변동 운전 조건에서의 전동기 고장 분류

Fault Classification under Variable Operating Conditions

연구 내용

운전 조건 변화에 따른 신호 변동을 반영하여 고장 분류의 견고성을 확보하는 진단 연구

전동기 고장 진단에서 가장 큰 제약은 운전 조건이 달라질 때 입력 분포가 변한다는 점입니다. 본 연구에서는 변동 운전 조건을 전제로 전류 잔차 기반 표현을 생성하고, CNN이 고장 관련 패턴을 안정적으로 학습하도록 설계합니다. 잔차 지도는 정상 운전에서의 기준 변화 성분을 상대적으로 낮추는 방향으로 구성되어 고장 신호의 특징을 부각합니다. 그 결과 고장 유형 간 분리와 함께 운전 상태 변화에도 진단 성능이 유지되도록 하는 진단 파이프라인을 지향합니다.

관련 프로젝트

0건

연구 흐름

초기에는 변동 운전 조건 하에서 전류 패턴이 어떻게 달라지는지 진단 입력으로 관찰하고, 이를 반영할 수 있는 표현 전략을 마련했습니다. 이후 잔차 지도 기반 입력을 고정하고 신경망 분류기를 구성하여 고장 유형 분리를 강화했습니다. 다음 단계에서는 운전 조건 변화가 학습에 미치는 영향을 줄이기 위해 평가 구성을 조정하며, 건강 이미지 기반의 견고성을 검증하는 흐름으로 진행했습니다. 마지막으로 조건 변화 환경에서의 적용 가능성을 중심으로 파이프라인을 정리했습니다.

활용 가능성

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

조건 불확실 진단
운전 범위 확장 대응
현장 적용형 진단 알고리즘
다중 운전 상태 학습 전략
전동기 고장 분류 자동화
전력전자-구동계 연계 진단
운전 조건별 성능 비교
진단 모델 운영 안정화
고장 조기 경보 체계
데이터 기반 유지보수 의사결정