KR101275702B1 - Method and apparatus for fault diagnosis and fault detection of gearbox using vibration signal - Google Patents
Method and apparatus for fault diagnosis and fault detection of gearbox using vibration signal Download PDFInfo
- Publication number
- KR101275702B1 KR101275702B1 KR1020120015444A KR20120015444A KR101275702B1 KR 101275702 B1 KR101275702 B1 KR 101275702B1 KR 1020120015444 A KR1020120015444 A KR 1020120015444A KR 20120015444 A KR20120015444 A KR 20120015444A KR 101275702 B1 KR101275702 B1 KR 101275702B1
- Authority
- KR
- South Korea
- Prior art keywords
- vibration signal
- diagnosis
- gear box
- gearbox
- defect
- Prior art date
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 title claims description 33
- 238000004519 manufacturing process Methods 0.000 claims abstract 3
- 230000007547 defect Effects 0.000 claims description 50
- 239000000284 extract Substances 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 abstract 1
- 238000010248 power generation Methods 0.000 description 24
- 238000004458 analytical method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011058 failure modes and effects analysis Methods 0.000 description 1
- 238000012840 feeding operation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D15/00—Transmission of mechanical power
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M1/00—Testing static or dynamic balance of machines or structures
- G01M1/14—Determining imbalance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/40—Transmission of power
- F05B2260/403—Transmission of power through the shape of the drive components
- F05B2260/4031—Transmission of power through the shape of the drive components as in toothed gearing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/80—Diagnostics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
Description
본 발명은 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법 및 그 장치에 관한 것이다.The present invention relates to a defect diagnosis and defect detection method of the gear box using the vibration signal, and an apparatus thereof.
일반적으로 대형 풍력시스템에서 기억박스와 같은 주요 장치의 진단 및 문제점 검출은 유지관리 측면에서 매우 중요한 역할을 한다. 시스템의 불안정 및 고장은 엄청난 경제적 부담을 제공하고 시스템의 수명을 단축시키는 문제점을 제공한다. 따라서 진단을 통해 문제점을 사전에 분석함으로써 안전성 확보 및 경제적 손실을 최소화할 수 있다.In general, the diagnosis and problem detection of major devices such as memory boxes in large wind systems play a very important role in maintenance. System instability and failure present tremendous economic burden and problems that shorten the life of the system. Therefore, it is possible to secure safety and minimize economic loss by analyzing problems in advance through diagnosis.
고장 검출 및 진단은 하기의 비특허문헌 1 내지 3에서와 같이 다양한 센서로부터 획득되어 입력되는 진동, 소음, 음향 등의 신호를 분석하는 고장 검출 프로세스가 수행되어 시스템 오류에 대한 매개 변수를 분석하고 결함을 검출할 수 있다. 통상적으로 특정 시스템을 위한 응용에 따라 시스템 오류에 대한 검출과 진단 공정이 간단 또는 복잡한 기법들이 적용할 수 있다.Fault detection and diagnosis is performed in a failure detection process that analyzes signals such as vibration, noise, and sound obtained from various sensors as described in the following
대형풍력발전 시스템에서 기어박스는 기어 및 베어링과 같은 주요 장치를 포함하고 있으며, 유지관리 및 보수를 통해 부품에 대한 신뢰성과 충분히 높은 효율을 제공해야 한다. 일반적인 풍력시스템에서 기어에 대한 진단 및 오류검출 방법은 다양한 방법들이 있다. 예를 들어 스펙트럼 분석, 진동 분석 및 음향 분석 등이 있다. 또한 진동신호 데이터에 신호처리 방법인 웨이블릿 기법을 적용하여 고장에 대한 분석을 수행하였다. 또한 진동에 대한 기어 고장을 감지하는 적응적 접근 방법을 사용하기도 하였으며, 신경망과 같은 분류기를 적용하여 시스템에 대한 오류 진단 및 검출을 수행하였다.In large wind power systems, gearboxes contain major devices such as gears and bearings, and must be maintained and repaired to provide reliable and high efficiency for the components. There are various methods for diagnosing and detecting errors in gears in a general wind system. Examples include spectral analysis, vibration analysis, and acoustic analysis. In addition, failure analysis was performed by applying wavelet method, which is a signal processing method, to vibration signal data. In addition, we used an adaptive approach to detect gear failures against vibrations, and used a classifier such as neural network to perform error diagnosis and detection for the system.
이처럼 풍력발전 시스템의 동력전달 장치로써 오랫동안 사용된 기어와 베어링은 중요한 기계 부품으로 인정되어 왔다. 기계의 대부분이 회전부를 갖고 있으며, 이런 회전부에 필수적인 기어 및 볼 베어링은 장시간의 동작으로 문제점이 발생한다. 또한 다른 부품들에 영향을 주어 2차 결함을 제공할 수도 있다. 기계장치의 진단은 시스템 운전상태의 예방보전 분야에서 매우 중요한 연구 분야이므로 풍력발전기 기어박스의 주요 부품에 대한 결함을 조기에 발견하여 기계 손상으로 인한 경제적인 손실과 피해를 사전에 방지하는 것이 필요하다.As such, gears and bearings that have been used for a long time as power transmission devices in wind power systems have been recognized as important mechanical parts. Most of the machines have a rotating part, and gears and ball bearings, which are essential for this rotating part, have problems with long-term operation. It can also affect other components to provide secondary defects. Since the diagnosis of machinery is a very important research field in the field of preventive maintenance of the system operation state, it is necessary to detect the defects of the main parts of the wind turbine gearbox early and prevent economic losses and damages due to the mechanical damage. .
본 발명은, 풍력발전기의 모니터링을 위해 기어의 진동신호에 기반한 오류 진단 및 분류를 수행하도록 하는 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법 및 그 장치를 제공한다.The present invention provides a method and apparatus for defect diagnosis and defect detection of a gearbox using a vibration signal for performing error diagnosis and classification based on a vibration signal of a gear for monitoring a wind turbine.
본 발명은, 풍력발전기의 결함검출을 위해 척도 불변량 특징 변환(scale invariant feature transform, SIFT) 알고리즘을 통해 특징을 분석하여 이상 유무를 검출하도록 하는 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법 및 그 장치를 제공한다.The present invention provides a method for diagnosing and detecting a defect in a gearbox using a vibration signal for analyzing a feature through a scale invariant feature transform (SIFT) algorithm for detecting a defect in a wind power generator. To provide the device.
본 발명의 일 실시예에 따른 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법은, (1) 기어박스의 결함진단 및 결함검출을 수행하는 진단부는, 기어박스에 구비된 센서에서 측정한 진동신호를 입력받는 단계와, (2) 진단부는, 기어박스로부터 입력받은 진동신호를 2D 텍스톤의 영상신호로 변환하는 단계와, (3) 진단부는, (2) 단계에서 변환된 영상신호를 토대로 SIFT 알고리즘을 사용하여 특징을 추출하는 단계와, (4) 진단부는, (3) 단계에서 추출된 특징을 토대로 텍스톤 사전을 제작하는 단계, 그리고 (5) 진단부는, (3) 단계에서 추출된 특징과 (4) 단계에서 제작한 텍스톤 사전을 참조하여, 기어박스의 오류를 검출 및 진단하는 단계를 포함할 수 있다.Defect diagnosis and defect detection method of the gear box using a vibration signal according to an embodiment of the present invention, (1) the diagnostic unit for performing the defect diagnosis and defect detection of the gear box, vibration measured by the sensor provided in the gear box Receiving a signal, (2) the diagnosis unit converts the vibration signal received from the gearbox into a video signal of the 2D texstone, and (3) the diagnosis unit based on the image signal converted in step (2). Extracting the feature using the SIFT algorithm, (4) the diagnostic unit, the texstone dictionary is produced based on the feature extracted in step (3), and (5) the diagnostic unit is extracted in step (3) It may include the step of detecting and diagnosing an error of the gearbox with reference to the features and the texstone dictionary produced in step (4).
