KR20200034339A - 음향신호를 이용한 플랜트 설비의 결함 진단 방법 - Google Patents

음향신호를 이용한 플랜트 설비의 결함 진단 방법 Download PDF

Info

Publication number
KR20200034339A
KR20200034339A KR1020180114021A KR20180114021A KR20200034339A KR 20200034339 A KR20200034339 A KR 20200034339A KR 1020180114021 A KR1020180114021 A KR 1020180114021A KR 20180114021 A KR20180114021 A KR 20180114021A KR 20200034339 A KR20200034339 A KR 20200034339A
Authority
KR
South Korea
Prior art keywords
plant
frequency
membership
state
diagnosis
Prior art date
Application number
KR1020180114021A
Other languages
English (en)
Other versions
KR102195266B1 (ko
Inventor
김성주
김주훈
Original Assignee
대흥산업가스주식회사
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 대흥산업가스주식회사 filed Critical 대흥산업가스주식회사
Priority to KR1020180114021A priority Critical patent/KR102195266B1/ko
Publication of KR20200034339A publication Critical patent/KR20200034339A/ko
Application granted granted Critical
Publication of KR102195266B1 publication Critical patent/KR102195266B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0256—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults injecting test signals and analyzing monitored process response, e.g. injecting the test signal while interrupting the normal operation of the monitored system; superimposing the test signal onto a control signal during normal operation of the monitored system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks

Abstract

본 발명은 플랜트 구동시 발생되는 음향신호를 이용하여 퍼지추론에 기반한 진단 영역별 소속정도를 판단함으로써, 플랜트 설비의 결함 상태를 자동으로 진단할 수 있는 기술에 관한 것이다.
본 발명에 따른 음향 신호를 이용한 플랜트 설비의 결함 진단 방법은 플랜트 결함 진단장치에서 플랜트의 안전, 경고, 위험의 각 진단 상태별 음향 신호에 대응되는 제1 내지 제3 멤버쉽 함수를 각각 생성하되, 제1 내지 제3 멤버쉽 함수는 입력 주파수가 해당 멤버쉽 함수의 진단 영역에서 소속한 정도를 소속값으로 추출하는 제1 단계와, 플랜트 결함 진단장치에서 진단 대상 플랜트가 구동하는 때에 발생되는 음향신호를 수집하는 제2 단계, 플랜트 결함 진단장치에서 수집된 음향신호를 FFT변환하여 주파수 스펙트럼을 획득하고, 주파수 스펙트럼에서 기 설정된 매그니튜드값 이상을 갖는 주파수를 입력 주파수로 결정하는 제3 단계 및, 플랜트 결함 진단장치에서 입력 주파수를 제1 내지 제3 멤버쉽 함수에 각각 적용하여 제1 내지 제3 소속값을 산출하고, 최대 소속값을 산출한 멤버쉽 함수에 대응되는 진단 상태를 플랜트 진단 상태로 결정하는 제4 단계를 포함하여 구성되는 것을 특징으로 한다.

