물리 지식 기반 소음강건 베어링 결함 진단 및 자기유도 신호 검사

Physics-Guided Noise-Robust Fault Diagnosis and Magnetic Flux Leakage Inspection

연구 내용

시간-주파수 다중영역 융합과 물리 지식을 결합해 소음 환경에서 회전기계 결함을 판별하고, 자기유도 누설 신호를 반지도 학습으로 검사하는 연구

회전기계와 강재 표면에서 발생하는 결함 정보를 신호 기반으로 추출해 판별하는 연구를 수행합니다. 시간-주파수 다중영역 특징을 병렬 파이프라인으로 구성하고, 어텐션 모듈로 중요 결함 특성에 집중하는 모델 구조를 적용합니다. 또한 결함 관련 주파수의 물리적 정보를 특징 추출 및 모델 파라미터 설계에 반영하여 소음 환경에서도 판별 안정성을 확보합니다. 자기유도 누설 신호의 비파괴 검사에서는 라벨 부족 상황을 고려해 반지도 학습을 활용해 이상 패턴을 학습하는 방향으로 확장합니다.

관련 프로젝트

0건

연구 흐름

초기에는 소음이 포함된 진동 신호에서 결함 관련 특징을 안정적으로 추출하기 위해 시간-주파수 표현을 기반으로 하는 다중영역 융합 구조를 구성했습니다. 이후 베어링 결함의 경우 결함 주파수에 대한 물리 지식을 모델 설계에 연결하고, 어텐션을 통해 다중영역 특징맵에서 유효한 패턴을 선택적으로 강조하도록 발전시켰습니다. 동시에 강재 표면 검사에서는 자기유도 누설 신호를 대상으로 라벨 가용성이 제한된 조건을 반영한 반지도 학습 프레임을 적용하는 연구 흐름을 이어가고 있습니다. 최근에는 산업 현장 적용을 목표로 데이터 조건에 강건한 진단·검사 파이프라인을 지향합니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

소음 환경 결함 진단 모델
비파괴 검사 자동 판별 시스템
자기유도 신호 기반 강재 품질검사
라벨 제한 반지도 학습 진단
시간-주파수 융합 특징 추출기
어텐션 기반 이상 패턴 강조 모듈
회전기계 건전성 모니터링
산업용 이상검지 소프트웨어
진단 파라미터의 물리 연동 설계
현장 친화적 실시간 추론 파이프라인