KR20220158138A - 모터 3상 전류 신호 기반 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치 - Google Patents

모터 3상 전류 신호 기반 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치 Download PDF

Info

Publication number
KR20220158138A
KR20220158138A KR1020210064961A KR20210064961A KR20220158138A KR 20220158138 A KR20220158138 A KR 20220158138A KR 1020210064961 A KR1020210064961 A KR 1020210064961A KR 20210064961 A KR20210064961 A KR 20210064961A KR 20220158138 A KR20220158138 A KR 20220158138A
Authority
KR
South Korea
Prior art keywords
current signal
phase current
motor
bearing
failure diagnosis
Prior art date
Application number
KR1020210064961A
Other languages
English (en)
Other versions
KR102572378B1 (ko
Inventor
황태완
손영훈
반영준
임우철
Original Assignee
주식회사 원프레딕트
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 주식회사 원프레딕트 filed Critical 주식회사 원프레딕트
Priority to KR1020210064961A priority Critical patent/KR102572378B1/ko
Priority to US18/562,088 priority patent/US20240241011A1/en
Priority to PCT/KR2022/005985 priority patent/WO2022245004A1/ko
Publication of KR20220158138A publication Critical patent/KR20220158138A/ko
Application granted granted Critical
Publication of KR102572378B1 publication Critical patent/KR102572378B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/343—Testing dynamo-electric machines in operation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R11/00—Electromechanical arrangements for measuring time integral of electric power or current, e.g. of consumption
    • G01R11/36—Induction meters, e.g. Ferraris meters
    • G01R11/40—Induction meters, e.g. Ferraris meters for polyphase operation
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R25/00—Arrangements for measuring phase angle between a voltage and a current or between voltages or currents
    • G01R25/04—Arrangements for measuring phase angle between a voltage and a current or between voltages or currents involving adjustment of a phase shifter to produce a predetermined phase difference, e.g. zero difference
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/52—Testing for short-circuits, leakage current or ground faults

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

본 발명은 전류 신호를 기반으로 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 전류 신호를 기반으로 베어링의 결함을 진단하는 방법은 베어링 고장 진단 장치가 모터 3상 전류 신호를 수신하는 단계, 베어링 고장 진단 장치가 모터 3상 전류 신호에 대한 디노이징(denoising)을 수행하는 단계, 베어링 고장 진단 장치가 디노이징된 모터 3상 전류 신호를 1상 전류 신호로 변환하는 단계, 베어링 고장 진단 장치가 1상 전류 신호를 기반으로 특성 인자를 결정하는 단계와 베어링 고장 진단 장치가 특성 인자를 기반으로 베어링의 결함 여부를 결정하는 단계를 포함할 수 있다.