Description

음향신호를 이용한 플랜트 설비의 결함 진단 방법{Fault diagnosis method for plant using sound signal}
본 발명은 플랜트 구동시 발생되는 음향신호를 이용하여 기 설정된 퍼지추론에 기반한 진단 상태 영역별 소속정도를 판단함으로써, 플랜트 설비의 결함 상태를 자동으로 진단할 수 있는 기술에 관한 것이다.
일반적으로 플랜트는 넓은 공간상에 많은 주요 설비들이 복잡하게 밀집되어 있으며, 이러한 플랜트 산업은 고열, 고압 공정으로 이루어지기 때문에, 화재, 폭발과 같은 중대 사고가 발생하였을 경우, 그 피해 규모가 굉장히 커 고위험군 산업으로 분류되어 있다.
최근 운전 상태를 효율적으로 감시 제어하기 위하여 플랜트 공정 계통과 설비에는 계측기(온도계, 압력계 등)를 설치하고 관리자들이 순시하며 프로세스 운전값을 확인하고 이상여부를 판단하고 있지만 시간적, 공간적 한계로 효율적인 관리를 기대하기 어렵다.
또한, 계측제어 기술의 발달에 따라 계측기는 계측센서로 대체되고 인력감시대신 컴퓨터를 이용한 원격감시로 바뀌어 상황파악 소요시간이 대폭 단축되는 개선효과가 있었으나, 수 만개의 계측장치가 설치된 대형 플랜트의 공정계통에 나타난 변화를 일일이 확인하여 이상여부를 알아내고 그 변화들을 종합 분석하여 어느 기기가 고장원인을 제공하였는지를 밝혀내기는 현실적으로 어려운 실정이다.
특히, 대형 플랜트를 보유한 경영자들은 자동화된 첨단 감시장치와 제어장치를 설치하여 분석능력을 높이는 노력을 기울이고 있지만, 미세한 이상 징후의 발견, 고장상황의 종합적 판단 등은 컴퓨터보다 전문 인력에 의존하고 있다.
이러한 산업플랜트에서 이상신호 발생 시 전문가들은 플랜트 설비 계통도(P&ID)를 일일이 확인하면서 이상신호 발생 원인을 규명하지만, 플랜트 설비 특성상 수 만개의 운전신호를 관찰하고 그 신호들 간의 연계성을 분석하여 이상 상황과 고장발생 기기를 찾아내는 것은 매우 어렵고 상당한 시간이 소요된다.
또한, 고위험군 산업으로 분류된 플랜트 설비는 숙련된 전문가만이 수리(보수, 교체), 점검을 수행할 수 있기 때문에 숙련된 전문가 양성을 위해 엄청난 시간과 비용이 소모되고 있는 것이 현실이다.
이로 인하여, 플랜트 설비의 이상상태로 인한 비상 및 재난 발생시, 신속하고 정확한 조치와 대응이 이루어지지 못하게 되고, 이는 결국 막대한 경제적, 사회적 손실 비용을 발생시키고 있다.
1. 한국특허공개 제10-2017-0084955호 (풍력 발전기의 고장 진단 방법 및 장치)
이에, 본 발명은 상기한 사정을 감안하여 창출된 것으로, 플랜트 구동시 발생되는 음향신호를 수집하여 주파수 변환을 수행하고, 변환된 주파수를 입력값으로 하여 퍼지추론에 기반한 진단 영역별 소속정도를 판단함으로써, 플랜트의 결함 상태를 용이하게 진단할 수 있도록 해 주는 음향 신호를 이용한 플랜트 결함 진단 방법을 제공함에 그 기술적 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 일측면에 따르면, 플랜트 결함 진단장치에서 플랜트의 안전, 경고, 위험의 각 진단 상태별 음향 신호에 대응되는 제1 내지 제3 멤버쉽 함수를 각각 생성하되, 제1 내지 제3 멤버쉽 함수는 입력 주파수가 해당 멤버쉽 함수의 진단 영역에서 소속한 정도를 소속값으로 추출하는 제1 단계와, 플랜트 결함 진단장치에서 진단 대상 플랜트가 구동하는 때에 발생되는 음향신호를 수집하는 제2 단계, 플랜트 결함 진단장치에서 수집된 음향신호를 FFT변환하여 주파수 스펙트럼을 획득하고, 주파수 스펙트럼에서 기 설정된 매그니튜드값 이상을 갖는 주파수를 입력 주파수로 결정하는 제3 단계 및, 플랜트 결함 진단장치에서 입력 주파수를 제1 내지 제3 멤버쉽 함수에 각각 적용하여 제1 내지 제3 소속값을 산출하고, 최대 소속값을 산출한 멤버쉽 함수에 대응되는 진단 상태를 플랜트 진단 상태로 결정하는 제4 단계를 포함하여 구성되는 것을 특징으로 하는 음향신호를 이용한 플랜트 설비의 결함 진단 방법이 제공된다.
또한, 상기 제1 단계에서 제1 내지 제3 멤버쉽 함수는 하기 수학식에 의해 생성되는 것을 특징으로 하는 음향신호를 이용한 플랜트 설비의 결함 진단 방법이 제공된다.
Figure pat00001
상기 수학식에서 a와 b는 각 진단 상태별 음향신호 영역에 해당하는 주파수의 최소값과 최대값이고, x는 입력 주파수임.
또한, 상기 제1 단계는 플랜트 결함 진단장치에서 각 진단상태별 음향 신호를 수집하는 단계와, 수집된 각 진단 상태별 음향신호를 FFT 변환하여 진단 상태별 주파수 스펙트럼을 획득하고, 각 주파수 스펙트럼에서 진단 상태별 소속 주파수 영역을 설정하는 단계, 진단 상태별 소속 주파수 영역의 최소값과 최대값을 퍼지 파라미터로 추출하는 단계 및, 진단 상태별 퍼지 파라미터를 상기 수학식에 각각 적용하여 제1 내지 제3 멤버쉽 함수를 생성하는 단계를 포함하여 구성되는 것을 특징으로 하는 음향신호를 이용한 플랜트 설비의 결함 진단 방법이 제공된다.
