KR101290928B1

KR101290928B1 - 음질인자를 이용한 고장 진단 장치 및 방법

Info

Publication number: KR101290928B1
Application number: KR1020120043579A
Authority: KR
Inventors: 박준홍; 이신엽; 박성훈
Original assignee: 한양대학교 산학협력단
Priority date: 2012-04-26
Filing date: 2012-04-26
Publication date: 2013-07-29

Abstract

본 발명은, 진단 대상물의 정상 또는 고장 상태의 집단에 따른 진동신호를 반복적으로 측정하여 진동신호 측정부; 상기 진동신호에서 다수개의 음질인자를 추출하고, 상기 음질인자들의 시간에 따른 변화를 측정하는 음질인자 추출부; 추출된 상기 음질인자들의 평균 및 표준편차를 구하는 음질인자 통계처리부; 상기 진단 대상물의 정상 또는 고장 상태의 개수 보다 1개 적은 수의 정준판별함수를 생성하고, 상기 정준판별함수 중 유의미한 판별함수를 추출하는 판별함수 생성 추출부; 및 상기 유의미한 판별함수를 이용하여 상기 진단 대상물의 정상 또는 고장 상태의 집단에 대한 영역을 구분하는 집단 영역 분류부;를 포함하는, 음질인자를 이용한 고장 진단 장치 및 이를 이용한 고장 진단 방법을 제공한다. 본 발명은 배경소음의 영향을 배제한 상태에서 진단 대상물의 고장 여부 또는 유형을 진단할 수 있다.

Description

음질인자를 이용한 고장 진단 장치 및 방법 {EQUIPMENT AND METHOD FOR DIAGNOSING MALFUNCTION USING SOUND QUALITY PARAMETER}

본 발명은 음질인자를 이용한 고장 진단 장치 및 방법에 관한 것으로, 보다 상세하게는 배경 소음을 영향을 줄일 수 있는 음질인자를 이용한 고장 진단 장치 및 방법에 관한 것이다.

결함 및 이물을 검출하는 방법으로 다양한 종류의 비파괴 검사법이 제안되었다. 음향방출법(acoustic emission), 방사선 투과법(Radiography), 와전류탐상법(Eddy Current), 액체침투탐상법(Liquid Penetrants), 초음파탐상법(Ultrasonics) 등 다양한 종류의 검사법이 존재하며, 산업현장에서는 지향성 마이크어레이(microphone array)를 이용한 음향방출법 결함진단을 통한 스펙트럼(spectrum) 검사 방법이 시행되고 있다.

그러나, 소음의 저주파 영역에서 마이크의 낮은 지향성으로 인하여 정확한 결함 부위 진단이 어려우며, 산업현장의 배경 소음으로 인하여 실효를 거두기 어려운 문제를 가지고 있다.

또한, 정상 상태와 고장 상태를 판별할 수 있는 방법으로 신호의 스펙트럼(spectrum)을 검사하거나 비트(beat) 검사를 하여 고장을 판별하고 있다.

한국공개특허 제10-2011-0014861호에 의하면, 주변소음에 대한 음질지수를 계산하여 주변 소음에 대한 평가를 하는 기술이 개시되어 있다. 그러나, 이러한 기술을 생산 제조 공정에 적용할 경우에는 음질지수를 이용하더라도 불량 제품에서 발생하는 소음이 주변 소음 또는 배경 소음에 차단되어 제품의 불량 여부를 정확하게 평가하지 못한다는 단점이 있다.

즉, 이런 방법들은 배경소음이 클 경우 대부분 차단되어 검출되지 않는 문제가 있다. 특히, 생산 및 완제품 조립 과정에 있어서 공정과정의 소음이 너무 커서 작업자가 일일이 고장 진단을 할 수 없다.

이와 같이, 제품의 생산 및 완제품 조립 과정에서 발생하는 음향을 이용하여 제품의 고장 여부를 진단하는 경우에 한계가 있기 때문에 배경소음이나 주변소음의 영향을 받지 않고 정확하게 제품의 고장 여부를 진단할 수 있는 새로운 고장 진단 방법에 대한 요구가 증대되고 있다.

본 발명은 완제품 조립공정 중 발생하는 진동 신호를 측정하고 측정된 진동신호에서 음질인자를 도출하여 제품의 고장 진단을 수행하는 음질인자를 이용한 고장 진단 장치 및 방법을 제공한다.

본 발명은 도출된 음질인자에 통계모델인 판별분석을 적용하여 제품의 정상 혹은 고장 상태를 판별할 수 있는 음질인자를 이용한 고장 진단 장치 및 방법을 제공한다.

