KR102315492B1 - 모터 수명 예측 시스템 및 이의 실행 방법 - Google Patents

모터 수명 예측 시스템 및 이의 실행 방법 Download PDF

Info

Publication number
KR102315492B1
KR102315492B1 KR1020210114515A KR20210114515A KR102315492B1 KR 102315492 B1 KR102315492 B1 KR 102315492B1 KR 1020210114515 A KR1020210114515 A KR 1020210114515A KR 20210114515 A KR20210114515 A KR 20210114515A KR 102315492 B1 KR102315492 B1 KR 102315492B1
Authority
KR
South Korea
Prior art keywords
motor
remaining
life
algorithm
life prediction
Prior art date
Application number
KR1020210114515A
Other languages
English (en)
Other versions
KR102315492B9 (ko
Inventor
하장헌
이동엽
Original Assignee
(주)텔레스퀘어
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)텔레스퀘어 filed Critical (주)텔레스퀘어
Priority to KR1020210114515A priority Critical patent/KR102315492B1/ko
Application granted granted Critical
Publication of KR102315492B1 publication Critical patent/KR102315492B1/ko
Publication of KR102315492B9 publication Critical patent/KR102315492B9/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16528—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values using digital techniques or performing arithmetic operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
    • G01R19/252—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques using analogue/digital converters of the type with conversion of voltage or current into frequency and measuring of this frequency
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

본 발명의 일 실시예에 따른 모터 수명 예측 시스템은 모터에 전원을 공급하는 전원 공급 라인 또는 전원 공급 라인이 접속되어 있는 단자 박스에 설치되며, 운전중인 모터에 걸리는 전압을 측정하는 전압 센서, 모터에 전원을 공급하는 전원 공급 라인 또는 전원 공급 라인이 접속되어 있는 단자 박스에 설치되며, 운전중인 모터에 유입 또는 모터로부터 유출되는 전류를 측정하는 전류 센서, 상기 전압 센서와 전류 센서에 의해 각각 측정된 전압 및 전류 신호를 디지털 데이터로 변환하는 아날로그-디지털 컨버터, 상기 아날로그-디지털 컨버터에 의해 변환된 측정 전압 데이터 및 전류 데이터를 수집하고, 수집된 데이터에 대해 FFT(Fast Fourier Transform) 연산을 수행하는 FFT 연산 수행부 및 특정 기간 동안 상기 FFT 연산 수행부에 의한 FFT 연산 데이터를 서로 다른 수명 예측 알고리즘에 적용하여 수명 예측 알고리즘 별 모터 잔여 수명을 산출하고, 상기 수명 예측 알고리즘 별 모터 잔여 수명 중 적어도 하나의 모터 잔여 수명을 이용하여 최종 모터 잔여 수명을 산출하는 모터 잔여 수명 예측부를 포함한다.