또한, 상기 제3 단계에서 플랜트 결함 진단장치는 기 설정된 기준 매그니튜드값에 의해 추출된 입력 주파수 개수가 기준 개수 범위를 초과하는 경우에는 기준 매그니튜드값을 일정 단위로 높게 설정하고 입력 주파수 개수가 기준 개수 범위 미만인 경우에는 기준 매그니튜드값을 일정 단위로 낮게 설정하여 입력 주파수 개수가 기준 개수 범위를 만족하도록 설정하는 것을 특징으로 하는 음향신호를 이용한 플랜트 설비의 결함 진단 방법이 제공된다.
또한, 상기 제4 단계에서 플랜트 결함 진단장치는 다수의 입력 주파수를 제1 내지 제3 멤버쉽 함수에 각각 적용하여 멤버쉽 함수별 각 입력 주파수에 대한 주파수 소속값을 각각 산출하고, 주파수 소속값의 평균을 해당 멤버쉽 함수에 대한 소속값으로 결정하는 것을 특징으로 하는 음향신호를 이용한 플랜트 설비의 결함 진단 방법이 제공된다.
본 발명에 의하면, 플랜트 구동시 발생되는 음향신호를 근거로 퍼지 추론을 이용하여 자동으로 플랜트에 대한 결함 여부를 진단하는 것이 가능하다.
또한, 플랜트에 대한 결함 여부를 자동 진단하여 출력함으로써, 경험자에 의존하지 않고서도 플랜트의 결함 상태에 대응하여 적시에 대응처리하는 것이 가능하고, 이로 인해 발생될 수 있는 사고 위험을 최소화할 수 있다.
도1은 본 발명이 적용되는 음향 신호를 이용한 플랜트 설비의 결함 진단 시스템의 구성을 개략적으로 도시한 도면.
도2는 본 발명의 제1 실시예에 따른 음향 신호를 이용한 플랜트 설비의 결함 진단 방법을 설명하기 위한 흐름도.
도3은 도2에 도시된 멤버쉽 함수 생성 과정(ST100)을 설명하기 위한 흐름도.
도4와 도5는 도3에 도시된 멤버쉽 함수 생성 과정을 예시하여 설명하기 위한 도면.
도6은 도2에 도시된 플랜트 현재 상태 결정 과정을 예시하여 설명하기 위한 도면.
본 발명에 기재된 실시예 및 도면에 도시된 구성은 본 발명의 바람직한 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 표현하는 것은 아니므로, 본 발명의 권리범위는 본문에 설명된 실시예 및 도면에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
일반적으로 잘 알려진 퍼지이론은 불분명한 정보(Fuzziness information)에 대해 수리적으로 취급이 가능하도록 하는 것으로서, 이것은 전통적인 논리시스템보다 실제 세계의 근사적(Approximate)이고 부정확한 성질(Inexact
nature)을 표현하는데 더 효과적이다. 예를 들어 “크다”, “낮다”, “작다” 등 인간이 사용하는 수많은 불분명한 지식, 정보, 논리를 퍼지이론을 이용하여 체계적으로 처리할 수 있다.
기존의 집합이론은 원소 x가 집합 A에 속할 때는 1의 값을 갖고 속하지 않을 때는 0의 값을 갖는 경계가 분명한 집합으로 구성된다. 반면에 기존의 집합 개념으로는 다룰 수 없는 것, 예를 들어 “예쁜 꽃들의 집합” 등과 같은 애매모호한 집합을 나타내기 위하여 원소가 집합에 속하는 정도를 0과 1사이의 값으로 나타내는 집합을 퍼지집합(Fuzzy set)이라 한다. 이때 0과 1사이의 값, 즉 [0, 1]로 나타내는 것을 멤버쉽 함수(Membership function)라 한다.
임의의 집합 X가 연속적 또는 이산적인 원소 x로 이루어진 객체들의 집합일 때, X=x를 논의 집합이라 한다. 이런 논의 집합 X상의 퍼지 집합 A는 μA : X→[0, 1]로 되는 소속 함수 μA에 의해 특성화된 집합이다. 여기서 퍼지 집합의 μA(x) 값을 x∈X에 있어서의 소속 값(Membership value)이라 부른다. 이 소속 값은 요소 x가 퍼지 집합 A에 속하는 정도를 표시하고 0에서 1사이의 값을 갖는다. 따라서 논의 집합 X상의 퍼지 집합 A는 원소 x와 그 원소의 소속 함수 값의 쌍으로 나타낸다.
이러한 퍼지집합을 기반으로 하여 애매한 언어를 취급하기 위한 시스템을 퍼지추론시스템(Fuzzy inference system)이라 하며, 이 퍼지추론시스템이 가지는 주요한 특징은 주어진 정보를 퍼지 분할(Fuzzy partitioning)하는 개념으로서 수치 값(Crisp number)대신 퍼지 집합에 기초하여 동작하는데 퍼지 집합은 단순한 숫자보다 더 많은 정보를 포함하게 된다
본 발명은 이러한 퍼지 추론에 기반하여 음향신호를 분석함으로써, 플랜트 설비의 결함 상태를 판단하는 것이다. 이때, 플랜트 설비는 가스 플랜트를 포함한 각종 산업 플랜트가 될 수 있다.
도1은 본 발명이 적용되는 음향신호를 이용한 플랜트 설비의 결함 진단 시스템의 구성을 개략적으로 도시한 도면이다.
도1을 참조하면, 음향신호를 이용한 플랜트 설비의 결함 진단 시스템은 플랜트(1)로부터 획득한 음향신호를 근거로 플랜트(1)의 결함 상태를 진단하는 플랜트 결함 진단장치(100)를 구비하여 구성된다.
플랜트 결함 진단장치(100)는 플랜트(1)에 대해 안정 상태와 경고 상태 및 위험 상태에서 발생되는 음향신호에 대응되는 각 멤버쉽 함수를 결정하여 미리 데이터 메모리(150)에 등록한다.
이후, 플랜트 결함 진단장치(100)는 플랜트(1) 구동시 발생되는 음향 신호에 대해 기 설정된 멤버쉽 함수에 기초하여 그 상태를 진단한다.