본 발명은 배경소음을 영향을 받지 않는 음질인자를 이용한 고장 진단 장치 및 방법을 제공한다.

상기한 과제를 달성하기 위한 본 발명의 일 실시예에 따른 음질인자를 이용한 고장 진단 장치는, 진단 대상물의 정상 또는 고장 상태의 집단에 따른 진동신호를 반복적으로 측정하여 진동신호 측정부; 상기 진동신호에서 다수개의 음질인자를 추출하고, 상기 음질인자들의 시간에 따른 변화를 측정하는 음질인자 추출부; 추출된 상기 음질인자들의 평균 및 표준편차를 구하는 음질인자 통계처리부; 상기 진단 대상물의 정상 또는 고장 상태의 개수 보다 1개 적은 수의 정준판별함수를 생성하고, 상기 정준판별함수 중 유의미한 판별함수를 추출하는 판별함수 생성 추출부; 및 상기 유의미한 판별함수를 이용하여 상기 진단 대상물의 정상 또는 고장 상태의 집단에 대한 영역을 구분하는 집단 영역 분류부;를 포함할 수 있다.

상기와 같이, 진동신호 및 음질인자를 이용함으로써 배경 소음의 영향을 받지 않고 정확하게 대상물의 고장 여부 또는 고장 유형을 판별하고 진단할 수 있다.

상기 음질인자 추출부는 샘플링 시간에 대하여 상기 음질인자의 대표값 또는 평균값을 추출할 수 있다.

상기 판별함수 생성 추출부는 상기 집단 내 분산에 비하여 상기 집단 간의 분산의 차이를 최대화하는 독립변수들의 계수를 구할 수 있다.

상기 판별함수 생성 추출부는 상기 진동신호를 구분 지을 수 있는 독립변수들 중 상기 집단 간 분산이 크고 상기 집단 내 분산은 작은 판별함수를 생성할 수 있다.

상기 통계 처리부는 상기 음질인자의 시간에 대한 미분값을 사용할 수 있다.

상기 통계 처리부는 상기 미분값의 RMS 값을 이용할 수 있다.

상기 집단 영역 분류부는 새롭게 측정되는 진동 신호에 대하여 피셔의 선형 판별함수를 적용하여 상기 대상물의 고장 여부를 판별할 수 있다.

한편, 발명의 다른 분야에 의하면, 본 발명은 음질인자를 이용한 고장 진단 장치를 이용한 고장 진단 방법에 있어서, 상기 진단 대상물로부터 상기 진동신호를 측정하는 단계; 상기 진동신호에서 상기 음질인자를 추출하는 단계; 상기 음질인자의 집단으로부터 상기 판별함수를 추출 생성하는 단계; 및 생성된 상기 판별함수 중 유의미한 2개의 판별함수를 이용하여 영역을 구분하는 단계;를 포함하는, 음질인자를 이용한 고장 진단 방법을 제공할 수 있다.

상기 진동신호를 측정하는 단계는 상기 진단 대상물의 정상 상태 또는 고장 상태에 따른 진동신호의 집단을 생성할 수 있다.

상기 음질인자를 추출하는 단계는 샘플링 시간에 대하여 상기 음질인자의 대표값 또는 평균값을 추출하거나, 상기 음질인자의 시간에 대한 미분값을 추출할 수 있다.

상기 음질인자를 추출하는 단계는 상기 미분값의 RMS값을 이용할 수 있다.

상기 음질인자를 추출하는 단계는 상기 음질인자가 시간에 대해 변동하는 영향을 고려할 수 있다.

상기 판별함수를 추출 생성하는 단계는 상기 집단 내 분산과 상기 집단 간 분산의 합에 대한 상기 집단 내 분산의 비가 가장 작은 독립변수들의 계수를 구할 수 있다.

상기 영역을 구분하는 단계는 유의미한 2개의 상기 판별함수를 이용하여 이차원 평면에서 상기 집단의 위치를 결정할 수 있다.

이상 설명한 바와 같이, 본 발명에 따른 음질인자를 이용한 고장 진단 장치 및 방법은 배경 소음의 영향을 배제하고 정확하게 고장 여부를 진단할 수 있다.

본 발명에 따른 음질인자를 이용한 고장 진단 장치 및 방법은 생산제품의 공정과정에서 효율적으로 하자가 있는 제품을 선별할 수 있으며 고장의 유형에 따라 분류하여 어떤 고장이 발생했는지 판단할 수 있다.

