| 초록 |
본 논문에서는 구름 베어링(roller bearing) 진동 신호의 비정상성(non-stationary) 및 실제 공정에서 대량의 대표적인 고장 샘플을 얻기 힘든 상황에 대하여, 이중 트리 복합 웨이블릿 패킷 변환(dual-tree complex wavelet packet transform) 및 서포터 벡터 머신(support vector machine, SVM)에 대한 고장 진단 방법을 제안하였다. 먼저, 이중 트리 복합 웨이블릿 패킷 변환을 이용하여 비정상 진동 신호를 다양한 주파수 대역 성분으로 분해한 후, 매개 성분의 에너지를 구하여 정규화(normalization) 하였다. 마지막으로, 각 주파수 대역 성분에서 추출한 에너지 특성 파라미터를 서포터 벡터 머신의 입력으로 구름 베어링의 고장 유형을 식별하였다. 실험 과정에서 구름 베어링의 정상 상태, 외륜(outer ring)의 균열 고장, 내륜(inner ring)의 균열 고장 및 피팅(pitting) 고장을 포함한 시뮬레이션 신호에 대한 분석 결과, 이러한 방법으로 실험에서 측정한 신호의 고장 인식률이 99.5%에 도달하였으며, 기존의 웨이블릿 패킷 변환과 서포터 벡터 머신을 결합한 방법보다 고장에 대한 인식률의 정확도가 더욱 높아졌다. |