Description

모터 수명 예측 시스템 및 이의 실행 방법{MOTOR LIFETIME PREDICTION SYSTEM AND METHOD PERFORMING THEREOF}
본 발명은 모터 수명 예측 시스템 및 이의 실행 방법에 관한 것으로, 보다 구체적으로 모터의 전기 신호를 측정한 후 디지털 데이터로 전환하여 분석과정을 통해 현재 모터의 잔여 수명을 예측할 수 있도록 하는 모터 수명 예측 시스템 및 이의 실행 방법에 관한 것이다.
일반적으로, 산업현장에서 모터, 특히 3상 유도모터는 기계장치의 동력원으로 사용되고 있으며, 이와 같은 모터의 고장 시에는 제품생산 중단에 따른 상당한 손실을 발생시키게 된다. 모터의 고장은 주로 베어링 결함(파손), 절연 파괴 등의 고정자 고장과, 로터 바의 회전자 고장 및 기계적 결함 등에 의해 발생한다. 이러한 모터의 고장에 대처하기 위해 모터의 상태를 실시간으로 감시하고, 고장을 진단하는 다양한 시스템 및 방법이 연구 및 개발되어 왔다.
일반적으로 회전설비 및 모터의 불량을 진단하고 불량에 따른 진단을 진행하여 근본적인 원인결함을 알기 위해 각각의 설비의 별개의 시험 장치를 통해 그 결함 정도를 판단한다.
회전설비 및 모터의 부위별 결함이 확정되어질 때 모터와 연결된 기계적인 부분과 전기적인 부분의 조치를 취하여 설비의 정상적인 운영을 진행하고 그 설비의 재고가 있을 때는 즉시 설비의 조치가 가능하다.
하지만, 설비의 재고가 없을 때는 그 설비의 운영에 필요한 기본적인 내용만 운영하고 고장 부분의 신규 설비 인입이 되었을 때 고장 수리하여 해당 라인의 정상적 운영이 가능함으로써 보조설비의 운영기간을 길게 가져가고 있다.
이에 각 설비의 고장진단과 해당 설비의 수명을 예측하고 그에 따른 해당 설비의 신규 구매를 통한 미리 사전에 준비하는 TBM(Time Based Maintenance)정비에서 CBM(Condition Based Maintenance)정비로의 대변화를 원하고 있는데, 이에 따른 수명예측 알고리즘 기술의 도입이 요구되고 있다.
모터 수명 예측과 관련된 종래 기술에 대해서 살펴보면, 등록특허공보 10-1267946호(2013. 05. 16.등록)에는, 결함 시험을 통한 표준모델링과 전달함수 유도를 통한 부하모델링으로 회전 설비구성품의 잔존수명 판정 기준값을 자동으로 설정하여 회전 설비 구성품 잔존수명 예측에 대한 객관적인 판정기준을 마련하고, 기여율을 갖는 회전 설비 구성품 징후라인의 이력 데시벨 변화율을 산출하는 개별모델링을 수행하므로 회전 설비 구성품 의 에너지 손실원인을 객관적으로 분석하고 잔존 수명을 예측하는 기술이 개시되어 있다.
또한, 등록특허공보 10-1681922호(2016. 11. 28.등록)에는, 모터의 구동을 제어하는 인버터의 1차측 및 2차측에서 측정하는 전력정보 데이터(예를 들어, DC 노이즈, 아크, 고조파, 전력량 등을 확 인하기 위한 측정 데이터)와 인버터 출력 측에서 측정하는 DC 노이즈 영향에 의한 반파전류 성분을 토대로 분석을 수행함으로써, 모터와 인버터의 수명을 진단하는 방법이 개시되어 있다.
또한, 등록특허공보 10-0557377호(2006. 02. 24.등록)에는, 회전기 진동의 시계열 가속도 데이터를 측정하는 진동계와, 측정된 아날로그 신호의 시계열 가속도 데이터를, 회전 기의 회전자의 블레이드 매수를 포함하는 식과 회전기에서의 고유의 기준 진동 주파수와의 곱으로 표현되는 제1 해석 주 파수를 포함하는 주파수 밴드로 여파하는 밴드 패스 필터와, 여파된 제1 해석 주파수의 시계열 가속도 데이터의 특징량 으로부터 회전기의 수명을 예측하는 기술이 개시되어 있다.
또한, 등록특허공보 10-0386716호(2003. 05. 26.등록)에는, 전기를 이용하여 구동되는 모터의 현재 상태와 수명에 따라서 전류치가 변화하는 특성을 이용하여, 모터의 동작전류를 검출해서 이를 수명에 따른 상태 그래프로 표시해주는 기술이 개시되어 있다.
특허문헌 1 : 등록특허공보 10-1267946호(2013. 05. 16.등록) 특허문헌 2 : 등록특허공보 10-1681922호(2016. 11. 28.등록) 특허문헌 3 : 등록특허공보 10-0557377호(2006. 02. 24.등록) 특허문헌 4 : 등록특허공보 10-0386716호(2003. 05. 26.등록)
본 발명은 모터의 전기 신호를 측정한 후 디지털 데이터로 전환하여 분석과정을 통해 현재 모터의 잔여 수명을 예측할 수 있도록 하는 모터 수명 예측 시스템 및 이의 실행 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은 모터의 전기 신호를 분석하여 모터의 고장 결함을 판정하고 잔여 수명을 예측함으로써 생산성 향상에 기여하고 고비용의 유지 보수 비용을 절감하고, 고장 예측을 통한 장기적인 부품 수급 혹은 안정적인 생산성을 기대할 수 있도록 하는 모터 수명 예측 시스템 및 이의 실행 방법을 제공하는 것을 목적으로 한다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
이러한 목적을 달성하기 위한 모터 수명 예측 시스템은 모터에 전원을 공급하는 전원 공급 라인 또는 전원 공급 라인이 접속되어 있는 단자 박스에 설치되며, 운전중인 모터에 걸리는 전압을 측정하는 전압 센서, 모터에 전원을 공급하는 전원 공급 라인 또는 전원 공급 라인이 접속되어 있는 단자 박스에 설치되며, 운전중인 모터에 유입 또는 모터로부터 유출되는 전류를 측정하는 전류 센서, 상기 전압 센서와 전류 센서에 의해 각각 측정된 전압 및 전류 신호를 디지털 데이터로 변환하는 아날로그-디지털 컨버터, 상기 아날로그-디지털 컨버터에 의해 변환된 측정 전압 데이터 및 전류 데이터를 수집하고, 수집된 데이터에 대해 FFT(Fast Fourier Transform) 연산을 수행하는 FFT 연산 수행부 및 특정 기간 동안 상기 FFT 연산 수행부에 의한 FFT 연산 데이터를 서로 다른 수명 예측 알고리즘에 적용하여 수명 예측 알고리즘 별 모터 잔여 수명을 산출하고, 상기 수명 예측 알고리즘 별 모터 잔여 수명 중 적어도 하나의 모터 잔여 수명을 이용하여 최종 모터 잔여 수명을 산출하는 모터 잔여 수명 예측부를 포함한다.
또한 이러한 목적을 달성하기 위한 모터 수명 예측 시스템에서 실행되는 모터 수명 예측 방법은 전압 센서 및 전류 센서에 의해 운전중인 모터에 걸리는 전압과 모터에 유입 또는 모터로부터 유출되는 전류를 측정하는 단계, 상기 전압 센서 및 상기 전류 센서에 의해 각각 측정된 전압 및 전류 신호를 아날로그-디지털컨버터에 의해 디지털 데이터로 변환하는 단계, 상기 아날로그/디지털 컨버터에 의해 변환된 측정 전압 데이터 및 전류 데이터를 수집하고, FFT 연산 수행부에 의해 상기 수집된 데이터에 대해 FFT 연산을 수행하는 단계, 특정 기간 동안 상기 FFT 연산 수행부에 의한 FFT 연산 데이터를 서로 다른 수명 예측 알고리즘에 적용하여 모터 잔여 수명 예측부에 의해 수명 예측 알고리즘 별 모터 잔여 수명을 산출하는 단계 및 상기 모터 잔여 수명 예측부에 의해 상기 수명 예측 알고리즘 별 모터 잔여 수명 중 적어도 하나의 모터 잔여 수명을 이용하여 최종 모터 잔여 수명을 산출하는 단계를 포함한다.
전술한 바와 같은 본 발명에 의하면, 모터의 전기 신호를 측정한 후 디지털 데이터로 전환하여 분석과정을 통해 현재 모터의 잔여 수명을 예측할 수 있다는 장점이 있다.
또한 본 발명에 의하면, 모터의 전기 신호를 분석하여 모터의 고장 결함을 판정하고 잔여 수명을 예측함으로써 생산성 향상에 기여하고 고비용의 유지 보수 비용을 절감하고, 고장 예측을 통한 장기적인 부품 수급 혹은 안정적인 생산성을 기대할 수 있다는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 모터 수명 예측 시스템을 설명하기 위한 네트워크 구성도이다.