Description

모터 3상 전류 신호 기반 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치{Diagnosis method for bearing defect using 3 phase motor current signal and apparatus for performing the same}
본 발명은 모터 3상 전류 신호를 기반으로 모터의 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 구체적으로 본 발명은 모터 3상 전류 신호를 변환하고, 특성 인자를 추출해 모터의 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치에 관한 것이다.
회전 기기는 산업계에 가장 많이 이용되는 기계 설비들 중 하나이고, 회전 설비의 기동에는 모터의 기동이 필수적이다. 모터는 기동 중 하중이 계속 작용하는 환경에서 마모(wear), 균열 결함(fault), 성능 저하(degradation)로 인한 손상(damage)을 필연적으로 가지게 된다. 그러나 이를 제대로 관리하지 못하여 한계 수준을 넘어가게 되면 치명적인 사고나 사용 중단 상태가 발생되고, 막대한 피해와 비용 손실이 발생한다. 이를 막기 위해 기존에는 운용 중 철저한 예방 정비에 의존하며 고가/고안정성 시스템을 운용하고 있다. 하지만 정비가 실제 결함 유무와 관계없이 일정한 주기마다 실시되므로 정상 부품의 불필요한 교체 및 정비 시간 동안의 운용 중단으로 인한 비용 손실을 발생시키는 문제점이 있고, 갑작스런 시스템 고장을 예방하는 데에 한계가 있다.
최근에는 이런 문제점들을 해결하기 위해 기계 시스템의 이상을 조기에 감지하고 고장을 미리 예측하는 고장 예지 및 건전성 관리(PHM, prognostics and health management) 기술들이 연구되고 있다. 고장 예지 및 건전성 관리 기술에는 크게 두가지 방법이 있는데, 첫째로 모델 기반 방법(Model based approach)은 고장이 진행되어 가는 과정을 모델링한 물리적 고장 모델을 기반으로 고장을 진단하고 예지한다. 이 방법은 정확도가 높으며 적은 양의 데이터로도 고장 진단이 가능하고, 모델의 변수를 바꿔줌으로써 다양한 운행 환경에서도 적용 가능하다. 그러나 공정 자동화 기술의 발전으로 인해 시스템 복잡도가 크게 증가하고 고장 메커니즘 파악이 어려워져 모델을 완전히 구현하기 힘들다. 또한 모델링 과정에 해당 분야 전문가의 도움이 필요하여, 모델을 구성하고 유지하는데 많은 비용이 든다. 이러한 요인들로 인해 현재 모델 기반 방법은 적용 분야가 매우 한정적이다.
다음으로 데이터 주도 방법(data driven approach)은 데이터에서 고장과 관련된 중요한 인자를 찾아내어 통계적 방법, 기계학습, 딥러닝 기법으로 시스템의 신뢰성, 건전성 정보를 추론하는 것이다. 이중 기계 학습과 딥러닝 기법은 건전성 인자와 고장 여부의 관계를 학습을 통해 스스로 배움으로써 미래 고장을 예측할 수 있다. 이 방법은 물리적 손상 모델을 구현하기 어려운 다변량, 비선형 시스템에 적용이 가능하지만, 예측 모델의 훈련을 위해서는 많은 데이터가 필요하다.
본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 베어링 결함(예를 들어, 외륜, 내륜 결함 등)을 타 결함(예를 들어, 불균형, 회전자 봉 파손, 고정자 권선 단락)과 구분해 독립적으로 진단할 수 있는 특성 인자를 통해 베어링 결함에 대한 진단을 독립적으로 수행하는 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은, 베어링 결함(예를 들어, 외륜, 내륜 결함 등)을 타 결함(예를 들어, 불균형, 회전자 봉 파손, 고정자 권선 단락)과 구분해 독립적으로 진단할 수 있는 특성 인자를 통해 베어링 결함에 대한 진단을 독립적으로 수행하는 장치를 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 실시예에 따르면, 전류 신호를 기반으로 베어링의 결함을 진단하는 방법은 베어링 고장 진단 장치가 모터 3상 전류 신호를 수신하는 단계, 상기 베어링 고장 진단 장치가 상기 모터 3상 전류 신호에 대한 디노이징(denoising)을 수행하는 단계, 상기 베어링 고장 진단 장치가 디노이징된 모터 3상 전류 신호를 1상 전류 신호로 변환하는 단계, 상기 베어링 고장 진단 장치가 상기 1상 전류 신호를 기반으로 특성 인자를 결정하는 단계와 상기 베어링 고장 진단 장치가 상기 특성 인자를 기반으로 상기 베어링의 결함 여부를 결정하는 단계를 포함할 수 있다.
한편, 상기 1상 전류 신호로 변환시키는 단계는 상기 베어링 고장 진단 장치가 상기 디노이징된 모터 3상 전류 신호를 2상 전류 신호로 변환하는 제1 변환 단계와 상기 베어링 고장 진단 장치가 상기 2상 전류 신호를 상기 1상 전류 신호로 변환하는 제2 변환 단계를 포함할 수 있다.
또한, 상기 제1 변환 단계는 상기 모터 3상 전류 신호의 공간 좌표계의 a상이 발생시키는 자속의 방향과 일치하는 d축과 이에 직교하는 q축을 갖는 2차원 좌표계로의 변환을 통해 수행되고, 상기 제2 변환 단계는 벡터 계산을 통해 수행될 수 있다.