본 발명에 따른 음질인자를 이용한 고장 진단 장치 및 방법은 고장을 판단하기 위해 소요되는 인력 및 시간을 줄일 수 있다.

도 1은 본 발명의 일 실시예에 따른 음질인자를 이용한 고장 진단 장치의 구성을 도시한 블록도이다.
도 2는 도 1에 따른 장치에 의해 추출된 음질인자의 시간에 따른 변화를 도시한 그래프이다.
도 3 및 도 4는 도 2에 따른 음질인자로부터 생성된 판별함수의 일 례를 2차원 평면에 도시한 도면이다.
도 5는 도 1에 따른 장치에 의해 추출된 음질인자의 시간에 대한 미분값을 도시한 그래프이다.
도 6은 도 5에 따른 미분값으로부터 생성된 판별함수의 일예를 2차원 평면에 도시한 도면이다.
도 7은 도 1에 따른 음질인자를 이용한 고장 진단 장치를 사용한 고장 진단 방법을 보여 주는 순서도이다.

이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

도 1은 본 발명의 일 실시예에 따른 음질인자를 이용한 고장 진단 장치의 구성을 도시한 블록도, 도 2는 도 1에 따른 장치에 의해 추출된 음질인자의 시간에 따른 변화를 도시한 그래프, 도 3 및 도 4는 도 2에 따른 음질인자로부터 생성된 판별함수의 일예를 2차원 평면에 도시한 도면, 도 5는 도 1에 따른 장치에 의해 추출된 음질인자의 시간에 대한 미분값을 도시한 그래프, 도 6은 도 5에 따른 미분값으로부터 생성된 판별함수의 일예를 2차원 평면에 도시한 도면, 도 7은 도 1에 따른 음질인자를 이용한 고장 진단 장치를 사용한 고장 진단 방법을 보여 주는 순서도이다.

본 발명의 일 실시예에 따른 음질인자를 이용한 고장 진단 장치 및 방법은 제조 공정과정에서 발생하는 생산 제품의 고장상태를 모니터링 하기 위해 제품에서 발생하는 음향신호와 진동신호를 측정하고, 이 진동신호에 음질인자(Sound Quality Parameter)를 적용하여 고장 상태를 판별하고 고장 상태를 분류할 수 있다.

우선 도 1을 참조하면, 본 발명의 일 실시예에 따른 음질인자를 이용한 고장 진단 장치(100)는, 진단 대상물의 정상 또는 고장 상태의 집단에 따른 진동신호를 반복적으로 측정하여 진동신호 측정부(110), 진동신호에서 다수개의 음질인자를 추출하고 음질인자들의 시간에 따른 변화를 측정하는 음질인자 추출부(120), 추출된 음질인자들의 평균 및 표준편차를 구하는 음질인자 통계처리부(130), 진단 대상물의 정상 또는 고장 상태의 개수 보다 1개 적은 수의 정준판별함수를 생성하고 정준판별함수 중 유의미한 판별함수를 추출하는 판별함수 생성 추출부(140) 및 유의미한 판별함수를 이용하여 진단 대상물의 정상 또는 고장 상태의 집단에 대한 영역을 구분하는 집단 영역 분류부(150)를 포함할 수 있다.

상기와 같이, 진동신호 및 음질인자를 이용함으로써 배경 소음의 영향을 받지 않고 정확하게 대상물의 고장 여부 또는 고장 유형을 판별하고 진단할 수 있다. 즉, 음향신호가 아닌 진동신호에서 음질인자를 추출하고 추출된 음질인자의 특징 또는 경향을 분석하기 위해서 판별분석을 적용함으로써 배경소음에 강인한 고장 진단 장치 및 방법을 구현할 수 있다.

진동신호 측정부(110)는 고장 여부를 진단하고자 하는 진단 대상물 가까이에 설치된 마이크로폰(미도시) 및 레이저 도플러 진동 측정기(LDV: Laser Doppler Vibrometer, 미도시) 또는 가속도계를 포함할 수 있다. 여기서, 상기 레이저 도플러 진동 측정기는 진단 대상물과 접촉 또는 비접촉 방식으로 미소 진동까지 측정할 수 있다.

진동신호 측정부(110)는 진단 대상물의 진동신호 뿐만 아니라 음압(Sound Pressure)도 동시에 측정할 수도 있다. 진동신호 측정부(110)는 진단 대상물로부터 일정한 샘플링 시간 동안 진동신호를 반복적으로 다수회 측정하는 것이 바람직하다. 본 출원인은 진단 대상물을 프린터로 하여 진동신호를 측정하였다. 이 때, 고장의 유형에 따른 진단을 위해서 진동 신호를 측정하는 진단 대상물의 부위를 달리하는 것이 바람직하다. 샘플링 시간은 6초로 설정하고, 샘플링 시간 동안 진단 대상물의 다수 측정 부위에 대해서 각각 15회 측정하였다.