도 2는 본 발명에 따른 모터 수명 예측 방법의 일 실시예를 설명하기 위한 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 모터 수명 예측 과정을 설명하기 위한 예시도이다.
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용된다.
도 1은 본 발명의 일 실시예에 따른 모터 수명 예측 시스템을 설명하기 위한 네트워크 구성도이다.
도 1을 참조하면, 모터 수명 예측 시스템은 모터 수명 예측 장치(100), 모터(200), 전압 센서(300), 전류 센서(400), TCP 서버(500), 웹 서버(600), 스마트 디바이스(700), 사용자 단말(800) 및 클라우드(900)를 포함한다.
모터 수명 예측 장치(100)는 전압 센서(300) 및 전류 센서(400)로부터 수신된 정보를 기초로 모터(200)의 수명을 예측하는 장치이다.
이러한 모터 수명 예측 장치(100)는 아날로그-디지털 컨버터(110), FFT 연산 수행부(120), 모터 제어부(130), 제어부(140), 모터 잔여 수명 예측부(150),상태 감지부(160), 메모리부(170), 표시부(180) 및 통신부(190)를 포함한다.
아날로그-디지털 컨버터(ADC)(110)는 전압 센서(300)와 전류 센서(400)에 의해 각각 측정된 전압 및 전류 신호(아날로그 신호)를 디지털 데이터로 변환한다. 이와 같은 아날로그-디지털 컨버터(110)는 적용에 특별한 제한은 없으며, 제품화되어 시판되고 있는 일반적인 A/D 컨버터이면 모두 사용이 가능하다.
FFT 연산 수행부(120)는 아날로그-디지털 컨버터(110)에 의해 변환된 측정 전압 데이터 및 전류 데이터를 수집하고, 수집된 데이터에 대해 FFT(Fast Fourier Transform) 연산을 수행한다.
제어부(140)는 아날로그-디지털 컨버터(130)에 의해 변환된 측정 전압 데이터 및 전류 데이터가 메모리부(170)에 저장되도록 제어하고, 수집된 데이터에 대해 FFT 연산에 필요한 형식의 데이터로 로우(RAW) 데이터 변환을 수행하여 FFT 연산을 수행하도록 연산 수행부(120)를 제어한다.
이와 같이 제어부(140)에서 아날로그-디지털 컨버터(110)에 의해 변환된 측정 전압 데이터 및 전류 데이터를 수집하되, 최소 샘플링 개수의 저주파수 데이터와 최소 샘플링 개수의 고주파수 데이터를 각각 수집한다. 이는 FFT 연산 수행부(120)가 FFT 연산을 수행하기 위해서는 최소한 3*?*회의 반복적인 샘플링 데이터의 수집이 필요하기 때문이다.
모터 잔여 수명 예측부(150)는 특정 기간 동안 상기 FFT 연산 수행부에 의해 연산된 FFT 연산 데이터를 서로 다른 수명 예측 알고리즘에 적용하여 수명 예측 알고리즘 별 모터 잔여 수명을 산출한다. 이때, 서로 다른 수명 예측 알고리즘은 ARIMA(머신러닝) 알고리즘, LSTM(딥러닝) 알고리즘 및 GRU(딥러닝) 알고리즘을 포함할 수 있다.
먼저, 모터 잔여 수명 예측부(150)는 특정 기간 동안 상기 FFT 연산 수행부에 의해 연산된 FFT 연산 데이터를 ARIMA 알고리즘에 적용하여 모터 잔여 수명을 산출하는 과정을 설명하기로 한다.
모터 잔여 수명 예측부(150)는 FFT 연산 데이터를 ARIMA 알고리즘에 적용하여 모터 잔여 수명을 산출하기 위해서, 샘플 개수, 임계치 및 신뢰 구간을 설정한다.
그런 다음, 모터 잔여 수명 예측부(150)는 샘플 개수 만큼의 FFT 연산 데이터를 가지고 ARIMA 예측을 수행하고, 신뢰 구간을 토대로 ARIMA 예측값의 상한 추정치와 하한 추정치를 계산한다. 그런 다음, 모터 잔여 수명 예측부(150)는 상한 추정치와 하한 추정치 중 어느 하나를 임계치와 비교하여 모터 잔여 수명을 예측한다.
[수학식 1]
Figure 112021099816662-pat00001
Zt: 시계열 FFT 연산 데이터,
t: 시간을 나타내는 연산자,
L: 후향연산자,
Figure 112021099816662-pat00002
을 따르는 호차항, 백색 잡음
p: 자기회귀(Autoregressive) 항의 차수,
q: 이동 평균(Moving Average) 항의 차수,
d: 차분의 차수,
Figure 112021099816662-pat00003
: 상수,
상기의 [수학식 1]에서
Figure 112021099816662-pat00004
은 AR 항을 의미하고,
Figure 112021099816662-pat00005
은 MR 항을 의미한다. 그리고, AR 항 및 MA 항 각각은 아래의 [수학식 2]와 같이 표현될 수 있다.
[수학식 2]
Figure 112021099816662-pat00006
[수학식 2]를 이용하면 ARIMA(p, d, q)모형을 [수학식 3]으로 나타낼 수 있다.
[수학식 3]
Figure 112021099816662-pat00007
ARIMA(p,d,q) 모형에서 만약 d=0 이라면, ARIMA(p,q)모형이 된다.
또한, 모터 잔여 수명 예측부(150)는 특정 기간 동안 상기 FFT 연산 수행부에 의해 연산된 FFT 연산 데이터를 LSTM 알고리즘에 적용하여 모터 잔여 수명을 산출하는 과정을 설명하기로 한다.
모터 잔여 수명 예측부(150)는 [수학식 4]의 삭제 게이트를 이용하여 FFT 연산 데이터 중 어떤 정보를 버릴지 결정한다.
[수학식 4]
Figure 112021099816662-pat00008
W: 가중치,
b: 바이어스 값,
σ: 제1 시그모이드 활성 함수,
Xt: 현재 시간 스템 t에서의 FFT 연산 데이터,
상기의 [수학식 4]을 통해 제1시그모이드 함수를 지나면 0과 1 사이의 값이 나오게 되는데, 이 값이 곧 삭제 과정을 거친 정보의 양이다. 0에 가까울수록 정보가 많이 삭제된 것이고 1에 가까울수록 정보를 온전히 기억한 것이다. 이를 가지고 모터 수명을 예측하게 된다.
그 후, 모터 잔여 수명 예측부(150)는 [수학식 5]의 입력 게이트를 이용하여 갱신할 FFT 연산 데이터 it을 결정하고, tan h 층은 셀 상태에 더 해질 수 있는 새로운 후보 값들의 벡터
Figure 112021099816662-pat00009
([수학식 3])을 생성한다.
[수학식 5]
Figure 112021099816662-pat00010
it: 갱신할 FFT 연산 데이터,
σ: 제2 시그모이드 함수,
W: 가중치,
b: 바이어스 값,
Xt: 현재 시간 스템 t에서의 FFT 연산 데이터
상기의 [수학식 5]에서 현재 시점(t)의 FFT 연산 데이터와 입력 게이트로 이어지는 가중치 Wi를 곱한 값과 이전 시점(t-1)의 은닉 상태가 입력 게이트로 이어지는 가중치 Wi를 곱한 값을 더하여 제2시그모이드 함수를 지난다. 이를 it라고 한다.
[수학식 6]
Figure 112021099816662-pat00011
Figure 112021099816662-pat00012
: 새로운 후보 값들의 벡터,
tan h: 하이퍼볼릭탄젠트 함수,
b: 바이어스 값,
Xt: 현재 시간 스템 t에서의 FFT 연산 데이터,
[수학식 6]에서 현재 시점(t)의 x값과 입력 게이트로 이어지는 가중치 Wxi를 곱한 값과 이전 시점(t-1)의 은닉 상태가 입력 게이트로 이어지는 가중치 Whg를 곱한 값을 더하여 하이퍼볼릭탄젠트 함수를 지난다. 이를
Figure 112021099816662-pat00013
라고 한다.
시그모이드 함수를 지나 0과 1 사이의 값과 하이퍼볼릭탄젠트 함수를 지나 -1과 1사이의 값 두 개가 나오게 된다. 이 두 개의 값을 가지고 이번에 선택된 기억할 정보의 양을 결정한다.
