회전 베어링은 현대 산업에서 중요한 역할을 하지만, 고속·고하중 및 열악한 운전 환경에서 작동하기 때문에 결함 발생 가능성이 높다. 따라서 결함이 진단되는 베어링에서 지연 시간이 발생할 경우 경제적 손실과 인명 손실로 이어질 수 있다. 또한 신호를 수집하는 진동 센서는 운전 환경과 주변 소음의 영향을 크게 받기 때문에, 소음이 있는 환경에서의 정확한 결함 진단 역시 중요하다. 본 논문에서는 소음 환경에서도 정확하며 실시간 고장 진단이 가능한 경량 및 강건성 네트워크(LSR-Net)를 제안한다. 이를 위해 먼저, 소음 제거 모듈(DM) 블록으로 구성된 컨볼루션 기반 소음 제거(CD) 블록을 통과한 feature-map에 여러 비선형성을 부여하여 3채널 2D 행렬을 생성하기 위한 소음 제거 및 특성 향상 모듈(DFEM)을 설계하였다. 더 나아가 소음의 파워가 강할 때 소음 제거 능력을 향상시키기 위해 DM에 적응형 프루닝을 적용하였다. 둘째, 경량 모델 설계를 위해 그룹 컨볼루션(GConv), 그룹 포인트와이즈 컨볼루션(GPConv) 및 채널 분할을 사용한 컨볼루션 기반 효율 셔플(CES) 블록을 설계하여 낮은 파라미터로도 모델을 설계할 수 있도록 하였다. 또한 경량 설계로 인해 발생할 수 있는 정확도와 모델 연산 복잡도의 상충 관계는 어텐션 메커니즘과 채널 셔플을 통해 보완하였다. 제안된 모델의 결함 진단 성능을 검증하기 위해 진동 신호를 사용하여 소음 환경에서 성능 검증을 수행하였다. 그 결과, 제안된 모델은 벤치마크 모델들에 비해 최적의 방소음 능력을 보였으며, 모델의 연산 복잡도 또한 가장 낮은 것으로 확인되었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.