WO2021210778A1 - 전자 접촉기의 소음을 측정하는 방법 및 그를 위한 장치 - Google Patents

전자 접촉기의 소음을 측정하는 방법 및 그를 위한 장치 Download PDF

Info

Publication number
WO2021210778A1
WO2021210778A1 PCT/KR2021/002648 KR2021002648W WO2021210778A1 WO 2021210778 A1 WO2021210778 A1 WO 2021210778A1 KR 2021002648 W KR2021002648 W KR 2021002648W WO 2021210778 A1 WO2021210778 A1 WO 2021210778A1
Authority
WO
WIPO (PCT)
Prior art keywords
cepstrum
data
raw data
defective
test
Prior art date
Application number
PCT/KR2021/002648
Other languages
English (en)
French (fr)
Inventor
류진걸
이승호
노희태
Original Assignee
엘에스일렉트릭 (주)
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 엘에스일렉트릭 (주) filed Critical 엘에스일렉트릭 (주)
Publication of WO2021210778A1 publication Critical patent/WO2021210778A1/ko

Links

Images

Classifications

    • 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
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Definitions

  • Various embodiments of the present document relate to a method of inspecting an electromagnetic contactor.
  • a magnetic contactor is to cover an electromagnet-controlled switchgear.
  • power is supplied to the coil of the electromagnetic contactor, magnetic force is generated, and the movable cores move toward the fixed core and contact each other, and the movable contact point of the movable core is in contact with the fixed contact point of the fixed core due to the movement of the movable core, thereby electrically conducting electricity.
  • the power is turned off, it may be short circuited and current may be supplied to control devices such as motors.
  • noise is generated when the core is in unstable contact due to an imbalance of voltage and current applied to the coil or contamination of foreign substances between the contact surface of the movable core and the fixed core.
  • the contact burns out due to unstable contact, which shortens the life of the electromagnetic contactor product, and the associated control device cannot be operated stably. As such, it can be said that the noise of the electromagnetic contactor is directly related to the quality of the product.
  • the noise test on the product production line for the electromagnetic contactor is a sensory test that depends on the operator's hearing.
  • the operator listens to the sound generated by supplying power to the coil and selects good and defective products.
  • the test results may vary depending on the hearing ability of the operator, and small noises that cannot be detected by the operator's hearing may also be generated.
  • the second and third re-inspections are performed to prevent judgment errors due to the operator's hearing.
  • Productivity is lowered by such an inspection method, and the quality of the products selected as good products is non-uniform depending on the skill level of each worker, which may cause problems in the process of being used for industrial and household purposes.
  • a method of inspecting a noise defect of an electromagnetic contactor includes: collecting data measured for noise or vibration generated during opening and closing of the electromagnetic contactor as raw data; converting the raw data to obtain spectral data or cepstrum data; generating a standard model for checking whether the contact model is defective using the spectral data or the cepstrum data; and determining whether the electromagnetic contactor is defective by using the standard model.
  • the inspection method may further include displaying a determination result when the determination of whether the magnetic contactor is defective is completed.
  • the step of collecting data measuring noise or vibration generated when the electromagnetic contactor is opened and closed as raw data includes the raw data from a sensor that measures noise or vibration generated when the electromagnetic contactor is opened and closed.
  • Receiving may further include.
  • the converting the raw data to obtain spectrum data or cepstrum data may include: extracting one or more test valid periods from among the raw data; removing a trend in the one or more test validity intervals; applying a window function to the test valid intervals from which the trend is removed; and calculating a cepstrum of each of the test valid intervals to which the window function is applied.
  • the converting the raw data to obtain spectrum data or cepstrum data may include: extracting one or more test valid periods from among the raw data; removing a trend in the one or more test validity intervals; applying a window function to the test valid intervals from which the trend is removed; and calculating a spectrum of each of the test valid intervals to which the window function is applied.
  • the generating a standard model for checking whether the contact model is defective by using the spectrum data or the cepstrum data may include obtaining a maximum value of a cepstrum peak by using the cepstrum data. to do; obtaining an average value of the cepstrum peaks using the cepstrum data; obtaining a maximum value of a spectrum frequency section using the spectrum data; and generating the standard model by using a value obtained by multiplying the maximum value of the cepstrum peak by the maximum value of the spectrum frequency section.
  • the obtaining of the maximum value of the cepstrum peak by using the cepstrum data may include using a cepstrum of each of the test valid periods of the raw data to obtain a caps corresponding to each of the test valid periods. generating Trump peak variables; and identifying the cepstrum maximum value using the cepstrum peak variables.
  • the identifying of the average value of the cepstrum peak using the cepstrum data may include using a cepstrum of each of the test valid periods of the raw data to obtain a caps corresponding to each of the test valid periods. generating Trump peak variables; and identifying the cepstrum mean value using the cepstrum peak variables.
  • the obtaining of the maximum value of the spectral frequency section using the spectral data may include: extracting one or more spectral frequency sections from the raw data; and identifying maximum values of each of the one or more spectral frequency intervals.
  • the inspection method performs machine learning for the standard model by comparing a result of determining whether the electromagnetic contactor is defective using a standard model and a result of performing a noise inspection on the electromagnetic contactor. performing; and determining whether another electromagnetic contactor is defective by using the standard model on which the machine learning has been performed.
  • the electronic device for inspecting whether the magnetic contactor is defective collects data obtained by measuring noise or vibration generated during opening and closing of the magnetic contactor as raw data, and converts the raw data to spectrum data or acquiring cepstrum data, generating a standard model for checking whether the contact model is defective by using the spectrum data or the cepstrum data, and determining whether the electromagnetic contactor is defective by using the standard model It may include a controller;
  • the electronic device may further include a display configured to display a result of the determination when the determination of whether the magnetic contactor is defective is completed.
  • FIG. 1 is a view showing an internal structure of an electromagnetic contactor according to various embodiments of the present invention.
  • FIG. 2 is a diagram illustrating an example of an inspection system for determining whether an electronic contactor is defective in an electronic device according to various embodiments of the present disclosure
  • FIG. 3 is a block diagram illustrating a schematic structure of an electronic device for measuring noise of an electromagnetic contactor according to various embodiments of the present disclosure.
  • FIG. 4 is a flowchart illustrating a method for an electronic device to measure noise of an electromagnetic contactor according to various embodiments of the present disclosure.
  • FIG. 5 is a flowchart illustrating in more detail a method for an electronic device to measure a noise of an electromagnetic contactor according to various embodiments of the present disclosure.
  • FIG. 6 is a graph showing raw data of noise generated in the electromagnetic contactor by vibration of the electromagnetic contactor.
  • FIG. 7A is a flowchart illustrating in detail a method of generating a cepstrum peak variable in step S530
  • FIG. 7B is a view showing an example of cepstrum peak variables generated according to the method of generating a cepstrum peak variable in FIG. 7A.
  • step S540 is a flowchart illustrating in detail a method of calculating the maximum value of the spectrum in step S540.
  • expressions such as “or” include any and all combinations of words listed together.
  • a or B may include A, may include B, or include both A and B.
  • Expressions such as “first”, “second”, “first” or “second” used in various embodiments of the present invention may modify various components of various embodiments, but do not limit the components. .
  • the above expressions do not limit the order and/or importance of corresponding components.
  • the above expressions may be used to distinguish one component from another.
  • both the first user device and the second user device are user devices, and represent different user devices.
  • a first component may be referred to as a second component, and similarly, a second component may also be referred to as a first component without departing from the scope of the various embodiments of the present disclosure.
  • FIG. 1 is a view showing an internal structure of an electromagnetic contactor according to various embodiments of the present invention.
  • the magnetic contactor 100 may include a movable contactor 102 , a fixed contactor 104 , a movable iron core 106 , a repulsion spring 108 , a fixed iron core 110 or a coil unit 112 . have.
  • the movable iron core 106 moves toward the fixed iron core 110 by the principle of an electromagnet.
  • the circuit of the magnetic contactor 100 is turned on as a closed circuit state.
  • the present invention is designed to determine whether the magnetic contactor 100 is defective by measuring vibration or noise when the circuit in the ground contactor 100 is turned on as a closed circuit state. .
  • FIG. 2 is a diagram illustrating an example of an inspection system for determining whether an electronic contactor is defective in an electronic device according to various embodiments of the present disclosure
  • the inspection system 200 may include an electronic device 210 , a database (DB) 220 , or a sensor 230 .
  • the electronic device 210 , the database 220 , and the sensor 230 are implemented as different devices, but the electronic device 210 is implemented in a form including the database 220 or the sensor 230 . could be
  • the sensor 230 may measure noise or vibration generated when the electromagnetic contactor 100: 251, 252, 253, 254, 255 is driven.
  • the sensor 230 may measure the noise or vibration of the electromagnetic contactor 100 and generate raw data representing the noise or vibration.
  • the raw data generated by the sensor 230 may be transmitted to the database 220 , and the database 220 may store the raw data.
  • the electronic device 220 may retrieve raw data from the database 220 .
  • the sensor 230 may generate raw data and transmit it to the database 220 and the electronic device 210, respectively.
  • the electronic device 210 that has received the raw data may convert the raw data into a spectrum or a capstrum by performing a Fourier transform or an inverse Fourier transform.
  • the electronic device 210 may generate a standard model capable of determining whether the electronic contactor 100 is defective by using the spectrum or the cepstrum in which the raw data is converted.
  • the senor 220 may measure the noise/vibration of each of the preset number (eg, 100) of the electromagnetic contactors 100 .
  • FIG. 3 is a block diagram illustrating a schematic structure of an electronic device for measuring noise of an electromagnetic contactor according to various embodiments of the present disclosure.
  • the electronic device 210 may include a communication interface 310 , a memory 320 , or a controller 330 , and may further include a sensor 230 .
  • the sensor 230 may measure the noise/vibration of each of the electromagnetic contactors 100 and generate raw data indicating the measurement result.
  • the controller 330 may convert the raw data into a spectrum or a capstrum by performing a Fourier transform or an inverse Fourier transform. Also, the controller 330 may generate a standard model capable of determining whether the electromagnetic contactor 100 is defective by using the spectrum or the cepstrum in which the raw data is converted.
  • the controller 330 may determine whether the magnetic contactor 100 is defective based on the standard model. According to an embodiment, after the standard model is generated, if the sensor 230 generates raw data for each of the electromagnetic contactors 100 , the controller 330 controls the raw data or the spectrum from which the raw data is converted. Alternatively, it is possible to determine whether the corresponding electromagnetic contactor 100 is defective by comparing the cepstrum with the standard model.
  • the controller 330 may notify that the corresponding magnetic contactor 100 is defective through the display 340 .
  • the controller 330 displays a message for notifying that the corresponding magnetic contactor 100 is defective through the display 340 or a warning sound for notifying that the corresponding magnetic contactor 100 is defective through a speaker (not shown)
  • voice guidance may be output.
  • the controller 330 may notify that the corresponding magnetic contactor 100 is a non-defective product through the display 340 .
  • the controller 330 displays a message for notifying that the corresponding magnetic contactor 100 is a non-defective product through the display 340 or a guide for notifying that the corresponding magnetic contactor 100 is a non-defective product through a speaker (not shown) Sound or voice guidance can be output.
  • the controller 330 may perform machine learning on the standard model by reflecting the determination result in the standard model. According to an embodiment, the controller 330 compares the result of determining the defective result of the electromagnetic contactor 100 using the standard model with the result of performing the noise test on the electromagnetic contactor 100 for the standard model. Machine learning can be performed.
  • the noise test of the electromagnetic contactor 100 is a test that measures noise or vibration generated when the electromagnetic contactor 100 is opened and closed with a sensor (noise and vibration sensor) or the hearing of a worker when the product of the electromagnetic contactor is produced. It may be a sensory test by