이러한 플랜트 결함 진단장치(100)는 음향 수집부(110)와, 신호 변환부(120), 결함 진단부(130), 결과 출력부(140) 및, 데이터 메모리(150)를 포함한다.
음향 수집부(110)는 플랜트(1) 동작시 음향 신호를 수집할 수 있는 적절한 위치, 예컨대 플랜트(1)의 일측 또는 플랜트(1)와 일정 거리 이격된 위치에 설치될 수 있다. 음향 수집부(110)는 플랜트(1) 구동시 발생된 아날로그 형태의 음향신호를 수집한다.
신호 변환부(120)는 음향 수집부(110)에서 획득한 음향신호를 FFT(fast Fourier transform) 변환한다. 이때, 신호 변환부(120)는 일정 주기로 일정 프레임 단위의 음향 신호를 추출하고, 추출된 음향 신호를 FFT 변환한다. 예컨대, 1시간 주기로 1분 동안 수신된 음향 신호를 FFT 변환한다.
결함 진단부(130)는 FFT 변환된 주파수 중에서 멤버쉽 함수에 적용할 입력 주파수를 결정하고, 멤버쉽 함수에 해당 입력 주파수를 적용하여 그 소속값을 산출함으로써, 플랜트의 결함 상태를 판단한다.
진단결과 출력부(140)는 결함 진단부(130)에서 결정된 해당 플랜트에 대한 결함 진단 결과를 표시출력한다.
데이터 메모리(150)는 음향신호에 대응되는 진단 상태별 멤버쉽 함수 및 결함 진단을 위한 기준값을 포함하는 플랜트 설비 결함 진단을 위한 정보를 저장한다.
이어, 본 발명의 제1 실시예에 따른 음향 신호를 이용한 플랜트 설비의 결함 진단 방법을 도2 및 도3에 도시된 흐름도를 참조하여 설명한다. 도2는 본 발명에 따른 음향 신호를 이용한 플랜트 설비의 결함 진단 방법에 대한 전체적인 동작을 나타낸 것이고, 도3은 도2에서 멤버쉽 함수 생성 단계(ST100)를 보다 상세히 나타낸 것이다.
도2를 참조하면, 플랜트 결함 진단장치(100)는 플랜트에 대한 안정 상태와 경고 상태 및 위험 상태에 대응되는 음향 신호에 대응하여 각 진단 상태별 멤버쉽 함수를 생성한다(ST100). 즉, 플랜트 결함 진단장치(100)는 안정 상태에 대응되는 제1 멤버쉽 함수와 경고 상태에 대응되는 제2 멤버쉽 함수 및 위험 상태에 대응되는 제3 멤버쉽 함수를 각각 생성하고, 이를 데이터 메모리(150)에 등록한다.
상기한 상태에서, 플랜트 결함 진단장치(100)는 진단 대상 플랜트(1)의 구동시 발생되는 음향 신호를 수집한다(ST200).
플랜트 결함 진단장치(100)는 수집된 음향신호를 FFT 변환하여 수집된 음향신호에 대응되는 주파수 스펙트럼을 획득한다(ST300).
플랜트 결함 진단장치(100)는 주파수 스펙트럼에서 멤버쉽 함수에 적용할 입력 주파수를 결정한다(ST400). 이때, 플랜트 결함 진단장치(100)는 기 설정된 기준 매그니튜드값에 의해 추출된 입력 주파수 개수가 기준 개수 범위를 초과하는 경우에는 기준 매그니튜드값을 일정 단위로 높게 설정하고 입력 주파수 개수가 기준 개수 범위 미만인 경우에는 기준 매그니튜드값을 일정 단위로 낮게 설정하여 입력 주파수 개수가 기준 개수 범위를 만족하도록 설정한다.
플랜트 결함 진단장치(100)는 데이터 메모리(150)에 저장된 제1 내지 제3 멤버쉽 함수를 호출하고 상기 ST400 단계에서 결정된 입력 주파수를 제1 내지 제3 멤버쉽 함수에 적용하여 각 진단 상태에 대응되는 제1 내지 제3 소속값을 각각 산출한다. (ST500). 이때, 플랜트 결함 진단장치(100)는 다수의 입력 주파수를 제1 내지 제3 멤버쉽 함수에 각각 적용하여 멤버쉽 함수별 각 입력 주파수에 대한 주파수 소속값을 각각 산출하고, 주파수 소속값의 평균을 해당 멤버쉽 함수에 대한 소속값으로 결정한다.
이후 플랜트 결함 진단장치(100)는 상기 ST500 단계에서 산출된 제1 내지 제3 소속값 중 최대 소속값을 산출한 멤버쉽 함수에 대응되는 진단 상태를 플랜트 진단 상태로 결정한다(ST600). 즉, 위험 상태에 대응되는 제3 멤버쉽 함수에 의해 산출된 제3 소속값이 가장 큰 경우, 플랜트의 현재 상태는 위험 상태로 결정된다.
이후 플랜트 결함 진단장치(100)는 상기 ST600 단계에서 결정된 현재 상태에 대응하여 플랜트 상태정보를 숫자나 텍스트 또는 이미지 등의 각종 형태로 표시출력한다(ST700). 예컨대, 플랜트가 위험 상태로 결정된 경우, "위험도 90"이나 "위험 상태입니다" 또는 "위험 이미지 적색 발광" 와 같이 표시 출력될 수 있다.
한편, 상기한 멤버쉽 함수 설정 단계(ST100)는 도3에 도시된 바와 같이 플랜트 구동시 발생되는 안정 상태와 경고 상태 및 위험 상태에 대한 음향 신호를 각각 수집한다(ST110). 이때, 각 진단 상태별 음향 신호는 플랜트 제조사 또는 플랜트 관련 업체 등의 외부 기관으로부터 제공받거나, 실제로 각 상태에서 구동되는 플랜트로부터 발생된 음향을 수집할 수 있다.
플랜트 결함 진단장치(100)는 각 상태별로 수집된 음향신호를 각각 FFT 변환하여 주파수 스펙트럼을 획득한다(ST120).
