KR20220055160A - 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법 - Google Patents

베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법 Download PDF

Info

Publication number
KR20220055160A
KR20220055160A KR1020200139347A KR20200139347A KR20220055160A KR 20220055160 A KR20220055160 A KR 20220055160A KR 1020200139347 A KR1020200139347 A KR 1020200139347A KR 20200139347 A KR20200139347 A KR 20200139347A KR 20220055160 A KR20220055160 A KR 20220055160A
Authority
KR
South Korea
Prior art keywords
bearing
tool
data
diagnosis model
normal
Prior art date
Application number
KR1020200139347A
Other languages
English (en)
Other versions
KR102471830B1 (ko
Inventor
이창우
박병희
Original Assignee
건국대학교 산학협력단
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 건국대학교 산학협력단 filed Critical 건국대학교 산학협력단
Priority to KR1020200139347A priority Critical patent/KR102471830B1/ko
Publication of KR20220055160A publication Critical patent/KR20220055160A/ko
Application granted granted Critical
Publication of KR102471830B1 publication Critical patent/KR102471830B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
    • B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
    • B23Q17/0957—Detection of tool breakage
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
    • B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
    • B23Q17/098—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining by measuring noise
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
    • B23Q17/0995—Tool life management
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • 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
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/02—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses
    • G01P15/08—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses with conversion into electric or magnetic values
    • G01P15/097—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses with conversion into electric or magnetic values by vibratory elements
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C2233/00—Monitoring condition, e.g. temperature, load, vibration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Mechanical Engineering (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

본 발명은 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법에 관한 것으로, 공작기계가 가동될 때 발생되는 진동 데이터를 측정하는 데이터 측정부, 정상 베어링과 파손 베어링 조건에서 발생되는 진동 데이터의 특징을 추출하고 학습데이터를 구성하여 베어링 진단 모델을 생성하는 베어링 진단 모델부, 정상과 마멸 공구를 사용한 가공 공정에서 발생되는 진동 데이터의 특징을 추출하고 학습데이터를 구성하여 공구 상태 진단 모델을 생성하는 공구 상태 진단 모델부, 및 상기 측정한 진동 데이터를 기초로 상기 베어링 진단 모델 및 상기 공구 상태 진단 모델을 통해 상기 공작기계의 베어링 및 공구를 동시에 모니터링을 수행하여 상기 베어링 및 상기 공구의 상태를 진단하는 모니터링부를 포함한다.

Description

베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법{APPARATUS AND METHOD FOR SIMULTANEOUS MONITORING OF BEARING AND TOOL CONDITION}
본 발명은 베어링 및 공구 상태 모니터링 기술에 관한 것으로, 더욱 상세하게는 공작기계 가공공정에서 실시간으로 진동 데이터를 수집하여 베어링과 공구 모니터링을 동시에 수행하고 베어링과 공구의 상태를 진단할 수 있는 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법에 관한 것이다.
복합 회전체 기계는 일반적으로 소음이나 여러 요인들로 인해 구성 요소의 파손이 예기치 않는 상황에 발생할 수 있다. 공작기계 회전체의 고장은 공작물을 가공하는 공구와 스핀들 베어링에서 나타난다. 베어링은 회전기계에서 중요한 부분을 구성하므로 진동, 온도 등 여러 데이터를 측정하여 베어링의 상태를 예측하거나 진단하였다. 공작기계의 공구는 공작물의 품질을 결정하는 요소로서 여러 센서(가속도 센서, 음향 센서 등)를 이용하여 수집한 데이터로 공구의 상태를 진단하거나 계측 장비를 이용하여 공구 마모 수준을 측정하였다.
기존의 공작기계 모니터링 시스템은 NC에서 나타내는 주축 부하량을 이용하여 베어링의 상태를 추정하거나 작업자의 판단, 공구의 마모된 부분을 센서를 통해 계측하여 베어링 모니터링 및 공구 모니터링을 개별로 진행함으로써 베어링 및 공구 상태 진단에 많은 시간이 소요되며 이는 가공공정의 생산성을 낮추게 된다.