본 발명의 다른 실시예에 따르면, 전류 신호를 기반으로 베어링의 결함을 진단하는 베어링 고장 진단 장치는 모터 3상 전류 신호를 수신하도록 구현된 전류 데이터 수신부와 상기 전류 데이터 수신부와 동작 가능하게 연결된 프로세서를 포함하되, 상기 프로세서는 상기 모터 3상 전류 신호에 대한 디노이징(denoising)을 수행하고, 디노이징된 모터 3상 전류 신호를 1상 전류 신호로 변환하고, 상기 1상 전류 신호를 기반으로 특성 인자를 결정하고, 상기 특성 인자를 기반으로 상기 베어링의 결함 여부를 결정하도록 구현될 수 있다.
한편, 상기 프로세서는 상기 디노이징된 모터 3상 전류 신호를 2상 전류 신호로 변환하는 제1 변환 및 상기 2상 전류 신호를 상기 1상 전류 신호로 변환하는 제2 변환을 수행할 수 있다.
또한, 상기 제1 변환은 상기 모터 3상 전류 신호의 공간 좌표계의 a상이 발생시키는 자속의 방향과 일치하는 d축과 이에 직교하는 q축을 갖는 2차원 좌표계로의 변환을 통해 수행되고, 상기 제2 변환은 벡터 계산을 통해 수행될 수 있다.
본 발명에 의하면, 베어링 결함(예를 들어, 외륜, 내륜 결함 등)을 타 결함(예를 들어, 불균형, 회전자 봉 파손, 고정자 권선 단락)과 구분해 독립적으로 진단할 수 있는 특성 인자를 통해 베어링 결함에 대한 진단이 독립적으로 수행되어 베어링 결함에 대한 보다 정확한 판단이 가능하다.
도 1은 정상 및 베어링 결함 모터의 전류 신호에 종래의 기술을 적용한 결과를 나타낸 그래프이다.
도 2 는 본 발명의 실시예에 따른 베어링 결함 진단을 수행하는 베어링 결함 진단 장치를 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 전류 신호를 기반으로 베어링 결함을 진단하는 방법을 나타낸 순서도이다.
도 4 내지 도 6은 본 발명의 실시예에 따른 디노이징 방법을 나타낸 개념도이다.
도 7은 본 발명의 실시예에 따른 모터 3상 전류 신호의 변환 방법을 나타낸 개념도이다.
도 8은 본 발명의 실시예에 따른 특성 인자를 나타낸 개념도이다.
도 9는 본 발명의 실시예에 따른 특성 인자 적용 결과를 나타낸 개념도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여 지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
기존의 고정자 전류 데이터 기반의 유도 전동기 베어링 결함 진단 방법은 베어링 결함시 발생하는 모터의 회전 주파수와 베어링 결함 특성 주파수(bearing defect frequency)의 변조 (modulation) 특성을 활용하는 것이다. 기존에는 모터 전류 스펙트럼 분석 (Motor Current Spectrum Analysis, MCSA)을 통해 각 결함 성분의 진폭 (amplitude)의 크기를 특성 인자 (feature)로 하여 정상 상태 대비 상대적으로 높은 진폭 값을 갖는 경우, 베어링 결함으로 판단하였다.
종래 기술은 단상(single phase) 전류 신호에서 베어링 결함시 발생하는 모터의 회전 주파수와 베어링 결함 특성 주파수 (bearing defect frequency)의 변조 특성을 활용하는 모터 전류 스펙트럼 분석을 사용한다. 이 방법은 유도 전동기에 결함이 발생할 경우에 변조가 발생하는 성분을 계산하여 각 결함 성분의 진폭 (amplitude)을 특성 인자(feature)로 활용하여 특성 인자의 값이 정상 상태 대비 상대적으로 높은 값을 갖는 경우 베어링 결함으로 판단한다.
그러나 실제 현장에 존재하는 시스템의 복잡성 및 여러 정량화할 수 없는 불확실성에 따라 종래의 기술로는 베어링 결함 주파수를 확인할 수 없는 경우가 존재한다. 또한, 단상 스펙트럼의 진폭의 값은 고정자 결함 및 기타 전기적 결함에 의해 전반적으로 상승하기 때문에, 베어링 결함 특성 주파수의 상대적인 진폭 값을 사용해 베어링의 결함을 독립적으로 진단하기 어렵다.
도 1은 정상 및 베어링 결함 모터의 전류 신호에 종래의 기술을 적용한 결과를 나타낸 그래프이다.
도 1을 참조하면, 정상 및 베어링 결함 데이터의 결함 주파수 성분에서 진폭의 차이가 없음을 확인할 수 있다. 도 1에서 실선은 normal, 파선은 de bearing 결함, 1점 쇄선은 베어링 결함 주파수를 의미한다. 이때 베어링 결함 주파수(약 150Hz)에서 정상과 베어링 결함 유도 전동기의 전류 진폭의 차이가 관찰되지 않는 것을 통해 결함을 구분할 수 없음을 확인할 수 있다.
즉, 종래 기술을 사용하는 경우, 베어링 결함에 대해 독립적인 판단이 어렵다.
본 발명에서는 위와 같은 기존의 베어링 결함 판단의 부정확성을 극복하고, 전류 신호를 기반으로 베어링 결함을 진단하는 방법이 개시된다.
도 2 는 본 발명의 실시예에 따른 베어링 결함 진단을 수행하는 베어링 결함 진단 장치를 나타낸 개념도이다.
도 2에서는 모터의 베어링 결함 진단을 수행하는 베어링 결함 진단 장치가 개시된다.
도 2를 참조하면, 베어링 결함 진단 장치는 전류 신호 수신부(210), 디노이징부(220), 제1 전류 신호 변화부(230), 제2 전류 신호 변화부(240), 도메인 변환부(250), 특성 인자 결정부(260), 베어링 결함 결정부(270) 및 프로세서(280)를 포함할 수 있다.
전류 신호 수신부(210)는 모터 전류에 대한 모터 3상 전류 신호를 수신하기 위해 구현될 수 있다.
디노이징부(220)는 모터 3상 전류 신호에 섞여있는 노이즈들을 제거하기 위해 구현될 수 있다. 예를 들어, 디노이징부(220)는 wavelet을 활용한 디노이징을 수행하기 위해 구현될 수 있다. 모터 3상 전류 신호에 대한 디노이징 절차는 후술된다.