  • the controller 330 may determine whether the magnetic contactor 100 is defective by using the standard model on which the machine learning has been performed. Also, the controller 330 may repeat the operation of performing machine learning on the standard model. That is, by repeatedly performing machine learning on the standard model in real time in a process where the electronic device 210 inspects the plurality of electromagnetic contactors 100 , the accuracy of the inspection using the standard model may be improved in real time. .
  • the controller 330 uses the standard model by comparing the result of determining the defective result of the electromagnetic contactor 100 with the result of performing the noise test on the electromagnetic contactor 100 using the standard model.
  • the accuracy of the standard model increases as a result of determining whether a defect using the standard model is similar to or coincides with a result of the noise test.
  • the electronic device 210 may improve the accuracy of the learning model by repeating machine learning for the learning model whenever it is determined whether each of the plurality of electronic contactors 100 is defective.
  • FIG. 4 is a flowchart illustrating a method for an electronic device to measure noise of an electromagnetic contactor according to various embodiments of the present disclosure.
  • the electronic device 210 may collect raw data indicating whether the electromagnetic contactor 100 is noise or vibration in operation S402 .
  • the electronic device 210 may obtain spectrum data or capstrum data by converting the raw data.
  • the vibration sensor 230 measures noise or vibration generated by the driving of the electromagnetic contactor 100 to generate raw data
  • the electronic device 210 converts the raw data into a Fourier transform or an inverse Fourier transform. By doing so, the raw data can be converted into a spectrum or a cepstrum.
  • the electronic device 210 may generate a standard model for determining whether the electronic contactor 100 is defective by using the spectrum or the capstrum converted in step S404 .
  • the controller 340 of the electronic device 210 may generate a noise generation pattern of the electromagnetic contactors 100 by using a result of the inspection of the plurality of electromagnetic contactors 100 .
  • the controller 340 may generate the standard model based on the noise generation pattern.
  • the electronic device 210 may determine whether the magnetic contactor 100 is defective using the standard model in step S408 .
  • the electronic device 340 may determine whether the electromagnetic contactor 100 is defective by determining whether noise equal to or greater than a reference value is generated from the electromagnetic contactor 100 when the electromagnetic contactor 100 is driven.
  • the electronic device 210 may display a result of determining whether the magnetic contactor 100 is defective in step S410 .
  • FIG. 5 is a flowchart illustrating in more detail a method for an electronic device to measure a noise of an electromagnetic contactor according to various embodiments of the present disclosure.
  • the electronic device 210 may receive raw data input from the sensor 230 in step S500 .
  • the controller 330 may generate a cepstrum for the raw data as in step S510 .
  • the controller 330 may extract the first test valid period from the raw data in step S512 .
  • 6 is a graph showing raw data of noise generated in the electromagnetic contactor 100 by vibration of the electromagnetic contactor 100 .
  • the controller 330 may designate a point in the raw data at which the voltage rises to 4V or more as the test start point as shown in FIG. 6 .
  • the controller 330 may designate the first test valid period from a point 0.2 seconds elapsed from the test start point to a point 0.4 seconds elapsed from the test start point (test start point+0.2 seconds to test start point+0.4 seconds).
  • the controller 330 may extract one or more first test valid periods from the entire period of the raw data as shown in FIG. 6 .
  • step S514 the controller 330 may remove a trend from the test valid section, and in step S516 , apply a windowing function to the test valid section from which the trend is removed.
  • the controller 330 may remove the noise of the raw data by removing a trend of the raw data as shown in FIG. 6 .
  • the operation of removing the trend in step S514 is called 'detrend'.
  • the controller 330 may remove a linear trend from the test valid period.
  • step S5166 the controller 330 applies the window function to the first test valid sections as shown in FIG. can In this case, the controller 330 may apply the Hann Window to the first test valid periods.
  • the electronic device 100 of the present invention can easily distinguish noise from valid data from cepstrum data or spectrum data converted from the raw data by applying a window function to the raw data of the valid sections. .
  • the Hann Window when the Hann Window is applied to the raw data, the range of effective data or noise that can be distinguished from the cepstrum data or spectrum data converted from the raw data can be widened. Accordingly, in the present invention, the signal truncation caused by the extraction of the valid intervals is eliminated by applying the Hann Window to the first test valid sections and the second test valid sections to be described later.
  • the controller 330 may calculate the cepstrum using the test valid period to which the window function is applied.
  • the controller 330 Fourier transforms raw data of the first valid test period to which the window function is applied, obtains an absolute value of the Fourier-transformed value, and obtains a log value of the absolute value. and then inverse Fourier-transformed on the logarithmic value, and then obtains the absolute value of the inverse-Fourier-transformed value to calculate the cepstrum.
  • the controller 330 may generate a cepstrum peak variable in step S530 .
  • the controller 330 may extract a cepstrum peak section at step S532.
  • the controller 330 may calculate a maximum value using the cepstrum peak period.
  • the controller 330 may generate a spectrum for the raw data as in step S520 .
  • the controller 330 may extract the second test valid period from the raw data in step S522.
  • the controller 330 may designate a point in the raw data at which the voltage rises to 4V or more as the test start point as shown in FIG. 6 .
  • the controller 330 may designate the second test valid period from a point 0.36 seconds elapsed from the test start point to a point 0.4 seconds elapsed from the test start point (test start point +0.36 seconds ⁇ test start point + 0.4 seconds).
  • the controller 330 may extract one or more second test valid periods from the entire period of the raw data as shown in FIG. 6 .
  • step S524 the controller 330 may remove the trend from the test valid section, and in step S526 , apply a windowing function to the test valid section from which the trend is removed.
  • the controller 330 may remove the noise of the raw data by removing a trend of the raw data as shown in FIG. 6 .
  • a detrend operation may be performed in step S524 as in step S514.
  • step S526 the controller 330 applies a window function to the second test valid sections as shown in FIG. can be resolved In this case, the controller 330 may apply the Hann Window to the second test valid periods.
  • the controller 330 may calculate a spectrum using the test valid period to which the window function is applied.
  • the controller 330 Fourier transforms the raw data of the second test valid period to which the window function is applied, obtains an absolute value of the Fourier-transformed value, and uses the absolute value to obtain a spectrum , and can also convert the spectrum in dB units.
  • the controller 330 may calculate the maximum value of the spectrum in step S540 and obtain a value obtained by multiplying the average value of the spectrum by the cepstrum peak variable in step S550 .
  • the controller 330 may extract a spectral frequency section in step S542.
  • the controller 330 may calculate the maximum value using the spectrum frequency section.
  • the controller 330 may calculate the average value of the cepstrum in step S552 by using the cepstrum peak section extracted in step S532.
  • the controller 330 may calculate a value obtained by multiplying the average value of the spectrum and the cepstrum peak variable in step S554.
  • the controller 330 uses the values to determine whether the magnetic contactor 100 is defective or not. You can create a model.
  • each of steps S510, S520, S530, S540, S550, and S560 in FIG. 5 may be at least a part of step S404 or step S406 of FIG. 4 .
  • the electronic device 210 may perform the operation of step S404 in FIG. 4 , that is, spectral or cepstrum transform raw data.
  • the electronic device 210 performs the operations of steps S530, S540, S550, and S560 of FIG. 5, thereby generating a standard model for determining the operation of step S406 in FIG. 4, that is, whether the magnetic contactor is defective. can do.
  • FIG. 7A is a flowchart illustrating in detail a method of generating a cepstrum peak variable in step S530
  • FIG. 7B is a diagram illustrating an example of cepstrum peak variables generated according to the method of generating a cepstrum peak variable in FIG. 7A. .
  • the controller 330 may define a cepstrum peak section in step S702 .
  • FIG. 7B (a) is a graph illustrating a cepstrum
  • FIG. 7B (b) is a diagram illustrating four cepstrum peak sections 710 defined in the cepstrum graph.
  • the controller 330 may extract a value of the cepstrum peak period in step S704 .
  • the controller 330 may calculate the maximum value of the cepstrum peak period in step S706 . Referring to FIG.
  • the controller 330 may generate a cepstrum peak variable by using the maximum value of the cepstrum peak period.
  • the maximum value of the cepstrum peak period may be used as the cepstrum peak variable. Referring to FIG. 7B , since a total of four cepstrum peak sections 710 are defined, a total of four cepstrum peak variables may be generated in FIG. 7B .
  • the average value of the cepstrum peak may be obtained as many as the number of cepstrum peak sections. 7B as an example, since a total of four cepstrum peak sections are shown in the graph of FIG. 7B , the controller 330 may obtain a total of four average values using the graph of FIG. 7B .
  • step S540 is a flowchart illustrating in detail a method of calculating the maximum value of the spectrum in step S540.
  • the controller 330 may define a spectrum frequency section in step S802 .
  • the controller 330 converts the spectrum generated in step S529 into three spectrum frequency sections, for example, a first section of 3000 Hz to 4000 Hz, a second section of 4000 to 5000 Hz, and a third section of 5000 to 6000 Hz. can be shared
  • the controller 330 may extract a spectrum value of the spectral frequency section in step S804. Also, the controller 330 may calculate the maximum spectrum value in step S806 . In step S808 , the controller 330 may generate a maximum value within a spectrum frequency section by using the maximum spectrum value. According to an embodiment, the spectrum maximum value in step S806 may be used as the maximum value in the spectrum frequency section. For example, if there are three spectral frequency sections, three maximum values may be generated.
  • the variable of the standard model for determining whether the electromagnetic contactor 100 is defective can be obtained by multiplying the cepstrum peak average values and the maximum spectral frequency values.
  • the controller 330 is a standard model using a total of 12 variables calculated by multiplying a total of four cepstrum peak average values and a total of three spectral frequency maximum values. can determine whether
  • the controller 330 may be designed to implement automatic machine learning (AutoML) technology, and a standard model having more variables, for example, 50 or more variables, is designed using the AutoML technology. can do.
  • AutoML automatic machine learning
  • an apparatus eg, modules or functions thereof
  • method eg, operations
  • a computer eg, in the form of a programming module. It may be implemented as a command stored in a computer-readable storage medium.
  • the instruction is executed by one or more processors (eg, the controller 330 )
  • the one or more processors may perform a function corresponding to the instruction.
  • the computer-readable storage medium may be, for example, the memory 320 .
  • At least a portion of the programming module may be implemented (eg, executed) by, for example, the controller 330 .
  • At least a portion of the programming module may include, for example, a module, a program, a routine, sets of instructions, or a process for performing one or more functions.
  • the computer-readable recording medium includes a magnetic medium such as a hard disk, a floppy disk, and a magnetic tape, and an optical recording medium such as a CD-ROM (Compact Disc Read Only Memory) and DVD (Digital Versatile Disc). Media), a magneto-optical medium such as a floptical disk, and program instructions (eg, read only memory (ROM), random access memory (RAM), flash memory, etc.
  • a hardware device specifically configured to store and perform programming modules may be included.
  • the program instructions may include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
  • the hardware devices described above may be configured to operate as one or more software modules to perform the operations of the various embodiments of the present invention, and vice versa.
  • the electronic device may include at least one or more of the above-described components, omit some, or further include additional other components.
  • Operations performed by a module, a programming module, or other components of an electronic device according to various embodiments of the present disclosure may be performed sequentially, in parallel, iteratively, or in a heuristic method. Also, some operations may be executed in a different order, omitted, or other operations may be added.
  • the instructions are configured to cause the at least one processor to perform at least one operation when executed by the at least one processor, wherein the at least one An operation of collecting noise data of the electromagnetic contactor as raw data, obtaining spectrum data obtained by spectrum-converting the raw data or capstrum-converting cepstrum data using the spectrum data or the cepstrum data and generating a standard model for checking whether the contact model is defective and determining whether the electromagnetic contactor is defective by using the standard model.

