제를 달성하기 위한 본 발명의 다른 양상인 회전기기(rotating machinery)로부터 진동 신호(vibration signal)를 획득하고, 웨이브렛(Wavelet Entropy, WE)과 순환대수 엔빌로프 스펙트럼(Cyclic Logarithmic Envelope Spectrum, CLES)를 이용하여 상기 회전기기의 고장을 검출하는 장치가 적용될 수 있다.

상기 장치는 상기 웨이브렛을 기초로 적응 필터(adaptive filter)의 스텝 사이즈(step size)를 조절함으로써 상기 진동 신호에 포함된 노이즈를 감소시키고, 상기 진동신호의 속도 변동(speed fluctuation)을 이용하여 타코 신호(Tacho signal)를 생성하며, 상기 타코 신호를 기초로 회전 당 발생하는 이벤트의 횟수인 차수(order)를 트래킹(tracking) 함으로써, 상기 진동 신호의 주파수 변동(frequency fluctuation)을 제거하고, 상기 진동 신호의 순환대수 엔빌로프 스펙트럼을 이용하여 상기 회전기기의 고장을 검출할 수 있다.

또한, 상기 적응 필터의 스텝 사이즈는 상기 진동 신호의 특정에 따라 변화되고, 상기 변화되는 스텝 사이즈를 통해, 고정적인(static) 에러와 수렴 속도(convergence speed) 간의 밸런스(balance)가 유지될 수 있다.

또한, 상기 타코 신호는 상기 진동신호의 속도 변동을 기초로 회전체의 회전수를 단위로 표현하는 신호일 수 있다.

또한, 상기 진동신호의 속도 변동에 대응하는 고조파 대역(harmonic band)을 식별할 수 있다.

또한, 상기 고조파 대역을 기초로 고속 푸리에 변환(Fast Fourier transform, FFT)의 사이즈(size)를 갖는 버퍼를 생성하고, 상기 버퍼가 제로(zero)로 채워지며, 상기 회전기기의 고장 검출과 관련된 복합 스펙트럼(complex spectrum)이 상기 버퍼로 전송되고, 페이즈(phase) 정보가 보존될 수 있다.

또한, 상기 버퍼를 시간 도메인(domain)으로 역변환(inverse transform)함으로써, 상기 타코 신호를 생성할 수 있다.

또한, 상기 진동 신호의 주파수 변동 제거는 컴퓨티드 차수 트래킹(Computed Order Tracking, COT)에 의해 수행될 수 있다.

또한, 상기 순환대수 엔빌로프 스펙트럼은 상기 진동 신호의 피크의 정량적인 측정값(quantitative measure)이 잔존하고, 상기 피크의 정량적인 측정값을 이용하여 상기 회전기기의 고장을 검출할 수 있다.

상기 회전기기의 검출장치는 예를 들어, 소프트웨어, 하드웨어 또는 이들의 조합된 것을 이용하여 컴퓨터 또는 이와 유사한 장치로 읽을 수 있는 기록매체 내에서 구현될 수 있다.

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

소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상기 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다. 적절한 프로그램 언어로 쓰여진 소프트웨어 어플리케이션으로 소프트웨어 코드가 구현될 수 있다.

상술한 본 발명의 실시예들은 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, 컨트롤러, 마이크로 컨트롤러, 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.

상술한 바와 같이 개시된 본 발명의 바람직한 실시예들에 대한 상세한 설명은 당업자가 본 발명을 구현하고 실시할 수 있도록 제공되었다. 상기에서는 본 발명의 바람직한 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 본 발명의 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 예를 들어, 당업자는 상술한 실시예들에 기재된 각 구성을 서로 조합하는 방식으로 이용할 수 있다. 따라서, 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다.

본 발명은 본 발명의 정신 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다. 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.

