지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2022.05
- 수록면
- 521 - 527 (7page)
- DOI
- 10.3795/KSME-A.2022.46.5.521
이용수
초록· 키워드
오류제보하기
볼 베어링은 회전 기계의 성능을 결정하는 주요 구성 요소 중 하나로 볼과 내·외륜 사이의 구름접촉으로 다양한 결함이 발생하며, 이는 회전 기계에서 발생하는 고장의 주요 원인이다. 이를 사전에 방지하기 위하여 다양한 기계학습 알고리즘을 적용한 볼 베어링의 결함 분류 모델에 대한 연구가 이루어지고 있다. 하지만 정확도가 높은 결함 분류 모델을 구축하기 위하여 충분한 데이터를 수집하는 데에는 어려움이 따른다. 본 연구에서는 데이터가 충분하지 않은 환경에서 결함 분류를 위해 합성곱 신경망(CNN: convolution neural network)이 적용된 결함 분류 모델을 제안하였으며, 정상상태 및 5가지 결함 데이터를 대상으로 분류 모델의 학습을 수행하고 결함 분류의 정확도를 평가하였다. 또한, 다층 지각(multi-layer perceptron)과 장단기 메모리(long short-term memory) 알고리즘이 적용된 기존의 결함 분류 모델과 CNN 모델의 결함 분류 정확도를 비교하였다. 이를 통해 데이터가 충분하지 않은 환경에서 볼 베어링 결함 상태를 분류하는 데 있어 CNN 모델의 적용이 적합함을 확인하였다.
목차
초록
Abstract
1. 서론
2. 베어링 결함 진동 데이터
3. 결함 분류를 위한 합성곱 신경망
4. 결함 분류 모델의 학습 및 결과
5. 결론
참고문헌(References)
참고문헌 (18)
참고문헌 신청
Kim, H. S. and Lee, S. K., 2002, “Bearing Fault Diagnostics in a Gearbox,” Proc. of the KSNVE Fall Conference, pp. 611~616.
Kim, H. J., Ha, J. M., Ahn, B. H., Park, D. H. and Choi, B. K., 2018, “Failure Classification of Gearbox Using Ultrasonic Signal Characteristics,” Trans. Korean Soc. Noise Vib. Eng., Vol. 28, No. 1, pp. 57~63.
Kim, Y. S., Lee, D. H. and Kim, D. W., 2013, “Fault Severity Diagnosis of Ball Bearing by Support Vector Machine,” Trans. Korean Soc. Mech. Eng. B, Vol. 37, No. 6, pp. 551~558.
Liu, R., Yang, B., Zio, E. and Chen, X., 2018, “Artificial Intelligence for Fault Diagnosis of Rotating Machinery: A Review,” The Journal of Mechanical Systems and Signal Processing, Vol. 108, pp. 33~47.
Jeon, H. K., Kim, J. S., Kim, B. J. and Kim, W. J., 2020, “A Study on the Fault Diagnosis of Rotating Machine by Machine Learning,” The Journal of the Acoustical Society of Korea, Vol. 39, No. 4, pp. 263~269.
Kim, H. J., Ha, J. M., Ahn, B. H., Park, D. H. and Choi, B. K., 2018, “Failure Classification of Gearbox Using Ultrasonic Signal Characteristics,” Trans. Korean Soc. Noise Vib. Eng., Vol. 28, No. 1, pp. 57~63.
Kim, Y. S., Lee, D. H. and Kim, D. W., 2013, “Fault Severity Diagnosis of Ball Bearing by Support Vector Machine,” Trans. Korean Soc. Mech. Eng. B, Vol. 37, No. 6, pp. 551~558.
Liu, R., Yang, B., Zio, E. and Chen, X., 2018, “Artificial Intelligence for Fault Diagnosis of Rotating Machinery: A Review,” The Journal of Mechanical Systems and Signal Processing, Vol. 108, pp. 33~47.
