개선된 DET 기반 효과적인 결함 특징을 이용한 고 신뢰성 저속 구름 베어

Abstract

본 논문에서는 저속으로 동작하는 구름 베어링의 다중 결함 조기 검출을 위해 결함 특징 추출, 효과적인 특징 선택, 선택된 특징을 이용한 결함 분류의 세 단계로 구성된 결함 진단 기법을 제안한다. 1단계에서 이산 웨이블릿 변환을 이용하여 미세성분으로부터 통계적 결함 특징을 추출하고, 개선된 DET(distance evaluation technique)를 이용하여 추출한 결함 특징 가운데 베어링 다중 결함 검출에 효과적인 특징을 선택한다. 마지막으로 선택된 특징을 인공 신경망 회로의 일종인 SFAM(simplified fuzzy artmap)의 입력으로 사용함으로써 결함을 진단한다. 본 논문에서는 제안한 결함 진단 기법의 성능을 분류 정확도 측면에서 평가하며 종래의 DET를 이용한 특징을 선택한 결과와 그 성능을 비교함으로써 제안한 기법의 성능 우위를 검증한다. 실험 결과 개선한 DET에 의해 선택된 결함 특징을 이용할 경우 분류 정확도가 97.36%로 종래의 DET에 의해 선택된 특징을 사용한 분류 정확도(62.08% ~ 95.13%)보다 높은 것을 확인할 수 있었다.