이와 같이, 측정된 각 샘플당 15개의 진동신호로부터 음질인자를 추출한다. 여기서, 각 샘플은 고장의 유형에 따른 진동신호의 집단이라고 할 수 있다.

음질인자는 독일의 Zwicker에 의해 제안된 인자들이며, 라우드니스(Loudness)는 주관적인 소리의 크기를 나타내는 청각 인지 특성을 말하며 dB(A)와 유사한 특성을 보인다. 샤프니스(Sharpness)는 소리의 날카로운 정도를 나타내며 저주파와 고주파의 스펙트럼 균형을 나타내기도 한다. 러프니스(Roughness)는 소리의 거칠기를 표현하는 방법으로 주로 명확한 소리의 빠른 조음을 나타낸다. 이외에도 음압레벨(SPL: Sound Pressure Level), 20Hz 미만의 낮은 주파수로 변조된 소음에서 시간에 따른 변화의 주관적 지각량을 나타내는 플럭츄에이션 스트렝스(Fluctuation Strength), 급격하게 변화하는 라우드니스에 대한 충격음을 측정하는 커토시스(Kurtosis) 등의 음질인자를 이용할 수 있다.

이러한 음질인자를 표현하는 수식은 다음과 같다.

SPL:

Loudness:

Sharpness:

Fluctuation Strength:

Roughness:

Kurtosis:

음질인자 추출부(120)는 6초 동안의 샘플링 시간에 대하여 음질인자의 대표값 또는 평균값을 추출할 수 있다. 음질인자 추출부(120)는 샘플링 시간 동안 측정된 진동신호에서 추출된 음질인자의 시간에 따른 변화를 측정하는데, 이 때 음질인자의 대표값 또는 평균값을 추출한다.

도 2에는 음질지수 중에서 음압레벨(SPL), 라우드니스(Loudness), 샤프니스(Sharpness) 및 러프니스(Roughness)의 샘플링 시간(6초) 동안 변화 상태를 나타내는 그래프이다. 음압레벨, 라우드니스, 샤프니스 및 러프니스는 진단 대상물의 정상 또는 고장 상태에 대해 특징적인 음질인자라고 할 수 있다.

도 2를 참조하면, 샘플링 시간 동안 6개의 샘플에 대한 음질지수가 표현되어 있다. 여기서, 6개의 샘플은 진단 대상물의 정상상태(Normal 1), 5가지의 고장상태(Failure 1~5)에 대해 측정된 진동신호에서 추출된 음질인자를 의미한다.

한편, 음질인자 통계처리부(130)는 추출된 음질인자들의 평균 및 표준편차를 구할 수 있다.

[표 1]은 각 집단(진단 대상물에 대한 1개의 정상상태와 5개의 고장상태)에 대한 6개의 음질인자들에 대한 평균 및 표준편차를 나타낸다. [표 1]에서 dBA는 음압레벨을 나타내며, Tonality는 조성(調性)을 나타낸다. 이 때, [표 1]에 나타난 6개의 음질인자들은 후술하는 판별분석에서 독립변수들이 된다.

이와 같이, 6개의 음질인자들에 대해서 집단별로 평균값과 표준편차를 구한 후, 집단 간이 차이 또는 집단 평균 동질성에 대해서 검증한다. 이를 위해 [표 2]와 같은 Wilks 람다와 F 값을 구한다.

[표 2]에서 Wilks 람다는 집단 내 분산과 집단 간 분산의 합에 대한 집단 내 분산의 비율을 나타낸다. 즉, "집단 내 분산/(집단 내 분산+집단 간 분산)"을 의미한다. Wilks 람다는 분산분석의 값 F와는 반대 성향을 나타낸다.

Wilks 람다의 값이 가장 작은 음질인자가 판별력이 가장 높다고 할 수 있다. [표 2]에서는 Sharpness와 Fluctuation의 Wilks 람다가 가장 작은 값을 가지기 때문에 Sharpness와 Fluctuation이 가장 판별력이 높은 음질인자라고 할 수 있다.

