A Development on the Fault Prognosis of Bearing with Empirical Mode Decomposition and Artificial Neural Network

Q: 이 논문에서 정의한 경험적 모드 분해법이란 무엇인가?

비선형 및 비정상 시계열 데이터를 분석하기 위해 NASA에서 개발된 힐버트 변환 응용 기법이다. 이는 시간과 진폭의 신호를 주파수를 기준으로 분리하여 분석하는 데 사용되며, 이를 통해 데이터에서 내재모드함수를 추출하는 역할을 수행한다.

Q: 베어링 손상 진단을 위해 제안된 알고리즘의 핵심 과정과 성능은 어떠한가?

연구 결과, 통계적 파라미터로 이상 발생 축을 선정하고 경험적 모드 분해법으로 추출한 내재모드함수를 인공신경망에 학습시켰다. 이를 통해 정상 및 이상 상태를 분류한 결과 99.9%의 높은 분류율을 달성하며 진단 성능을 입증하였다.

박병희; 이창우

학술저널

저자정보: 박병희 (창원대학교) 이창우 (창원대학교)

저널정보: Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Vol.33 No.12

오류 신고하기

피인용 1

검색

초록·키워드

Bearings have various uses in industrial equipment. The lifetime of bearings is often lesser than anticipated at the time of purchase, due to environmental wear, processing, and machining errors. Bearing conditions are important, since defects and damage can lead to significant issues in production processes. In this study, we developed a method to diagnose faults in the bearing conditions. The faults were determined using kurtosis, average, and standard deviation. An intrinsic mode function for the data from the selected axis was extracted using empirical mode decomposition. The intrinsic mode function was obtained based on the frequency, and the learning data of ANN (Artificial Neural Network) was concluded, following which the normal and fault conditions of the bearing were classified.

#Fault direction(이상 방향) #Artificial neural network(인공 신경 회로망) #Bearing(베어링) #Empirical mode decomposition(경험적 모드 분해법)

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2017-555-001919167

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

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

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료

댓글(0)