그리고 상술한 (3) 단계는, (3-1) 스케일에 대한 공간 특징 추출하는 단계와, (3-2) 스케일에 대한 공간 특징을 토대로 스케일 공간 극단 값에 대하여 가우시안 영상의 차를 구하고, 같은 스케일에 이웃하는 지점과 비교하여 키포인트로 결정하는 단계와, (3-3) 국부 영상의 특성에 기반한 키포인트들의 회전에 대한 불변성을 가지고 있는 방향 성분의 추출하는 단계, 그리고 (3-4) 영상에서 키포인트를 결정한 후, 각 키포인트에 대해 특징을 추출하기 위해 선택된 주변의 영역으로부터 기울기에 대한 크기와 방향값을 계산하는 단계를 포함할 수 있다.In the above-described step (3), the spatial feature extraction for the (3-1) scale is performed, and the difference of the Gaussian image is obtained for the scale spatial extreme value based on the spatial feature for the (3-2) scale, Determining a keypoint compared to a point neighboring the scale, (3-3) extracting a direction component having an invariance to rotation of keypoints based on a local image characteristic, and (3-4) After determining the keypoints, calculating the magnitude and direction values for the slopes from the selected surrounding area to extract features for each keypoint.
그리고 (5) 단계는, 유클리디언 방식에 의해 쿼리 키포인트(query keypoint)와 디스크립토(descriptor) 값이 가장 가까운 패턴을 분류하여 오류를 판별하기 위한 매칭을 수행하는 것이 바람직하다.In step (5), it is preferable to classify the pattern having the closest query keypoint and descriptor value by Euclidean to perform matching to determine an error.
본 발명의 일 실시예에 따른 진동신호를 이용한 기어박스의 결함진단 및 결함검출장치는, 내부 부속품인 기어 및 볼 베어링의 진동신호를 측정하는 다수의 센서를 포함하는 기어박스, 그리고 기어박스에 구비된 센서로부터 전달되는 진동신호를 토대로 SIFT 알고리즘을 통해 진동신호의 특징을 분석하여 결함진단 및 결함검출을 수행하는 진단부를 포함할 수 있다.Defect diagnosis and defect detection device of the gear box using a vibration signal according to an embodiment of the present invention, the gearbox including a plurality of sensors for measuring the vibration signal of the gear and the ball bearing as an internal accessory, and the gearbox It may include a diagnostic unit for performing defect diagnosis and defect detection by analyzing the characteristics of the vibration signal through the SIFT algorithm based on the vibration signal transmitted from the sensor.
이상에서와 같이 본 발명의 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법 및 그 장치에 따르면, SIFT 알고리즘을 통해 진동신호의 특징을 분석하여 기어 및 볼 베어링의 이상 유무를 검출함으로써, 고유의 신호 특성을 보존할 수 있어 효율적으로 오류검출을 수행할 수 있으며, 풍력발전시스템 안전성 증대, 신뢰성 증대, 풍력발전 시스템 부품손상 등에 대하여 사전진단을 통해 시스템 관리 측면에 응용될 수 있는 효과가 있다.According to the defect diagnosis and defect detection method and apparatus of the gear box using the vibration signal of the present invention as described above, by analyzing the characteristics of the vibration signal through the SIFT algorithm to detect the abnormality of the gear and ball bearing, The signal characteristics can be preserved so that error detection can be efficiently carried out, and the system can be applied to the system management side through the preliminary diagnosis on the safety of the wind power generation system, the reliability increase, and the damage of the wind power generation system components.
또한, 풍력발전 시스템의 유지관리를 위한 해석 기술 개발, 해상 풍력발전기의 기어박스 관리 및 분석을 위한 기술 배양, 풍력발전 시스템에 다양한 센서를 장착하여 다양한 정보의 획득과 CMS 시스템에 의해 결함 및 오동작 등을 종합적으로 분석 및 제어할 수 있으며, 풍력발전기의 유지 및 보수의 효율성이 증대되는 효과가 있다.In addition, development of analysis technology for maintenance of wind power generation system, cultivation of technology for the management and analysis of gearboxes of offshore wind power generators, various sensors are installed in the wind power generation system to acquire various information and defects and malfunctions by CMS system. Can be comprehensively analyzed and controlled, and the efficiency of maintenance and repair of the wind power generator is increased.
도 1은 본 발명의 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법이 적용되는 시스템의 구성을 개략적으로 나타낸 도면,
도 2와 도 3은 본 발명의 일 실시예에 따른 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법의 동작과정을 나타낸 순서도,
도 4는 진동신호의 영상변환을 위한 직관적인 설명을 나타내는 도면,
도 5는 합성 데이터를 이용한 영상변환 결과를 나타내는 도면,
도 6은 본 발명의 방법에 의한 오류 검출 및 진단을 위한 프레임을 나타내는 도면,
도 7은 본 발명의 방법에 대한 성능 평가에 사용된 합성 진동 신호주파수를 나타낸 도면이다.1 is a view schematically showing the configuration of a system to which a defect diagnosis and defect detection method of a gearbox using a vibration signal of the present invention is applied;
2 and 3 is a flow chart showing the operation of the defect diagnosis and defect detection method of the gear box using a vibration signal according to an embodiment of the present invention,
4 is a view showing an intuitive description for image conversion of a vibration signal;
5 is a view showing a result of image conversion using synthetic data;
6 shows a frame for error detection and diagnosis by the method of the present invention;
FIG. 7 shows the synthesized vibration signal frequency used in the performance evaluation of the method of the present invention. FIG.
이하, 첨부된 도면을 참조하여 본 발명의 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법 및 그 장치를 상세하게 설명한다.Hereinafter, with reference to the accompanying drawings will be described in detail a defect diagnosis and defect detection method and apparatus of the gear box using the vibration signal of the present invention.