또한, 상기의 갱신할 FFT 연산 데이터(it) 및
Figure 112021099816662-pat00014
을 합쳐서 셀 상태(Ct-1)을 새로운 셀 상태(Ct)로 갱신한다. 이러한 새로운 셀 상태(Ct)는 아래의 [수학식 4]와 같다.
[수학식 7]
Figure 112021099816662-pat00015
Ct: 새로운 셀 상태,
Ct-1: 셀 상태,
Figure 112021099816662-pat00016
: [수학식 6]에 의해 산출된 새로운 후보 값들의 벡터,
it: 갱신할 FFT 연산 데이터,
마지막으로, 모터 잔여 수명 예측부(150)는 [수학식 8]과 같이 출력 게이트에서 시그모이드 층을 통해 셀 상태에서 어떤 정보들을 출력할지 결정하고 값이 -1에서 1 사이의 값을 갖도록 셀 상태를 하이퍼볼릭탄젠트 함수(tan h)에 넣는다.
그리고, 모터 잔여 수명 예측부(150)는 [수학식 9]과 같이 결정한 부분만 출력되도록 하이퍼볼릭탄젠트 함수(tan h)의 출력을 다시 시그모이드 게이트 출력과 곱한다.
[수학식 8]
Figure 112021099816662-pat00017
[수학식 9]
Figure 112021099816662-pat00018
ht: 예측 잔여 수명,
tan h: 하이퍼볼릭탄젠트 함수,
또한, 모터 잔여 수명 예측부(150)는 특정 기간 동안 상기 FFT 연산 수행부에 의해 연산된 FFT 연산 데이터를 GRU 알고리즘에 적용하여 모터 잔여 수명을 산출하는 과정을 설명하기로 한다. GRU 알고리즘은 [수학식 10]과 같이 업데이트 게이트(z) 및 리셋 게이트(r)를 가지고 있어서 세 개의 게이트를 가지고 있는 LSTM 알고리즘 보다 연산속도가 빠르다.
[수학식 10]
Figure 112021099816662-pat00019
r: 리셋 게이트,
z: 업데이트 게이트,
tan h: 하이퍼볼릭탄젠트 함수,
σ: 시그모이드 함수,
Xt: t시점에서 입력된 FFT 연산 데이터,
ht-1: t-1 시점에서 출력 값,
Wz, Uz, Wr, Ur, Wm, Um: 각 게이트와 셀 기억을 위한 가중치 행렬,
Figure 112021099816662-pat00020
: 원소별 곱셈,
Ψ: 활성 함수,
ht: t 시점에서 예측 잔여 수명,
그 후, 모터 잔여 수명 예측부(150)는 수명 예측 알고리즘 별 모터 잔여 수명 중 적어도 하나의 모터 잔여 수명을 이용하여 최종 모터 잔여 수명을 산출한다.
일 실시예에서, 모터 잔여 수명 예측부(150)는 특정 기간이 제1 기간(예를 들어, 7일)이상이면, 이하의 [수학식 11]에 의해 최종 모터 잔여 수명을 산출한다.
[수학식 11]
Figure 112021099816662-pat00021
Moter_lifetime: 최종 모터 잔여 수명,
GRU(): GRU 알고리즘에 의해 예측된 모터 잔여 수명,
LSTM(): LSTM 알고리즘에 의해 예측된 모터 잔여 수명,
모터 잔여 수명 예측부(150)는 GRU 알고리즘에 의해 예측된 모터 잔여 수명 및 LSTM 알고리즘에 의해 예측된 모터 잔여 수명의 평균값을 최종 모터 잔여 수명으로 결정한다.
다른 일 실시예에서, 모터 잔여 수명 예측부(150)는 특정 기간이 제1 기간(예를 들어, 30일)이상이면, 이하의 [수학식 12] 및 [수학식 13]에 의해 최종 모터 잔여 수명을 산출한다.
[수학식 12]
Figure 112021099816662-pat00022
Moter_lifetime: 최종 모터 잔여 수명,
GRU(): GRU 알고리즘에 의해 예측된 모터 잔여 수명,
LSTM(): LSTM 알고리즘에 의해 예측된 모터 잔여 수명,
ARIMA(): ARIMA 알고리즘에 의해 예측된 모터 잔여 수명,
[수학식 13]
Figure 112021099816662-pat00023
Moter_lifetime: 최종 모터 잔여 수명,
GRU(): GRU 알고리즘에 의해 예측된 모터 잔여 수명,
LSTM(): LSTM 알고리즘에 의해 예측된 모터 잔여 수명,
ARIMA(): ARIMA 알고리즘에 의해 예측된 모터 잔여 수명,
모터 잔여 수명 예측부(150)는 GRU 알고리즘에 의해 예측된 모터 잔여 수명 및 LSTM 알고리즘에 의해 예측된 모터 잔여 수명의 평균값이 ARIMA 알고리즘에 의해 예측된 모터 잔여 수명보다 작은 경우, [수학식 12]과 같이 GRU 알고리즘에 의해 예측된 모터 잔여 수명 및 LSTM 알고리즘에 의해 예측된 모터 잔여 수명의 평균값을 최종 모터 잔여 수명으로 결정한다.
이와 반대로, 모터 잔여 수명 예측부(150)는 GRU 알고리즘에 의해 예측된 모터 잔여 수명 및 LSTM 알고리즘에 의해 예측된 모터 잔여 수명의 평균값이 ARIMA 알고리즘에 의해 예측된 모터 잔여 수명보다 큰 경우, [수학식 13]과 같이 ARIMA 알고리즘에 의해 예측된 모터 잔여 수명을 최종 모터 잔여 수명으로 결정한다.
상태 감지부(160)는 FFT 연산 수행부(120)에 의해 FFT 연산이 수행된 후 전류 FFT 주파수 파형 및 전압 FFT 주파수 파형을 바탕으로 파형의 상황별로 모터(200)의 전기적 결함과 기계적 결함을 판단하며, 이벤트 플래그와 상응하는 데시벨(dB) 값을 전송할 수 있도록 데이터를 구성하여 중앙처리부에 전송 조건을 만들어준다. 여기서, 이와 같은 상태 감지부(160)는 소프트웨어 프로그램으로 구성되어 중앙처리부 내에 또는 메모리에 탑재될 수도있고, 별도의 하드웨어 장치로 구성되거나 제어부 내에 일체로 구성될 수도 있다.
이상과 같은 상태 감지부(160)에 의해 판단되는 전기적 결함은 전압 불균형, 전류 불균형, 역률, 부하율, 출력 손실, 에너지 효율, 유효전력, 무효전력 등을 포함할 수 있고, 기계적 결함은 모터 회전자 결함, 정적편심, 동적 편심, 고정자 기계적 결함, 기계적 불균형, 축정렬 불균형, 베어링 결함, V-벨트 구동결함, 기어박스 결함, 임펠러 결함 등을 포함할 수 있다.
메모리부(170)에는 제어부의 제어에 따라 아날로그-디지털 컨버터(130)에 의해 변환된 측정 전압 데이터 및 전류 데이터가 저장된다.
표시부(180)는 제어부의 제어에 따라 모터의 오류 상태, 모터의 정상 상태 또는 결함 상태를 표시한다.
송수신부(190)는 외부 서버와 연결되고, 제어부의 제어에 따라 모터 수명 예측 장치(100)의 데이터를 외부 서버에 제공한다.
전압 센서(300)는 모터(200)에 전원을 공급하는 전원 공급 라인 또는 전원 공급 라인이 접속되어 있는 단자 박스에 설치되며, 운전중인 모터(200)에 걸리는 전압을 측정한다. 이와 같은 전압 센서(300)로는 전압을 측정할 수 있는 일반적인 전압 센서이면 모두 사용이 가능하다. 또한, 이와 같은 전압 센서(300)는 전원 공급 라인이나 단자 박스 이외에 다른 곳에 설치될 수도 있다.
전류 센서(400)는 모터(200)에 전원을 공급하는 전원 공급 라인 또는 전원 공급 라인이 접속되어 있는 단자 박스에 설치되며, 운전중인 모터(200)에 유입 또는 모터(200)로부터 유출되는 전류를 측정한다. 이와 같은 전류 센서(400)는 위에서의 전압 센서(300)와 마찬가지로 전류를 측정할 수 있는 일반적인 전류 센서이면 모두 사용이 가능하다. 또한, 이와 같은 전류 센서(400)도 전원 공급 라인이나 단자 박스 이외에 다른 곳에 설치될 수도 있다.
외부 서버는 TCP 서버(500) 및 웹 서버(600)를 포함하고, 외부 서버는 모니터링 대상의 모터가 설치되어 있는 장소와 같은 영역(예를 들면, 공장의 현장에 모터가 설치되어 있을 경우, 그 공장 영역 또는 건물의 특정 장소에 모터가 설치되어 있을 경우 그 건물 영역)에 위치할 수도 있고, 모터가 설치되어 있는 위치와 멀리 떨어진 다른 장소에 위치할 수도 있다.
