지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2019.3
- 수록면
- 22 - 30 (9page)
- DOI
- 10.33162/JAR.2019.03.19.1.22
이용수
초록· 키워드
오류제보하기
Purpose: Condition-based maintenance (CBM) is widely used to decrease the risk of equipment failures. A signal data indicating the health status of equipments is continuously measured in CBM. This article proposes a fault detection and diagnosis approach for smart factory equipments based on the signal processing and feature extraction techniques using a support vector machine (SVM).
Methods: We propose a discrete wavelet transform (DWT) as one of signal processing methods. After processing the signal data, we derive the representative energy spectrum through various measures such as mean, median, variance, and interquartile range (IQR). Finally, the SVM is used to classify two classes based on Gaussian radial basis function (RBF) kernel.
Results: we applied the proposed method to signal data collected from the equipment. We compared the classification accuracy of the SVM. At window length of 2⁹(J=9), the wavelet spectrum through the variance measure provides the best classification accuracy for the signal data of the equipment.
Conclusion: In this article, fault detection and diagnosis methods for smart factory equipments are proposed.
Methods: We propose a discrete wavelet transform (DWT) as one of signal processing methods. After processing the signal data, we derive the representative energy spectrum through various measures such as mean, median, variance, and interquartile range (IQR). Finally, the SVM is used to classify two classes based on Gaussian radial basis function (RBF) kernel.
Results: we applied the proposed method to signal data collected from the equipment. We compared the classification accuracy of the SVM. At window length of 2⁹(J=9), the wavelet spectrum through the variance measure provides the best classification accuracy for the signal data of the equipment.
Conclusion: In this article, fault detection and diagnosis methods for smart factory equipments are proposed.
목차
1. 서론
2. 신호 데이터의 전처리 및 특징추출
3. 서포트벡터머신을 이용한 이상감지 및 진단
4. 사례연구
5. 결론 및 향후연구
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
A Study on the Development of Smart Factory Equipment Engineering System and Effects
Journal of the Korean Society for Precision Engineering
2019 .02
-
Automatic Machine Fault Detection based on Vibration Signal
한국통신학회 학술대회논문집
2021 .02
-
A Condition-Based Maintenance Method Through Control Charts Based on the Wavelet Energy Spectrum of Generators in Thermal Power Plants
신뢰성응용연구
2022 .12
-
Fault Diagnosis Management Model using Machine Learning
Journal of information and communication convergence engineering
2019 .06
-
관주형 철탑 상태 감시를 위한 음향 방출 신호처리에 따른 특징 분석
한국소음진동공학회논문집
2021 .04
-
통계적 기계학습법을 적용한 플랜트 공정 장비의 시계열 데이터 분석 및 고장 상태 진단
한국CDE학회 논문집
2018 .09
-
초음파 용접 공정 불량신호 진단 시스템 개발
대한전자공학회 학술대회
2017 .06
-
배전급(22.9㎸) 전력기자재의 성능·환경·내구성 시험평가 인프라 구축
대한전기학회 학술대회 논문집
2020 .10
-
주파수 및 진폭의 분산 변화 패턴을 고려한 시스템 상태신호 특성 정의
한국CDE학회 학술발표회 논문집
2016 .01
-
Fault Diagnosis Method based on Feature Residual Values for Industrial Rotor Machines
KEPCO Journal on electric power and energy
2018 .01
-
Fault Diagnosis of Wind Power Converters Based on Compressed Sensing Theory and Weight Constrained AdaBoost-SVM
JOURNAL OF POWER ELECTRONICS
2019 .03
-
Support Vector Machine Based Bearing Fault Diagnosis for Induction Motors Using Vibration Signals
Journal of Electrical Engineering & Technology
2015 .07
-
이산 웨이블릿 변환 기반의 신호 처리 방법 연구
한국통신학회 학술대회논문집
2019 .06
-
소음신호의 웨이블렛 변환을 이용한 불량검출 시스템의 개발
한국정밀공학회 학술발표대회 논문집
2015 .12
-
Machine Fault Detection using Vibration Signal in Smart Factory
한국통신학회 학술대회논문집
2020 .08
-
Radar signal processing for small target detection
Proceedings of KIIT Conference
2022 .06
-
심전도 기반의 심장 질환 분류를 위한 신호 특징 추출 시스템 개발
멀티미디어학회논문지
2023 .01
-
딥 러닝에 의한 전동기 기계적 고장 수준 결정을 위한 전동기 진동/전류 데이터 특성 분석 연구
전기학회논문지
2021 .10
-
스마트 설비관리시스템 구축 및 효과분석
반도체디스플레이기술학회지
2017 .01
-
Application of a Statistical-based Feature Extraction Method for Harbor Crane Bearings in Fault Diagnosis
제어로봇시스템학회 국제학술대회 논문집
2023 .10
이 논문의 저자 정보
이 논문과 함께 이용한 논문
Solid State Drive(SSD)에 대한 가속열화시험 데이터 모델링 및 분석
문병민
,
최영진
,
지유민
외 5명
신뢰성응용연구
2018
.03
건전성 지표 기반의 베어링 이상 사전 예측 모형에 관한 연구
이상우
,
송지은
,
배석주
대한산업공학회 춘계공동학술대회 논문집
2019
.04
가속파괴열화시험을 통한 연료접촉 고무오링의 수명예측
정근우
,
강샛별
,
문병민
외 1명
신뢰성응용연구
2019
.09
SSD 저장 매체의 충격에 의한 고장 메커니즘 추정 및 모델링
채선규
,
문병민
,
유재성
외 4명
한국신뢰성학회 학술대회논문집
2019
.05
온라인 쇼핑몰 고객의 구매 유형 군집화 및 구매력 평가모형
김효석
,
채선규
,
유재성
외 1명
대한산업공학회 춘계공동학술대회 논문집
2019
.04
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2019-323-000567958