Claims (17)

1. 웨이브렛(Wavelet Entropy, WE)과 순환대수 엔빌로프 스펙트럼(Cyclic Logarithmic Envelope Spectrum, CLES)를 이용하여 회전기기(rotating machinery)의 고장을 검출하는 방법에 있어서,
   상기 회전기기로부터 진동 신호(vibration signal)를 획득하는 제 1 단계;
   상기 웨이브렛을 기초로 적응 필터(adaptive filter)의 스텝 사이즈(step size)를 조절함으로써, 상기 진동 신호에 포함된 노이즈를 감소시키는 제 2 단계;
   상기 진동신호의 속도 변동(speed fluctuation)을 이용하여, 타코 신호(Tacho signal)를 생성하는 제 3 단계;
   상기 타코 신호를 기초로 회전 당 발생하는 이벤트의 횟수인 차수(order)를 트래킹(tracking) 함으로써, 상기 진동 신호의 주파수 변동(frequency fluctuation)을 제거하는 제 4 단계; 및
   상기 진동 신호의 순환대수 엔빌로프 스펙트럼을 이용하여 상기 회전기기의 고장을 검출하는 제 5 단계;를 포함하는 회전기기의 고장 검출방법.
2. 제 1항에 있어서,
   상기 적응 필터의 스텝 사이즈는 상기 진동 신호의 특정에 따라 변화되고,
   상기 변화되는 스텝 사이즈를 통해, 고정적인(static) 에러와 수렴 속도(convergence speed) 간의 밸런스(balance)가 유지되는 것을 특징으로 하는 회전기기의 고장 검출방법.
3. 제 1항에 있어서,
   상기 제 3 단계에서,
   상기 타코 신호는 상기 진동신호의 속도 변동을 기초로 회전체의 회전수를 단위로 표현하는 신호인 것을 특징으로 하는 회전기기의 고장 검출방법.
4. 제 3항에 있어서,
   상기 제 3 단계는,
   상기 진동신호의 속도 변동에 대응하는 고조파 대역(harmonic band)을 식별하는 제 3-1 단계;를 포함하는 것을 특징으로 하는 회전기기의 고장 검출방법.
5. 제 4항에 있어서,
   상기 제 3-1 단계 이후에는,
   상기 고조파 대역을 기초로 고속 푸리에 변환(Fast Fourier transform, FFT)의 사이즈(size)를 갖는 버퍼를 생성하는 제 3-2단계;
   상기 버퍼가 제로(zero)로 채워지는 제 3-3단계; 및
   상기 회전기기의 고장 검출과 관련된 복합 스펙트럼(complex spectrum)이 상기 버퍼로 전송되고, 페이즈(phase) 정보가 보존되는 제 3-4단계;를 포함하는 것을 특징으로 하는 회전기기의 고장 검출방법.
6. 제 5항에 있어서,
   상기 제 3-4 단계 이후에는,
   상기 버퍼를 시간 도메인(domain)으로 역변환(inverse transform)함으로써, 상기 타코 신호를 생성하는 제 3-5 단계;를 포함하는 것을 특징으로 하는 회전기기의 고장 검출방법.
7. 제 1항에 있어서,
   상기 제 4 단계는,
   컴퓨티드 차수 트래킹(Computed Order Tracking, COT)에 의해 수행되는 것을 특징으로 하는 회전기기의 고장 검출방법.
8. 제 1항에 있어서,
   상기 제 5 단계의 상기 순환대수 엔빌로프 스펙트럼은,
   상기 진동 신호의 피크의 정량적인 측정값(quantitative measure)이 잔존하고,
   상기 피크의 정량적인 측정값을 이용하여 상기 회전기기의 고장을 검출하는 것을 특징으로 하는 회전기기의 고장 검출방법.
9. 회전기기(rotating machinery)로부터 진동 신호(vibration signal)를 획득하고, 웨이브렛(Wavelet Entropy, WE)과 순환대수 엔빌로프 스펙트럼(Cyclic Logarithmic Envelope Spectrum, CLES)를 이용하여 상기 회전기기의 고장을 검출하는 장치에 있어서,
   상기 웨이브렛을 기초로 적응 필터(adaptive filter)의 스텝 사이즈(step size)를 조절함으로써 상기 진동 신호에 포함된 노이즈를 감소시키고,