또한, 사용자 단말기는 사용자 PC, 스마트 디바이스(예를 들면, 스마트폰)를 포함할 수 있으며, 클라우드를 더 포함할 수도 있다.
도 2는 본 발명에 따른 모터 잔여 수명 예측 방법의 일 실시예를 설명하기 위한 흐름도이다.
도 2를 참조하면, 모터 잔여 수명 예측 시스템은 단계 S210에서 전압 센서(111) 및 전류 센서(113)에 의해 운전중인 모터(200)에 걸리는 전압과 모터(200)에 유입 또는 모터(200)로부터 유출되는 전류를 측정한다.
이어진 모터 잔여 수명 예측 시스템은 단계 S220에서 전압 센서(111)와 전류 센서(113)에 의해 각각 측정된 전압 및 전류 신호를 아날로그-디지털 컨버터(110)에 의해 디지털 데이터로 변환한다.
모터 잔여 수명 예측 시스템은 단계 S230에서 아날로그/디지털 컨버터에 의해 변환된 측정 전압 데이터 및 전류 데이터를 수집하고, FFT 연산 수행부에 의해 상기 수집된 데이터에 대해 FFT 연산을 수행한다.
모터 잔여 수명 예측 시스템은 단계 S240에서 디지털 변환된 전압 및 전류 데이터를 수집한 후 전류 및 전압 데이터에 대해 FFT 연산을 수행하며, FFT 연산 이전의 데이터와 FFT 연산 이후의 데이터를 메모리에 저장한다.
여기서, 모터 잔여 수명 예측 시스템은 아날로그-디지털 컨버터(120)에 의해 변환된 측정 전압 데이터 및 전류 데이터를 수집하되, 최소 샘플링 개수의 저주파수 데이터와 최소 샘플링 개수의 고주파수 데이터를 각각 수집한다. 이는 FFT 연산을 수행하기 위해서는 최소한 3~4회의 반복적인 샘플링 데이터의 수집이 필요하기 때문이다.
모터 잔여 수명 예측 시스템은 단계 S250에서는 FFT 연산이 수행된 후 전류 FFT 주파수 파형 및 전압 FFT 주파수 파형을 바탕으로 파형의 상황별로 모터(200)의 전기적 결함과 기계적 결함을 판단한다.
모터 잔여 수명 예측 시스템은 단계 S260에서 특정 기간 동안 상기 FFT 연산 수행부에 의한 FFT 연산 데이터를 서로 다른 수명 예측 알고리즘에 적용하여 모터 잔여 수명 예측부에 의해 수명 예측 알고리즘 별 모터 잔여 수명을 산출한다.
단계 S260에 대한 일 실시예에서, 모터 잔여 수명 예측 시스템은 특정 기간 동안 상기 FFT 연산 수행부에 의한 FFT 연산 데이터를 GRU 알고리즘, LSTM 알고리즘 및 ARIMA 알고리즘에 각각 적용하여 수명 예측 알고리즘 별 모터 잔여 수명을 산출할 수 있다.
모터 잔여 수명 예측 시스템은 단계 S270에서 모터 잔여 수명 예측부에 의해 상기 수명 예측 알고리즘 별 모터 잔여 수명 중 적어도 하나의 모터 잔여 수명을 이용하여 최종 모터 잔여 수명을 산출한다.
단계 S270에 대한 일 실시예에서, 모터 잔여 수명 예측 시스템은 상기 특정 기간에 따라 상기 GRU 알고리즘에 의해 산출된 모터 잔여 수명, 상기 LSTM 알고리즘에 의해 산출된 모터 잔여 수명 및 상기 ARIMA 알고리즘에 의해 산출된 모터 잔여 수명 중 두 개의 모터 잔여 수명의 평균값을 또는 상기 평균값 및 나머지 모터 잔여 수명 중 어느 하나의 값을 최종 잔여 수명으로 예측할 수 있다.
만일, 모터 잔여 수명 예측 시스템은 특정 기간이 제1 기간(예를 들어, 7일)이상이면, GRU 알고리즘에 의해 예측된 모터 잔여 수명 및 LSTM 알고리즘에 의해 예측된 모터 잔여 수명의 평균값을 최종 모터 잔여 수명으로 결정할 수 있다.
이와 반대로, 모터 잔여 수명 예측 시스템은 특정 기간이 제1 기간(예를 들어, 30일)이상이고, GRU 알고리즘에 의해 예측된 모터 잔여 수명 및 LSTM 알고리즘에 의해 예측된 모터 잔여 수명의 평균값이 ARIMA 알고리즘에 의해 예측된 모터 잔여 수명보다 작은 경우, GRU 알고리즘에 의해 예측된 모터 잔여 수명 및 LSTM 알고리즘에 의해 예측된 모터 잔여 수명의 평균값을 최종 모터 잔여 수명으로 결정한다.
또한, 모터 잔여 수명 예측 시스템은 특정 기간이 제1 기간(예를 들어, 30일)이상이고, GRU 알고리즘에 의해 예측된 모터 잔여 수명 및 LSTM 알고리즘에 의해 예측된 모터 잔여 수명의 평균값이 ARIMA 알고리즘에 의해 예측된 모터 잔여 수명보다 큰 경우, ARIMA 알고리즘에 의해 예측된 모터 잔여 수명을 최종 모터 잔여 수명으로 결정한다.
도 3은 본 발명의 일 실시예에 따른 모터 수명 예측 과정을 설명하기 위한 예시도이다.
도 3을 참조하면, 펌프 모터 1에 대해서 7일 이후에 GRU 알고리즘에 의해 예측된 모터 잔여 수명은 -62.602이고, LSTM 알고리즘에 의해 예측된 모터 잔여 수명은 -61.924이고, ARIMA 알고리즘에 의해 예측된 모터 잔여 수명은 -62.985이고, 본 발명의 일 실시예에 따른 모터 잔여 수명 예측 시스템에 의한 모터 잔여 수명은 GRU 알고리즘에 의해 예측된 모터 잔여 수명 및 LSTM 알고리즘에 의해 예측된 모터 잔여 수명의 평균값인 -62.263이다.
펌프 모터 1에 대해서 30일 이후에 GRU 알고리즘에 의해 예측된 모터 잔여 수명은 -61.2423이고, LSTM 알고리즘에 의해 예측된 모터 잔여 수명은 -60.9474이고, ARIMA 알고리즘에 의해 예측된 모터 잔여 수명은 -62.151이고, 본 발명의 일 실시예에 따른 모터 잔여 수명 예측 시스템에 의한 모터 잔여 수명은 -61.0948 이다.
하지만, 실제 펌프 모터 1에 모터 잔여 수명을 측정한 경우 7일 이후의 펌프 모터 1의 모터 잔여 수명은 -63.316이고, 30일 이후의 펌프 모터 1의 모터 잔여 수명은 -60.7747이었다.
예측 알고리즘에 의해 예측된 모터 잔여 수명 및 실제로 측정된 모터 잔여 수명을 비교하면, 본 발명의 일 실시예에 따른 모터 잔여 수명 예측 시스템에 의한 모터 잔여 수명이 실제로 예측된 펌프 모터 1의 모터 잔여 수명과 유사했다.
또한, 펌프 모터 2에 대해서 7일 이후에 GRU 알고리즘에 의해 예측된 모터 잔여 수명은 -65.0779이고, LSTM 알고리즘에 의해 예측된 모터 잔여 수명은 -64.2193이고, ARIMA 알고리즘에 의해 예측된 모터 잔여 수명은 -66.1184이고, 본 발명의 일 실시예에 따른 모터 잔여 수명 예측 시스템에 의한 모터 잔여 수명은 GRU 알고리즘에 의해 예측된 모터 잔여 수명 및 LSTM 알고리즘에 의해 예측된 모터 잔여 수명의 평균값인 -64.6486이다.
펌프 모터 2에 대해서 30일 이후에 GRU 알고리즘에 의해 예측된 모터 잔여 수명은 -65.0833이고, LSTM 알고리즘에 의해 예측된 모터 잔여 수명은 -64.2097이고, ARIMA 알고리즘에 의해 예측된 모터 잔여 수명은 -66.0593이고, 본 발명의 일 실시예에 따른 모터 잔여 수명 예측 시스템에 의한 모터 잔여 수명은 -66.0593 이다.
하지만, 실제 펌프 모터 1에 모터 잔여 수명을 측정한 경우 7일 이후의 펌프 모터 1의 모터 잔여 수명은 -65.6704이고, 30일 이후의 펌프 모터 1의 모터 잔여 수명은 -67.1757이었다.
예측 알고리즘에 의해 예측된 모터 잔여 수명 및 실제로 측정된 모터 잔여 수명을 비교하면, 본 발명의 일 실시예에 따른 모터 잔여 수명 예측 시스템에 의한 모터 잔여 수명이 실제로 예측된 펌프 모터 2의 모터 잔여 수명과 유사했다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변경이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변경 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
100: 모터 수명 예측 장치
200: 모터
300: 전압 센서
400: 전류 센서
500: TCP 서버
600: 웹 서버
700: 스마트 디바이스
800: 사용자 단말
900: 클라우드