본 발명에서는 풍력발전기 상태 모니터링 응용을 위해 기어의 진동신호에 기반 한 오류 진단 및 분류에 대한 새로운 접근 기술을 제안한다. 정상적인 상태의 기어에 대한 진동신호의 특성은 오류가 발생하였을 때의 신호 주파수와 많은 차이를 가지고 있다. 가장 일반적인 고장 검출 기법은 진동 신호의 주파수와 크기로 고장을 검출하는 방법들이 제안되고 있다. 본 발명에서는 진동 신호를 m×m 크기의 2D 이미지로 변환하여 국부적 특징을 분석하는 방법을 제안한다. 국부 특징은 영상으로부터 SIFT 알고리즘을 사용하여 추출하고 이를 이용하여 패턴 분류 과정에서 사용하게 된다. 다음의 도 2는 본 발명의 방법에 따른 오류 검출 및 진단을 위한 처리과정을 나타내고 있다.The present invention proposes a new approach to error diagnosis and classification based on vibration signals of gears for wind turbine condition monitoring applications. The characteristics of the vibration signal for a gear in a normal state have a lot of difference from the signal frequency when an error occurs. The most common fault detection techniques are proposed to detect faults by the frequency and magnitude of the vibration signal. The present invention proposes a method of analyzing local features by converting a vibration signal into a 2D image of m × m size. Local features are extracted from the image using the SIFT algorithm and used in the pattern classification process. 2 shows a process for error detection and diagnosis according to the method of the present invention.
도 1은 본 발명의 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법이 적용되는 시스템의 구성을 개략적으로 나타낸 도면으로서, 내부 부속품인 기어 및 볼 베어링의 진동신호를 측정하는 다수의 센서(12)를 포함하는 기어박스(10)와, 기어박스(10)에 구비된 센서(12)로부터 전달되는 진동신호를 토대로 SIFT 알고리즘을 통해 진동신호의 특징을 분석하여 결함진단 및 결함검출을 수행하는 진단부(20)로 구성된다.1 is a view schematically showing a configuration of a system to which a defect diagnosis and defect detection method of a gearbox using a vibration signal of the present invention is applied, and a plurality of
도 2와 도 3은 본 발명의 일 실시예에 따른 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법의 동작과정을 나타낸 순서도이다.2 and 3 are flowcharts showing an operation process of a defect diagnosis and defect detection method of a gear box using a vibration signal according to an embodiment of the present invention.
먼저, 기어박스(10)의 결함진단 및 결함검출을 수행하는 진단부(20)는 기어박스(10)에 구비된 센서(12)에서 측정한 진동신호를 입력받는다(S10).First, the
기어박스(10)로부터 진동신호를 입력받은 진단부(20)는 진동신호를 2D 텍스톤(texton)의 영상신호로 변환한다(S20). 즉 진동신호 분석을 위해 시간공간에서 연속적으로 입력되는 1차원 신호에 대하여 회전체에 대한 주기신호 특성을 고려하여 texton 영상으로 변환을 수행하는 것이다. 진동신호의 각 샘플의 크기에 대하여 0∼255 범위의 값으로 정규화를 수행한다. 즉 그레이 스케일(gray scale) 영상의 강도범위(intensity range)를 가진다. 도 4는 진동신호의 영상변환을 위한 직관적인 설명을 나타내는 도면이다. 결과적으로 1차원 주기신호는 128×128의 2차원 texton 영상으로 변환하여 분석할 수 있다.The
도 5는 합성(synthetic) 데이터를 이용한 영상변환 결과를 나타내는 도면으로서, (a)는 150Hz의 주파수를 가지고 있는 사인파(sinewave)이며, (b)는 제안된 방법에 의해 1차원 신호를 2D 영상으로 변환한 결과이다. 따라서 2D 영상으로 변환된 데이터를 이용하여 다음 단계에서는 분류를 위해 각 범주에 대한 변환된 SIFT 특징에 의해 texton 사전을 만들 수 있다. 각 texton 사전은 범주에 대한 중요한 특징을 포함한다. Texton 사전의 제작은 영상의 숫자가 진동 신호로부터 변환되고 각각의 해당 범주에 대한 texton 사전을 만드는 데 사용된다.FIG. 5 is a diagram showing an image conversion result using synthetic data, (a) is a sine wave having a frequency of 150 Hz, and (b) is a 1D signal as a 2D image by the proposed method. The result of the conversion. Therefore, using the data converted to 2D image, in the next step, a texton dictionary can be created by the transformed SIFT feature for each category for classification. Each texton dictionary contains important features about the category. The creation of a Texton dictionary is used to convert a number of images from the vibration signal and to create a texton dictionary for each corresponding category.
S20 단계를 통해 진동신호를 영상신호로 변환한 이후, 진단부(20)는 SIFT에 기반한 특징을 추출한다(S30).After converting the vibration signal into an image signal through the step S20, the
SIFT는 영상 내 관심 있는 불변한 특징 및 부분적인 불변한 특징을 이용하여 검출 및 인식에서 폭넓게 적용하고 있다. 특히 SIFT는 특정물체에서 객체나 패턴의 특징을 매우 효율적으로 표현할 수 있는 방법이다. 객체 및 패턴의 위치, 방향, 크기의 변화에 대한 특징정보 검출을 통하여 영상을 분석할 수 있다.SIFT is widely applied in detection and recognition by using invariant and partial invariant features of interest in an image. In particular, SIFT is a very efficient way to express the characteristics of an object or pattern in a particular object. An image may be analyzed by detecting feature information about a change in the position, direction, and size of an object and a pattern.
본 발명에서 특징분석을 위한 SIFT 알고리즘을 적용하여 특징을 추출하며 영상의 크기, 조명, 평행이동 및 회전, 그리고 은폐에 강건한 특징을 가지고 있다.In the present invention, the feature is extracted by applying the SIFT algorithm for feature analysis, and it is robust to image size, illumination, translation and rotation, and concealment.
먼저 스케일에 대한 공간 특징 추출방법에 대하여 고려한다(S31). 일반적으로 스케일 공간 S(x,y,σ)는 다음과 같은 나타낼 수 있다.First, the spatial feature extraction method for the scale is considered (S31). In general, the scale space S (x, y, σ) can be expressed as follows.
여기서, ⓧ는 컨볼루션(convolution) 연산자이고, G(x,y,σ)는 가변-척도 가우시안 커널이며, I(x,,y)는 x, y 좌표에서의 픽셀의 명도값을 나타낸다.Is the convolution operator, G (x, y, σ) is a variable-scale Gaussian kernel, and I (x ,, y) represents the brightness value of the pixel at x, y coordinates.
SIFT는 스케일 공간 극단 값에 대하여 가우시안 영상의 차는 다음과 같이 나타낼 수 있다.SIFT can be expressed as the difference of the Gaussian image with respect to the scale space extreme value as follows.
k = 1,2,...,n 으로서, 다른 스케일 공간을 나타내는 데 사용된다.k = 1,2, ..., n, used to represent different scale spaces.
Z(x,y,σ)의 국부적 최대 또는 최소를 검출하기 위해 각각의 포인터는 같은 스케일에 이웃하는 8개 지점과 비교된다. 만약 어떤 픽셀이 주변의 26개 픽셀 모두와 비교하여 가장 높거나 가장 낮은 값을 가지고 있으면 키포인트(keypoint)로 결정한다(S32).Each pointer is compared with eight points neighboring the same scale to detect a local maximum or minimum of Z (x, y, σ). If a pixel has the highest or lowest value compared to all 26 pixels around it, it is determined as a keypoint (S32).
다음은 국부 영상의 특성에 기반한 키포인트들의 회전에 대한 불변성을 가지고 있는 방향 성분의 추출을 수행한다(S33). 먼저 키포인트에 대한 기울기 크기 m(x,y)와 방향 θ(x,y)는 다음과 같다.Next, an extraction of a direction component having an invariance with respect to rotation of keypoints based on the characteristics of the local image is performed (S33). First, the slope magnitude m (x, y) and the direction θ (x, y) with respect to the keypoint are as follows.
