에너지기반 웨이블릿을 활용한 열차 바퀴의 상태 모니터링

Abstract

Condition-based maintenance is a maintenance method that recommends maintenance decisions based on the degradation information collected through health monitoring. Because these monitoring sensor signal carries a large amount of information about process conditions, It is highly desirable to develop a process monitoring and prognosis methodology that can utilize this information. In this study, through the vibration sensor, health status of train wheel is monitored. The analysis of three main steps: feature extraction, estimating the hurst exponent and maintenance decision-making via energy-based wavelet. First, because hidden feature could not be found in raw signal of train for damaged wheels, feature extraction step is required. wheel vibration signal is applying to feature extraction using wavelet transformation. Second, false sign of wheel axle can be detected using wavelet Hurst exponent. last, maintenance decision was used for the wavelet energy level.|상태기반관리(CBM: condition-based maintenance)는 모니터링을 통해 수집된 제품의 열화의 정도를 통해서 의사결정 하는 보전방법이다. 센서로부터 들어오는 신호에는 공정의 상태에 관한 많은 정보를 갖고 있기 때문에, 공정모니터링과 고장 예측방법의 개발에 매우 유용한 정보로 활용할 수 있다. 본 연구에서는, 진동센서를 통해서 수집된 열차바퀴의 상태를 모니터링 하였다. 수집된 모니터링의 결과에 대한 분석방법은 크게 세 가지 절차: 특징 추출(Feature extraction), 허스트지수(Hurst exponent)의 추정 그리고 에너지기반의 웨이블릿(Energy-based Wavelet)을 통한 의사결정이다. 첫째, 바퀴의 손상에 대해서 원 신호에서는 이상 징후를 찾을 수 없기 때문에, 특징추출을 하였다. 특징추출의 방법은 바퀴의 진동신호에 웨이블릿 변환을 적용하였다. 둘째, 바퀴 축의 이상 징후를 감지할 수 있는 웨이블릿 허스트지수를 활용하였다. 마지막으로 웨이블릿 에너지 준위를 통해서 보전방법을 결정하였다.; Condition-based maintenance is a maintenance method that recommends maintenance decisions based on the degradation information collected through health monitoring. Because these monitoring sensor signal carries a large amount of information about process conditions, It is highly desirable to develop a process monitoring and prognosis methodology that can utilize this information. In this study, through the vibration sensor, health status of train wheel is monitored. The analysis of three main steps: feature extraction, estimating the hurst exponent and maintenance decision-making via energy-based wavelet. First, because hidden feature could not be found in raw signal of train for damaged wheels, feature extraction step is required. wheel vibration signal is applying to feature extraction using wavelet transformation. Second, false sign of wheel axle can be detected using wavelet Hurst exponent. last, maintenance decision was used for the wavelet energy level.