Claims (6)

  1. 삭제
  2. 삭제
  3. 모터에 전원을 공급하는 전원 공급 라인 또는 전원 공급 라인이 접속되어 있는 단자 박스에 설치되며, 운전중인 모터에 걸리는 전압을 측정하는 전압 센서;
    모터에 전원을 공급하는 전원 공급 라인 또는 전원 공급 라인이 접속되어 있는 단자 박스에 설치되며, 운전중인 모터에 유입 또는 모터로부터 유출되는 전류를 측정하는 전류 센서;
    상기 전압 센서와 전류 센서에 의해 각각 측정된 전압 및 전류 신호를 디지털 데이터로 변환하는 아날로그-디지털 컨버터;
    상기 아날로그-디지털 컨버터에 의해 변환된 측정 전압 데이터 및 전류 데이터를 수집하고, 수집된 데이터에 대해 FFT(Fast Fourier Transform) 연산을 수행하는 FFT 연산 수행부; 및
    특정 기간 동안 상기 FFT 연산 수행부에 의한 FFT 연산 데이터를 서로 다른 수명 예측 알고리즘에 적용하여 수명 예측 알고리즘 별 모터 잔여 수명을 산출하고, 상기 수명 예측 알고리즘 별 모터 잔여 수명 중 적어도 하나의 모터 잔여 수명을 이용하여 최종 모터 잔여 수명을 산출하는 모터 잔여 수명 예측부를 포함하며,
    상기 모터 잔여 수명 예측부는
    상기 특정 기간 동안 상기 FFT 연산 수행부에 의한 FFT 연산 데이터를 GRU 알고리즘, LSTM 알고리즘 및 ARIMA 알고리즘에 각각 적용하여 수명 예측 알고리즘 별 모터 잔여 수명을 산출하고,
    상기 모터 잔여 수명 예측부는
    상기 특정 기간에 따라 상기 GRU 알고리즘에 의해 산출된 모터 잔여 수명, 상기 LSTM 알고리즘에 의해 산출된 모터 잔여 수명 및 상기 ARIMA 알고리즘에 의해 산출된 모터 잔여 수명 중 두 개의 모터 잔여 수명의 평균값을 또는 상기 평균값 및 나머지 모터 잔여 수명 중 어느 하나의 값을 최종 잔여 수명으로 예측하는 것을 특징으로 하는
    모터 수명 예측 시스템.
  4. 삭제
  5. 삭제
  6. 모터 수명 예측 시스템에서 실행되는 모터 수명 예측 방법에 있어서,
    전압 센서 및 전류 센서에 의해 운전중인 모터에 걸리는 전압과 모터에 유입 또는 모터로부터 유출되는 전류를 측정하는 단계;
    상기 전압 센서 및 상기 전류 센서에 의해 각각 측정된 전압 및 전류 신호를 아날로그-디지털컨버터에 의해 디지털 데이터로 변환하는 단계;
    상기 아날로그-디지털 컨버터에 의해 변환된 측정 전압 데이터 및 전류 데이터를 수집하고, FFT 연산 수행부에 의해 상기 수집된 데이터에 대해 FFT 연산을 수행하는 단계;
    특정 기간 동안 상기 FFT 연산 수행부에 의한 FFT 연산 데이터를 서로 다른 수명 예측 알고리즘에 적용하여 모터 잔여 수명 예측부에 의해 수명 예측 알고리즘 별 모터 잔여 수명을 산출하는 단계;
    상기 모터 잔여 수명 예측부에 의해 상기 수명 예측 알고리즘 별 모터 잔여 수명 중 적어도 하나의 모터 잔여 수명을 이용하여 최종 모터 잔여 수명을 산출하는 단계를 포함하며,
    상기 모터 잔여 수명 예측부에 의해 수명 예측 알고리즘 별 모터 잔여 수명을 산출하는 단계는
    상기 특정 기간 동안 상기 FFT 연산 수행부에 의한 FFT 연산 데이터를 GRU 알고리즘, LSTM 알고리즘 및 ARIMA 알고리즘에 각각 적용하여 수명 예측 알고리즘 별 모터 잔여 수명을 산출하는 단계를 포함하고,
    상기 최종 모터 잔여 수명을 산출하는 단계는
    상기 특정 기간에 따라 상기 GRU 알고리즘에 의해 산출된 모터 잔여 수명, 상기 LSTM 알고리즘에 의해 산출된 모터 잔여 수명 및 상기 ARIMA 알고리즘에 의해 산출된 모터 잔여 수명 중 두 개의 모터 잔여 수명의 평균값을 또는 상기 평균값 및 나머지 모터 잔여 수명 중 어느 하나의 값을 최종 잔여 수명으로 예측하는 단계를 포함하는 것을 특징으로 하는
    모터 수명 예측 방법.
KR1020210114515A 2021-08-30 2021-08-30 모터 수명 예측 시스템 및 이의 실행 방법 KR102315492B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210114515A KR102315492B1 (ko) 2021-08-30 2021-08-30 모터 수명 예측 시스템 및 이의 실행 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210114515A KR102315492B1 (ko) 2021-08-30 2021-08-30 모터 수명 예측 시스템 및 이의 실행 방법