이와 같은 통계처리를 수행한 후에, 판별함수 생성 추출부(140)는 집단 내 분산에 비하여 집단 간의 분산의 차이를 최대화하는 독립변수들의 계수를 구할 수 있다. 이 때, 판별함수 생성 추출부(140)는 진단 대상물의 진동신호를 구분 지을 수 있는 독립변수들(음질인자들) 중 집단 간 분산이 크고 집단 내 분산은 작은 판별함수를 생성할 수 있다.

판별함수 생성 추출부(140)는 집단의 개수 보다 1이 적은 개수의 판별함수를 생성할 수 있다. [표 1]에서 집단의 수가 6(즉, 1개의 정상상태와 5개의 고장상태)이므로 5개의 판별함수를 생성한다.

[표 3]은 생성된 5개의 판별함수의 고유값을 나타내고, [표 4]는 판별함수의 검정을 위한 Wilks 람다값을 나타낸다.

[표 4]에서 판별분석 함수 1과 함수 2의 고유값이 가장 큼을 알 수 있다. 함수 1은 6개의 독립변수들(음질인자들)로서 종속변수 분산의 98.4%(0.996^2)를 설명하고, 함수 2는 종속변수 분산의 97.2%(0.983^2)를 설명함을 알 수 있다.

[표 4]에서 카이제곱 검정은 독립변수들에 걸쳐 6개의 집단 간에 차이가 있는지 여부를 검정하는 것이다. 각각의 카이제곱에 대하여 유의확률이 0.000으로 나타나는 바, 유의적(즉, 의미가 있는) 차이가 있는 집단으로 구분하고 있음을 확인할 수 있다. 상기한 과정을 거쳐서, 판별함수 생성 추출부(140)는 유의미한 2개의 판별함수를 추출할 수 있다. [표 3] 및 [표 4]의 경우에는 함수 1과 함수 2가 추출된다.

[표 5]는 5개의 정준 판별함수에 있어서 각 독립변수(음질인자)들의 계수를 나타낸다.

한편, 추출된 2개의 유의미한 판별함수와 상관관계를 가지는 특정 독립변수가 존재한다. 각 독립변수와 표준화된 판별함수 간의 상관관계를 나타내기 위해서 구조행렬을 이용할 수 있다.

[표 6]은 5개의 정준 판별함수와 독립변수들의 상관관계를 보여 주는 구조행렬이다. 독립변수들의 계수값이 클수록 정준 판별함수에 미치는 영향이 큰 변수임을 의미한다. [표 6]을 참조하면, 함수 1에서는 샤프니스(Sharpness)가 가장 큰 영향을 미치고, 함수 2에서는 Fluctuation이 가장 큰 영향을 미친다고 할 수 있다. 한편, [표 6]에서 라우드니스(Loudness)는 다른 독립변수들(음질인자들)과의 상관성이 매우 크기 때문에 제외한다.

집단 영역 분류부(150)는 유의미한 판별함수를 이용하여 진단 대상물의 정상 또는 고장 상태의 집단에 대한 영역을 구분할 수 있다. 즉, 집단 영역 분류부(150)는 추출된 유의미한 2개의 판별함수를 2차원 평면에 표현하여 집단의 영역을 구분하고 집단의 위치를 결정할 수 있다.

집단 영역 분류부(150)는 음질인자의 분석을 통해 얻어낸 인자들을 통하여 판별 분석을 실시하여 각 집단별 집단중심점과 분포, 영역도를 도출함으로써, 진단 대상물의 정상상태 및 각 고장상태를 판별할 수 있다.

도 3에는 집단을 구분하는 영역도가 도시되어 있고, 도 4에는 판별 분석을 실시하여 구분한 집단별 진단중심점과 분포가 도시되어 있다.

도 3을 참조하면, 가로축에는 정준 판별함수 1, 세로축에는 정준 판별함수 2를 2차원 평면에 표현하여 6개의 영역으로 구분하고 있다. 여기서, 6개의 영역은 1개의 정상상태, 5개의 고장상태를 나타낸다. 즉, 숫자 1로 둘러싸인 영역, 숫자 2로 둘러싸인 영역, 숫자 3으로 둘러싸인 영역 등 6개의 영역으로 구분된다.

도 3에 도시된 바와 같이, 판별 분석에 의하면, 진단 대상물의 정상상태와 고장 유형에 따른 다양한 고장상태를 명확하게 구분할 수 있음을 알 수 있다.

