딥러닝 기반 영구자석 동기모터 건전성 진단

Deep Learning-Based Health Diagnosis for Permanent Magnet Synchronous Motors

연구 내용

영구자석 동기모터 전류 데이터를 활용해 변동 운전 조건에서도 고장을 조기에 판별하는 딥러닝 기반 건전성 진단 연구

영구자석 동기모터의 고장 진단을 위해 전류 신호 기반 건전성 정보를 구성합니다. 변동 운전 조건에서 발생하는 동특성 변화를 고려하여 전류의 잔차(residual) 정보를 영상 형태로 변환하고, 합성곱 신경망(CNN)을 통해 고장 패턴을 학습합니다. 이를 통해 동일 고장이라도 운전 상태에 따라 달라지는 신호 특성을 반영한 판별 성능을 확보하는 방향을 지향합니다. 또한 신뢰성 공학 관점에서 진단 결과의 실용 적용 가능성을 함께 고려합니다.

관련 프로젝트

0건

연구 흐름

초기 단계에서는 영구자석 동기모터 전류 데이터에서 고장 관련 정보를 추출하기 위한 잔차 기반 특징 구성 방식을 정립했습니다. 이후 잔차를 전류 기반 ‘건강 이미지’로 표현하는 전처리 구조를 구축하고, 합성곱 신경망으로 고장 분류 성능을 최적화하는 연구를 수행했습니다. 마지막으로 변동 운전 조건에서 진단 결과가 흔들리지 않도록 입력 표현과 학습 전략을 조정하며, 실제 운전 환경을 고려한 진단 프레임을 고도화했습니다.

활용 가능성

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

전동기 상태 모니터링
모터 유지보수 예측
실시간 고장 진단 및 경보
구동제어 신뢰성 향상
변동 운전 조건 진단 표준화
공정 설비 다운타임 저감
전류 기반 비파괴 진단
운전 데이터 이상탐지
고장 원인 분류 체계
전동기 진단 데이터 자동화