   상기 진동신호의 속도 변동(speed fluctuation)을 이용하여 타코 신호(Tacho signal)를 생성하며,
   상기 타코 신호를 기초로 회전 당 발생하는 이벤트의 횟수인 차수(order)를 트래킹(tracking) 함으로써, 상기 진동 신호의 주파수 변동(frequency fluctuation)을 제거하고,
   상기 진동 신호의 순환대수 엔빌로프 스펙트럼을 이용하여 상기 회전기기의 고장을 검출하는 것을 특징으로 하는 회전기기의 고장 검출장치.
10. 제 9항에 있어서,
    상기 적응 필터의 스텝 사이즈는 상기 진동 신호의 특정에 따라 변화되고,
    상기 변화되는 스텝 사이즈를 통해, 고정적인(static) 에러와 수렴 속도(convergence speed) 간의 밸런스(balance)가 유지되는 것을 특징으로 하는 회전기기의 고장 검출장치.
11. 제 9항에 있어서,
    상기 타코 신호는 상기 진동신호의 속도 변동을 기초로 회전체의 회전수를 단위로 표현하는 신호인 것을 특징으로 하는 회전기기의 고장 검출장치.
12. 제 11항에 있어서,
    상기 진동신호의 속도 변동에 대응하는 고조파 대역(harmonic band)을 식별하는 것을 특징으로 하는 회전기기의 고장 검출장치.
13. 제 12항에 있어서,
    상기 고조파 대역을 기초로 고속 푸리에 변환(Fast Fourier transform, FFT)의 사이즈(size)를 갖는 버퍼를 생성하고,
    상기 버퍼가 제로(zero)로 채워지며,
    상기 회전기기의 고장 검출과 관련된 복합 스펙트럼(complex spectrum)이 상기 버퍼로 전송되고, 페이즈(phase) 정보가 보존되는 것을 특징으로 하는 회전기기의 고장 검출장치.
14. 제 13항에 있어서,
    상기 버퍼를 시간 도메인(domain)으로 역변환(inverse transform)함으로써, 상기 타코 신호를 생성하는 것을 특징으로 하는 회전기기의 고장 검출장치.
15. 제 9항에 있어서,
    상기 진동 신호의 주파수 변동 제거는 컴퓨티드 차수 트래킹(Computed Order Tracking, COT)에 의해 수행되는 것을 특징으로 하는 회전기기의 고장 검출장치.
16. 제 9항에 있어서,
    상기 순환대수 엔빌로프 스펙트럼은 상기 진동 신호의 피크의 정량적인 측정값(quantitative measure)이 잔존하고,
    상기 피크의 정량적인 측정값을 이용하여 상기 회전기기의 고장을 검출하는 것을 특징으로 하는 회전기기의 고장 검출장치.
17. 웨이브렛(Wavelet Entropy, WE)과 순환대수 엔빌로프 스펙트럼(Cyclic Logarithmic Envelope Spectrum, CLES)를 이용하여 회전기기(rotating machinery)의 고장을 검출하는 방법을 수행하기 위하여 디지털 처리 장치에 의해 실행될 수 있는 명령어들의 프로그램이 유형적으로 구현되어 있고, 상기 디지털 처리 장치에 의해 판독될 수 있는 기록매체에 있어서,
    상기 회전기기의 고장 검출방법은,
    상기 회전기기로부터 진동 신호(vibration signal)를 획득하는 제 1 단계;
    상기 웨이브렛을 기초로 적응 필터(adaptive filter)의 스텝 사이즈(step size)를 조절함으로써, 상기 진동 신호에 포함된 노이즈를 감소시키는 제 2 단계;
    상기 진동신호의 속도 변동(speed fluctuation)을 이용하여, 타코 신호(Tacho signal)를 생성하는 제 3 단계;
    상기 타코 신호를 기초로 회전 당 발생하는 이벤트의 횟수인 차수(order)를 트래킹(tracking) 함으로써, 상기 진동 신호의 주파수 변동(frequency fluctuation)을 제거하는 제 4 단계; 및
    상기 진동 신호의 순환대수 엔빌로프 스펙트럼을 이용하여 상기 회전기기의 고장을 검출하는 제 5 단계;를 포함하는 것을 특징으로 하는 기록매체.

Images