제1 전류 신호 변화부(230)는 디노이징된 모터 3상 전류 신호를 2상 전류 신호로 변화시키기 위해 구현될 수 있다. 모터 3상 전류의 공간 좌표계는 2차원 좌표계로 변환될 수 있고, 이러한 좌표계의 변환을 통해 디노이징된 모터 3상 전류 신호가 2상 전류 신호로 변화될 수 있다.
제2 전류 신호 변화부(240)는 2상 전류 신호를 1상 전류 신호로 변화시키기 위해 구현될 수 있다. 2상 전류 신호는 벡터 변환을 기반으로 1상 전류 신호로 변화될 수 있다.
도메인 변환부(250)는 1상 전류 신호의 도메인을 시간 도메인에서 주파수 도메인으로 변화시키기 위해 구현될 수 있다.
특성 인자 결정부(260)는 주파수 도메인으로 변화된 1상 전류 신호를 기반으로 특성 인자를 결정하기 위해 구현될 수 있다.
베어링 결함 결정부(270)는 특성 인자를 기반으로 베어링의 결함 발생 여부를 판단할 수 있다.
프로세서(280)는 전류 신호 수신부(210), 디노이징부(220), 제1 전류 신호 변화부(230), 제2 전류 신호 변화부(240), 도메인 변환부(250), 특성 인자 결정부(260), 베어링 결함 결정부(270)의 동작을 제어하기 위해 구현될 수 있다.
도 3은 본 발명의 실시예에 따른 전류 신호를 기반으로 베어링 결함을 진단하는 방법을 나타낸 순서도이다.
도 3을 참조하면, 베어링 고장 진단 장치는 모터 전류에 대한 모터 3상 전류 신호를 수신한다(단계 S310).
베어링에 대한 이상 여부를 판단하기 위해 베어링에 연결된 모터 3상 전류 신호가 수신될 수 있다.
베어링 고장 진단 장치는 모터 3상 전류 신호에 대한 디노이징(denoising)을 수행한다(단계 S320).
본 발명에서는 모터 3상 전류 신호에 섞여있는 노이즈들을 제거하기 위해 구현될 수 있다. 예를 들어, 디노이징부은 wavelet을 기반으로 수행될 수 있다.. 모터 3상 전류 신호에 대한 디노이징 절차는 후술된다.
베어링 고장 진단 장치가 디노이징된 모터 3상 전류 신호를 2상 전류 신호로 변화시킨다(단계 S330).
모터 3상 전류의 공간 좌표계는 2차원 좌표계로 변환될 수 있고, 이러한 좌표계의 변환을 통해 디노이징된 모터 3상 전류 신호가 2상 전류 신호로 변화될 수 있다.
베어링 고장 진단 장치가 2상 전류 신호를 1상 전류 신호로 변화시킨다(단계 S340).
2상 전류 신호는 벡터 변환을 기반으로 1상 전류 신호로 변화될 수 있다. 벡터 변환 방법은 후술된다.
베어링 고장 진단 장치가 1상 전류 신호에 대한 FFT를 수행한다(단계 S350).
푸리에 변환 (Fourier Transform, FT)을 통해 시간 도메인(time domain)의 전류 신호를 주파수 도메인(frequency domain)으로 변환시킬 수 있다. 고속 푸리에 변환 (Fast Fourier Transform, FFT)은 FT를 빠르게 수행하는 효율적인 알고리즘 중 하나로, 본 발명의 FFT 과정은 시계열 신호인 1상 전류 신호를 주파수 영역의 성분으로 분해하기 위해 사용될 수 있다.
베어링 고장 진단 장치가 베어링에 대한 특성 인자를 결정할 수 있다(단계 S360).
본 발명의 특성 인자는 모터 3상 전류 신호를 단상 전류 신호로 차원을 줄인 후 추출하는 모터의 실제 회전 주파수의 진폭 값이다.
모터는 회전자가 회전하여 고정자의 극(pole)을 지날 때 전자기 펄스가 발생한다. 축 불균형 결함이 발생할 경우, 모터의 회전 반경이 커지기 때문에 전자기 신호의 세기가 커진다. 회전자 봉 결함 및 고정자 권선 단락과 같은 전기적 결함이 발생할 경우에는 전반적인 진폭 값이 상승한다. 따라서 베어링 결함을 제외한 타 결함들의 경우에는 결함이 발생하면서 전류의 진폭을 크게 하는 현상을 보인다. 하지만 베어링 결함이 발생할 경우에는 모터가 원활하게 회전하는 것을 방해하기 때문에 모터의 회전에 의해 발생하는 전자기 신호의 세기가 감소하고, 이로 인해 모터의 실제 회전 속도에서의 전류 진폭 값이 정상 상태의 값보다 더 작아지는 현상이 발생한다.
이러한 베어링 결함시의 특성을 기반으로 베어링에 대한 특성 인자가 결정될 수 있다.
도 4 내지 도 6은 본 발명의 실시예에 따른 디노이징 방법을 나타낸 개념도이다.
도 4 내지 도 6에서는 모터 3상 전류 신호에 대한 디노이징(denoising)을 수행하는 방법이 개시된다.
도 4를 참조하면, 모터 3상 전류 신호에 대한 웨이블릿 디노이징(wavelet denoising) 적용 결과가 개시된다.
먼저 도 6에 개시된 것과 같은 웨이블릿(wavelet)이라는 다양한 함수들을 스케일링(시간에 대해 확장 또는 축소)하고 시프팅(시간축으로 이동)하여 전류 신호가 분해될 수 있다. 웨이블릿을 통해 전류 신호들이 분해되고 분해된 전류 신호들 중 사용자가 지정한 특정 수준 이하의 에너지를 갖는 신호들이 노이즈 신호로 판단되고 노이즈 신호는 제거될 수 있다. 노이즈 신호를 제거한 신호들은 다시 복구(reconstruction)되어 신호의 특성을 유지하고 있는 디노이즈드 전류 신호가 생성된다.
구체적으로 도 5에 개시된 바와 같이 모터 3상 전류 신호에 대해 웨이블릿 분해를 수행하고 노이즈 레벨을 추청하고 노이즈 제거를 위한 임계값이 설정될 수 있다. 임계값을 기준으로 노이즈가 제거되고, 노이즈를 제거한 신호를 복구하여 신호의 특성을 유지하고 있는 디노이즈드 전류 신호가 생성될 수 있다.
도 7은 본 발명의 실시예에 따른 모터 3상 전류 신호의 변환 방법을 나타낸 개념도이다.
도 7에서는 베어링 고장 진단 장치가 디노이징된 모터 3상 전류 신호를 2상 전류 신호로 변화시키기 위한 방법이 개시된다.