영상에서 키포인트를 결정한 후 각 키포인트에 대해 특징을 추출하기 위해 선택된 주변의 영역으로부터 기울기에 대한 크기와 방향값을 계산한다(S34). 선택된 키포인트 주변의 영역으로부터 방향에 대한 히스토그램을 키포인트 디스크립터(keypoint descriptor)라고 하며, 키포인트에 대한 특징값들이 된다. 일반적으로 디스크립터를 계산하기 위해 8×8 영역에 대해 4개의 방향 히스토그램을 사용하지만 본 발명에서는 16×16의 주변 픽셀에 대해서 방향에 대한 히스토그램을 계산하여 키포인트 디스크립터로 사용하며 128개의 특징벡터를 추출할 수 있다. 제안된 SIFT는 특징을 추출하기 위해 영상의 기울기를 계산하고 영상에 대한 영역분할이 요구되지 않는 특징을 가지고 있다.After determining the keypoints in the image, the magnitude and the direction value of the slope are calculated from the surrounding area selected to extract the feature for each keypoint (S34). The histogram of the direction from the area around the selected keypoint is called a keypoint descriptor and becomes the feature values for the keypoint. In general, four direction histograms are used for an 8 × 8 region to calculate a descriptor. However, in the present invention, a histogram for a direction is calculated for a peripheral pixel of 16 × 16 and used as a keypoint descriptor, and 128 feature vectors are extracted. Can be. The proposed SIFT has a feature that calculates the slope of an image and does not require region segmentation to extract the feature.
이처럼 S30 단계에서 특징을 추출한 이후, 진단부(20)는 추출된 특징을 토대로 텍스톤 사전을 제작한다(S40). 즉 진동신호로부터 변환된 영상에 대하여 SIFT 분석을 통해 texton 사전을 제작할 수 있다.After extracting the feature in step S30 as described above, the
이후 진단부(20)는 S30 단계에서 추출된 특징과 S40 단계에서 제작한 텍스톤 사전을 참조하여, 기어박스의 오류를 검출 및 진단한다(S50).Thereafter, the
즉 각각의 해당 범주에 대한 texton 사전을 구성하여 기어장치의 오류를 검출 및 진단할 수 있다. 따라서 색상정보의 특징을 고려하지 않고 매우 복잡한 특징을 가지고 있는 신호에 유익하게 적용할 수 있다. 진동신호의 오류를 판별하기 위한 매칭은 유클리디언 방법에 의해 쿼리 키포인트와 디스크립터 값이 가장 가까운 패턴을 분류하게 된다. 도 6은 제안된 오류 검출 및 진단을 위한 프레임을 나타내고 있다.That is, texton dictionaries for each of these categories can be configured to detect and diagnose errors in gear units. Therefore, it can be advantageously applied to a signal having a very complex feature without considering the feature of the color information. In order to determine the error of the vibration signal, the Euclidean method classifies the pattern closest to the query keypoint and the descriptor value. 6 shows a frame for the proposed error detection and diagnosis.
다음에는, 이와 같이 구성된 본 발명에 따른 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법의 성능을 평가하기 위하여 가상의 데이터를 생성하여 알고리즘의 성능을 테스트하였다.Next, in order to evaluate the performance of the defect diagnosis and defect detection method of the gearbox using the vibration signal according to the present invention configured as described above, the performance of the algorithm was tested by generating virtual data.
실제 데이터를 취득하는데 많은 어려움이 있어 본 발명의 방법에 대한 성능 평가를 위해 도 7에서 나타낸 것처럼 샘플링 주파수를 600Hz로 하고 150Hz, 50Hz, 100Hz, 40Hz의 신호를 생성한 후에 4개의 신호를 주기적으로 반복한 후에 화이트 노이즈(white noise)를 더해서 잡음이 포함된 비정상적인 신호를 생성하여 SIFT에 기반하여 오류검출을 수행하였다.Since there are many difficulties in acquiring the actual data, four signals are periodically repeated after generating a signal of 150 Hz, 50 Hz, 100 Hz, and 40 Hz with a sampling frequency of 600 Hz as shown in FIG. 7 for performance evaluation of the method of the present invention. After that, white noise was added to generate an abnormal signal including noise, and error detection was performed based on SIFT.
기어박스에서 발생하는 문제점을 진단하고 검출하기 위해 5개의 패턴을 생성하여 사용하였으며, 각각의 패턴은 일반적인 기어장치에서 발생하는 문제점을 고려한 합성(synthetic) 데이터들이다. 각각의 패턴에 대한 정합 결과는 다음 표 1과 같이 나타낼 수 있다.Five patterns were generated and used to diagnose and detect a problem occurring in the gearbox, and each pattern is synthetic data considering a problem occurring in a general gear device. The matching result for each pattern can be shown in Table 1 below.
실험을 통하여 얻어진 시간에 대한 주파수 성분을 2차원 영상으로 변환하여 영상처리 기법에 의해 진동신호를 분석하였으며 결과에서 주파수 성분의 특징을 통하여 결함에 대한 진단을 통해 효율적으로 모니터링을 수행할 수 있었다.The frequency component of the time obtained through the experiment was converted into a two-dimensional image and the vibration signal was analyzed by the image processing technique. Through the characteristics of the frequency component, the result could be effectively monitored through diagnosis of defects.
본 발명에서는 풍력발전기의 결함 검출을 위해 SIFT 알고리즘을 통해 특징을 분석하여 이상 유무를 검출하였다. 일반적으로 풍력발전 시스템에서 주요 장치들의 특성은 국부적인 결함이나 진동 및 잡음에 의한 파라미터들의 특성으로 오동작을 수행할 수 있다. 제안된 방법의 장점은 진동신호의 특성을 2D texton 신호로 변환하여 SIFT에 의해 효율적으로 분석 가능하며, 고유의 신호 특성을 보존할 수 있어 효율적으로 오류검출을 수행할 수 있다. 따라서 본 발명을 통해 풍력발전시스템 안전성 증대, 신뢰성 증대, 풍력발전 시스템 부품손상 등에 대하여 사전진단을 통해 시스템관리 측면에 응용될 수 있음을 확인할 수 있다.In the present invention, the presence or absence of abnormality was detected by analyzing a feature through a SIFT algorithm in order to detect a defect of a wind turbine. In general, the characteristics of the major devices in the wind power system can be malfunctioned due to the characteristics of the parameters due to local defects or vibration and noise. The advantage of the proposed method is that it can be efficiently analyzed by SIFT by converting the characteristics of vibration signal into 2D texton signal, and it is possible to preserve the unique signal characteristics and perform error detection efficiently. Therefore, it can be confirmed that the present invention can be applied to the aspect of system management through the prediagnosis on the wind power system safety increase, reliability increase, wind power system parts damage.
이상에서와 같이 설명한 본 발명은 기술적 측면, 경제적, 산업적 측면에서 다음과 같은 파급효과와 결과를 얻을 수 있다.As described above, the present invention can obtain the following ripple effects and results in technical, economic and industrial aspects.
o 기술적 측면o Technical aspects
산업경제의 에너지 소비는 경제 성장률에 크게 의존하여 증가하는 경향을 띠고 있어 에너지원의 안정적인 확보·공급이 지속 가능한 경제 실현의 바탕이 된다.The energy consumption of the industrial economy tends to increase depending on the economic growth rate, so stable supply and supply of energy sources are the basis of sustainable economic realization.