이어, 플랜트 결함 진단장치(100)는 각 상태별 주파수 스펙트럼에서 기 설정된 기준 매그니튜드값 이상인 주파수를 추출함으로써, 추출된 주파수를 포함하는 각 진단 상태별 입력 주파수 영역을 설정한다(ST130).
플랜트 결함 진단장치(100)는 입력 주파수 영역에서 최소값과 최대값 즉, 최소 주파수와 최대 주파수를 퍼지 파라미터로 추출한다(ST140).
그리고, 플랜트 결함 진단장치(100)는 상기 ST140 단계에서 추출된 각 진단 상태별 퍼지 파라미터를 기 설정된 퍼지 함수에 적용함으로써, 각 진단 상태별 제1 내지 제3 멤버쉽 함수를 각각 생성한다(ST150).
도4 및 도5는 멤버쉽 함수 생성 과정을 보다 상세히 설명하기 위한 도면이다.
도4는 서로 다른 진단 상태 즉, 안전, 경고, 위험 상태의 음향신호(A)와, 주파수 변환부(120)에서 각 상태의 음향신호(A)를 FFT(fast Fourier transform) 변환하여 획득한 FFT 스펙트럼(B) 및, 각 상태별 FFT 스펙트럼(B)으로부터 결정된 입력 주파수를 예시한 도면이다.
도4에 도시된 바와 같이, FFT 스펙트럼(B)에서 기 설정된 기준값, 예컨대 매그니튜드값(Y축)이 "0.5" 이상인 모든 주파수를 입력 주파수로 추출할 수 있다.
도4에는 진단 대상 플랜트에 대해 안정 상태에서는 저 주파수대역의 입력값(1KHz 이하)이 추출되고, 경고 상태에서는 중 주파수대역의 입력값(4KHz 영역)이 추출되며, 위험 상태에서는 고 주파수대역의 입력값(5KHz 초과 영역)이 추출됨을 알 수 있다.
도5는 플랜트 설비의 결함 진단을 위한 멤버쉽 함수 생성을 위한 퍼지 함수를 설명하기 위한 도면이다. 결함 진단부(130)는 입력 주파수에 대해 Mamdani 퍼치 추론에 기반하여 결함 상태를 진단한다. 이때, 플랜트 설비에 대한 결함 상태는 안전상태, 경고 상태 및, 위험 상태로 구분되는 결과를 도출한다.
도5를 참조하면, 각 상태별(안전(safe, 경고(warning), 위험(dangerous)) 입력 주파수 영역의 주파수가 서로 다른 소속 영역에 포함되는 퍼지 함수를 적용할 수 있다.
하기 수학식1은 플랜트 설비에 대한 결함 상태를 판단하기 위한 퍼지 함수 이다.
Figure pat00002
수학식1에서 a는 각 진단 영역에 해당하는 주파수대역의 최소값이고, b 는 각 진단 영역에 해당하는 주파수대역의 최대값이며, x는 진단하고자 하는 입력 주파수(입력값)를 의미한다.
도5와 같이, 퍼지 함수는 서로 다른 입력 주파수 대역의 주파수(D)가 서로 다른 진단 영역(E)에 소속되되, 그 소속 정도를 표현할 수 있는 소속값으로 출력되도록 한다.
즉, 결함 진단부(130)는 하나의 주파수에 대해 안전 영역에 해당하는 최소값과 최대값을 상기 수학식1에 적용한 제1 멤버쉽 함수를 이용하여 해당 입력 주파수에 대한 안정 상태 여부를 판단하고, 안정 상태가 아닌 경우 경고 영역에 해당하는 최소값과 최대값을 상기 수학식1에 적용한 제2 멤버쉽 함수를 이용하여 해당 입력 주파수에 대한 경고 상태 여부를 판단하며, 경고 상태도 아닌 경우 위험 영역에 해당하는 최소값과 최대값을 상기 수학식1에 적용한 제3 멤버쉽 함수를 이용하여 해당 입력 주파수에 대한 위험 상태 여부를 판단한다.
또한, 결함 진단부(130)는 퍼지 입력값으로 결정된 모든 주파수를 상기 수학식1에 적용하여 안정, 경고, 위험 상태 여부를 판단한다.
한편, 도6은 도2에 도시된 플랜트 현재 상태 결정 과정을 예시하여 설명하기 위한 도면으로, 결함 진단부(130)에서 경고 및 위험 상태에 대한 진단 함수 적용 결과를 예시한 도면이다.
도6에서 (X)는 경고 상태에 대응되는 각 입력 주파수(1~6)에 대한 진단 결과를 예시한 도면이고, (Y)는 위험 상태에 대응되는 입력 주파수(1~6)에 대한 진단 결과를 예시한 도면이다.
(X) 및 (Y)로 인가되는 1 내지 6은 동일한 입력 주파수이고, L1은 경고 상태에 해당하는 진단 영역의 기준값이며, L2는 위험 상태에 해당하는 진단 영역의 기준값이다. L1과 L2 는 도5의 (E)에서 경고 영역의 중심값과 위험 영역의 중심값이다.
즉, 1 내지 6 입력 주파수를 경고 상태에 대응되는 제2 멤버쉽 함수에 적용한 결과, 제3 입력 주파수가 경고 영역에서 높은 소속값이 가지는 바, 이에 따라 경고 상태 진단 결과(WR)는 제3 입력 주파수에 대응되는 소속값으로 결정될 수 있다.
또한, 1 내지 6 입력 주파수를 위험 상태에 대응되는 제3 멤버쉽 함수에 적용한 결과, 제6 입력 주파수가 위험 영역에서 높은 소속값이 가지는 바, 이에 따라 위험 상태 진단 결과(DR)는 제6 입력 주파수에 대응되는 소속값으로 결정될 수 있다.
이러한 소속값 결과를 근거로 결함 진단부(130)는 1 내지 6 입력 주파수에 대응되는 음향 신호에 대하여 경고 상태 진단 결과와 위험 상태 진단 결과 중 보다 높은 소속값을 갖는 위험 상태로 진단 결과를 최종적으로 결정한다.
100 : 플랜트 결함 진단장치, 110 : 음향 수집부,
120 : 신호 변환부, 130 : 결함 진단부,
140 : 결과 출력부, 150 : 데이터 메모리,
1 : 플랜트.