Abstract

본 발명의 일 실시예에 따른 전자 접촉기의 불량 여부를 검사하는 방법은, 상기 전자 접촉기의 소음 데이터를 로우 데이터로서 수집하는 단계; 상기 로우 데이터를 스펙트럼 변환한 스펙트럼 데이터 또는 캡스트럼 변환한 캡스트럼 데이터를 획득하는 단계; 상기 스펙트럼 데이터 또는 상기 캡스트럼 데이터를 이용하여 상기 접촉 모델의 불량 여부를 검사하기 위한 표준 모델을 생성하는 단계; 및 상기 표준 모델을 이용하여 상기 전자 접촉기의 불량 여부를 판단하는 단계;를 포함할 수 있다. 또한 다른 실시예도 가능하다.

Description

전자 접촉기의 소음을 측정하는 방법 및 그를 위한 장치
본 문서의 다양한 실시예는 전자 접촉기의 검사 방법에 관한 것이다.
일반적으로 전자 접촉기(magnetic contactor)는 전자석으로 제어되는 개폐기를 가리는 것이다. 상기 전자 접촉기의 코일에 전원이 투입되면 자력이 발생하여 고정 코어 측으로 가동 코어가 이동하여 서로 접촉하고, 상기 가동 코어의 이동으로 상기 가동 코어의 가동 접촉점이 상기 고정 코어의 고정 접촉점에 접촉되어 전기적 통전을 시키며 전원을 차단하면 단락되어 모터 등의 제어 기기에 전류가 공급될 수 있다. 한편 코일에 투입되는 전압과 전류의 불균형 또는 가동 코어와 고정 코어 접촉면의 이물질 오염 등의 영향으로 코어가 불안정하게 접촉되면 소음이 발생된다. 또한 불안정한 접촉으로 접점이 소손되어 전자 접촉기 제품의 수명이 단축되고, 연계된 제어 기기 또한 안정적으로 운용할 수 없다. 이와 같이 전자 접촉기의 소음은 제품의 품질과 직결된다 할 수 있다.
전자 접촉기에 대한 제품 생산 라인에서의 소음 검사는 작업자의 청각에 의존한 관능 검사를 하는 실정으로 작업자는 코일에 전원을 투입하여 발생하는 소리를 듣고 양품과 불량품을 선별한다. 그러나 작업자의 청각 능력에 따라 검사 결과가 달라질 수 있으며 작업자의 청각으로는 감지할 수 없는 작은 소음 또한 발생될 수 있다. 이에 따라 작업자의 청각에 의한 판단 오류를 방지하기 위하여 2차, 3차 재검사를 한다. 이와 같은 검사 방법으로 생산성은 저하되며, 작업자별 숙련도에 따라 양품으로 선별된 제품의 품질이 불균일하여 산업 및 가정용으로 사용되는 과정에서 문제가 발생될 수 있다.
본 발명의 목적은 전자 접촉기의 소음 불량을 용이하게 식별할 수 있는 검사 방법 및 그를 위한 전자 장치를 제공함에 있다.
본 발명의 일 실시예에 따른 전자 접촉기의 소음 불량을 검사하는 방법은, 상기 전자 접촉기의 개폐 시 발생하는 소음 또는 진동을 측정한 데이터를 로우 데이터로서 수집하는 단계; 상기 로우 데이터를 변환하여 스펙트럼 데이터 또는 캡스트럼 데이터를 획득하는 단계; 상기 스펙트럼 데이터 또는 상기 캡스트럼 데이터를 이용하여 상기 접촉 모델의 불량 여부를 검사하기 위한 표준 모델을 생성하는 단계; 및 상기 표준 모델을 이용하여 상기 전자 접촉기의 불량 여부를 판단하는 단계;를 포함할 수 있다.
일 실시예에 따르면, 상기 검사 방법은 상기 전자 접촉기의 불량 여부 판단이 완료되면 그 판단 결과를 표시하는 단계;를 더 포함할 수 있다.
일 실시예에 따르면, 상기 전자 접촉기의 개폐 시 발생하는 소음 또는 진동을 측정한 데이터를 로우 데이터로서 수집하는 단계는, 상기 전자 접촉기의 개폐 시 발생하는 소음 또는 진동을 측정하는 센서로부터 상기 로우 데이터를 수신하는 단계;를 더 포함할 수 있다.
일 실시예에 따르면, 상기 로우 데이터를 변환하여 스펙트럼 데이터 또는 캡스트럼 데이터를 획득하는 단계는, 상기 로우 데이터 중 하나 이상의 테스트 유효 구간들을 추출하는 단계; 상기 하나 이상의 테스트 유효 구간들의 트렌드를 제거하는 단계; 상기 트렌드가 제거된 테스트 유효 구간들에 창문 함수를 적용하는 단계; 및 상기 창문 함수가 적용된 테스트 유효 구간들 각각의 캡스트럼을 계산하는 단계;를 포함할 수 있다.
일 실시예에 따르면, 상기 로우 데이터를 변환하여 스펙트럼 데이터 또는 캡스트럼 데이터를 획득하는 단계는, 상기 로우 데이터 중 하나 이상의 테스트 유효 구간들을 추출하는 단계; 상기 하나 이상의 테스트 유효 구간들의 트렌드를 제거하는 단계; 상기 트렌드가 제거된 테스트 유효 구간들에 창문 함수를 적용하는 단계; 및 상기 창문 함수가 적용된 테스트 유효 구간들 각각의 스펙트럼을 계산하는 단계를 포함할 수 있다.
일 실시예에 따르면, 상기 스펙트럼 데이터 또는 상기 캡스트럼 데이터를 이용하여 상기 접촉 모델의 불량 여부를 검사하기 위한 표준 모델을 생성하는 단계는, 상기 캡스트럼 데이터를 이용하여 캡스트럼 피크의 최대값을 획득하는 단계; 상기 캡스트럼 데이터를 이용하여 상기 캡스트럼 피크의 평균값을 획득하는 단계; 상기 스펙트럼 데이터를 이용하여 스펙트럼 주파수 구간의 최대값을 획득하는 단계; 및 상기 캡스트럼 피크의 최대값과, 상기 캡스트럼 피크의 평균값을 상기 스펙트럼 주파수 구간의 최대값과 곱한 값을 이용하여 상기 표준 모델을 생성하는 단계;를 포함할 수 있다.
일 실시예에 따르면, 상기 캡스트럼 데이터를 이용하여 캡스트럼 피크의 최대값을 획득하는 단계는, 상기 로우 데이터의 테스트 유효 구간들 각각의 캡스트럼을 이용하여 상기 테스트 유효 구간들 각각에 대응하는 캡스트럼 피크 변수들을 생성하는 단계; 및 상기 캡스트럼 피크 변수들을 이용하여 상기 캡스트럼 최대값을 식별하는 단계;를 포함할 수 있다.
일 실시예에 따르면, 상기 캡스트럼 데이터를 이용하여 상기 캡스트럼 피크의 평균값을 식별하는 단계는, 상기 로우 데이터의 테스트 유효 구간들 각각의 캡스트럼을 이용하여 상기 테스트 유효 구간들 각각에 대응하는 캡스트럼 피크 변수들을 생성하는 단계; 및 상기 캡스트럼 피크 변수들을 이용하여 상기 캡스트럼 평균값을 식별하는 단계;를 포함할 수 있다.
일 실시예에 따르면, 상기 스펙트럼 데이터를 이용하여 스펙트럼 주파수 구간의 최대값을 획득하는 단계는, 상기 로우 데이터로부터 하나 이상의 스펙트럼 주파수 구간들을 추출하는 단계; 및 상기 하나 이상의 스펙트럼 주파수 구간들 각각의 최대값들을 식별하는 단계;를 포함할 수 있다.
일 실시예에 따르면, 상기 검사 방법은 표준 모델을 이용하여 상기 전자 접촉기의 불량 여부를 판단한 결과와 상기 전자 접촉기에 대한 소음 검사를 실시한 결과를 비교함으로써 상기 표준 모델에 대한 기계 학습(machine learning)을 수행하는 단계; 및 상기 기계 학습이 수행된 표준 모델을 이용하여 다른 전자 접촉기의 불량 여부를 판단하는 단계;를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 전자 접촉기의 불량 여부를 검사하는 전자 장치는, 상기 전자 접촉기의 개폐 시 발생하는 소음 또는 진동을 측정한 데이터를 로우 데이터로서 수집하고, 상기 로우 데이터를 변환하여 스펙트럼 데이터 또는 캡스트럼 데이터를 획득하고, 상기 스펙트럼 데이터 또는 상기 캡스트럼 데이터를 이용하여 상기 접촉 모델의 불량 여부를 검사하기 위한 표준 모델을 생성하고, 상기 표준 모델을 이용하여 상기 전자 접촉기의 불량 여부를 판단하는 컨트롤러;를 포함할 수 있다.
일 실시예에 따르면, 상기 전자 장치는, 상기 전자 접촉기의 불량 여부 판단이 완료되면 그 판단 결과를 표시하는 디스플레이;를 더 포함할 수 있다.
본 발명에 따르면, 전자 접촉기의 소음 불량을 용이하게 식별할 수 있는 검사 방법 및 그를 위한 전자 장치를 제공할 수 있다.
도 1은 본 발명의 다양한 실시예에 따른 전자 접촉기의 내부 구조를 도시한 도면이다.
도 2는 본 발명의 다양한 실시예에 따른 전자 장치가 전자 접촉기의 불량 여부를 판단하기 위한 검사 시스템의 일 예를 나타낸 도면이다.
도 3은 본 발명의 다양한 실시예에 따라 전자 접촉기의 소음을 측정하는 전자 장치의 대략적인 구조를 나타낸 블록도이다.
도 4는 본 발명의 다양한 실시예에 따라 전자 장치가 전자 접촉기의 소음을 측정하는 방법을 나타낸 순서도이다.
도 5는 본 발명의 본 발명의 다양한 실시예에 따라 전자 장치가 전자 접촉기의 소음을 측정하는 방법을 보다 상세하게 나타낸 순서도이다.
도 6은 전자 접촉기의 진동에 의하여 상기 전자 접촉기에서 발생되는 소음의 로우 데이터를 나타낸 그래프이다.
도 7a는 S530 단계에서의 캡스트럼 피크 변수를 생성하는 방법을 상세히 나타낸 순서도이고, 도 7b는 도 7a에서의 캡스트럼 피크 변수 생성 방법에 따라 생성된 캡스트럼 피크 변수들의 일 예를 나타낸 도면이다.
도 8은 S540 단계에서의 스펙트럼의 최대값을 계산하는 방법을 상세히 나타낸 순서도이다.
이하, 본 발명의 다양한 실시예가 첨부된 도면과 연관되어 기재된다. 본 발명의 다양한 실시예는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들이 도면에 예시되고 관련된 상세한 설명이 기재되어 있다. 그러나, 이는 본 발명의 다양한 실시예를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 다양한 실시예의 사상 및 기술 범위에 포함되는 모든 변경 및/또는 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용되었다.
본 발명의 다양한 실시예에서 사용될 수 있는 “포함한다” 또는 “포함할 수 있다” 등의 표현은 개시(disclosure)된 해당 기능, 동작 또는 구성요소 등의 존재를 가리키며, 추가적인 하나 이상의 기능, 동작 또는 구성요소 등을 제한하지 않는다. 또한 본 발명의 다양한 실시예에서, “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.
본 발명의 다양한 실시예에서 “또는” 등의 표현은 함께 나열된 단어들의 어떠한, 그리고 모든 조합을 포함한다. 예를 들어, “A 또는 B”는, A를 포함할 수도, B를 포함할 수도, 또는 A 와 B 모두를 포함할 수도 있다.
본 발명의 다양한 실시예에서 사용된 “제 1”, “제2”, “첫째” 또는 “둘째” 등의 표현들은 다양한 실시예들의 다양한 구성요소들을 수식할 수 있지만, 해당 구성요소들을 한정하지 않는다. 예를 들어, 상기 표현들은 해당 구성요소들의 순서 및/또는 중요도 등을 한정하지 않는다. 상기 표현들은 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 수 있다. 예를 들어, 제1 사용자 기기와 제2 사용자 기기는 모두 사용자 기기이며, 서로 다른 사용자 기기를 나타낸다. 예를 들어, 본 발명의 다양한 실시예의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 “연결되어” 있다거나 “접속되어” 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 새로운 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 “직접 연결되어” 있다거나 “직접 접속되어” 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 새로운 다른 구성요소가 존재하지 않는 것으로 이해될 수 있어야 할 것이다.
본 발명의 다양한 실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명의 다양한 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명의 다양한 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 발명의 다양한 실시예에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 발명의 다양한 실시예에 따른 전자 접촉기의 내부 구조를 도시한 도면이다.
도 1을 참조하면 전자 접촉기(100)는 가동 접촉자(102), 고정 접촉자(104), 가동 철심(106), 반발 스프링(108), 고정 철심(110) 또는 코일부(112)를 포함할 수 있다. 코일부(112)에 미리 규정된 전압이 인가되면 전자석의 원리로 가동 철심(106)이 고정 철심(110)쪽으로 이동하게 된다. 상기 가동 철심(106)과 연결된 주접점부의 가동 접촉자가 고정 철심(110)과 연결된 고정 접촉자와 접촉되면, 전자 접촉기(100)의 회로는 폐회로(closed circuit) 상태로서 온(on)된다. 이후 코일부(112)에 인가된 전압이 제거되면 철심의 여자가 해제되어 가동 철심(106)과 고정 철심(110)이 반발 스프링(108)의 힘으로 분리된다. 가동 철심(106)과 연결된 주접점부의 가동 접촉자와 고정 접촉자 또한 분리되어 전자 접촉기(100)의 회로는 개회로(opened circuit) 상태로서 오프(off)된다.
본 발명은 상기와 같은 접자 접촉기(100)에서의 회로가 폐회로(closed circuit) 상태로서 온(on)될 때의 진동 또는 소음을 측정하여 상기 전자 접촉기(100)의 불량 여부를 판단하기 위하여 고안된 것이다.
도 2는 본 발명의 다양한 실시예에 따른 전자 장치가 전자 접촉기의 불량 여부를 판단하기 위한 검사 시스템의 일 예를 나타낸 도면이다.
도 2를 참조하면, 검사 시스템(200)은 전자 장치(210), 데이터베이스(database, DB)(220) 또는 센서(230)를 포함할 수 있다. 도 2에서는 전자 장치(210), 데이터베이스(220) 및 센서(230)가 각기 다른 장치로 구현되고 있으나, 상기 전자 장치(210)가 상기 데이터베이스(220) 또는 센서(230)를 포함하는 형태로 구현될 수도 있다.
센서(230)는 전자 접촉기(100: 251, 252, 253, 254, 255)의 구동 시에 발생되는 소음 또는 진동을 측정할 수 있다. 센서(230)는 상기 전자 접촉기(100)의 소음 또는 진동을 측정하고, 상기 소음 또는 진동을 나타내는 로우 데이터(raw data)를 생성할 수 있다. 상기 센서(230)에 의해 생성된 로우 데이터는 데이터베이스(220)에 전달되어 상기 데이터베이스(220)는 상기 로우 데이터를 저장할 수 있다.
전자 장치(220)는 상기 데이터베이스(220)로부터 로우 데이터를 회신(retrieve)할 수 있다. 다른 실시예에 따르면 센서(230)는 로우 데이터를 생성하여 데이터베이스(220) 및 전자 장치(210) 각각에 전송할 수도 있다. 로우 데이터를 수신한 전자 장치(210)는 상기 로우 데이터를, 푸리에 변환 또는 역푸리에 변환하여 스펙트럼(spectrum) 또는 캡스트럼(capstrum)으로 변환할 수 있다.
전자 장치(210)는 상기 로우 데이터가 변환된 스펙트럼 또는 캡스트럼을 이용하여 전자 접촉기(100)의 불량 여부를 판단할 수 있는 표준 모델을 생성할 수 있다.
일 실시예에 따르면, 표준 모델을 생성하기 위하여 센서(220)는 미리 설정된 수의 (예: 100개) 전자 접촉기들(100) 각각의 소음/진동을 측정할 수 있다.
도 3은 본 발명의 다양한 실시예에 따라 전자 접촉기의 소음을 측정하는 전자 장치의 대략적인 구조를 나타낸 블록도이다.
도 3을 참조하면, 전자 장치(210)는 통신 인터페이스(310), 메모리(320) 또는 컨트롤러(330)를 포함하고, 센서(230)를 더 포함할 수 있다.
앞서 언급한 바와 같이, 센서(230)는 전자 접촉기들(100) 각각의 소음/진동을 측정하고, 상기 측정 결과를 나타내는 로우 데이터를 생성할 수 있다. 컨트롤러(330)는 상기 로우 데이터를, 푸리에 변환 또는 역푸리에 변환하여 스펙트럼(spectrum) 또는 캡스트럼(capstrum)으로 변환할 수 있다. 또한 컨트롤러(330)는 상기 로우 데이터가 변환된 스펙트럼 또는 캡스트럼을 이용하여 전자 접촉기(100)의 불량 여부를 판단할 수 있는 표준 모델을 생성할 수 있다.
표준 모델이 생성되면, 컨트롤러(330)는 상기 표준 모델에 기초하여 전자 접촉기(100)의 불량 여부를 판단할 수 있다. 일 실시예에 따르면, 표준 모델이 생성된 이후에, 센서(230)가 전자 접촉기들(100) 각각에 대한 로우 데이터를 생성하면, 컨트롤러(330)는 상기 로우 데이터 또는 상기 로우 데이터가 변환된 스펙트럼 또는 캡스트럼을 상기 표준 모델과 비교함으로써 해당 전자 접촉기(100)의 불량 여부를 판단할 수 있다.
전자 접촉기(100)가 불량으로 판단되면, 컨트롤러(330)는 디스플레이(340)를 통해 해당 전자 접촉기(100)가 불량임을 알릴 수 있다. 예를 들어, 컨트롤러(330)는 디스플레이(340)를 통해 해당 전자 접촉기(100)가 불량임을 알리기 위한 메시지를 표시하거나 또는 스피커(미도시)를 통해 해당 전자 접촉기(100)가 불량임을 알리기 위한 경고음 또는 음성 안내를 출력할 수 있다.
마찬가지로 전자 접촉기(100)가 양품으로 판단되면, 컨트롤러(330)는 디스플레이(340)를 통해 해당 전자 접촉기(100)가 양품임을 알릴 수 있다. 예를 들어, 컨트롤러(330)는 디스플레이(340)를 통해 해당 전자 접촉기(100)가 양품임을 알리기 위한 메시지를 표시하거나 또는 스피커(미도시)를 통해 해당 전자 접촉기(100)가 양품임을 알리기 위한 안내음 또는 음성 안내를 출력할 수 있다.
일 실시예에 따르면, 컨트롤러(330)는 전자 접촉기(100)의 불량 여부를 판단한 후, 상기 판단 결과를 표준 모델에 반영함으로써 상기 표준 모델에 대한 기계 학습(machine learning)을 수행할 수 있다. 일 실시예에 따르면 컨트롤러(330)는 상기 표준 모델을 이용하여 전자 접촉기(100)의 불량 결과를 판단한 결과와, 상기 전자 접촉기(100)에 대하여 소음 검사를 실시한 결과를 비교함으로써 상기 표준 모델에 대한 기계 학습을 수행할 수 있다. 이때 상기 전자 접촉기(100)에 대한 소음 검사는, 상기 전자 접촉기(100)의 개폐 시에 발생하는 소음 또는 진동을 센서(소음진동센서)로 측정하는 검사 또는 상기 전자 접촉기의 제품 생산 시 작업자의 청각에 의한 관능 검사일 수 있다.
이후 컨트롤러(330)는 상기 기계 학습이 수행된 표준 모델을 이용하여 전자 접촉기(100)의 불량 여부를 판단할 수 있다. 또한 컨트롤러(330)는 상기 표준 모델에 대한 기계 학습을 수행하는 동작을 반복할 수 있다. 즉 전자 장치(210)가 다수의 전자 접촉기들(100)을 검사하는 과정에서 실시간으로 상기 표준 모델에 대한 기계 학습을 반복적으로 수행함으로써, 상기 표준 모델을 이용한 검사의 정확도는 실시간으로 향상될 수 있다.
일 실시예에 따르면, 컨트롤러(330)는 표준 모델을 이용하여 전자 접촉기(100)의 불량 결과를 판단한 결과와 상기 전자 접촉기(100)에 대하여 소음 검사를 실시한 결과를 비교함으로써, 상기 표준 모델을 이용하여 불량 여부를 판단한 결과의 정확도를 판단할 수 있다. 상기 표준 모델을 이용하여 불량 여부를 판단한 결과가 상기 소음 검사를 실시한 결과와 비슷하거나 일치하는 경우가 많을 수록 상기 표준 모델의 정확도가 높아짐은 자명하다. 따라서 전자 장치(210)는 다수의 전자 접촉기(100)들 각각의 불량 여부 판단 시마다 학습 모델에 대한 기계 학습을 반복함으로써 상기 학습 모델의 정확도를 향상시킬 수 있다.
도 4는 본 발명의 다양한 실시예에 따라 전자 장치가 전자 접촉기의 소음을 측정하는 방법을 나타낸 순서도이다.
도 4를 참조하면, 전자 장치(210)는 S402 단계에서 전자 접촉기(100)의 소음 또는 진동 여부를 나타내는 로우 데이터를 수집할 수 있다. S404 단계에서 전자 장치(210)는 상기 로우 데이터를 변환하여 스펙트럼(spectrum) 데이터 또는 캡스트럼(capstrum) 데이터를 획득할 수 있다. 일 실시예에 따르면 진동 센서(230)가 전자 접촉기(100)의 구동으로 인해 발생되는 소음 또는 진동을 측정하여 로우 데이터를 생성하면, 전자 장치(210)는 상기 로우 데이터를 푸리에 변환 또는 역푸리에 변환함으로써 상기 로우 데이터를 스펙트럼 또는 캡스트럼으로 변환할 수 있다.
S406 단계에서 전자 장치(210)는 상기 S404 단계에서 변환된 스펙트럼 또는 캡스트럼을 이용하여 전자 접촉기(100)의 불량 여부를 판단하기 위한 표준 모델을 생성할 수 있다. 일 실시예에 따르면 전자 장치(210)의 컨트롤러(340)는 다수의 전자 접촉기들(100)을 검사한 결과를 이용하여 상기 전자 접촉기들(100)의 소음 발생 패턴을 생성할 수 있다. 상기 컨트롤러(340)는 상기 소음 발생 패턴에 기초하여 상기 표준 모델을 생성할 수 있다.
전자 장치(210)는 S408 단계에서 상기 표준 모델을 이용하여 전자 접촉기(100)의 불량 여부를 판단할 수 있다. 예를 들어, 전자 장치(340)는 전자 접촉기(100)의 구동 시 상기 전자 접촉기(100)에서 기준치 이상의 소음이 발생되는지 여부를 판단함으로써 상기 전자 접촉기(100)의 불량 여부를 판단할 수 있다. 전자 장치(210)는 S410 단계에서 상기 전자 접촉기(100)의 불량 여부를 판단한 결과를 표시할 수 있다.
도 5는 본 발명의 본 발명의 다양한 실시예에 따라 전자 장치가 전자 접촉기의 소음을 측정하는 방법을 보다 상세하게 나타낸 순서도이다.
도 5를 참조하면, 전자 장치(210)는 S500 단계에서 센서(230)로부터 입력되는 로우 데이터를 수신할 수 있다.
로우 데이터가 수신되면, 컨트롤러(330)는 S510 단계에서와 같이 상기 로우 데이터에 대한 캡스트럼을 생성할 수 있다. S510 단계를 상세히 살펴보면, 컨트롤러(330)는 S512 단계에서 로우 데이터에서 제1 테스트 유효 구간을 추출할 수 있다. 도 6은 전자 접촉기(100)의 진동에 의하여 상기 전자 접촉기(100)에서 발생되는 소음의 로우 데이터를 나타낸 그래프이다. 일 실시예에 따르면 컨트롤러(330)는 상기 도 6에 도시된 바와 같은 로우 데이터 중 전압이 4V 이상으로 높아지는 지점을 상기 테스트 시작점으로 지정할 수 있다. 또한 컨트롤러(330)는 상기 제1 테스트 유효 구간을 테스트 시작점에서 0.2초 경과한 지점에서 상기 테스트 시작점에서 0.4초 경과한 지점(테스트 시작점+0.2초 ~ 테스트 시작점+0.4초)까지로 지정할 수 있다. 일 실시예에 따르면, 컨트롤러(330)는 도 6에 도시된 바와 같이 로우 데이터의 전체 구간에서 하나 이상의 제1 테스트 유효 구간들을 추출할 수 있다.
S514 단계에서 컨트롤러(330)는 상기 테스트 유효 구간에서 트렌드를 제거하고, S516 단계에서 상기 트렌드가 제거된 테스트 유효 구간에 창문 함수(windowing function)를 적용할 수 있다. 일 실시예에 따르면, S514 단계에서 컨트롤러(330)는 도 6에 도시된 바와 같은 로우 데이터의 트렌드(trend)를 제거함으로써 상기 로우 데이터의 노이즈를 제거할 수 있다. S514 단계에서의 트렌드를 제거하는 동작을 '디트렌드(detrend)'라 한다. S514 단계에서 디트렌드 동작을 수행함으로써 컨트롤러(330)는 상기 테스트 유효 구간에서 선형 트렌드(linear trend)를 제거할 수 있다.
또한 S516 단계에서 컨트롤러(330)는 도 6에 도시된 바와 같은 제1 테스트 유효 구간들에 창문 함수를 적용함으로써 로우 데이터 전체로부터의 제1 테스트 유효 구간들의 추출로 인해 발생되는 신호의 절단을 해소할 수 있다. 이때 컨트롤러(330)는 Hann Window를 상기 제1 테스트 유효 구간들에 적용할 수 있다.
창문 함수를 적용하지 않고 로우 데이터를 캡스트럼 또는 스펙트럼 데이터로 변환하는 경우 상기 변환된 데이터로부터 노이즈와 유효 데이터를 구분하기 어려울 수 있다. 따라서 본 발명의 전자 장치(100)는 상기 유효 구간들의 로우 데이터에 창문 함수를 적용시킴으로써, 상기 로우 데이터로부터 변환된 캡스트럼 데이터 또는 스펙트럼 데이터로부터 노이즈와 유효 데이터를 용이하게 구별할 수 있도록 할 수 있다. 특히 Hann Window를 상기 로우 데이터에 적용시키면, 로우 데이터로부터 변환된 캡스트럼 데이터 또는 스펙트럼 데이터로부터 구분할 수 있는 유효 데이터 또는 노이즈의 범위가 넓어질 수 있다. 따라서 본 발명에서는 Hann Window를 상기 제1 테스트 유효 구간들 및 후술하는 제2 테스트 유효 구간들에 적용함으로써 상기 유효 구간들의 추출로 인해 발생되는 신호의 절단을 해소하도록 한다.
컨트롤러(330)는 S518 단계에서, 상기 창문 함수가 적용된 테스트 유효 구간을 이용하여 캡스트럼을 계산할 수 있다. 일 실시예에 따르면, S518 단계에서 컨트롤러(330)는 상기 창문 함수가 적용된 제1 테스트 유효 구간의 로우 데이터를 퓨리에 변환하고, 상기 퓨리에 변환된 값의 절대값을 구하고, 상기 절대값의 로그값을 구하고, 상기 로그값을 역푸리에 변환한 후, 상기 역푸리에 변환된 값의 절대값을 구함으로써 캡스트럼을 계산할 수 있다.
캡스트럼이 계산되면, 컨트롤러(330)는 S530 단계에서 캡스트럼 피크 변수를 생성할 수 있다. S530 단계를 상세히 살펴보면, 컨트롤러(330)는 S532 단계에서 캡스트럼 피크 구간을 추출할 수 있다. S534 단계에서 컨트롤러(330)는 상기 캡스트럼 피크 구간을 이용하여 최대값을 계산할 수 있다.
로우 데이터가 수신되면, 컨트롤러(330)는 S520 단계에서와 같이 상기 로우 데이터에 대한 스펙트럼을 생성할 수 있다. S520 단계를 상세히 살펴보면, 컨트롤러(330)는 S522 단계에서 로우 데이터에서 제2 테스트 유효 구간을 추출할 수 있다. 일 실시예에 따르면 컨트롤러(330)는 상기 도 6에 도시된 바와 같은 로우 데이터 중 전압이 4V 이상으로 높아지는 지점을 상기 테스트 시작점으로 지정할 수 있다. 또한 컨트롤러(330)는 상기 제2 테스트 유효 구간을 테스트 시작점에서 0.36초 경과한 지점에서 상기 테스트 시작점에서 0.4초 경과한 지점(테스트 시작점+0.36초 ~ 테스트 시작점+0.4초)까지로 지정할 수 있다. 일 실시예에 따르면, 컨트롤러(330)는 도 6에 도시된 바와 같이 로우 데이터의 전체 구간에서 하나 이상의 제2 테스트 유효 구간들을 추출할 수 있다.
S524 단계에서 컨트롤러(330)는 상기 테스트 유효 구간에서 트렌드를 제거하고, S526 단계에서 상기 트렌드가 제거된 테스트 유효 구간에 창문 함수(windowing function)를 적용할 수 있다. 일 실시예에 따르면, S524 단계에서 컨트롤러(330)는 도 6에 도시된 바와 같은 로우 데이터의 트렌드(trend)를 제거함으로써 상기 로우 데이터의 노이즈를 제거할 수 있다. 상기와 같이 S514 단계에서와 마찬가지로 S524 단계에서도 디트렌드(detrend) 동작이 수행될 수 있다. 또한 S526 단계에서 컨트롤러(330)는 도 6에 도시된 바와 같은 제2 테스트 유효 구간들에 창문 함수를 적용함으로써, 로우 데이터 전체로부터의 상기 제2 테스트 유효 구간들의 추출로 인해 발생되는 신호의 절단을 해소할 수 있다. 이때 컨트롤러(330)는 Hann Window를 상기 제2 테스트 유효 구간들에 적용할 수 있다.
컨트롤러(330)는 S528 단계에서, 상기 창문 함수가 적용된 테스트 유효 구간을 이용하여 스펙트럼을 계산할 수 있다. 일 실시예에 따르면, S528 단계에서 컨트롤러(330)는 상기 창문 함수가 적용된 제2 테스트 유효 구간의 로우 데이터를 퓨리에 변환하고, 상기 퓨리에 변환된 값의 절대값을 구하고, 상기 절대값을 이용하여 스펙트럼을 구하고, 또한 상기 스펙트럼을 dB 단위로 변환할 수 있다.
상기와 같이 스펙트럼이 계산되면, 컨트롤러(330)는 S540 단계에서 스펙트럼의 최대값을 계산하고, S550 단계에서 스펙트럼의 평균값과 캡스트럼 피크 변수를 곱한 값을 구할 수 있다. S540 단계를 상세히 살펴보면, 컨트롤러(330)는 S542 단계에서 스펙트럼 주파수 구간을 추출할 수 있다. S544 단계에서 컨트롤러(330)는 상기 스펙트럼 주파수 구간을 이용하여 최대값을 계산할 수 있다.
또한 컨트롤러(330)는 S532 단계에서 추출된 캡스트럼 피크 구간을 이용하여 S552 단계에서 상기 캡스트럼의 평균값을 계산할 수 있다. 컨트롤러(330)는 S554 단계에서 스펙트럼의 평균값과 캡스트럼 피크 변수를 곱한 값을 계산할 수 있다.
상기와 같이 캡스트럼의 최대값 및 스펙트럼의 평균값과 캡스트럼 피크 변수를 곱한 값이 구해지면, S560 단계에서 컨트롤러(330)는 상기 값들을 이용하여 전자 접촉기(100)의 불량 여부를 판단하기 위한 표준 모델을 생성할 수 있다.
일 실시예에 따르면, 도 5에서의 S510 단계, S520 단계, S530 단계, S540 단계, S550 단계 및 상기 S560 단계 각각은 도 4의 S404 단계 또는 S406 단계의 적어도 일부일 수 있다. 본 발명에서 전자 장치(210)는 도 5의 S510 단계 및 S520 단계를 수행함으로써, 도 4에서의 S404 단계의 동작, 즉 로우 데이터를 스펙트럼 변환 또는 캡스트럼 변환할 수 있다. 또한 전자 장치(210)는 도 5의 S530 단계, S540 단계, S550 단계 및 S560 단계의 동작을 수행함으로써, 도 4에서의 S406 단계의 동작, 즉 전자 접촉기의 불량 여부를 판단하기 위한 표준 모델을 생성할 수 있다.
도 7a는 S530 단계에서의 캡스트럼 피크 변수를 생성하는 방법을 상세히 나타낸 순서도이고, 도 7b는 상기 도 7a에서의 캡스트럼 피크 변수 생성 방법에 따라 생성된 캡스트럼 피크 변수들의 일 예를 나타낸 도면이다.
도 7a를 참조하면, 컨트롤러(330)는 S702 단계에서 캡스트럼 피크 구간을 정의할 수 있다. 도 7b의 (a)는 캡스트럼을 나타낸 그래프이고, 도 7b의 (b)는 상기 캡스트럼의 그래프에서 정의된 4개의 캡스트럼 피크 구간들(710)을 나타낸 도면이다. 도 7b에서와 같이 캡스트럼 피크 구간이 정의되면, 컨트롤러(330)는 S704 단계에서 캡스트럼 피크 구간의 값을 추출할 수 있다. 또한 컨트롤러(330)는 S706 단계에서 상기 캡스트럼 피크 구간의 최대값을 계산할 수 있다. 도 7b를 참조하면 캡스트럼 피크 구간들(710) 각각의 최대값, 즉 제1 피크는 0.008037548, 제2 피크는 0.009061548, 제3 피크는 0.006068645, 제4 피크는 0.002764936일 수 있다. S708 단계에서 컨트롤러(330)는 상기 캡스트럼 피크 구간의 최대값을 이용하여 캡스트럼 피크 변수를 생성할 수 있다. 일 실시에에 따르면 상기 캡스트럼 피크 구간의 최대값이 상기 캡스트럼 피크 변수로서 이용될 수도 있다. 도 7b를 참조하면, 총 4개의 캡스트럼 피크 구간들(710)이 정의되고 있으므로, 도 7b에서는 총 4개의 캡스트럼 피크 변수가 생성될 수 있다.
일 실시예에 따르면 도 5의 S552 단계에서 캡스트럼 피크의 평균값은 캡스트럼 피크 구간들의 수만큼 구해질 수 있다. 도 7b를 예로 들면, 도 7b의 그래프에는 총 4개의 캡스트럼 피크 구간들이 나타나 있으므로, 컨트롤러(330)는 상기 도 7b의 그래플 이용하여 총 4개의 평균값을 구할 수 있다.
도 8은 S540 단계에서의 스펙트럼의 최대값을 계산하는 방법을 상세히 나타낸 순서도이다.
도 8을 참조하면, 컨트롤러(330)는 S802 단계에서 스펙트럼 주파수 구간을 정의할 수 있다. 예를 들어, 컨트롤러(330)는 S529 단계에서 생성된 스펙트럼을 3개의 스펙트럼 주파수 구간들, 예를 들어 제1 구간인 3000Hz~4000Hz, 제2 구간인 4000~5000Hz, 제3 구간인 5000~6000Hz로 나눌 수 있다.
스펙트럼 주파수 구간이 정의되면, 컨트롤러(330)는 S804 단계에서 스펙트럼 주파수 구간의 스펙트럼 값을 추출할 수 있다. 또한 컨트롤러(330)는 S806 단계에서 상기 스펙트럼 최대값을 계산할 수 있다. S808 단계에서 컨트롤러(330)는 상기 스펙트럼 최대값을 이용하여 스펙트럼 주파수 구간 내의 최대값을 생성할 수 있다. 일 실시예에 따르면 상기 S806 단계에서의 스펙트럼 최대값이 상기 스펙트럼 주파수 구간 내의 최대값으로서 이용될 수 있다. 예를 들어 스펙트럼 주파수 구간들이 3개이면 3개의 최대값이 생성될 수 있다.
도 7b를 참조하면, 도 7b에서는 총 4개의 캡스트럼 피크 구간들(710)이 정의되고 있으므로 총 4개의 캡스트럼 피크 평균값들이 생성될 수 있다. 또한 앞서 예시한 바와 같이 스펙트럼 주파수 구간이 3개로 나누어지면 총 3개의 스펙트럼 주파수 최대값들을 생성될 수 있다.
본 발명에 따르면 전자 접촉기(100)의 불량 여부를 판단하기 위한 표준 모델의 변수는 상기 캡스트럼 피크 평균값들과 스펙트럼 주파수 최대값들을 서로 곱함으로써 구할 수 있다. 도 7b 및 도 8의 예로 들면, 컨트롤러(330)는 총 4개의 캡스트럼 피크 평균값들과 총 3개의 스펙트럼 주파수 최대값들을 곱하여 산출된 총 12개의 변수를 이용한 표준 모델로 전자 접촉기(100)의 불량 여부를 판단할 수 있다.
일 실시예에 따르면 컨트롤러(330)는 AutoML(automatic machine learning) 기술의 구현이 가능하도록 설계될 수 있고, 상기 AutoML 기술을 이용하여 보다 많은 변수, 예를 들어 50개 이상의 변수를 가지는 표준 모델을 설계할 수 있다.
다양한 실시예에 따르면, 본 발명의 다양한 실시예에 따른 장치(예를 들어, 모듈들 또는 그 기능들) 또는 방법(예를 들어, 동작들)의 적어도 일부는, 예컨대, 프로그래밍 모듈의 형태로 컴퓨터로 읽을 수 있는 저장매체(computer-readable storage media)에 저장된 명령어로 구현될 수 있다. 상기 명령어는, 하나 이상의 프로세서(예를 들어, 상기 컨트롤러(330))에 의해 실행될 경우, 상기 하나 이상의 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다. 컴퓨터로 읽을 수 있는 저장 매체는, 예를 들면, 상기 메모리(320)가 될 수 있다. 상기 프로그래밍 모듈의 적어도 일부는, 예를 들면, 상기 컨트롤러(330)에 의해 구현(implement)(예를 들어, 실행)될 수 있다. 상기 프로그래밍 모듈의 적어도 일부는 하나 이상의 기능을 수행하기 위한, 예를 들면, 모듈, 프로그램, 루틴, 명령어 세트 (sets of instructions) 또는 프로세스 등을 포함할 수 있다.
상기 컴퓨터로 판독 가능한 기록 매체에는 하드디스크, 플로피디스크 및 자기 테이프와 같은 마그네틱 매체(Magnetic Media)와, CD-ROM(Compact Disc Read Only Memory), DVD(Digital Versatile Disc)와 같은 광기록 매체(Optical Media)와, 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media)와, ROM(Read Only Memory), RAM(Random Access Memory), 플래시 메모리 등과 같은 프로그램 명령(예를 들어, 프로그래밍 모듈)을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 또한 프로그램 명령에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 다양한 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지다.
본 발명의 다양한 실시예에 따른 전자 장치는 전술한 구성요소들 중 적어도 하나 이상을 포함하거나, 일부가 생략되거나, 또는 추가적인 다른 구성요소를 더 포함할 수 있다. 본 발명의 다양한 실시예에 따른 전자 장치의 모듈, 프로그래밍 모듈 또는 다른 구성요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱(heuristic)한 방법으로 실행될 수 있다. 또한 일부 동작은 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
본 발명의 다양한 실시예에 따르면, 명령들을 저장하고 있는 저장 매체에 있어서, 상기 명령들은 적어도 하나의 프로세서에 의하여 실행될 때에 상기 적어도 하나의 프로세서로 하여금 적어도 하나의 동작을 수행하도록 설정된 것으로서, 상기 적어도 하나의 동작은, 상기 전자 접촉기의 소음 데이터를 로우 데이터로서 수집하는 동작, 상기 로우 데이터를 스펙트럼 변환한 스펙트럼 데이터 또는 캡스트럼 변환한 캡스트럼 데이터를 획득하는 동작, 상기 스펙트럼 데이터 또는 상기 캡스트럼 데이터를 이용하여 상기 접촉 모델의 불량 여부를 검사하기 위한 표준 모델을 생성하는 동작 및 상기 표준 모델을 이용하여 상기 전자 접촉기의 불량 여부를 판단하는 동작을 포함할 수 있다.
그리고 본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 실시예에 따른 기술 내용을 쉽게 설명하고 본 발명의 실시예의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 실시예의 범위를 한정하고자 하는 것은 아니다. 따라서 본 발명의 다양한 실시예의 범위는 여기에 개시된 실시예들 이외에도 본 발명의 다양한 실시예의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 다양한 실시예의 범위에 포함되는 것으로 해석되어야 한다.