한국등록특허 제10-1957711(2019.03.07)호는 가공좌표계상 가공시간에 따라 가공위치와 물리적 가공절삭 특성값을 매핑하는 절삭특성맵을 활용하여 절삭상태를 지능적으로 감시 및 진단하고, 절삭조건을 제어할 수 있는 지능형 CNC공작기계 제어시스템에 관한 것으로, CNC가공좌표계상에서 가공시간에 따라서 가공위치와 그에 해당하는 가공 진동과 가공음 등 물리적 결과값을 매핑한 절삭특성맵을 이용하여 CNC공작기계가 절삭가공을 수행할 때 절삭상태의 감시기능, 절삭상태의 불량 여부 등에 대한 진단 기능, 불량 및 저생산적 절삭조건을 양질 및 고생산적 절삭조건으로 변경 제어할 수 있는 기능을 수행할 수 있는 기술에 대해 개시한다.
한국공개특허 제10-2018-0024093(2018.03.08)호는 실제 이동속도가 반영된 절삭부하를 기준으로 한 공작기계의 공구 손상 모니터링 방법에 관한 것으로, 공구, 피가공물의 정보, 가공경로 및 이송속도를 고려하여 산술절삭부하를 산출하는 단계, 가공경로 및 이송속도를 공작기계에 입력하여 피가공물을 가공 시 실제 계측되는 계측이송속도를 도출하는 단계, 계측이송속도를 통해 산술절삭부하를 보정하여 기준절삭부하를 산출하는 단계, 공구를 통해 피가공물을 가공 시 공구에 입력되는 실제절삭부하를 계측하는 단계 및 실제절삭부하 및 기준절삭부하에 대비하여 공구의 손상 여부를 판단하는 단계를 포함하여, 공구의 상태 모니터링 정확도를 높일 수 있는 기술을 개시한다.
한국등록특허 제10-1957711(2019.03.07)호 한국공개특허 제10-2018-0024093(2018.03.08)호
본 발명의 일 실시예는 공작기계 가공공정에서 실시간으로 진동 데이터를 수집하여 베어링과 공구 모니터링을 동시에 수행하고 베어링과 공구의 상태를 진단할 수 있는 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 공작기계의 주축 가속도 신호를 활용하여 기계학습기반의 베어링 및 공구 상태 진단 모델을 각각 생성하고 베어링 진단 모델 및 공구 상태 진단 모델을 통해 공작기계의 절삭 가공 과정에서 실시간으로 베어링 및 공구 상태를 진단함으로써 생산성을 향상시킬 수 있는 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 3축 가속도 센서를 스핀들에 부착하여 가공 과정에서 측정한 가속도 데이터를 베어링 진단 모델 및 공구 상태 진단 모델에 적용하여 베어링 모니터링과 공구 모니터링을 동시에 진행할 수 있는 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법을 제공하고자 한다.
실시예들 중에서, 베어링 및 공구 상태 동시 모니터링을 위한 장치는 공작기계가 가동될 때 발생되는 진동 데이터를 측정하는 데이터 측정부, 정상 베어링과 파손 베어링 조건에서 발생되는 진동 데이터의 특징을 추출하고 학습데이터를 구성하여 베어링 진단 모델을 생성하는 베어링 진단 모델부, 정상과 마멸 공구를 사용한 가공 공정에서 발생되는 진동 데이터의 특징을 추출하고 학습데이터를 구성하여 공구 상태 진단 모델을 생성하는 공구 상태 진단 모델부, 및 상기 측정한 진동 데이터를 기초로 상기 베어링 진단 모델 및 상기 공구 상태 진단 모델을 통해 상기 공작기계의 베어링 및 공구를 동시에 모니터링을 수행하여 상기 베어링 및 상기 공구의 상태를 진단하는 모니터링부를 포함한다.
