메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
한지훈 (Hoseo University) 박상욱 (Hoseo University) 홍선기 (Hoseo University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제70권 제10호
발행연도
2021.10
수록면
1,509 - 1,516 (8page)
DOI
10.5370/KIEE.2021.70.10.1509

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (11)

2022

전동기 고장 진단용 진동 데이터 구축을 위한 유한 요소 해석
한지훈 ,  최의진 ,  남현석 외 2명 대한전기학회 학술대회 논문집 2022.07 학술대회자료
XAI 알고리즘을 통한 전동기 고장 진단에서의 연속 웨이블릿 변환 데이터 성능 평가
한지훈 ,  박상욱 ,  홍선기 전기학회논문지 2022.01 학술저널

2021

딥 러닝에 의한 전동기 기계적 고장 수준 결정을 위한 전동기 진동/전류 데이터 특성 분석 연구
한지훈 ,  박상욱 ,  홍선기 전기학회논문지 2021.10 학술저널
전동기 고장 시뮬레이션을 통한 고전적 고장 진단과 딥 러닝 알고리즘 기반의 고장 진단 비교
한지훈 ,  박상욱 ,  김진용 외 2명 대한전기학회 학술대회 논문집 2021.07 학술대회자료
이상치 데이터를 고려한 CNN기반의 딥 러닝 알고리즘을 이용한 전동기 고장 진단 및 예측 시스템
한지훈 정보제어공학과 2021.01 학위논문

2020

이상치 데이터를 고려한 DT-CNN 기반의 전동기 고장 예측
한지훈 ,  최동진 ,  박상욱 외 1명 제어로봇시스템학회 논문지 2020.11 학술저널
딥 러닝에 의한 전동기 고장진단에서의 LRP 알고리즘을 이용한 진단 데이터 분석
한지훈 ,  최동진 ,  박상욱 외 1명 대한전기학회 학술대회 논문집 2020.10 학술대회자료
전동기 고장 예측을 위한 딥 러닝 알고리즘을 이용한 장기간 데이터 사용 전략
한지훈 ,  최동진 ,  박상욱 외 2명 대한전기학회 학술대회 논문집 2020.07 학술대회자료

2019

딥 러닝을 이용한 전동기 고장 진단에서의 훈련 데이터 특성 차이가 미치는 영향
한지훈 ,  최동진 ,  박상욱 외 3명 대한전기학회 학술대회 논문집 2019.07 학술대회자료
유도 전동기의 속도 및 부하 조건을 고려한 딥러닝 고장 진단 알고리즘 개발에 관한 연구
한지훈 ,  최동진 ,  홍선기 전기학회논문지 2019.03 학술저널

2018

데이터 특성에 따른 전동기 고장 진단 딥 러닝 알고리즘의 성능 평가
한지훈 ,  김형섭 ,  최동진 외 1명 대한전기학회 학술대회 논문집 2018.10 학술대회자료

초록· 키워드

오류제보하기
In the classic motor fault diagnosis system, a method of analyzing the differences between the normal and collected state signals of the motor to be diagnosed was used and the method can diagnose only the limited situations because the diagnosis is based on the frequency of the mechanical failure. In order to compensate for this, some studies on a system that performs more specialized fault diagnosis through deep learning algorithms were carried out. However, the level of failure cannot be determined because these studies consider only the signals that have a great influence on motor operation. To solve this problem, the characteristics of vibration and current signals are analyzed to develop a deep learning algorithm suitable for fault level determination. The characterized signals are used for fault diagnosis and prediction. Fault diagnosis based on vibration signal is carried out through DT-CNN (Decision Tree Convolutional Neural Network). In addition, it is checked whether the current signal in the initial failure state, which is relatively insensitive to failure, can be classified through a deep learning algorithm. The proposed data utilization performance was evaluated through an induction motor and the analyzed signal-based fault diagnosis system is expected to enable a more precise diagnosis compared to the existing system.
#Deep learning #Motor fault diagnosis #DT-CNN #Vibration signal #Current signal #Fault level determination

목차

Abstract
1. 서론
2. 고장 수준 결정을 위한 진동/전류 데이터 특성 분석
3. 딥 러닝 기반의 고장 수준 결정
4. 실험 및 결과
5. Conclusion
References

참고문헌 (13)

참고문헌 신청
1949 / Procedures for Performing a Failure Mode, Effects and Criticality Analysis / U.S. Department of Defense. MIL-P-1629 google schola W. Sun / 2017 / Convolutional discriminative feature learning for induction motor fault diagnosis / IEEE Trans. Ind. Informat 13(3):1350~1359 google schola K. Kim / 2002 / Induction motor fault diagnosis based on neuropredictors and wavelet signal processing / IEEE/ASME Trans. Mechatronics 7(2):201~219 google schola N. Mehala / 2007 / Motor current signature analysis and its applications in induction motor fault diagnosis / Int. J. Syst. Appl., Eng. Develop 2(1):29~35 google schola N. Feki / 2013 / Gear and motor fault modeling and detection based on motor current analysis / Elect. Power Syst. Res 95:28~37 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

P2G 기술 연계형 풍력발전 기반 독립형 마이크로그리드 최적 운영 방안
손영건 ,  황성욱 ,  이학주 외 2명 전기학회논문지 2021 .11
가변운행조건 하 영구자석 동기전동기의 딥러닝 기반 고장진단을 위한 전류 신호 전처리 기법
김형민 ,  박찬희 ,  서채현 외 1명 대한기계학회 춘추학술대회 2020 .12
1차원 합성곱 신경망과 적대적 생성 신경망을 활용한 실시간 이상 감지
송승환 ,  백준걸 대한산업공학회 추계학술대회 논문집 2020 .11
A Study on Fault Classification of Machining Center using Acceleration Data Based on 1D CNN Algorithm
Ji-Wook Kim ,  Jin-Seok Jang ,  Min-Seok Yang 외 4명 한국기계가공학회지 2019 .09
Non-Local Means 잡음 제거와 데이터 증강을 이용한 YOLO 기반 객체 특징 탐색
박건 ,  강예연 ,  김규일 외 1명 전기학회논문지 2022 .09

최근 본 자료

전체보기

댓글(0)

0