Claims (5)

  1. 플랜트 결함 진단장치에서 플랜트의 안전, 경고, 위험의 각 진단 상태별 음향 신호에 대응되는 제1 내지 제3 멤버쉽 함수를 각각 생성하되, 제1 내지 제3 멤버쉽 함수는 입력 주파수가 해당 멤버쉽 함수의 진단 영역에서 소속한 정도를 소속값으로 추출하는 제1 단계와,
    플랜트 결함 진단장치에서 진단 대상 플랜트가 구동하는 때에 발생되는 음향신호를 수집하는 제2 단계,
    플랜트 결함 진단장치에서 수집된 음향신호를 FFT변환하여 주파수 스펙트럼을 획득하고, 주파수 스펙트럼에서 기 설정된 매그니튜드값 이상을 갖는 주파수를 입력 주파수로 결정하는 제3 단계 및,
    플랜트 결함 진단장치에서 입력 주파수를 제1 내지 제3 멤버쉽 함수에 각각 적용하여 제1 내지 제3 소속값을 산출하고, 최대 소속값을 산출한 멤버쉽 함수에 대응되는 진단 상태를 플랜트 진단 상태로 결정하는 제4 단계를 포함하여 구성되는 것을 특징으로 하는 음향신호를 이용한 플랜트 설비의 결함 진단 방법.
  2. 제1항에 있어서,
    상기 제1 단계에서 제1 내지 제3 멤버쉽 함수는 하기 수학식에 의해 생성되는 것을 특징으로 하는 음향신호를 이용한 플랜트 설비의 결함 진단 방법.
    Figure pat00003