집단 영역 분류부(150)는 새로운 분류 대상(즉, 새롭게 측정된 진동신호 또는 추출된 음질인자)이 있는 경우에는 피셔(Fisher's) 선형판별 함수를 이용할 수 있다. 피셔 선형판별 함수는 새로운 분류 대상이 있는 경우 독립변수 값을 판별함수에 삽입하여 계산한 결과 가장 큰 값을 나타내는 집단으로 분류한다. 피셔 선형판별 함수는 새로운 분석 대상이 어느 집단으로 분류될 것인지 예측하는데 사용될 수 있다.

도 4는 [표 1]에 표시된 6개의 집단을 함수 1과 함수 2의 2차원 평면에 분포시킨 도면이다. 도 4에서 group 1~6은 각각 6개의 집단을 나타낸다. 각각의 집단은 집단중심점을 기준으로 모여 있으며, 각 집단 중심점의 분포 위치가 구분됨을 알 수 있다. 도 4의 좌측에 표시된 6개 집단의 집단 중심점 분포를 도 3의 영역도에 대응시키면, 거의 일치함을 알 수 있다. 또한, 집단 1, 2, 3, 5의 분포가 밀집되어 있는데, 이를 도 4의 우측과 같이 확대 표시하면 도 3의 영역도에 따라 구분됨을 보다 명확히 알 수 있다.

이와 같이, 본 발명의 일 실시예에 따른 음질인자를 이용한 고장 진단 장치(100)는 진단 대상물의 정상상태 또는 고장상태를 구분할 수 있고, 고장상태의 유형에 따라서도 구분할 수 있기 때문에 배경소음을 영향을 배제한 상태에서 정확하게 고장 진단을 할 수 있다.

한편, 도 2는 음질인자의 샘플링 시간 동안의 평균값 또는 대표값을 이용한 것인데, 샘플링 시간 동안에 음질인자가 변동하는 영향을 고려하지 못하는 단점이 있다. 즉, 샘플링 시간 동안 음질인자의 변동이 심하더라도 평균값이 같은 경우가 있을 수 있기 때문에 음질인자의 시간에 따른 변화량을 반영하기 어렵다. 이에 반하여, 도 5에는 음질인자들이 시간에 따라 변동하는 영향을 고려한 결과가 도시되어 있다. 즉, 도 5에는 음질인자들의 시간에 대한 미분값들이 표현되어 있으며, 음질인자의 미분값을 판별 인자로 사용할 수 있다.

각 음질인자의 미분값 내지 기울기값의 제곱평균제곱근(RMS: Root Mean Square) 값을 도출하고, RMS 값을 이용하여 통계 처리할 수도 있다. 음질인자의 미분값 내지 기울기값과 RMS값을 이용함으로써, 음질인자가 샘플링 시간 동안 변동하는 양에 대한 수치적인 차이를 잘 반영할 수 있다.

도 5에서 SPL과 Loudness의 경우 기울기 RMS값이 역전되는 현상이 발생하는데, 이는 두 신호의 차이를 보다 명확하게 나타내기 때문이다.

기울기 RMS값을 이용하면, 음질인자별로 가장 차이를 나타내는 데이터 샘플이 다름을 명확하게 알 수 있다. 예를 들면, 도 5에서 Sharpness의 경우에는 고장 3(Failure 3)의 경우가 가장 차이를 나타내고, Roughness의 경우에는 고장 1(Failure 1)이 가장 큰 차이를 나타낸다. 이러한 경향으로 볼 때, 기울기의 RMS값을 통계적 모델에 적용할 경우 고장 상태를 보다 명확하게 분류할 수 있다.

도 6에는 도 5와 같이 음질인자의 미분값 또는 기울기값의 RMS를 이용하여 유의미한 2개의 정준 판별함수를 구하고, 이를 2차원 평면에 표현한 집단별 분포가 도시되어 있다. 도 4의 경우와 유사하게 도 6의 경우에도 집단별로 영역이 명확하게 구분되며, 도 3의 영역도에 대응됨을 알 수 있다.

이와 같이, 본 발명의 일 실시예에 따른 진단 장치(100)의 통계 처리부(130)는 음질인자의 시간에 대한 미분값을 사용하고, 상기 미분값의 RMS 값을 이용할 수 있다.

한편, 발명의 다른 분야에 의하면, 도 7에 도시된 바와 같이 본 발명은 음질인자를 이용한 고장 진단 장치를 이용한 고장 진단 방법에 있어서, 진단 대상물로부터 진동신호를 측정하는 단계(S101), 진동신호에서 음질인자를 추출하는 단계(S102), 음질인자의 집단으로부터 판별함수를 추출 생성하는 단계(S103) 및 생성된 판별함수 중 유의미한 2개의 판별함수를 이용하여 영역을 구분하는 단계(S104)를 포함하는, 음질인자를 이용한 고장 진단 방법을 제공할 수 있다.

