기계학습을 이용한 구름 베어링의 결함 검출 기법에 관한 연구 :A study on the fault detection of rolling bearing by using machine learning algorithm

김가은

추천

검색

자료유형: 학위논문

저자정보: 김가은 (동아대학교, 동아대학교 대학원)

지도교수: 한승호

발행연도: 2021

저작권: 동아대학교 논문은 저작권에 의해 보호받습니다.

이용수10

초록· 키워드

구름 베어링은 회전 기계에서 회전축을 지탱하는 주요 구성요소 중 하나로 열악한 사용 환경에서 잦은 고장과 파손이 발생하며 회전 기계 전체의 가동 중단으로 이어져 막대한 금전적 손실을 초래하기 때문에 이의 상태를 진단하는 상태 모니터링 시스템은 필수적인 부분이 되었다. 그러나 다양한 기능을 담당하는 복잡한 기계요소들의 상호 간섭으로 상태 모니터링 프로세스가 복잡해지고, 상태 모니터링에 요구되는 시간이 오래 걸려 결과적으로 높은 비용이 초래되고 있는 실정이다. 따라서, 기계학습(Machine Learning)을 기반으로 기계 및 장비에 대한 결함을 분류하는 상태 모니터링을 통한 상태 기반 정비의 적용을 위한 연구가 요구된다. 본 연구에서는 베어링의 결함 분류를 위해 가속도 데이터의 시간 영역 통계적 특징 5가지를 추출하였다. 또한, 상태 모니터링에 적용되는 대표적인 기계학습 알고리즘인 Artificial Neural Network(ANN), Support Vector Machine(SVM), Logistic Regression을 적용하여 결함 패턴을 학습시켰다. 기계학습은 SAS사의 JMP Pro ver. 15.2를 통해 수행되었으며, 학습 결과 각각 93%, 92% 및 97%의 높은 정확도를 보였다. 세 가지 기계학습 알고리즘 결과를 바탕으로 장단점을 비교하였을 때, 복잡하고 비선형적인 범주형 데이터를 분류할 때 인공신경망을 사용하는 것이 가장 적절하다는 것을 제안하였다.

#결합검출 #기계학습 #구름베어링 #시간영역통계적특징

Ⅰ. 서론 1
1. 연구 배경 1
2. 연구 동향 2
3. 연구 목적 4
Ⅱ. 실험 데이터 수집 및 분석 6
1. 연구 대상체 선정 6
2. 실험 데이터 수집 10
3. 특징 선정 13
Ⅲ. 기계학습을 활용한 결함 검출 기법 15
1. 로지스틱 회귀(Logistic Regression) 16
1-1. 이론적 배경 16
1-2. 특징 선정(Feature Selection) 19
2. 서포트 벡터 머신(Support Vector Machine) 21
2-1. 이론적 배경 21
2-2. Kernel Function 24
3. 인공신경망(Artificial Neural Network) 31
3-1. 이론적 배경 31
4. 기계학습 알고리즘의 비교 34
Ⅳ. 결함 검출 기법 구현 35
1. 결함 검출 기법 구현 35
1-1. 로지스틱 회귀(Logistic Regression) 37
1-2. 서포트 벡터 머신(Support Vector Machine) 41
1-3. 인공신경망(Artificial Neural Network) 43
2. 결함 검출 결과 비교 및 평가 45
2-1. Confusion matrix를 통한 결과 비교 45
2-2. 결함 검출 기법 평가 50
Ⅴ. 결론 51
참고문헌 52
Abstract 56

최근 본 자료

전체보기

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

목차

최근 본 자료

댓글(0)