    상기 수학식에서 a와 b는 각 진단 상태별 음향신호 영역에 해당하는 주파수의 최소값과 최대값이고, x는 입력 주파수임.
  3. 제2항에 있어서,
    상기 제1 단계는 플랜트 결함 진단장치에서 각 진단상태별 음향 신호를 수집하는 단계와,
    수집된 각 진단 상태별 음향신호를 FFT 변환하여 진단 상태별 주파수 스펙트럼을 획득하고, 각 주파수 스펙트럼에서 진단 상태별 소속 주파수 영역을 설정하는 단계,
    진단 상태별 소속 주파수 영역의 최소값과 최대값을 퍼지 파라미터로 추출하는 단계 및,
    진단 상태별 퍼지 파라미터를 상기 수학식에 각각 적용하여 제1 내지 제3 멤버쉽 함수를 생성하는 단계를 포함하여 구성되는 것을 특징으로 하는 음향신호를 이용한 플랜트 설비의 결함 진단 방법.
  4. 제1항에 있어서,
    상기 제3 단계에서 플랜트 결함 진단장치는 기 설정된 기준 매그니튜드값에 의해 추출된 입력 주파수 개수가 기준 개수 범위를 초과하는 경우에는 기준 매그니튜드값을 일정 단위로 높게 설정하고 입력 주파수 개수가 기준 개수 범위 미만인 경우에는 기준 매그니튜드값을 일정 단위로 낮게 설정하여 입력 주파수 개수가 기준 개수 범위를 만족하도록 설정하는 것을 특징으로 하는 음향신호를 이용한 플랜트 설비의 결함 진단 방법.
  5. 제1항에 있어서,
    상기 제4 단계에서 플랜트 결함 진단장치는 다수의 입력 주파수를 제1 내지 제3 멤버쉽 함수에 각각 적용하여 멤버쉽 함수별 각 입력 주파수에 대한 주파수 소속값을 각각 산출하고, 주파수 소속값의 평균을 해당 멤버쉽 함수에 대한 소속값으로 결정하는 것을 특징으로 하는 음향신호를 이용한 플랜트 설비의 결함 진단 방법.
KR1020180114021A 2018-09-21 2018-09-21 음향신호를 이용한 플랜트 설비의 결함 진단 방법 KR102195266B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180114021A KR102195266B1 (ko) 2018-09-21 2018-09-21 음향신호를 이용한 플랜트 설비의 결함 진단 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180114021A KR102195266B1 (ko) 2018-09-21 2018-09-21 음향신호를 이용한 플랜트 설비의 결함 진단 방법