본 발명에 따른 음질인자를 이용한 고장 진단 방법은 상기에서 설명한 음질인자를 이용한 고장 진단 장치(100)를 이용하여 진단 대상물의 고장을 진단하는 방법이다. 따라서, 고장 진단 방법은 고장 진단 장치의 작동과 유사하기 때문에 반복적인 설명은 생략한다.

진동신호를 측정하는 단계(S101)는 진단 대상물의 정상 상태 또는 고장 상태에 따른 진동신호의 집단을 생성할 수 있다. 여기서, 음질인자의 집단은 상기에서 설명한 진단 대상물의 정상 또는 고장 상태에 따른 집단을 의미하는 것이며, 각각의 상태에 대해서 진동신호를 반복적으로 측정하여 진동신호의 집단을 생성할 수 있다.

음질인자를 추출하는 단계(S102)는 샘플링 시간에 대하여 음질인자의 대표값 또는 평균값을 추출하거나, 음질인자의 시간에 대한 미분값을 추출할 수 있다. 음질인자의 대표값 또는 평균값을 추출하는 경우에는, 샘플링 시간 동안 음질인자가 변동하는 영향을 반영하지 못할 수 있기 때문에, 이를 보완하기 위해서 음질인자의 시간에 대한 미분값 또는 기울기의 RMS값을 추출할 수도 있다. 즉, 음질인자를 추출하는 단계(S102)는 미분값 또는 기울기의 RMS값을 이용할 수 있다. 음질인자를 추출하는 단계(S102)는 미분값 또는 기울기의 RMS값을 이용함으로써 음질인자가 시간에 대해 변동하는 영향을 고려할 수 있다.

판별함수를 추출 생성하는 단계(S103)는 집단의 개수 보다 하나 적은 수의 판별함수를 추출할 수 있다. 만약, 집단의 개수가 6이면, 5개의 정준 판별함수를 추출할 수 있다.

판별함수를 추출 생성하는 단계(S103)는 집단 내 분산과 집단 간 분산의 합에 대한 집단 내 분산의 비가 가장 작은 독립변수들의 계수를 구할 수 있다. 판별함수를 추출 생성하는 단계(S103)는 "집단 내 분산/(집단 내 분산+집단 간 분산)" 값을 나타내는 Wilks 람다 값이 가장 작은 독립변수를 구할 수 있다. Wilks 람다 값이 가장 작은 독립변수는 판별력이 높은 변수라고 할 수 있다.

영역을 구분하는 단계(S104)는 유의미한 2개의 판별함수를 이용하여 이차원 평면에서 집단의 위치를 결정할 수 있다. 추출된 유의미한 2개의 판별함수를 2차원 평면에 표현하여 집단의 영역을 구분하고 집단의 위치를 결정할 수 있다. 영역을 구분하는 단계(S104)는 음질인자의 분석을 통해 얻어낸 인자들을 통하여 판별 분석을 실시하여 각 집단별 집단중심점과 분포, 영역도를 도출함으로써, 진단 대상물의 정상상태 및 각 고장상태를 판별할 수 있다. 피셔 선형판별 함수를 이용하여 새로운 분석 대상이 어느 집단으로 분류될 것인지 예측할 수 있다.

또한, 본 발명은, 음질인자를 이용한 고장 진단 장치를 이용한 고장 진단 방법에 있어서, 상기 진단 대상물의 정상 또는 고장 상태에 대해 가장 큰 값을 가지는 음질인자들을 추출하고, 상기 음질인자들을 통계 처리하고 판별분석법을 적용하여 상기 진단 대상물의 정상 여부 또는 고장 유형을 판단하는 음질인자를 이용한 고장 진단 방법을 제공할 수 있다.

본 발명에 따른 고장 진단 방법은 진단 대상물의 고장 유형에 따라 다른 진동신호에서 음질인자를 추출하고 이를 이용하여 통계적 기법을 통해 고장 상태를 판별할 수 있다. 다시 말하면, 음질인자를 변수로 지정한 판별 분석법을 통해 고장 상태를 정의하고 분류할 수 있다.

본 발명에 따른 음질인자를 이용한 고장 진단 장치 및 고장 진단 방법은 고장 여부 또는 고장 유형에 따른 진동 신호를 구분 지을 수 있는 독립변수(음질인자)들 중에서 집단 간 분산이 크고 집단 내 분산이 작은 정준 판별함수를 생성하고, 새롭게 측정되는 진동신호에 대하여 피셔 선형판별함수를 적용하여 고장 여부를 판별하거나 진단할 수 있다.