도 7을 참조하면, 모터 3상 전류 신호의 공간 좌표계는 uvw좌표계에서 α-β 좌표계 혹은 d-q 정지 좌표계(stationary reference frame)로 변환될 수 있다. 모터 3상 전류 신호의 공간 좌표계의 a상이 발생시키는 자속의 방향과 일치하는 d축과 이에 직교하는 q축을 갖는 2차원 좌표계로의 변환이 수행될 수 있다.
모터 3상 전류 신호가 표현되는 2차원 좌표계는 α-β 좌표계(또는 d-q 정지 좌표계)이다.
아래의 수학식 1은 3차원 공간 좌표계를 2차원 좌표계로 변화시키기 위한 수식이다.
<수학식 1>
Figure pat00001
수학식1을 기반으로 디노이징된 모터 3상 전류 신호에 대한 정보를 포함하는 3차원 공간 좌표계는 α-β 좌표계로 변환될 수 있고, α-β 좌표계는 다른 용어로 d-q　정지 좌표계라는 용어로 표현될 수도 있다.
즉, 본 발명에서는 좌표계 변환을 통해 u, v, w 3상의 전류 신호를 d, q 2상의 전류 신호로 변환할 수 있다. 도 7의 (b)는 2상의 전류 신호를 각각 d축, q축으로 설정했을 때 얻게 되는 전류 orbit이다.
디노이징된 모터 3상 전류 신호는 d-q 정지 좌표에 대한 2상 전류 신호로 변화된 이후, 단상 전류 신호로 변화될 수 있다.
아래의 수학식2 및 수학식3은 2상 전류 신호에서 단상 전류 신호로 변화시키기 위한 수식이다.
<수학식 2>
Figure pat00002
VMh는 정상 상태의 벡터 계산값이고 ids는 d상 전류 신호이고, iqs는 q상 전류 신호이다.
<수학식 3>
Figure pat00003
VMf는 결함 상태의 벡터 계산값이고 fs는 전원 주파수이고, t는 시간이고
Figure pat00004
는 위상 차이이다.
모터가 이상적인 상태인 경우, d상 전류와 q 상 전류를 통해 VM을 계산할 경우, 수학식2와 같이 Im의 값이 산출된다. 반대로, 모터에 결함이 발생하는 경우, 수학식3과 같이 Im의 값 이외의 신호의 변조 특성(위상 기반으로 변환된 수식)으로 VM의 값이 결정될 수 있다. 즉, 모터의 상태에 따라 모터에 결함이 발생되는 경우, 전류 신호의 변조 특성이 VM값에 포함되게 된다.
위의 수학식2 및 수학식3 기반의 벡터 계산을 통해 2상 전류 신호가 단상 전류 신호로 변화될 수 있다. 정상 모터의 결과를 보여주는 수학식 2와 달리 모터에 결함이 존재할 경우 수학식 3과 같이 VM의 값에 결함에 의한 전류 신호의 변조 특성이 포함될 수 있다.
도 7의 (c)에서는 2상 전류 신호에서 1상 전류 신호로 변화시킨 VM 웨이브폼(waveform)이 개시된다.
도 8은 본 발명의 실시예에 따른 특성 인자를 나타낸 개념도이다.
도 8에서는 특성인자의 산출 방법과 전동기 상태별 벡터 계산 스펙트럼이 개시된다.
도 8을 참조하면, 특성 인자는 모터 3상 전류 신호를 단상 전류 신호로 차원을 줄인 이후 추출하는 모터의 실제 회전 주파수의 진폭 값이다.
모터에서 회전자가 회전하여 고정자의 극(pole)을 지날 때 전자기 펄스가 발생한다. 축 불균형 결함이 발생할 경우, 전동기 회전자의 회전 반경이 커지기 때문에 전자기 신호의 세기가 커진다. 회전자 봉 결함 및 고정자 권선 단락과 같은 전기적 결함이 발생할 경우에는 전반적인 진폭 값이 상승한다.
도 8과 같이 베어링 결함을 제외한 타 결함들은 결함이 발생하면서 전류의 진폭을 크게 하는 현상을 보인다. 하지만 베어링 결함이 발생할 경우, 모터가 원활하게 회전하는 것을 방해하기 때문에 모터의 회전에 의해 발생하는 전자기 신호의 세기가 감소하고, 이로 인해 모터의 실제 회전 속도에서의 전류 진폭 값이 정상 상태의 값보다 더 작아지는 현상이 발생한다. 여기서 수직 점선은 모터의 실제 회전 속도를 나타낸다.
아래의 수학식4 및 수학식5는 특성 인자를 산출하는 수식이다.
<수학식 4>
Figure pat00005
여기서 fr은 모터 회전 주파수, s는 슬립율, p는 극 짝수, fl은 공급 주파수이다.
<수학식 5>
Figure pat00006
여기서 ARPV (Amplitude of Rotational frequency in Vector modulus)는 특성 인자값, fr,vm은 VM 영역에서의 모터 회전 주파수이다.
위와 같은 수식을 통해서 특성 인자값이 결정될 수 있다.
도 8의 그래프에서 노말(normal)은 모터에 결함이 없는 상태이다. de는 부하측 베어링에 결함이 발생한 상태이다. nde는 반부하측 베어링에 결함이 발생한 상태이다. Unbalance는 축 불균형이 발생된 상태이다. Rotor는 회전자 봉에 결함이 발생된 상태이다. Stator는 고정자에 결함이 발생된 상태이다.
즉, 도 8의 그래프와 같이 특성 인자를 기반으로 부하측 베어링에 결함이 발생한 상태(de), 반부하측 베어링에 결함이 발생한 상태(nde)에 대한 판단이 가능할 수 있다.
도 9는 본 발명의 실시예에 따른 특성 인자 적용 결과를 나타낸 개념도이다.
도 9에서는 특성 인자를 기반으로 모터에 발생된 베어링 결함을 독립적으로 구별한 결과가 개시된다.
도 9를 참조하면, 특성 인자는 반복 실험의 결과인 모터 3상 전류 신호만을 활용하여 전동기의 베어링 결함을 다른 여러 고장 모드(축 불균형, 회전자 봉 결함, 고정자 권선 열화)와 독립적으로 구별할 수 있다.
베어링 결함은 다른 결함과 다르게 낮은 특성 인자 값인 ARV값을 가지게 되고 다른 고장 모드와 구분될 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (6)

