신경망 기반 공작기계 고장 진단

Neural Network-Based Machine Tool Fault Diagnosis

연구 내용

공작기계 동작데이터를 PIP로 단순화하고 신경망으로 설비 이상을 판별하여 진단 정확도와 신뢰도를 높이는 연구

공작기계의 운용 과정에서 발생하는 진동, 위치, 동작 상태 등의 데이터를 분석하여 설비 고장을 조기에 판별하는 기술을 다룹니다. 원시 동작데이터를 Perceptually Important Points(PIP) 방법으로 단순화하여 주요 변화점과 시간적 패턴을 추출하고, 위치 조정 과정을 거쳐 신경망 입력에 적합한 형태로 변환합니다. 이후 학습된 Neural Network를 이용해 정상 및 고장 상태를 분류하며, 복잡한 시계열 데이터를 축약하면서도 진단에 필요한 특징을 보존하는 방법론을 적용합니다. 이는 공작기계의 유지보수 시점을 판단하고 비가동 시간을 줄이기 위한 상태기반 진단 기술로 활용될 수 있습니다.

관련 프로젝트

0건

연구 흐름

1990년대에는 전기및전자공학 기반의 제어·자동화와 C 언어, 디지털 회로 설계, VHDL 및 VxWorks BSP 포팅 등 임베디드 시스템의 기초 기술을 다루는 기반을 마련했습니다. 이후 제어 대상의 동작정보를 수집하고 분석하는 방향으로 연구가 확장되었으며, 2020년에는 PIP 기반 데이터 축약과 신경망을 결합한 공작기계 고장 진단 장치를 구현했습니다. 최근에는 설비 데이터의 특징 추출과 지능형 판별을 결합하는 산업 자동화 응용으로 연구가 구체화되었습니다.

활용 가능성

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

예지보전 시스템
공작기계 상태 모니터링
산업용 센서 데이터 분석
설비 이상 조기경보
스마트 제조 품질관리
시계열 데이터 특징 추출
산업용 Neural Network 진단
생산라인 비가동 예측
CNC 장비 유지보수
디지털 제조 운영 최적화