본 연구는 앙상블 경험적 모드 분해(ensemble empirical mode decomposition, EEMD) 기반 특징 추출에 입자군 최적화(particle swarm optimization, PSO), 주성분 분석(principal component analysis, PCA), 그리고 Isomap을 결합하여 베어링 시스템의 고장 검출 및 진단 방법을 제안한다. 먼저, 내륜, 외륜, 구름 요소와 같은 손상된 베어링 구성요소로부터 진동 신호를 생성하기 위한 수학적 모델을 가정한다. 진동 신호를 고유모드함수(intrinsic mode functions, IMFs)로 분해하고 통계적 특징을 추출하는 과정은 손상에 민감한 매개변수 벡터를 개발하기 위해 소개된다. 마지막으로, PCA와 Isomap 알고리즘을 사용하여 이 매개변수 벡터를 분류하고 시각화함으로써 손상 특성을 건전한 베어링 구성요소로부터 분리한다. 또한 PSO 기반 최적화 알고리즘은 매개변수 벡터에 대한 적절한 가중치를 선택하여 분류 성능을 향상시키며, 이를 통해 3차원 공간에서 매개변수 벡터의 분리 및 군집화에 대한 시각화 효과를 최대화한다.

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