가정용 전기제품 및 산업용 장치·설비의 기술 진보속도에 기인한 에너지 소비 증가세를 고려할 때 국가 차원의 안정적인 에너지원 확보를 위한 선진기술의 개발을 통해 선도적인 입지를 다질 필요가 있다.Considering the increase in energy consumption due to the rapid pace of technological advances in household appliances and industrial devices and facilities, it is necessary to establish a leading position through the development of advanced technologies to secure stable energy sources at the national level.
저탄소 성장(CO2-Free)의 실현하고 에너지 확보 전쟁을 피하기 위해 대체에너지의 본격적인 보급이 선행되어야 하며, 해결과제로써 안정적인 에너지원 모니터링·관리 시스템의 도입이 시급하다.In order to realize low carbon growth (CO2-Free) and avoid energy wars, full-fledged dissemination of alternative energy should be preceded, and a stable energy source monitoring and management system is urgently needed.
세계적으로 환경문제에 대한 새로운 인식이 확산되고 있으며, 고효율 및 환경 친화적인 발전시스템의 Needs 뿐만 아니라 이를 효과적으로 사용자에 공급하기 위한 전력계통 운영시스템의 도입(Smart-Grid)이 본격화 될 것으로 보임에 따라 운용·관리의 중요성이 보다 높아질 것으로 보인다.As new awareness of environmental problems is spreading around the world, the need for high-efficiency and environment-friendly power generation systems as well as the introduction of a power-grid operation system (Smart-Grid) to effectively supply them to users will be in full swing. • The importance of management is likely to increase.
특히 풍력발전은 빈번한 출력 변동 특성으로 인해 적절한 예비력을 확보하면서 운전할 필요가 있으며, 가동 정지 횟수가 늘어나고 변동을 추종하기 위한 증발 및 감발의 수행이 발생할 수밖에 없어 효율적인 관리가 필요하다.In particular, wind power generation needs to operate with adequate reserve power due to frequent power fluctuation characteristics. Efficient management is needed because the number of downtimes increases and the evaporation and deceleration to follow the fluctuations must occur.
미국, 일본 등의 선진국은 이미 오랜 시간 많은 운전경험을 통해 지리적 정보 및 환경적 특성 및 풍력발전기의 특성, 사고 데이터 정보를 조합하여 시간대에 따라 모니터링 할 수 있는 시스템을 도입하고 있다.Advanced countries such as the United States and Japan have already introduced a system that can be monitored according to time zones by combining geographic information, environmental characteristics, wind power generator characteristics, and accident data information through many driving experiences for a long time.
이를 통해 풍력발전량을 예측하고 가동 계획을 수립, 거듭된 예측을 통해 데이터를 축적하여 정확도를 높여가며 이를 급전 운영에 반영함으로써 안정적인 에너지원 운영이 가능토록 한다.Through this, it predicts wind power generation, establishes operation plan, accumulates data through repeated forecasts, improves accuracy, and reflects it in feeding operation so that stable energy source operation is possible.
풍력발전의 신뢰성 확보를 위해서 가동률을 최대화하여야 하며 이를 위해 주기적인 유지보수와 고장 최소화를 위한 환경 설계가 필요하다.In order to secure the reliability of wind power generation, the utilization rate should be maximized. To this end, it is necessary to design the environment for periodic maintenance and minimization of failure.
본 발명은 차세대 대체에너지(기계장치)산업과 IT 기술 융합을 통해 풍력발전 시스템에 장착할 수 있는 CMS 개발을 통해 각 센서들로부터 수집된 데이터를 활용하여 상태를 모니터링 할 수 있는 기술이다.The present invention is a technology that can monitor the status by utilizing the data collected from each sensor through the development of a CMS that can be installed in the wind power generation system through the convergence of next-generation alternative energy (machinery) industry and IT technology.
통상적으로 풍력발전은 RAMS(Reliability, Availability, Maintainability, Serviceability)를 높이기 위한 실시간 상태감시를 위해 다음과 같은 조건을 갖출 필요가 있다.Typically, wind power generation needs to have the following conditions for real-time status monitoring to increase RAMS (Reliability, Availability, Maintainability, Serviceability).
모든 고장 가능한 상황에 대한 고장 모드 및 효과분석 수행되어야 하고, 가능한 고장 발생 전 이상 상태를 초기에 감지할 수 있는 기능 고려하여야 한다.Failure mode and effect analysis should be performed for all possible fault conditions, and the ability to detect abnormal conditions early before possible faults should be considered.
즉 시스템의 상태변화를 적절한 시기에 감지하여 예측 및 예지분석을 가능케 하도록 해야 한다.In other words, the state change of the system should be detected at an appropriate time to enable prediction and predictive analysis.
모니터링에 있어 정상, 주의, 경고의 단계로 상태를 나눠 위험 레벨을 명확히 제시함으로써 명확한 측정 및 상태를 보고해야 한다.In monitoring, clear measurements and status should be reported by clearly presenting the level of risk by dividing the status into steps of normal, caution and warning.
이러한 관점에서 국내 풍력발전기의 상태 감시는 아직 완벽하게 수행되지 않고 있는 상황이며, 이는 변화가 심한 공력학적 특성 등으로 인해 고장 위험에 빈번히 노출되는 풍력의 특성상 고장 시 근본적인 원인규명이 쉽지 않아 정확한 진단 시스템의 도입이 필요하다.In this regard, the status monitoring of domestic wind power generators has not been fully performed yet. This is an accurate diagnosis system because it is not easy to identify the root cause of the failure due to the characteristics of wind, which are frequently exposed to the risk of failure due to the aerodynamic characteristics, which are highly variable. Need to be introduced.
일반적으로 구조물에 가해지는 동력 하중을 측정하기 위해서는 스트레인 측정이 요구되며, 측정을 통해 공력학적 하중에 의한 블레이드 상태를 점검한다.In general, strain measurement is required to measure the power load applied to the structure, and the blade condition due to the aerodynamic load is checked through the measurement.
스트레인게이지를 이용한 측정은 장기간의 모니터링이 요구될 경우 내구성이 부족하고 전기장 및 자기장에 취약하다.Strain gauge measurements are not durable and vulnerable to electric and magnetic fields when long-term monitoring is required.
따라서 응력 분석 등을 통한 풍력발전기 부품의 수명예측 정도에 유용한 상황이다.Therefore, it is a useful situation for predicting the life of wind turbine parts through stress analysis.