Publications (2)

Publication Number Publication Date
KR102315492B1 true KR102315492B1 (ko) 2021-10-21
KR102315492B9 KR102315492B9 (ko) 2022-01-17

Family

ID=78268861

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210114515A KR102315492B1 (ko) 2021-08-30 2021-08-30 모터 수명 예측 시스템 및 이의 실행 방법

Country Status (1)

Country Link
KR (1) KR102315492B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102413570B1 (ko) * 2021-11-19 2022-06-27 한국자동차연구원 차량용 댐퍼의 수명 예지 방법
JP7246803B1 (ja) * 2022-11-17 2023-03-28 Ｒｙｏｋｉ Ｅｎｅｒｇｙ株式会社 情報処理システム、プログラム及び情報処理方法
KR102631067B1 (ko) * 2023-04-17 2024-01-30 (주)에코산전 추세비교분석을 통한 고장 예측 및 진단이 가능한 계장제어반 운영시스템 및 이에 포함되는 계장제어반
CN117930003A (zh) * 2024-03-21 2024-04-26 南昌三瑞智能科技股份有限公司 无人机电机使用寿命的测试方法、处理装置及测试设备

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19980036844A (ko) * 1996-11-19 1998-08-05 이대원 FFT(Fast Fourier Transform)알고리즘을 이용한 전기설비 고장진단 시스템
KR100386716B1 (ko) 2000-10-31 2003-06-09 (주)트인텍 전기모터의 수명표시장치
KR100557377B1 (ko) 2002-09-30 2006-03-10 가부시끼가이샤 도시바 회전기의 수명 예측 시스템, 회전기의 수명 예측 방법 및회전기를 갖는 제조 장치
KR20080060392A (ko) * 2006-12-27 2008-07-02 한국디지탈콘트롤 주식회사 전력징후분석기술기반의 플랜트 신호처리
KR20130041572A (ko) * 2011-10-17 2013-04-25 한국전기연구원 고압 유도전동기 종합 온라인 상태 진단 장치 및 방법
KR101267946B1 (ko) 2011-12-13 2013-05-24 한국디지탈콘트롤 주식회사 모터 수명예측방법
KR101432786B1 (ko) * 2013-11-14 2014-09-23 엠앤디테크놀로지 주식회사 모터의 고장진단방법 및 그 시스템
KR20150125690A (ko) * 2013-03-29 2015-11-09 미쓰비시덴키 가부시키가이샤 전동기의 진단 장치 및 개폐 장치
KR101681922B1 (ko) 2015-07-16 2016-12-05 제이앤디전자(주) 모터의 수명 및 고장예측 분석장치 및 그 방법
KR101715187B1 (ko) * 2016-07-29 2017-03-10 박재성 전류 신호 분석을 이용한 제철용 연삭기 고장 진단 장치 및 방법
KR101846195B1 (ko) * 2017-09-06 2018-04-06 박재성 모터 상태 모니터링 시스템 및 그 방법
KR20190061430A (ko) * 2017-11-28 2019-06-05 한국생산기술연구원 회전체의 열화 상태 진단 및 잔존 유효 수명 예측 시스템
KR20190072165A (ko) * 2017-12-15 2019-06-25 주식회사 에이스이앤티 모터 고장 진단 시스템
KR20190127424A (ko) * 2018-05-04 2019-11-13 엘지전자 주식회사 사용 수명 예측 및 예측 결과 확인이 가능한 전력 제어장치 및 방법
KR20200043196A (ko) * 2018-10-17 2020-04-27 고려대학교 산학협력단 진동 신호를 이용하여 설비 또는 부품의 잔여 수명을 예측하는 딥러닝 기반의 분석 장치 및 방법
JP2020067281A (ja) * 2018-10-22 2020-04-30 株式会社日立製作所 回転機診断システム
KR102221051B1 (ko) * 2020-06-09 2021-02-26 (주)세종오토메이션 이중 네트워크 기반의 지능형 스마트 모터 진단/제어 시스템