상기 데이터 측정부는 상기 공작기계의 스핀들에 가속도 센서를 부착하고 상기 가속도 센서를 통해 상기 스핀들 가동에 따른 진동을 측정할 수 있다.
상기 베어링 진단 모델부는 경험적 모드 분해법을 통해 정상 베어링 및 파손 베어링에서 발생하는 진동 데이터로부터 주파수 성분을 분리하여 정상 데이터 대비 베어링 결함의 고유 주파수에 대한 특징 데이터를 추출할 수 있다.
상기 베어링 진단 모델부는 상관함수를 통해 추출한 특징 데이터를 선별하고 선별한 특징 데이터를 입력으로 기계학습을 통해 베어링의 정상 및 이상을 구분하는 베어링 진단 모델을 생성할 수 있다.
상기 베어링 진단 모델부는 상기 추출한 특징 데이터를 상관함수를 통해 클러스터링하여 정상 베어링의 특징 데이터로 이루어진 제1 클러스터와 파손 베어링의 결함별 특징 데이터로 이루어진 제2 클러스터를 형성하고 상기 제1 클러스터와 상기 제2 클러스터 간의 비유사도에 기초하여 상기 특징 데이터를 선별할 수 있다.
상기 베어링 진단 모델부는 상기 비유사도를 아래의 [수학식]에 따라 계산할 수 있다.
[수학식]
Figure pat00001
여기에서, rc1은 정상 데이터의 클러스터의 반지름, rc2는 비정상 데이터의 클러스터의 반지름, Dc1,c2는 두 클러스터의 중심 간 거리를 의미한다.
상기 베어링 진단 모델부는 서포트 벡터 머신에 상기 선별한 특징 데이터를 입력하여 베어링 진단 모델을 생성할 수 있다.
상기 공구 상태 진단 모델부는 가속도 센서를 통해 마모 공구와 정상 공구를 사용한 가공 공정의 진동 데이터를 수집하고 수집한 진동 데이터에 대해 특징을 추출하고 추출한 특징 데이터를 입력으로 신경망 학습하여 정상과 마모를 분류하여 공구 상태 진단 모델을 생성할 수 있다.
상기 공구 상태 진단 모델부는 분류한 정상과 마모를 혼동 행렬로 표시하여 공구의 정상 및 마모 분류율을 확인할 수 있다.
실시예들 중에서, 베어링 및 공구 상태 동시 모니터링을 위한 방법은 정상 베어링과 파손 베어링 조건에서 발생되는 진동을 기초로 특징을 추출하고 학습데이터를 구성하여 베어링 진단 모델을 생성하는 단계, 정상과 마멸 공구를 사용한 가공 공정에서 발생되는 진동을 기초로 특징을 추출하고 학습데이터를 구성하여 공구 상태 진단 모델을 생성하는 단계, 공작기계가 가동될 때 발생되는 진동 데이터를 측정하는 단계, 및 상기 측정한 진동 데이터를 기초로 상기 베어링 진단 모델 및 상기 공구 상태 진단 모델을 통해 상기 공작기계의 베어링 및 공구를 동시에 모니터링을 수행하여 상기 베어링 및 상기 공구의 상태를 진단하는 단계를 포함한다.
상기 베어링 진단 모델 생성단계는 정상 베어링과 파손 베어링 조건에서 발생되는 진동 데이터를 수집하는 단계, 수집한 진동 데이터로부터 주파수 성분을 분리하여 정상 데이터 대비 베어링 결함의 고유 주파수에 대한 특징 데이터를 추출하는 단계, 베어링의 이상을 식별하기 위한 추출한 특징 데이터를 상관함수를 통해 선별하는 단계, 및 선별한 특징 데이터로 기계학습을 수행하여 베어링 진단 모델을 생성하는 단계를 포함할 수 있다.