  1. 전류 신호를 기반으로 베어링의 결함을 진단하는 방법은,
    베어링 고장 진단 장치가 모터 3상 전류 신호를 수신하는 단계;
    상기 베어링 고장 진단 장치가 상기 모터 3상 전류 신호에 대한 디노이징(denoising)을 수행하는 단계;
    상기 베어링 고장 진단 장치가 디노이징된 모터 3상 전류 신호를 1상 전류 신호로 변환하는 단계;
    상기 베어링 고장 진단 장치가 상기 1상 전류 신호를 기반으로 특성 인자를 결정하는 단계; 및
    상기 베어링 고장 진단 장치가 상기 특성 인자를 기반으로 상기 베어링의 결함 여부를 결정하는 단계를 포함하는 것을 특징으로 하는 방법.
  2. 제1항에 있어서, 상기 1상 전류 신호로 변환하는 단계는,
    상기 베어링 고장 진단 장치가 상기 디노이징된 모터 3상 전류 신호를 2상 전류 신호로 변환하는 제1 변환 단계; 및
    상기 베어링 고장 진단 장치가 상기 2상 전류 신호를 상기 1상 전류 신호로 변환하는 제2 변환 단계를 포함하는 것을 특징으로 하는 방법.
  3. 제2항에 있어서,
    상기 제1 변환 단계는 상기 모터 3상 전류 신호의 공간 좌표계의 a상이 발생시키는 자속의 방향과 일치하는 d축과 이에 직교하는 q축을 갖는 2차원 좌표계로의 변환을 통해 수행되고,
    상기 제2 변환 단계는 벡터 계산을 통해 수행되는 것을 특징으로 하는 방법.
  4. 전류 신호를 기반으로 베어링의 결함을 진단하는 베어링 고장 진단 장치는,
    모터 3상 전류 신호를 수신하도록 구현된 전류 데이터 수신부; 및
    상기 전류 데이터 수신부와 동작 가능하게 연결된 프로세서를 포함하되,
    상기 프로세서는 상기 모터 3상 전류 신호에 대한 디노이징(denoising)을 수행하고,
    디노이징된 모터 3상 전류 신호를 1상 전류 신호로 변환하고,
    상기 1상 전류 신호를 기반으로 특성 인자를 결정하고,
    상기 특성 인자를 기반으로 상기 베어링의 결함 여부를 결정하도록 구현되는 것을 특징으로 하는 베어링 고장 진단 장치.
  5. 제4항에 있어서,
    상기 프로세서는 상기 디노이징된 모터 3상 전류 신호를 2상 전류 신호로 변환하는 제1 변환 및 상기 2상 전류 신호를 상기 1상 전류 신호로 변환하는 제2 변환을 수행하는 것을 특징으로 하는 베어링 고장 진단 장치.
  6. 제5항에 있어서,
    상기 제1 변환은 상기 모터 3상 전류 신호의 공간 좌표계의 a상이 발생시키는 자속의 방향과 일치하는 d축과 이에 직교하는 q축을 갖는 2차원 좌표계로의 변환을 통해 수행되고,
    상기 제2 변환은 벡터 계산을 통해 수행되는 것을 특징으로 하는 베어링 고장 진단 장치.
KR1020210064961A 2021-05-20 2021-05-20 모터 3상 전류 신호 기반 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치 KR102572378B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020210064961A KR102572378B1 (ko) 2021-05-20 2021-05-20 모터 3상 전류 신호 기반 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치
US18/562,088 US20240241011A1 (en) 2021-05-20 2022-04-27 Method for diagnosing bearing fault on basis of motor three-phase current signal, and device for performing method
PCT/KR2022/005985 WO2022245004A1 (ko) 2021-05-20 2022-04-27 모터 3상 전류 신호 기반 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210064961A KR102572378B1 (ko) 2021-05-20 2021-05-20 모터 3상 전류 신호 기반 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치