이상과 같이 본 발명의 일실시예에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

100: 음질인자를 이용한 고장 진단 장치
110: 진동신호 측정부
120: 음질인자 추출부
130: 음질인자 통계처리부
140 판별함수 추출 생성부
150: 집단 영역 분류부

Claims

진단 대상물의 정상 또는 고장 상태의 집단에 따른 진동신호를 반복적으로 측정하여 진동신호 측정부;
상기 진동신호에서 다수개의 음질인자를 추출하고, 상기 음질인자들의 시간에 따른 변화를 측정하는 음질인자 추출부;
추출된 상기 음질인자들의 평균 및 표준편차를 구하는 음질인자 통계처리부;
상기 진단 대상물의 정상 또는 고장 상태의 개수 보다 1개 적은 수의 정준판별함수를 생성하고, 상기 정준판별함수 중 유의미한 판별함수를 추출하는 판별함수 생성 추출부; 및
상기 유의미한 판별함수를 이용하여 상기 진단 대상물의 정상 또는 고장 상태의 집단에 대한 영역을 구분하는 집단 영역 분류부;
를 포함하는, 음질인자를 이용한 고장 진단 장치.
제1항에 있어서,
상기 음질인자 추출부는 샘플링 시간에 대하여 상기 음질인자의 대표값 또는 평균값을 추출하는 음질인자를 이용한 고장 진단 장치.
제1항에 있어서,
상기 판별함수 생성 추출부는 상기 집단 내 분산에 비하여 상기 집단 간의 분산의 차이를 최대화하는 독립변수들의 계수를 구하는 음질인자를 이용한 고장 진단 장치.
제1항에 있어서,
상기 판별함수 생성 추출부는 상기 진동신호를 구분 지을 수 있는 독립변수들 중 상기 집단 간 분산이 크고 상기 집단 내 분산은 작은 판별함수를 생성하는 음질인자를 이용한 고장 진단 장치.
제1항에 있어서,
상기 통계 처리부는 상기 음질인자의 시간에 대한 미분값을 사용하는 음질인자를 이용한 고장 진단 장치.
제5항에 있어서,
상기 통계 처리부는 상기 미분값의 RMS 값을 이용하는 음질인자를 이용한 고장 진단 장치.
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 집단 영역 분류부는 새롭게 측정되는 진동 신호에 대하여 피셔의 선형 판별함수를 적용하여 상기 대상물의 고장 여부를 판별하는 음질인자를 이용한 고장 진단 장치.
제7항에 따른 음질인자를 이용한 고장 진단 장치를 이용한 고장 진단 방법에 있어서,
상기 진단 대상물로부터 상기 진동신호를 측정하는 단계;
상기 진동신호에서 상기 음질인자를 추출하는 단계;
상기 음질인자의 집단으로부터 상기 판별함수를 추출 생성하는 단계; 및
생성된 상기 판별함수 중 유의미한 2개의 판별함수를 이용하여 영역을 구분하는 단계;
를 포함하는, 음질인자를 이용한 고장 진단 방법.
제8항에 있어서,
상기 진동신호를 측정하는 단계는 상기 진단 대상물의 정상 상태 또는 고장 상태에 따른 진동신호의 집단을 생성하는 음질인자를 이용한 고장 진단 방법.
제8항에 있어서,
상기 음질인자를 추출하는 단계는 샘플링 시간에 대하여 상기 음질인자의 대표값 또는 평균값을 추출하거나, 상기 음질인자의 시간에 대한 미분값을 추출하는 음질인자를 이용한 고장 진단 방법.
제10항에 있어서,
상기 음질인자를 추출하는 단계는 상기 미분값의 RMS값을 이용하는 음질인자를 이용한 고장 진단 방법.
제8항에 있어서,
상기 음질인자를 추출하는 단계는 상기 음질인자가 시간에 대해 변동하는 영향을 고려하는 음질인자를 이용한 고장 진단 방법.
제8항에 있어서,
상기 판별함수를 추출 생성하는 단계는 상기 집단 내 분산과 상기 집단 간 분산의 합에 대한 상기 집단 내 분산의 비가 가장 작은 독립변수들의 계수를 구하는 음질인자를 이용한 고장 진단 방법.
제8항에 있어서,
상기 영역을 구분하는 단계는 유의미한 2개의 상기 판별함수를 이용하여 이차원 평면에서 상기 집단의 위치를 결정하는 음질인자를 이용한 고장 진단 방법.