7.5kW 회전체 수명진단 알고리즘 연구

회전체에서 수집된 진동 데이터를 통계적으로 분석하여 베어링의 이상 상태를 분류하고, 이를 서포트 벡터 머신(SVM)의 학습 데이터로 활용하여 교차 검증법을 통해 진단율을 확인함으로써 고장 발생 전 상태를 예측하는 체계적인 진단 절차를 의미한다.

연구 결과, 진동 데이터의 통계적 매개변수 분석을 통해 베어링의 이상을 분류하고 이를 서포트 벡터 머신(SVM)의 학습 데이터로 구축하였다. 이후 교차 검증법을 통해 진단율을 검증함으로써 산업 현장에 적용 가능한 수명 진단 알고리즘을 개발하였다.

학술대회자료

저널정보: Korean Society for Precision Engineering 한국정밀공학회 학술발표대회 논문집 한국정밀공학회 2017년도 춘계학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

회전체는 산업현장에서 펌프, 전동기로 필수적으로 사용하고 있다. 공정에서 회전체는 공정 운행여부를 결정짓는 요소로서 회전체에 고장이 발생하면 휴지시간이 길어진다. 그러므로 회전체의 고장이 발생전 수명진단에 대한 연구가 ... 전체 초록 보기

#Fault direction #7.5kW motor #Bearing #Statistical parameter

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드