Publications (2)

Publication Number Publication Date
KR20220158138A true KR20220158138A (ko) 2022-11-30
KR102572378B1 KR102572378B1 (ko) 2023-08-31

Family

ID=84140756

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210064961A KR102572378B1 (ko) 2021-05-20 2021-05-20 모터 3상 전류 신호 기반 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치

Country Status (3)

Country Link
US (1) US20240241011A1 (ko)
KR (1) KR102572378B1 (ko)
WO (1) WO2022245004A1 (ko)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS618043B2 (ko) * 1977-10-06 1986-03-11 Santen Seiyaku Kk
US20080309366A1 (en) * 2007-06-04 2008-12-18 Wei Zhou System and method for bearing fault detection using stator current noise cancellation
KR20090078075A (ko) * 2008-01-14 2009-07-17 충북대학교 산학협력단 Ｄｆｔ와 웨이블렛을 이용한 유도전동기 고장진단방법
KR20110045603A (ko) * 2009-10-27 2011-05-04 부경대학교 산학협력단 3차원 상태 감시 방법 및 시스템
KR20110108950A (ko) * 2010-03-30 2011-10-06 울산대학교 산학협력단 신경회로망과 특징점을 이용한 고장진단장치 및 그의 고장진단방법
KR20150115415A (ko) * 2014-04-04 2015-10-14 전남대학교산학협력단 전동기의 고장진단 방법
KR20180049722A (ko) * 2016-11-03 2018-05-11 한국전기연구원 공작기계용 전동기의 온라인 결함 진단 방법
KR101878810B1 (ko) * 2017-03-08 2018-07-16 엘지전자 주식회사 모터의 고장 진단 방법
KR20190118339A (ko) * 2018-04-10 2019-10-18 서울과학기술대학교 산학협력단 인버터 입력 전류 분석을 이용한 유도전동기 고장 진단 방법 및 시스템
JP2020026967A (ja) * 2018-08-09 2020-02-20 株式会社日立製作所 電気機械の診断装置および診断方法、並びに回転電機
KR20200082605A (ko) * 2018-12-31 2020-07-08 주식회사 원프레딕트 운전조건을 고려한 회전체 고장 진단 데이터 정규화 처리 방법 및 이를 이용한 회전체 고장 진단 방법
KR20210010123A (ko) * 2019-07-19 2021-01-27 주식회사 원프레딕트 복합 조건을 고려한 진동 기반 고장 진단 방법 및 이러한 방법을 수행하는 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3176943B1 (en) * 2014-09-04 2019-10-30 Nsk Ltd. Motor control device, failure detection method, electric power steering device equipped with same, and vehicle
KR102126493B1 (ko) * 2019-11-22 2020-07-07 엠앤디테크놀로지 주식회사 모터 고장 원격 진단 시스템

