머신러닝 기법을 이용한 구름베어링 잔여수명 예단에 관한 연구

Abstract

제조장비에 많이 쓰이는 구름 베어링은 많은 쓰임새만큼이나 장비 구동의 중요한 역할을 한다. 이러한 구름 베어링에 문제가 발생할 때 단독 장비만의 중단시간(down time)이 발생하는 것이 아니라 공정 전반에 영향을 미쳐 비용 상승의 원인이 된다. 이와 같은 손실을 예방하기 위해서는 산업전반에서는 상태기반 유지관리(condition based maintenance) 실현을 위한 기술이 요구되고 있다. 본 논문에서는 상태기반 유지관리를 실현하기 위한 구름 베어링의 잔여수명평가 방법을 다룬다. 진동정보 데이터를 신호 처리를 통해 전처리하고 이를 KNN 으로 분류하여 결함을 판단한다. 이와 더불어 에너지 변화에 관계한 주파수의 엔트로피와 앞서 분류한 결함판단 모델과 Pearson correlation 으로 비교하고 관여도 높은 주파수의 누적 엔트로피를 추출한 후, 주파수 전역의 RMS 와 함께 nonlinear autoregressive neural network 으로 입력으로 학습한다. 제시한 nonlinear autoregressive neural network 모델은 series-parallel 형태로 폐쇄 루프 피드백학습이 가능하며 피드백 입력으로는 구름 베어링의 전통적인 수명 판단방법인 L10 을 사용한다.