상기 베어링 진단 모델 생성단계는 특징 데이터 선별 과정에서 정상 베어링의 특징 데이터로 이루어진 제1 클러스터와 파손 베어링의 결함별 특징 데이터로 이루어진 제2 클러스터 간의 비유사도를 하기 수학식을 통해 산출하고 산출한 비유사도가 특정 기준을 만족시키는 특징 데이터를 선별할 수 있다.
[수학식]
Figure pat00002
여기에서, rc1은 정상 데이터의 클러스터의 반지름, rc2는 비정상 데이터의 클러스터의 반지름, Dc1,c2는 두 클러스터의 중심 간 거리를 의미한다.
상기 공구 상태 진단 모델 생성단계는 마모 공구와 정상 공구를 사용한 가공 공정의 진동 데이터를 수집하는 단계, 수집한 진동 데이터에 대해 특징을 추출하는 단계, 및 추출한 특징 데이터를 입력으로 신경망 학습하여 정상과 마모를 분류하여 공구 상태 진단 모델을 생성하는 단계를 포함할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법은 공작기계 가공공정에서 실시간으로 진동 데이터를 수집하여 베어링과 공구 모니터링을 동시에 수행하고 베어링과 공구의 상태를 진단할 수 있다.
본 발명의 일 실시예에 따른 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법은 공작기계의 주축 가속도 신호를 활용하여 기계학습기반의 베어링 및 공구 상태 진단 모델을 각각 생성하고 베어링 진단 모델 및 공구 상태 진단 모델을 통해 공작기계의 절삭 가공 과정에서 실시간으로 베어링 및 공구 상태를 진단함으로써 생산성을 향상시킬 수 있다.
본 발명의 일 실시예에 따른 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법은 3축 가속도 센서를 스핀들에 부착하여 가공 과정에서 측정한 가속도 데이터를 베어링 진단 모델 및 공구 상태 진단 모델에 적용하여 베어링 모니터링과 공구 모니터링을 동시에 진행할 수 있다.
도 1은 본 발명의 일 실시예에 따른 베어링 및 공구 상태 동시 모니터링 시스템을 설명하는 도면이다.
도 2는 도 1에 있는 베어링 및 공구 상태 동시 모니터링을 위한 장치를 설명하는 도면이다.
도 3은 도 2에 있는 베어링 진단 모델부의 베어링 진단 모델 생성 과정을 설명하는 순서도이다.
도 4는 도 2에 있는 공구 상태 진단 모델부의 공구 상태 진단 모델 생성 과정을 설명하는 순서도이다.
도 5는 일 실시예에 따른 베어링 진단 실험 장치의 구성을 나타내는 예시도이다.
도 6은 일 실시예에 따른 베어링의 결함 종류를 나타내는 예시도이다.
도 7a-7b는 일 실시예에 따른 베어링의 정상 및 결함에 따른 진동 데이터의 특징을 나타내는 예시도이다.
도 8은 일 실시예에 따른 베어링의 정상 및 결함에 따른 특징 데이터를 좌표계에 표시한 상태를 나타내는 예시도이다.
도 9는 일 실시예에 따른 베어링의 정상 및 결함에 따른 특징 데이터의 상관함수를 이용한 클러스터링을 나타내는 예시도이다.
도 10은 일 실시예에 따른 정상 공구 및 마모 공구의 시간에 따른 진동 데이터 크기 분포를 나타내는 예시도이다.
도 11은 일 실시예에 따른 공구 상태 진단 모델을 위한 신경망 구조를 나타내는 예시도이다.
도 12는 일 실시예에 따른 공구 상태 진단 모델의 정상 및 마모를 분류한 혼동 행렬을 나타내는 예시도이다.
도 13은 일 실시예에 따른 베어링 및 공구 상태 동시 모니터링 화면을 나타내는 예시도이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명의 일 실시예에 따른 베어링 및 공구 상태 동시 모니터링 시스템을 설명하는 도면이다.