Publications (2)

Publication Number Publication Date
KR20200034339A true KR20200034339A (ko) 2020-03-31
KR102195266B1 KR102195266B1 (ko) 2020-12-24

Family

ID=70002289

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180114021A KR102195266B1 (ko) 2018-09-21 2018-09-21 음향신호를 이용한 플랜트 설비의 결함 진단 방법

Country Status (1)

Country Link
KR (1) KR102195266B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113398467A (zh) * 2021-06-02 2021-09-17 天津市第一中心医院 一种人工耳蜗动态范围参数的模糊自动调节方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003329549A (ja) * 2003-04-24 2003-11-19 Omron Corp 品質判定方法および装置
KR20170084955A (ko) 2016-01-13 2017-07-21 목포대학교산학협력단 풍력 발전기의 고장 진단 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003329549A (ja) * 2003-04-24 2003-11-19 Omron Corp 品質判定方法および装置
KR20170084955A (ko) 2016-01-13 2017-07-21 목포대학교산학협력단 풍력 발전기의 고장 진단 방법 및 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113398467A (zh) * 2021-06-02 2021-09-17 天津市第一中心医院 一种人工耳蜗动态范围参数的模糊自动调节方法
CN113398467B (zh) * 2021-06-02 2024-03-29 天津市第一中心医院 一种人工耳蜗动态范围参数的模糊自动调节方法

Also Published As

Publication number Publication date
KR102195266B1 (ko) 2020-12-24

Similar Documents

Publication Publication Date Title
CN110647133B (zh) 轨道交通设备状态检测维护方法及系统
JP6050599B2 (ja) 装置の動作監視のための方法およびシステム
JP5875726B1 (ja) 異常予兆診断装置のプリプロセッサ及びその処理方法
Martinez-Garcia et al. Visually interpretable profile extraction with an autoencoder for health monitoring of industrial systems
KR102118966B1 (ko) 발전소 고장 예측 및 진단시스템과 그 방법
WO2020142542A1 (en) Methods and systems for predicting risk of observable damage in wind turbine gearbox components
EP3270250A1 (en) Method and system for remote monitoring of power generation units
KR102095653B1 (ko) 신경망 모델을 이용한 비정상 운전 상태 판단 장치 및 방법
KR102301201B1 (ko) IoT 센서 기반 회전 기기의 정밀 상태 진단 장치 및 방법
CN107291475B (zh) 通用型phm应用配置方法和装置
US20230162484A1 (en) Apparatus and method for generating learning data for artificial intelligence model
JP6714498B2 (ja) 設備診断装置及び設備診断方法
US10593134B2 (en) Acceptance testing system
KR20140072331A (ko) 이상진단 사전감시 방법
WO2021127646A1 (en) Device and method for monitoring a system
CN116756909A (zh) 一种基于数据模型及机理模型的火电厂预警诊断系统
KR102195266B1 (ko) 음향신호를 이용한 플랜트 설비의 결함 진단 방법
CN111753603A (zh) 一种应急发电机组edg故障诊断系统
CN106500831B (zh) 振动传感器的检测方法和装置
KR101248232B1 (ko) 병렬 부대설비의 이상 진단 방법 및 시스템
KR20230102431A (ko) 인공지능 기반의 오일가스 플랜트 설비 고장 예측 및 진단시스템
JP2010027076A (ja) 設備機器診断方法
CN113487189A (zh) 一种石化设备故障概率风险评估系统及评估方法
KR102470112B1 (ko) 원전의 지능형 상태감시 방법 및 시스템
CN115146895A (zh) 机械系统的健康评估

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant