선박은 해상 운송, 관광, 탐사 등 현대 사회에서 핵심적인 역할을 수행한다. 선박 운항의 핵심 구성요소인 주기관에서의 오작동 또는 결함은 정상 기능을 방해하여 상당한 재정적 손실로 이어질 수 있다. 따라서 비정상적인 엔진 상태에 대한 조기 고장 진단은 효과적인 유지보수에 있어 매우 중요하다. 본 논문에서는 배기가스 온도 데이터를 활용한 선박 주기관 고장 진단을 위한 딥 하이브리드 모델을 제안한다. 제안 모델은 시간영역 특징(TDFs)과 시계열 원시 데이터의 두 가지 유형의 데이터를 모두 사용한다. 각 유형의 데이터로부터 효율적으로 특징을 추출하기 위해, 서로 다른 두 개의 특징 추출 네트워크와 어텐션 모듈 기반 분류기를 설계하였다. 모델 성능은 대형 선박의 저속 2행정 주기관에서 수집한 실제 실린더 배기가스 온도 데이터를 사용하여 평가하였다. 실험 결과, 제안 방법은 고장 진단 정확도에서 기존 방법보다 우수한 성능을 보였다. 또한 제안 방법은 최선의 기존 방법과 비교하여 고장 진단 정확도를 6.146% 향상시켰다. 더 나아가 제안 방법은 현실적인 산업 환경에서 소음이 있는 상황에서도 우수한 성능을 유지한다. 본 연구는 단일 센서 신호인 배기가스 온도를 이용한 데이터 기반 고장 탐지의 가능성을 보여주며, 향후 다중 센서 진단 시스템을 위한 확장 가능한 기반을 제공한다.

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