풍력발전기의 유지 및 보수의 효율성 증대, 사전 상태 모니터링을 통하여 풍력발전기의 가동 효율 증대, 풍력발전 시스템 동작 안전성 증대를 위한 알고리즘 개발이 필요하다.It is necessary to develop algorithms to increase the efficiency of wind turbine maintenance and repair, to improve wind turbine operating efficiency through advance condition monitoring, and to increase wind turbine operating safety.
o 경제적, 산업적 측면o Economic and industrial aspects
최근 전 세계적으로 전력도매가격의 하락이 지속되고 있어 기초설치비용이 낮고 운영비가 저렴하고 입지가 용이한 풍력발전에 대한 시장 Needs가 커지고 있다. ※ 미국의 경우 신규설치용량은 10GW로, 210억 달러의 설비투자가 이루어져 40% 이상의 성장으로 미국 내 신규발전설치용량으로는 신재생에너지 중 가장 높은 수치를 기록As the wholesale price of electricity continues to decline worldwide, the market needs for wind power generation, which is low in basic installation cost, low in operation cost, and easy to locate, are increasing. ※ In the US, the new installed capacity is 10GW, and US $ 21 billion is invested in facilities, which is more than 40%, which is the highest among new renewable energy installations.
미국 내에서는 성유 및 천연가스를 제외한 에너지원 중 태양광을 제치고 풍력발전에 의한 전력 공급용량이 가장 큰 것으로 보고되었다.In the United States, the largest energy supply capacity from wind power is reportedly out of solar energy, except for oil and natural gas.
경제적이고 지속가능한 에너지원으로써 풍력의 보급 확대를 위해 기존의 장애요인으로 작용한 소음 등에 대한 민원 및 지역환경, 타원의 대형화 및 발전규모의 대규모화에 의한 관리 및 유지 보수의 효율성 확보 필요성이 증대된다.As an economical and sustainable energy source, the necessity of securing the efficiency of management and maintenance by increasing the size of the civil service, the local environment, the size of the ellipse, and the scale of power generation for noise, which have been the obstacles to the expansion of wind power, is increasing. .
발전설비를 통해 발생되는 방대한 분량의 데이터를 관리하고, 이러한 데이터의 분석을 통해 보안/관리 활동의 적극적인 설비관리 정책을 수립하기 위한 관리 시스템과 이에 대한 도구가 필요하다.There is a need for a management system and tools to manage the vast amount of data generated through power generation facilities and to establish active facility management policies for security / management activities through analysis of such data.
IT기술을 활용하여 통합 관리하는 시스템 영역의 채택을 통해 시설 및 설비의 이력관리를 비롯하여 가동률 향상과 경제적이고 효율적인 예비부품(Spare Parts)의 운영 및 재고관리 등을 지원하는 동시에 보전인원의 운영, 안전관리에 이르기까지를 관리하는 효율적인 설비 운영체계가 필요하다.By adopting a system area that integrates and manages IT technology, it supports the management of facilities and facilities, improves the utilization rate, operates the spare parts, and manages inventory, while operating the safety personnel. There is a need for an efficient facility operating system that manages everything from management.
원유와 같이 국지적 편제성이 큰 에너지원의 의존도를 줄이고, 주체적인 에너지원 확보를 위한 노력은 신재생에너지 연구의 시발점이 되었으며 고유가, 환경문제 등이 부각되면서 그 필요성이 증가하면서 상용화를 위한 노력이 활발히 진행되고 있다.Efforts to reduce dependence on energy sources with high local organization, such as crude oil, and to secure independent energy sources have become the starting point for research on renewable energy.Increasing demand for high oil prices and environmental issues has led to the need for commercialization. It is actively underway.
각 에너지원 별로 장담점이 존재하나 풍력의 경우 신재생에너지원 중 비교적 가장 경제성이 높아 유럽 등의 선진국들은 일찍이 풍력발전 확산을 위한 정부차원의 경제적, 제도적 보조정책을 시행하고 있다.There is a guarantee point for each energy source, but wind power is the most economical among renewable energy sources. Therefore, developed countries such as Europe are implementing governmental economic and institutional subsidies for the expansion of wind power.
풍력발전은 기존 화력 발전소에 비해 설치기간이 짧아 전력 수요증가에 빠르게 대응할 수 있으며, 발전기간 동안 소요되는 추가 유지비와 연료비가 거의 제로이고, 평균 이산화탄소 배출이 태양광 및 수력보다 낮다는 강점들이 있어 주요 신재생 에너지원으로 주목받고 있다.Wind power generation has a shorter installation period than conventional thermal power plants, so it can respond quickly to the increase in power demand, and additional maintenance costs and fuel costs between generators are almost zero, and the average CO2 emission is lower than that of solar and hydropower. It is attracting attention as a renewable energy source.
풍력발전의 본격적인 산업화에 있어 발전의 특성상 입지여건이 제한적이고 소음 및 지역환경에 대한 민원발생의 여지가 있다는 점 등이 풍력발전의 한계로 지적되어왔다.In the full-scale industrialization of wind power generation, it has been pointed out as a limitation of wind power generation because of its limited location conditions and the possibility of complaints about noise and local environment.
국내 풍력발전 산업은 미국, 독일, 스페인 등과 대비해 비교적 작은 용량으로 자가용 소용량은 정부지원사업의 일환으로 일부 설치되었지만 기기 및 운영상의 문제점이 노출되면서 보급이 제한된 상태이다.The domestic wind power generation industry is relatively small compared to the US, Germany, Spain, etc. The private small capacity was partially installed as part of the government support project, but its supply is limited due to the exposure of equipment and operation problems.
풍력발전은 기존의 육상발전의 한계를 극복하기 위해 해상풍력발전으로의 전환에 대한 연구개발이 활발히 진행되고 있다.In order to overcome the limitations of the existing land power generation, wind power generation is actively researching and developing the transition to offshore wind power generation.
해상풍력발전은 수심 및 해상이라는 환경에서 얻을 수 있는 풍력자원의 풍부성, 낮은 민원발생 가능성, 발전면적 확보 등에 대한 한계를 극복할 수 있을 것으로 주목받고 있다.The offshore wind power generation is drawing attention to overcome the limitations of abundance of wind resources, low possibility of civil complaints, and secured power generation area.
현재 독일, 영국 등에서 해상풍력발전 건설계획이 발표되고 있어 향후 전체 풍력발전시장에서 해상풍력발전이 일정 부분 이상을 차지할 것으로 주목받고 있다.Currently, plans for offshore wind power generation are being announced in Germany and the United Kingdom.
풍력발전 시스템의 본격적인 보급/확대에 있어서 장애요인으로 작용하고 있는 점은 지형적, 지리적 여건에 의해 관리.점검이 어려운 점으로 지속적이고 안정적인 에너지원 확보를 위한 개선이 시급한 상황이다.The obstacle to the full-scale expansion and expansion of the wind power generation system is that it is difficult to manage and inspect due to the geographical and geographical conditions. Therefore, it is urgently needed to improve the sustainable and stable energy source.
현재 현장에서 가장 많이 적용되고 있는 CMS의 경우에도 각 장치의 신호를 취합하여 관리자가 일일이 상태를 점검하는 형태로 되어 있어 산업의 첨단화.대형화 시 모니터링을 위한 추가 자원배치가 필요한 상황이다.In the case of CMS, which is currently applied most in the field, the manager collects signals from each device and checks the status of each device. Therefore, it is necessary to allocate additional resources for monitoring when the industry is advanced or large.
해상 풍력발전에 향후 전망은 밝은 편이지만 상용화가 진전되기 위해서는 해결해야 될 기술 및 경제성과 관련한 사항들이 있다.The future prospects for offshore wind power are bright, but there are technical and economic issues that need to be addressed before commercialization can progress.