Claims (19)

  1. 전자 접촉기의 소음 불량을 검사하는 방법에 있어서,
    상기 전자 접촉기의 개폐 시 발생하는 소음 또는 진동을 측정한 데이터를 로우 데이터로서 수집하는 단계;
    상기 로우 데이터를 변환하여 스펙트럼 데이터 또는 캡스트럼 데이터를 획득하는 단계;
    상기 스펙트럼 데이터 또는 상기 캡스트럼 데이터를 이용하여 상기 접촉 모델의 불량 여부를 검사하기 위한 표준 모델을 생성하는 단계; 및
    상기 표준 모델을 이용하여 상기 전자 접촉기의 불량 여부를 판단하는 단계;를 포함하는 검사 방법.
  2. 제1항에 있어서,
    상기 전자 접촉기의 불량 여부 판단이 완료되면, 그 판단 결과를 표시하는 단계;를 더 포함함을 특징으로 하는 검사 방법.
  3. 제1항에 있어서, 상기 전자 접촉기의 개폐 시 발생하는 소음 또는 진동을 측정한 데이터를 로우 데이터로서 수집하는 단계는,
    상기 전자 접촉기의 개폐 시 발생하는 소음 또는 진동을 측정하는 센서로부터 상기 로우 데이터를 수신하는 단계;를 포함함을 특징으로 하는 검사 방법.
  4. 제1항에 있어서, 상기 로우 데이터를 변환하여 스펙트럼 데이터 또는 캡스트럼 데이터를 획득하는 단계는,
    상기 로우 데이터 중 하나 이상의 테스트 유효 구간들을 추출하는 단계;
    상기 하나 이상의 테스트 유효 구간들의 트렌드를 제거하는 단계;
    상기 트렌드가 제거된 테스트 유효 구간들에 창문 함수를 적용하는 단계; 및
    상기 창문 함수가 적용된 테스트 유효 구간들 각각의 캡스트럼을 계산하는 단계;를 포함함을 특징으로 하는 검사 방법.
  5. 제1항에 있어서, 상기 로우 데이터를 변환하여 스펙트럼 데이터 또는 캡스트럼 데이터를 획득하는 단계는,
    상기 로우 데이터 중 하나 이상의 테스트 유효 구간들을 추출하는 단계;
    상기 하나 이상의 테스트 유효 구간들의 트렌드를 제거하는 단계;
    상기 트렌드가 제거된 테스트 유효 구간들에 창문 함수를 적용하는 단계; 및
    상기 창문 함수가 적용된 테스트 유효 구간들 각각의 스펙트럼을 계산하는 단계를 포함함을 특징으로 하는 검사 방법.
  6. 제1항에 있어서, 상기 스펙트럼 데이터 또는 상기 캡스트럼 데이터를 이용하여 상기 접촉 모델의 불량 여부를 검사하기 위한 표준 모델을 생성하는 단계는,
    상기 캡스트럼 데이터를 이용하여 캡스트럼 피크의 최대값을 획득하는 단계;
    상기 캡스트럼 데이터를 이용하여 상기 캡스트럼 피크의 평균값을 획득하는 단계;
    상기 스펙트럼 데이터를 이용하여 스펙트럼 주파수 구간의 최대값을 획득하는 단계; 및
    상기 캡스트럼 피크의 최대값과, 상기 캡스트럼 피크의 평균값을 상기 스펙트럼 주파수 구간의 최대값과 곱한 값을 이용하여 상기 표준 모델을 생성하는 단계;를 포함함을 특징으로 하는 검사 방법.
  7. 제6항에 있어서, 상기 캡스트럼 데이터를 이용하여 캡스트럼 피크의 최대값을 획득하는 단계는,
    상기 로우 데이터의 테스트 유효 구간들 각각의 캡스트럼을 이용하여 상기 테스트 유효 구간들 각각에 대응하는 캡스트럼 피크 변수들을 생성하는 단계; 및
    상기 캡스트럼 피크 변수들을 이용하여 상기 캡스트럼 최대값을 식별하는 단계;를 포함함을 특징으로 하는 검사 방법.
  8. 제6항에 있어서, 상기 캡스트럼 데이터를 이용하여 상기 캡스트럼 피크의 평균값을 식별하는 단계는,
    상기 로우 데이터의 테스트 유효 구간들 각각의 캡스트럼을 이용하여 상기 테스트 유효 구간들 각각에 대응하는 캡스트럼 피크 변수들을 생성하는 단계; 및
    상기 캡스트럼 피크 변수들을 이용하여 상기 캡스트럼 평균값을 식별하는 단계;를 포함함을 특징으로 하는 검사 방법.
  9. 제5항에 있어서, 상기 스펙트럼 데이터를 이용하여 스펙트럼 주파수 구간의 최대값을 획득하는 단계는,
    상기 로우 데이터로부터 하나 이상의 스펙트럼 주파수 구간들을 추출하는 단계; 및
    상기 하나 이상의 스펙트럼 주파수 구간들 각각의 최대값들을 식별하는 단계;를 포함함을 특징으로 하는 검사 방법.
  10. 제1항에 있어서,
    상기 표준 모델을 이용하여 상기 전자 접촉기의 불량 여부를 판단한 결과와 상기 전자 접촉기에 대한 소음 검사를 실사한 결과를 비교함으로써 상기 표준 모델에 대한 기계 학습(machine learning)을 수행하는 단계; 및
    상기 기계 학습이 수행된 표준 모델을 이용하여 다른 전자 접촉기의 불량 여부를 판단하는 단계;를 더 포함함을 특징으로 하는 검사 방법.
  11. 전자 접촉기의 불량 여부를 검사하는 전자 장치에 있어서,
    상기 전자 접촉기의 개폐 시 발생하는 소음 또는 진동을 측정한 데이터를 로우 데이터로서 수집하고, 상기 로우 데이터를 변환하여 스펙트럼 데이터 또는 캡스트럼 데이터를 획득하고, 상기 스펙트럼 데이터 또는 상기 캡스트럼 데이터를 이용하여 상기 접촉 모델의 불량 여부를 검사하기 위한 표준 모델을 생성하고, 상기 표준 모델을 이용하여 상기 전자 접촉기의 불량 여부를 판단하는 컨트롤러;를 포함함을 특징으로 하는 전자 장치.
  12. 제11항에 있어서,
    상기 전자 접촉기의 불량 여부 판단이 완료되면, 그 판단 결과를 표시하는 디스플레이;를 더 포함함을 특징으로 하는 전자 장치.
  13. 제11항에 있어서, 상기 컨트롤러는,
    상기 로우 데이터 중 하나 이상의 테스트 유효 구간들을 추출하고, 상기 테스트 유효 구간들의 트렌드를 제거하고, 상기 트렌드가 제거된 테스트 유효 구간들에 창문 함수를 적용하고, 상기 창문 함수가 적용된 테스트 유효 구간들 각각의 캡스트럼을 계산함을 특징으로 하는 전자 장치.
  14. 제11항에 있어서, 상기 컨트롤러는,
    상기 로우 데이터 중 하나 이상의 테스트 유효 구간들을 추출하고, 상기 테스트 유효 구간들의 트렌드를 제거하고, 상기 트렌드가 제거된 테스트 유효 구간들에 창문 함수를 적용하고, 상기 창문 함수가 적용된 테스트 유효 구간들 각각의 스펙트럼을 계산함을 특징으로 하는 전자 장치.
  15. 제11항에 있어서, 상기 컨트롤러는,
    상기 캡스트럼 데이터를 이용하여 캡스트럼 피크의 최대값을 획득하고, 상기 캡스트럼 데이터를 이용하여 상기 캡스트럼 피크의 평균값을 획득하고, 상기 스펙트럼 데이터를 이용하여 스펙트럼 주파수 구간의 최대값을 획득하고, 상기 캡스트럼 피크의 최대값과, 상기 캡스트럼 피크의 평균값을 상기 스펙트럼 주파수 구간의 최대값과 곱한 값을 이용하여 상기 표준 모델을 생성함을 특징으로 하는 전자 장치.
  16. 제15항에 있어서, 상기 컨트롤러는,
    상기 로우 데이터의 테스트 유효 구간들 각각의 캡스트럼을 이용하여 상기 테스트 유효 구간들 각각에 대응하는 캡스트럼 피크 변수들을 생성하고, 상기 캡스트럼 피크 변수들을 이용하여 상기 캡스트럼 최대값을 식별함을 특징으로 하는 전자 장치.
  17. 제15항에 있어서, 상기 컨트롤러는,
    상기 로우 데이터의 테스트 유효 구간들 각각의 캡스트럼을 이용하여 상기 테스트 유효 구간들 각각에 대응하는 캡스트럼 피크 변수들을 생성하고, 상기 캡스트럼 피크 변수들을 이용하여 상기 캡스트럼 평균값을 식별함을 특징으로 하는 전자 장치.
  18. 제15항에 있어서, 상기 컨트롤러는,
    상기 로우 데이터로부터 하나 이상의 스펙트럼 주파수 구간들을 추출하고, 상기 하나 이상의 스펙트럼 주파수 구간들 각각의 최대값들을 식별함을 특징으로 하는 전자 장치.
  19. 제11항에 있어서, 상기 컨트롤러는,
    상기 표준 모델을 이용하여 상기 전자 접촉기의 불량 여부를 판단한 결과와 상기 전자 접촉기에 대한 소음 검사를 실시한 결과를 비교함으로써 상기 표준 모델에 대한 기계 학습(machine learning)을 수행하고, 상기 기계 학습이 수행된 표준 모델을 이용하여 다른 전자 접촉기의 불량 여부를 판단함을 특징으로 하는 전자 장치.
PCT/KR2021/002648 2020-04-13 2021-03-04 전자 접촉기의 소음을 측정하는 방법 및 그를 위한 장치 WO2021210778A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200044819A KR102335639B1 (ko) 2020-04-13 2020-04-13 전자 접촉기의 소음을 측정하는 방법 및 그를 위한 장치
KR10-2020-0044819 2020-04-13