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS618043B2 (ko) * 1977-10-06 1986-03-11 Santen Seiyaku Kk
US20080309366A1 (en) * 2007-06-04 2008-12-18 Wei Zhou System and method for bearing fault detection using stator current noise cancellation
KR20090078075A (ko) * 2008-01-14 2009-07-17 충북대학교 산학협력단 Ｄｆｔ와 웨이블렛을 이용한 유도전동기 고장진단방법
KR20110045603A (ko) * 2009-10-27 2011-05-04 부경대학교 산학협력단 3차원 상태 감시 방법 및 시스템
KR20110108950A (ko) * 2010-03-30 2011-10-06 울산대학교 산학협력단 신경회로망과 특징점을 이용한 고장진단장치 및 그의 고장진단방법
KR20150115415A (ko) * 2014-04-04 2015-10-14 전남대학교산학협력단 전동기의 고장진단 방법
KR20180049722A (ko) * 2016-11-03 2018-05-11 한국전기연구원 공작기계용 전동기의 온라인 결함 진단 방법
KR101878810B1 (ko) * 2017-03-08 2018-07-16 엘지전자 주식회사 모터의 고장 진단 방법
KR20190118339A (ko) * 2018-04-10 2019-10-18 서울과학기술대학교 산학협력단 인버터 입력 전류 분석을 이용한 유도전동기 고장 진단 방법 및 시스템
JP2020026967A (ja) * 2018-08-09 2020-02-20 株式会社日立製作所 電気機械の診断装置および診断方法、並びに回転電機
KR20200082605A (ko) * 2018-12-31 2020-07-08 주식회사 원프레딕트 운전조건을 고려한 회전체 고장 진단 데이터 정규화 처리 방법 및 이를 이용한 회전체 고장 진단 방법
KR20210010123A (ko) * 2019-07-19 2021-01-27 주식회사 원프레딕트 복합 조건을 고려한 진동 기반 고장 진단 방법 및 이러한 방법을 수행하는 장치

Also Published As

Publication number Publication date
WO2022245004A1 (ko) 2022-11-24
US20240241011A1 (en) 2024-07-18
KR102572378B1 (ko) 2023-08-31

Similar Documents

Publication Publication Date Title
Urresty et al. Diagnosis of interturn faults in PMSMs operating under nonstationary conditions by applying order tracking filtering
Bellini et al. Advances in diagnostic techniques for induction machines
Almounajjed et al. Diagnosis of stator fault severity in induction motor based on discrete wavelet analysis
Eltabach et al. A comparison of external and internal methods of signal spectral analysis for broken rotor bars detection in induction motors
Benbouzid A review of induction motors signature analysis as a medium for faults detection
García-Escudero et al. Robust condition monitoring for early detection of broken rotor bars in induction motors
Elbouchikhi et al. Induction machine bearing faults detection based on a multi-dimensional MUSIC algorithm and maximum likelihood estimation
Choqueuse et al. Induction machine fault detection enhancement using a stator current high resolution spectrum
KR101140613B1 (ko) 전동기의 온-사이트 결함 진단 방법
Mehrjou et al. Wavelet-based analysis of MCSA for fault detection in electrical machine
EP4196808A1 (en) Online monitoring and compensation of stator inter-turn short circuit fault in permanent magnet synchronous machines
Ghods et al. A frequency-based approach to detect bearing faults in induction motors using discrete wavelet transform
Medoued et al. Induction machine bearing fault diagnosis based on the axial vibration analytic signal
Leite et al. Bearing fault detection in induction machine using squared envelope analysis of stator current
Ramu et al. Diagnosis of broken bars in V/F control induction motor drive using wavelets and EEV estimation for electric vehicle applications
Fernandez-Temprano et al. Broken bar condition monitoring of an induction motor under different supplies using a linear discriminant analysis
KR102572378B1 (ko) 모터 3상 전류 신호 기반 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치
Choqueuse et al. Induction machine bearing failures detection using stator current frequency spectral subtraction
Hosseini et al. Stator fault diagnosis of a bldc motor based on discrete wavelet analysis using ADAMS simulation
Upadhyay et al. Characterization of onboard condition monitoring techniques for stator insulation systems in electric vehicles-a review
Choqueuse et al. A parametric spectral estimator for faults detection in induction machines
Swarnkar et al. Stator inter-turn fault diagnosis by motor current signature approach
CA3229738A1 (en) Method for detecting a fault, in particular an impeller blockage, in a centrifugal pump, and centrifugal pump
Indiran et al. Inter-Turn Short-Circuit Faults Detection and Monitoring of Induction Machines Using WPT-Fuzzy Logic Approach Based on Online Condition
Liang et al. Fault diagnosis for induction motors using finite element method-A review

Legal Events

Date Code Title Description
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right