도 1을 참조하면, 베어링 및 공구 상태 동시 모니터링 시스템(100)은 공작기계(110)의 베어링(111) 및 공구(113)의 상태 모니터링을 위한 장치(130)로 구성될 수 있다.
공작기계(110)는 각종 기계를 만드는 기계로, 금속 절삭 등의 가공을 하는 기계를 지칭한다.
베어링 및 공구 상태 동시 모니터링을 위한 장치(130)는 공작기계(110)의 절삭공정을 모니터링하여 실시간으로 베어링(111) 및 공구(113) 상태를 진단할 수 있는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 베어링 및 공구 상태 동시 모니터링을 위한 장치(130)는 공작기계(110)가 가동될 때 발생되는 진동을 기초로 베어링(111)의 정상 및 파손을 진단하는 베어링 진단 모델 및 공구(113)의 마모를 진단하는 공구 상태 진단 모델을 생성하고 베어링 진단 모델 및 공구 상태 진단 모델을 기초로 베어링(111) 및 공구(113)의 상태를 모니터링할 수 있다.
도 2는 도 1에 있는 베어링 및 공구 상태 동시 모니터링을 위한 장치를 설명하는 블록도이다.
도 2를 참조하면, 베어링 및 공구 상태 동시 모니터링을 위한 장치(130)는 데이터 측정부(210), 베어링 진단 모델부(230), 공구 상태 진단 모델부(250), 모니터링부(270) 및 제어부(290)를 포함할 수 있다.
데이터 측정부(210)는 공작기계(110)가 가동될 때 발생되는 진동 데이터를 측정할 수 있다. 일 실시예에서, 데이터 측정부(210)는 공작기계(110)의 스핀들에 3축 가속도 센서를 부착하여 스핀들 가동에 따른 진동을 측정할 수 있다. 여기에서, 데이터 측정부(210)는 3축 가속도 센서를 이용하여 X축, Y축 및 Z축 각각의 방향에 대해 진동 데이터를 수집할 수 있다.
베어링 진단 모델부(230)는 정상 베어링과 파손 베어링 조건에서 발생되는 진동 데이터의 특징을 추출하고 학습데이터를 구성하여 베어링 진단 모델을 생성할 수 있다. 일 실시예에서, 베어링 진단 모델부(230)는 경험적 모드 분해법을 이용하여 측정한 진동 데이터의 특징을 추출할 수 있다.
경험적 모드 분해법은 힐버트 변환(Hilbert Transform)을 응용한 기법으로서, 시간과 진폭의 신호를 주파수를 기준으로 분리할 수 있으며 이를 내재모드함수(Intrinsic Mode Function)라고 한다. 이상 데이터와 정상 데이터 구분은 내재모드함수를 이용하여 구분할 수 있다.
베어링 진단 모델부(230)는 경험적 모드 분해법을 적용하여 측정한 진동 데이터로부터 주파수 성분을 분리하여 내재모드함수를 추출하고 추출한 내재모드함수에 대해 특징 데이터를 추출할 수 있다. 여기에서, 특징 데이터는 베어링 결함의 고유 주파수 성분으로, 정상 데이터 대비 첨도, 왜도, 표준편차 및 평균값을 나타낸다. 베어링 진단 모델부(230)는 선별 기준을 통해 추출한 특징 데이터를 선별하여 기계학습을 통해 베어링 진단 모델을 생성할 수 있다. 일 실시예에서, 베어링 진단 모델부(230)는 상관함수(correlation function)를 이용하여 특징 데이터를 선별할 수 있고, 선별한 특징 데이터를 서포트 벡터 머신에 입력하여 베어링 정상 및 이상을 구분하는 베어링 진단 모델을 생성할 수 있다.