최근에는 특히 풍력발전기가 대형화됨에 따라 관련 부품의 개발을 위해서 풍력터빈이 처하는 환경에서 오는 다양한 정적 동적 하중에 대응하는 최적화 설계기법과 맞춤형 소재기술, 내구성 시험기술 부문 등에 대한 관심이 집중되고 있다.Recently, as wind turbines have become larger in size, attention has been focused on optimization design techniques, customized material technologies, and durability test technologies in response to various static and dynamic loads from wind turbine environments to develop related parts.
풍력발전 시스템 신뢰성 증대, 풍력발전 시스템 부품산업 발전, 풍력발전 시스템 수출 증대, 융복합 기술을 통한 글로벌 인재양성 및 취업률 향상이 필요하다.Increasing wind power system reliability, developing wind power system parts industry, increasing wind power system exports, and fostering global talent and improving employment rates through convergence technology.
여기에서, 상술한 본 발명에서는 바람직한 실시예를 참조하여 설명하였지만, 해당 기술분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경할 수 있음을 이해할 수 있을 것이다.Herein, while the present invention has been described with reference to the preferred embodiments, those skilled in the art will variously modify the present invention without departing from the spirit and scope of the invention as set forth in the claims below. And can be changed.
10 : 기어박스
12 : 센서
20 : 진단부10: gearbox
12: sensor
20: diagnostic unit
Claims (4)
(2) 상기 진단부는, 상기 기어박스로부터 입력받은 진동신호를 2D 텍스톤의 영상신호로 변환하는 단계,
(3) 상기 진단부는, 상기 (2) 단계에서 변환된 영상신호를 토대로 SIFT 알고리즘을 사용하여 특징을 추출하는 단계,
(4) 상기 진단부는, 상기 (3) 단계에서 추출된 특징을 토대로 텍스톤 사전을 제작하는 단계, 그리고
(5) 상기 진단부는, 상기 (3) 단계에서 추출된 특징과 상기 (4) 단계에서 제작한 텍스톤 사전을 참조하여, 기어박스의 오류를 검출 및 진단하는 단계
를 포함하는 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법.(1) a diagnostic unit for performing defect diagnosis and defect detection of the gearbox, receiving a vibration signal measured by a sensor provided in the gearbox,
(2) the diagnosing unit, converting the vibration signal received from the gear box into an image signal of 2D texon,
(3) the diagnostic unit extracting a feature using a SIFT algorithm based on the image signal converted in step (2);
(4) the diagnostic unit manufacturing a texon dictionary based on the features extracted in step (3), and
(5) the diagnostic unit detecting and diagnosing an error in the gearbox by referring to the feature extracted in the step (3) and the texstone dictionary produced in the step (4).
Defect diagnosis and defect detection method of the gear box using a vibration signal comprising a.
상기 (3) 단계는,
(3-1) 스케일에 대한 공간 특징 추출하는 단계,
(3-2) 상기 스케일에 대한 공간 특징을 토대로 스케일 공간 극단 값에 대하여 가우시안 영상의 차를 구하고, 같은 스케일에 이웃하는 지점과 비교하여 키포인트로 결정하는 단계,
(3-3) 국부 영상의 특성에 기반한 키포인트들의 회전에 대한 불변성을 가지고 있는 방향 성분의 추출하는 단계, 그리고
(3-4) 영상에서 키포인트를 결정한 후, 각 키포인트에 대해 특징을 추출하기 위해 선택된 주변의 영역으로부터 기울기에 대한 크기와 방향값을 계산하는 단계
를 포함하는 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법.The method of claim 1,
Step (3),
(3-1) extracting spatial features on a scale,
(3-2) obtaining a difference of the Gaussian image with respect to the scale spatial extreme value based on the spatial characteristic of the scale, and determining the keypoint by comparing with a point neighboring the same scale;
(3-3) extracting a direction component having an invariance to rotation of keypoints based on a local image characteristic, and
(3-4) After determining the key points in the image, calculating magnitude and direction values for the slope from the surrounding area selected to extract the feature for each key point.
Defect diagnosis and defect detection method of the gear box using a vibration signal comprising a.
상기 (5) 단계는,
유클리디언 방식에 의해 쿼리 키포인트(query keypoint)와 디스크립터(descriptor) 값이 가장 가까운 패턴을 분류하여 오류를 판별하기 위한 매칭을 수행하는 진동신호를 이용한 기어박스의 결함진단 및 결함검출방법.The method of claim 1,
Step (5),
A method of diagnosing and detecting defects in a gearbox using a vibration signal that classifies a pattern closest to a query keypoint and a descriptor value by Euclidean to perform a matching for discriminating an error.
상기 기어박스에 구비된 상기 센서로부터 전달되는 진동신호를 토대로 SIFT 알고리즘을 통해 진동신호의 특징을 분석하여 결함진단 및 결함검출을 수행하는 진단부
를 포함하는 진동신호를 이용한 기어박스의 결함진단 및 결함검출장치.A gearbox including a plurality of sensors for measuring vibration signals of gears and ball bearings as internal accessories, and
Diagnosis unit for performing defect diagnosis and defect detection by analyzing the characteristics of the vibration signal through the SIFT algorithm based on the vibration signal transmitted from the sensor provided in the gear box
Defect diagnosis and defect detection device of the gear box using a vibration signal comprising a.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120015444A KR101275702B1 (en) | 2012-02-15 | 2012-02-15 | Method and apparatus for fault diagnosis and fault detection of gearbox using vibration signal |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120015444A KR101275702B1 (en) | 2012-02-15 | 2012-02-15 | Method and apparatus for fault diagnosis and fault detection of gearbox using vibration signal |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101275702B1 true KR101275702B1 (en) | 2013-06-17 |
Family
ID=48867157
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120015444A KR101275702B1 (en) | 2012-02-15 | 2012-02-15 | Method and apparatus for fault diagnosis and fault detection of gearbox using vibration signal |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101275702B1 (en) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105865776A (en) * | 2016-03-23 | 2016-08-17 | 浙江理工大学 | Wind power gear box fault diagnosis method based on EEMD and generalized S transform |
| CN106226071A (en) * | 2016-08-26 | 2016-12-14 | 中车株洲电力机车研究所有限公司 | A kind of wind-driven generator wheel-box method for diagnosing faults |
| CN106840660A (en) * | 2017-03-09 | 2017-06-13 | 哈尔滨理工大学 | A kind of Fault Diagnosis of Gear Case system based on Hilbert Huang conversion |
| CN107271181A (en) * | 2017-06-19 | 2017-10-20 | 苏州微著设备诊断技术有限公司 | A kind of weak impact component extracting method of epicyclic gearbox |
| CN107543722A (en) * | 2017-08-18 | 2018-01-05 | 西安交通大学 | The Rolling Bearing Fault Character extracting method of dictionary learning is stacked based on depth |
| CN110631827A (en) * | 2019-08-27 | 2019-12-31 | 安徽大学 | Gearbox fault diagnosis method based on improved collaborative representation classification |
| CN111323219A (en) * | 2020-01-07 | 2020-06-23 | 中国人民解放军国防科技大学 | Method for early detecting damage of planetary gear box by using vibration signal |
| CN111678691A (en) * | 2020-07-27 | 2020-09-18 | 江南大学 | Gear fault detection method based on improved sparse decomposition algorithm |
| KR20220028562A (en) * | 2020-08-28 | 2022-03-08 | 주식회사 씨에스 | A system for forecasting of break of a wind generator |