Jeon, H. K., Kim, J. S., Kim, B. J. and Kim, W. J., 2020, “A Study on the Fault Diagnosis of Rotating Machine by Machine Learning,” The Journal of the Acoustical Society of Korea, Vol. 39, No. 4, pp. 263~269.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Convolution Neural Network 를 적용한 베어링 결함 상태 분류
대한기계학회 춘추학술대회
2021 .06
-
볼 베어링 결함 분류를 위한 CNN 알고리즘의 활성화 함수
대한기계학회 춘추학술대회
2022 .06
-
1D CNN을 이용한 베어링 결함 진단
대한전자공학회 학술대회
2020 .11
-
1-D CNN 기반 회전 기기 베어링 결함 검출 알고리즘 개발
유공압건설기계학회 학술대회논문집
2023 .11
-
Data Preprocessing and Machine Learning Techniques for Detection and Classification of Bearing Faults
한국소음진동공학회 학술대회논문집
2019 .10
-
3 축 진동데이터 기반의 상태분류 기법을 이용한 볼 베어링 내륜 결함 진단 연구
한국정밀공학회 학술발표대회 논문집
2021 .05
-
엔진회전체 실시간 결함 분류/진단 알고리즘 성능 분석
한국항공우주학회 학술발표회 초록집
2022 .04
-
용접 표면결함 검출을 위한 Faster R-CNN 분류기 구조 설계
Proceedings of KIIT Conference
2018 .11
-
제한된 특징선택 최적화를 통한 발전설비 결함분류 적용 연구
한국소음진동공학회 학술대회논문집
2017 .10
-
베어링 결함 모드 분류하는 과적합에 강건한 합성곱 신경망 네트워크
대한기계학회 논문집 A권
2024 .11
-
회전체 볼 베어링 결함 진단을 위한 CNN 모델 설계와 Grad-Cam을 이용한 진단결과 해석 연구
대한기계학회 춘추학술대회
2022 .05
-
Transfer Learning for Enhancing Bearing Fault Detection Performance under Time-varying Speed Conditions
한국소음진동공학회 학술대회논문집
2019 .10
-
진동을 이용한 딥러닝 기반 구동장치 감속기 결함 분류 시스템
한국컴퓨터정보학회 학술발표논문집
2019 .07
-
레일표면결함 자동 검출을 위한 결함 유형 분류
한국철도학회 학술발표대회논문집
2023 .11
-
베어링 결함 진단 및 분류를 위한 데이터 전처리와 머신러닝
대한기계학회 춘추학술대회
2019 .11
-
결함 영상 데이터의 분류 성능 비교
대한전자공학회 학술대회
2022 .06
-
해석 가능한 컨벌루션 신경망을 사용한 계층적 패턴 표면의 결함 검사
한국소성가공학회 학술대회 논문집
2021 .05
-
결함 분류를 위한 CNN 분석
한국컴퓨터정보학회 학술발표논문집
2021 .07
-
결함 심각도에 기반한 소프트웨어 품질 예측
한국컴퓨터정보학회논문지
2015 .05
-
합성곱 신경망 알고리즘을 활용한 베어링 다중 고장 진단 모델 개발
한국정밀공학회 학술발표대회 논문집
2021 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
합성곱신경망을 활용한 과구동기 시스템을 가지는 소형 무인선의 추진기 고장 감지
백승대
,
우주현
대한조선학회 논문집
2022
.04
소형 IoT 디비이스를 고려한 딥 러닝 전동기 고장진단 시스템
최동진
,
한지훈
,
박상욱
외 1명
제어로봇시스템학회 논문지
2020
.11
기계학습 알고리즘을 활용한 베어링의 고장 예측 알고리즘 개발에 관한 연구
이준혁
,
유승열
,
신성철
외 3명
Journal of Advanced Marine Engineering and Technology (JAMET)
2019
.07
LPC와 DNN을 결합한 유도전동기 고장진단
류진원
,
박민수
,
김남규
외 2명
멀티미디어학회논문지
2017
.11
Methods for Fault Diagnosis in Mechanical Systems based on Deep Learning in the Absence or Class Imbalance of Fault Data
전용재
,
최영운
,
이상원
Journal of the Korean Society for Precision Engineering
2023
.05
최근 본 자료
댓글(0)
0