공구 상태 진단 모델부(250)는 정상과 마멸 공구를 사용한 가공 공정에서 발생되는 진동 데이터의 특징을 추출하고 학습데이터를 구성하여 공구 상태 진단 모델을 생성할 수 있다. 일 실시예에서, 공구 상태 진단 모델부(250)는 정상 공구에서 측정한 진동 데이터와 마모 공구에서 측정한 진동 데이터에 대해 연속 웨이블릿 변환 기법을 통해 특징 데이터를 추출하고 정상 데이터 대비 이상 데이터의 특징 데이터를 선별하여 컨볼루션 신경망을 활용한 딥러닝을 통해 정상 공구와 마모 공구를 구분하는 딥러닝 기반의 공구 상태 진단 모델을 생성할 수 있다.
모니터링부(270)는 공작기계(110)가 가공될 때 측정한 진동 데이터를 기초로 베어링 진단 모델 및 공구 상태 진단 모델을 통해 공작기계(110)의 베어링(111) 및 공구(113)를 동시에 모니터링을 수행하여 베어링(111) 및 공구(113)의 상태를 빠르게 진단할 수 있다. 일 실시예에서, 모니터링부(270)는 베어링(111) 및 공구(113)의 진단 결과를 토대로 적절한 시기에 베어링(111) 및 공구(113)의 교체가 이루어지도록 함으로써 공작기계(110)의 생산성 향상을 제공할 수 있다.
제어부(290)는 베어링 및 공구 상태 동시 모니터링을 위한 장치(130)의 전체적인 동작을 제어하고, 데이터 측정부(210), 베어링 진단 모델부(230), 공구 상태 진단 모델부(250) 및 모니터링부(270) 간의 제어 흐름 및 데이터 흐름을 관리할 수 있다.
도 3은 도 2에 있는 베어링 진단 모델부의 베어링 진단 모델 생성 과정을 설명하기 위한 순서도이다.
도 3에서, 베어링 진단 모델부(230)는 정상 베어링과 파손 베어링 조건에서 발생되는 진동 데이터를 수집한다(단계 S310). 베어링 진단 모델부(230)는 가속도 센서를 이용하여 공작기계(110)가 가동될 때 발생되는 진동을 측정하여 진동 데이터를 수집할 수 있다. 베어링 진단 모델부(230)는 공작기계(110)의 베어링(111)이 정상일 때 생성되는 진동 데이터와 베어링(111)에 결함이 있을 때 생성되는 진동 데이터를 수집할 수 있다. 예컨대, 베어링 진단 모델부(230)는 도 4에 도시한 바와 같이, 가속도 센서(410)를 사용하여 정상 베어링(420)과 결함 베어링(430)에서 발생하는 진동 데이터를 수집한다.
도 4는 일 실시예에 따른 베어링 진단 실험 장치의 구성을 나타내는 예시도이고, 도 5는 일 실시예에 따른 베어링의 결함을 보여주는 예시도이다.
베어링의 결함은 도 5에 예시된 바와 같이, 케이지 결함, Smearing(얼룩 상태), Flaking(표면이 엷은 조각으로 떨어져 나가는 현상) 등 다양하게 발생한다. 베어링은 결함 상태에 따라 진동 특성이 변화한다.
다시, 도 3으로 돌아가서 베어링 진단 모델부(230)는 수집한 진동 데이터에 대해 특징을 추출한다(단계 S330). 베어링 진단 모델부(230)는 진동 데이터로부터 주파수 성분을 분리하여 베어링의 결함에 대해 특징 데이터를 추출한다. 일 실시예에서, 베어링 진단 모델부(230)는 신호처리기법인 경험적 모드 분해법으로 진동 데이터의 내재 모드 함수를 추출하고 추출한 내재 모드 함수에 대해 특징 데이터를 추출한다. 여기에서, 특징 데이터는 첨도, 왜도, 표준편차 및 평균값을 포함할 수 있다. 예컨대, 베어링 진단 모델부(230)는 도 6a에 나타낸 바와 같이, 경험적 모드 분해법을 이용하여 진폭과 시간의 진동 데이터를 주파수를 기준으로 분리하여 내재 모드 함수를 추출할 수 있다.