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19980036844A (ko) * 1996-11-19 1998-08-05 이대원 FFT(Fast Fourier Transform)알고리즘을 이용한 전기설비 고장진단 시스템
KR100386716B1 (ko) 2000-10-31 2003-06-09 (주)트인텍 전기모터의 수명표시장치
KR100557377B1 (ko) 2002-09-30 2006-03-10 가부시끼가이샤 도시바 회전기의 수명 예측 시스템, 회전기의 수명 예측 방법 및회전기를 갖는 제조 장치
KR20080060392A (ko) * 2006-12-27 2008-07-02 한국디지탈콘트롤 주식회사 전력징후분석기술기반의 플랜트 신호처리
KR20130041572A (ko) * 2011-10-17 2013-04-25 한국전기연구원 고압 유도전동기 종합 온라인 상태 진단 장치 및 방법
KR101267946B1 (ko) 2011-12-13 2013-05-24 한국디지탈콘트롤 주식회사 모터 수명예측방법
KR20150125690A (ko) * 2013-03-29 2015-11-09 미쓰비시덴키 가부시키가이샤 전동기의 진단 장치 및 개폐 장치
KR101432786B1 (ko) * 2013-11-14 2014-09-23 엠앤디테크놀로지 주식회사 모터의 고장진단방법 및 그 시스템
KR101681922B1 (ko) 2015-07-16 2016-12-05 제이앤디전자(주) 모터의 수명 및 고장예측 분석장치 및 그 방법
KR101715187B1 (ko) * 2016-07-29 2017-03-10 박재성 전류 신호 분석을 이용한 제철용 연삭기 고장 진단 장치 및 방법
KR101846195B1 (ko) * 2017-09-06 2018-04-06 박재성 모터 상태 모니터링 시스템 및 그 방법
KR20190061430A (ko) * 2017-11-28 2019-06-05 한국생산기술연구원 회전체의 열화 상태 진단 및 잔존 유효 수명 예측 시스템
KR20190072165A (ko) * 2017-12-15 2019-06-25 주식회사 에이스이앤티 모터 고장 진단 시스템
KR20190127424A (ko) * 2018-05-04 2019-11-13 엘지전자 주식회사 사용 수명 예측 및 예측 결과 확인이 가능한 전력 제어장치 및 방법
KR20200043196A (ko) * 2018-10-17 2020-04-27 고려대학교 산학협력단 진동 신호를 이용하여 설비 또는 부품의 잔여 수명을 예측하는 딥러닝 기반의 분석 장치 및 방법
JP2020067281A (ja) * 2018-10-22 2020-04-30 株式会社日立製作所 回転機診断システム
KR102221051B1 (ko) * 2020-06-09 2021-02-26 (주)세종오토메이션 이중 네트워크 기반의 지능형 스마트 모터 진단/제어 시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102413570B1 (ko) * 2021-11-19 2022-06-27 한국자동차연구원 차량용 댐퍼의 수명 예지 방법
JP7246803B1 (ja) * 2022-11-17 2023-03-28 Ｒｙｏｋｉ Ｅｎｅｒｇｙ株式会社 情報処理システム、プログラム及び情報処理方法
KR102631067B1 (ko) * 2023-04-17 2024-01-30 (주)에코산전 추세비교분석을 통한 고장 예측 및 진단이 가능한 계장제어반 운영시스템 및 이에 포함되는 계장제어반
CN117930003A (zh) * 2024-03-21 2024-04-26 南昌三瑞智能科技股份有限公司 无人机电机使用寿命的测试方法、处理装置及测试设备
CN117930003B (zh) * 2024-03-21 2024-05-31 南昌三瑞智能科技股份有限公司 无人机电机使用寿命的测试方法、处理装置及测试设备

Also Published As

Publication number Publication date
KR102315492B9 (ko) 2022-01-17

Similar Documents

Publication Publication Date Title
KR102315492B1 (ko) 모터 수명 예측 시스템 및 이의 실행 방법
EP3797304B1 (en) System and method for monitoring an operating condition of an electrical device when in operation
CN113589163B (zh) 使用机器学习进行的感应电机状况监视
US5629870A (en) Method and apparatus for predicting electric induction machine failure during operation
CN102341720B (zh) 使用定子电流噪音消除的电动机缺陷检测用***和方法
US10088838B2 (en) Method for diagnostic monitoring of a wind turbine generator system
Medjaher et al. Data-driven prognostics based on health indicator construction: Application to PRONOSTIA's data
EP3462602B1 (en) Method and apparatus for online condition monitoring of variable speed motor applications
CN114576152B (zh) 水泵状态监测***、监测方法、装置、电子设备和介质
EP3419162B1 (en) Electrical signature analysis of electrical rotating machines
WO2015047121A1 (en) Method and apparatus for embedded current signature analysis and remote condition monitoring for industrial machinery
CN113632026A (zh) 旋转机械设备故障诊断方法、***及存储介质
RU2339049C1 (ru) Способ диагностики электродвигателя переменного тока и связанных с ним механических устройств
CN114061743A (zh) 风力发电机组的振动监测方法、装置、设备及介质
Leonidovich et al. The development and use of diagnostic systems and estimation of residual life in industrial electrical equipment
KR100969243B1 (ko) 모터와 발전기 전력징후가 표시하는 설비상태의 전달함수를 이용한 회전 설비구성품 결함 판단방법
CN110749810A (zh) 一种调相机绝缘故障预测方法及***
Rocchi et al. Fault prognosis for rotating electrical machines monitoring using recursive least square
Iorgulescu et al. Noise and vibration monitoring for diagnosis of DC motor's faults
CN115632486A (zh) 一种基于物联网的用电安全管理方法及***
US20230324258A1 (en) Failure diagnosis apparatus, training apparatus, training method, and failure diagnosis system
KR102144789B1 (ko) 모터설비 에너지 손실 절감을 위한 경고 시스템
RU2213270C2 (ru) Способ определения технического состояния электропогружных установок для добычи нефти
CN112781843A (zh) 通过确定瞬时转速操作期间的振动趋势检测转子异常
RU2814857C1 (ru) Система мониторинга и диагностирования состояния турбогенератора

Legal Events

Date Code Title Description
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
G170 Publication of correction