Publications (1)

Publication Number Publication Date
WO2021210778A1 true WO2021210778A1 (ko) 2021-10-21

Family

ID=78084925

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/002648 WO2021210778A1 (ko) 2020-04-13 2021-03-04 전자 접촉기의 소음을 측정하는 방법 및 그를 위한 장치

Country Status (2)

Country Link
KR (1) KR102335639B1 (ko)
WO (1) WO2021210778A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110089528A (ko) * 2010-02-01 2011-08-09 강도원 전자접촉기의 소음측정장치
JP2013192567A (ja) * 2012-03-15 2013-09-30 Institute Of Physical & Chemical Research 呼吸波形情報を取得するためのシステムおよび方法
KR20170023632A (ko) * 2015-08-24 2017-03-06 에이아이시스템즈 주식회사 소음 진동 분석 시스템
JP2019096289A (ja) * 2017-11-17 2019-06-20 富士電機株式会社 異常検出装置、異常検出方法、異常検出プログラム及び異常検出システム
KR20190142600A (ko) * 2018-06-18 2019-12-27 큐브바이트 주식회사 머신러닝을 이용한 시계열 데이터의 에너지 엔트로피 기반의 진동 이상 징후 탐지시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110089528A (ko) * 2010-02-01 2011-08-09 강도원 전자접촉기의 소음측정장치
JP2013192567A (ja) * 2012-03-15 2013-09-30 Institute Of Physical & Chemical Research 呼吸波形情報を取得するためのシステムおよび方法
KR20170023632A (ko) * 2015-08-24 2017-03-06 에이아이시스템즈 주식회사 소음 진동 분석 시스템
JP2019096289A (ja) * 2017-11-17 2019-06-20 富士電機株式会社 異常検出装置、異常検出方法、異常検出プログラム及び異常検出システム
KR20190142600A (ko) * 2018-06-18 2019-12-27 큐브바이트 주식회사 머신러닝을 이용한 시계열 데이터의 에너지 엔트로피 기반의 진동 이상 징후 탐지시스템

Also Published As

Publication number Publication date
KR102335639B1 (ko) 2021-12-06
KR20210127005A (ko) 2021-10-21

Similar Documents

Publication Publication Date Title
Landry et al. An improved vibration analysis algorithm as a diagnostic tool for detecting mechanical anomalies on power circuit breakers
SE515387C2 (sv) Övervakning av interna partiella urladdningar i en krafttransformator
KR20200014129A (ko) 딥러닝을 이용한 변압기 진단 방법
CN112556828A (zh) 一种变压器绕组松动故障检测方法
CN111487491A (zh) 一种油浸式平波电抗器的健康状态检测与评估系统和方法
WO2021210778A1 (ko) 전자 접촉기의 소음을 측정하는 방법 및 그를 위한 장치
KR19980036844A (ko) FFT(Fast Fourier Transform)알고리즘을 이용한 전기설비 고장진단 시스템
WO2004055529A1 (fr) Procede de mesure des interferences electromagnetiques et systeme associe
CN207992376U (zh) 一种聚合物的电树枝及其局部放电的观测装置
KR100812303B1 (ko) 웨이블릿 변환을 이용한 유도전동기의 고장 진단 장치 및방법
JP7227846B2 (ja) 開閉装置の診断方法及び装置
Secic et al. Using deep neural networks for on-load tap changer audio-based diagnostics
CN115238733A (zh) 一种高压断路器合分闸线圈运行状态评估方法及相关设备
CN116147758A (zh) 一种便携式实船机械噪声快速测试评估装置及评估方法
CN213121724U (zh) 一种基于物联网的瓷支柱绝缘子振动声学在线监测系统
CN114089136A (zh) 基于人工智能的高压电缆局放检测与缺陷诊断系统
Tavakoli et al. Diagnosis of transformers based on vibration data
CN113654646A (zh) 一种gil内部机械缺陷的定位与诊断方法、装置及系统
RU2814857C1 (ru) Система мониторинга и диагностирования состояния турбогенератора
CN102087328B (zh) 绕线制品检测机台及其层间短路的检测方法
WO2021100967A1 (ko) 초음파 대역의 음향 신호를 이용한 설비 고장 예측 시스템 및 그 방법
CN110374858B (zh) 一种海洋平台水泵载荷识别方法
Peng et al. A new method for stator slot wedge testing of large generators
CN111487463B (zh) 一种间谐波检测系统及方法
CN110412366A (zh) 一种基于动态时间算法的变压器带电检测方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21789524

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21789524

Country of ref document: EP

Kind code of ref document: A1