인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
본 연구는 산업 현장의 쇼트 블라스트 장비에서 실제 운용 조건으로 수집된 진동 데이터를 활용해 블레이드의 잔여 수명(RUL)을 예측하는 것을 목표로 한다. 연구팀은 고정밀 가속도 센서를 설치하고 약 10개월 동안 연속 데이터를 확보했으며, 신뢰도 향상을 위해 이상치 제거, 결측 보간, 가우시안 노이즈 기반 증강 등 다단계 전처리를 수행하였다. 이후 Ridge Regression, XGBoost, SVR, LSTM, GRU 등 다섯 가지 알고리즘을 동일한 학습·검증 절차로 평가하고, 모델 간 성능을 체계적으로 비교하였다. 각 알고리즘은 로그 변환 미적용/적용 두 가지 경우로 RUL 예측을 수행하였으며, 평가는 RMSE, MAE, R², Training time, RUL 오차율의 지표를 사용해 성능을 비교하였다. 실험 결과, XGBoost는 가장 낮은 예측 오차와 안정적인 일반화 성능을 보여 최적 모델로 선정되었고, Ridge Regression은 높은 오차율을 기록해 RUL 예측에는 부적합한 것으로 판단되었다. 본 연구는 수집 데이터에 노이즈가 많으며, 고장 데이터가 부족한 실제 산업 데이터 기반 접근의 타당성을 검증하고 현장 적용을 위한 근거를 제공한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094400418