| CN116361727A (en) * | 2023-03-28 | 2023-06-30 | 重庆大学 | Audio feature and SRC-Adaboost-based battery power conversion system driving gear fault diagnosis method |
| WO2024074084A1 (en) * | 2022-10-08 | 2024-04-11 | 中国航发商用航空发动机有限责任公司 | Fault diagnosis method and system for gearbox, device, and medium |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1531376A1 (en) | 2003-11-14 | 2005-05-18 | Gamesa Eolica, S.A. (Sociedad Unipersonal) | Monitoring and data processing equipment for wind turbines and predictive maintenance system for wind power stations |
| US20080279686A1 (en) | 2006-01-25 | 2008-11-13 | Jens Demtroder | Wind Turbine Comprising At Least One Gearbox And An Epicyclic Gearbox |
| KR100954090B1 (en) | 2009-10-27 | 2010-04-23 | 주식회사 위다스 | Health and usage monitoring system for wind turbine |
| KR20110110735A (en) * | 2010-04-01 | 2011-10-07 | 주식회사 글로비즈 | Monitoring apparatus of wind power generator |
-
2012
- 2012-02-15 KR KR1020120015444A patent/KR101275702B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1531376A1 (en) | 2003-11-14 | 2005-05-18 | Gamesa Eolica, S.A. (Sociedad Unipersonal) | Monitoring and data processing equipment for wind turbines and predictive maintenance system for wind power stations |
| US20080279686A1 (en) | 2006-01-25 | 2008-11-13 | Jens Demtroder | Wind Turbine Comprising At Least One Gearbox And An Epicyclic Gearbox |
| KR100954090B1 (en) | 2009-10-27 | 2010-04-23 | 주식회사 위다스 | Health and usage monitoring system for wind turbine |
| KR20110110735A (en) * | 2010-04-01 | 2011-10-07 | 주식회사 글로비즈 | Monitoring apparatus of wind power generator |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105865776A (en) * | 2016-03-23 | 2016-08-17 | 浙江理工大学 | Wind power gear box fault diagnosis method based on EEMD and generalized S transform |
| CN106226071A (en) * | 2016-08-26 | 2016-12-14 | 中车株洲电力机车研究所有限公司 | A kind of wind-driven generator wheel-box method for diagnosing faults |
| CN106840660A (en) * | 2017-03-09 | 2017-06-13 | 哈尔滨理工大学 | A kind of Fault Diagnosis of Gear Case system based on Hilbert Huang conversion |
| CN107271181A (en) * | 2017-06-19 | 2017-10-20 | 苏州微著设备诊断技术有限公司 | A kind of weak impact component extracting method of epicyclic gearbox |
| CN107271181B (en) * | 2017-06-19 | 2019-03-05 | 苏州微著设备诊断技术有限公司 | A kind of weak impact component extracting method of epicyclic gearbox |
| CN107543722A (en) * | 2017-08-18 | 2018-01-05 | 西安交通大学 | The Rolling Bearing Fault Character extracting method of dictionary learning is stacked based on depth |
| CN110631827A (en) * | 2019-08-27 | 2019-12-31 | 安徽大学 | Gearbox fault diagnosis method based on improved collaborative representation classification |
| CN110631827B (en) * | 2019-08-27 | 2021-08-10 | 安徽大学 | Gearbox fault diagnosis method based on improved collaborative representation classification |
| CN111323219A (en) * | 2020-01-07 | 2020-06-23 | 中国人民解放军国防科技大学 | Method for early detecting damage of planetary gear box by using vibration signal |
| CN111323219B (en) * | 2020-01-07 | 2022-03-29 | 中国人民解放军国防科技大学 | Method for early detecting damage of planetary gear box by using vibration signal |
| CN111678691A (en) * | 2020-07-27 | 2020-09-18 | 江南大学 | Gear fault detection method based on improved sparse decomposition algorithm |
| KR20220028562A (en) * | 2020-08-28 | 2022-03-08 | 주식회사 씨에스 | A system for forecasting of break of a wind generator |
| KR102476843B1 (en) | 2020-08-28 | 2022-12-12 | 주식회사 씨에스 | A system for forecasting of break of a wind generator |
| WO2024074084A1 (en) * | 2022-10-08 | 2024-04-11 | 中国航发商用航空发动机有限责任公司 | Fault diagnosis method and system for gearbox, device, and medium |
| CN116361727A (en) * | 2023-03-28 | 2023-06-30 | 重庆大学 | Audio feature and SRC-Adaboost-based battery power conversion system driving gear fault diagnosis method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101275702B1 (en) | Method and apparatus for fault diagnosis and fault detection of gearbox using vibration signal | |
| Liu et al. | The structure healthy condition monitoring and fault diagnosis methods in wind turbines: A review | |
| Schlechtingen et al. | Wind turbine condition monitoring based on SCADA data using normal behavior models. Part 1: System description | |
| Cui et al. | An anomaly detection approach based on machine learning and scada data for condition monitoring of wind turbines | |
| US20120209539A1 (en) | Turbine fault analysis | |
| CN110362045B (en) | Marine doubly-fed wind turbine generator fault discrimination method considering marine meteorological factors | |
| Yu et al. | Image-based damage recognition of wind turbine blades | |
| Shifat et al. | EEMD assisted supervised learning for the fault diagnosis of BLDC motor using vibration signal | |
| Vives | Vibration analysis for fault detection in wind turbines using machine learning techniques | |
| Tang et al. | Applications of K-nearest neighbor algorithm in intelligent diagnosis of wind turbine blades damage | |
| CN116796182A (en) | Wind turbine generator fault evaluation model training method and fault diagnosis method | |
| Elijorde et al. | A wind turbine fault detection approach based on cluster analysis and frequent pattern mining | |
| CN113532753B (en) | Wind farm gear box oil leakage detection method based on machine vision | |
| Insuasty et al. | Scada data-driven wind turbine main bearing fault prognosis based on one-class support vector machines | |
| Tchakoua et al. | New trends and future challenges for wind turbines condition monitoring | |
| CN113726006A (en) | Hydroelectric production analysis decision support system | |
| Youn et al. | Statistical health reasoning of water-cooled power generator stator bars against moisture absorption | |
| Ramlal et al. | Toward automated utility pole condition monitoring: A deep learning approach | |
| Ramachandran et al. | Recent trends in systems performance monitoring & failure diagnosis | |
| US20180087489A1 (en) | Method for windmill farm monitoring | |
| Hoxha et al. | Supervised classification with SCADA data for condition monitoring of wind turbines | |
| Singh et al. | Developing RCM strategy for wind turbines utilizing e-condition monitoring | |
| CN112699598A (en) | Intelligent diagnosis method and device for abnormal oil temperature of gear box | |
| Azarian et al. | Applications of health monitoring to wind turbines | |
| Tutiv'en et al. | Wind turbine main bearing condition monitoring via convolutional autoencoder neural networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20160609 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20170613 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20180518 Year of fee payment: 6 |