도 6a 및 6b는 일 실시예에 따른 베어링의 정상 및 결함에 따른 진동 데이터를 경험적 모드 분해법을 이용하여 추출한 내재 모드 함수의 특징을 나타내는 예시도이다.
도 6b에 예시된 바와 같이, 이상 베어링의 진동 데이터의 내재 모드 함수는 정상 진동 데이터의 내재 모드 함수 보다 진폭이 크게 나타난다. 이상 베어링의 진동 데이터의 내재 모드 함수는 결함의 종류에 따라 진폭이 다르게 나타난다.
도 7은 일 실시예에 따른 특징 데이터를 좌표계에 표시한 상태를 나타내는 예시도이다.
도 7에 예시된 바와 같이, 베어링 진단 모델부(230)는 베어링의 정상 및 결함 종류에 따른 특징 데이터를 직교 좌표계에 표시하여 분류할 수 있다. 예를 들어, 베어링 진단 모델부(230)는 비대칭도, 표준 편차, 평균 및 제곱평균 제곱근의 분류 기준에 따라 추출된 특징 데이터를 X축과 Y축으로 이루어진 직교 좌표계에 표시하여 분류할 수 있다. 일 실시예에서, 베어링 진단 모델부(230)는 복수의 분류 기준들을 다른 종류로 조합하여 특징 데이터를 직교 좌표계에 표시하여 분류할 수 있다. 예를 들어, 베어링 진단 모델부(230)는 X축은 첨도치 그리고 Y축은 비대칭도를 분류 기준으로 하여 특징 데이터를 직교 좌표계에 표시하여 분류할 수 있다. 다른 예를 들어, 베어링 진단 모델부(230)는 베어링의 정상 데이터 및 비정상 데이터에 대해 동일한 분류 기준을 기초로 동일한 직교 좌표계에 표시하여 분류할 수 있다. 도 7의 경우, 베어링의 정상 데이터(□) 및 결함별 데이터(Flaking(○), Ball defect(▽), Smearing(◇))를 복수의 분류 기준에 따라 동일한 직교 좌표계에 위치시킬 수 있다.
다시, 도 3으로 돌아가서, 베어링 진단 모델부(230)는 베어링의 정상과 이상을 구분하기 위해 추출한 특징 데이터를 선별한다(단계 S350). 일 실시예에서, 베어링 진단 모델부(230)는 상관함수(correlation function)를 이용한 클러스터 분석을 통해 특징 데이터를 선별한다. 베어링 진단 모델부(230)는 베어링의 정상 및 결함별 각각의 분류한 개별 특징 데이터를 도 8에 나타낸 바와 같이, 상관함수를 이용하여 클러스터링하고 클러스터 간의 거리에 기초하여 데이터 선별한다.
도 8은 일 실시예에 따른 데이터 상관 함수를 이용한 특징 데이터의 클러스터링을 나타내는 예시도이다.
도 8에 예시한 바와 같이, 베어링 진단 모델부(230)는 상관함수를 이용하여 정상 베어링의 특징 데이터로 이루어진 제 1클러스터와 파손 베어링의 특징 데이터로 이루어진 제2 클러스터를 형성할 수 있다.
베어링 진단 모델부(230)는 제1 클러스터와 제2 클러스터 간의 거리에 기초하여 하기 수학식을 통해 비유사도를 산출하고 산출한 비유사도를 특정 기준을 만족시키는 특징 데이터를 선별할 수 있다.
[수학식]
Figure pat00003
여기에서, rc1은 정상 데이터의 클러스터의 반지름, rc2는 비정상 데이터의 클러스터의 반지름, Dc1,c2는 두 클러스터의 중심 간 거리를 의미한다.
베어링 진단 모델부(230)는 상기 수학식을 통해 산출된 비유사도(DSNF)가 "1" 보다 큰 조건을 만족하면 베어링의 정상 데이터와 비정상 데이터 간의 겹치는 특징이 없는 경우로 해당 조건을 만족하는 특징 데이터를 선별한다.
베어링 진단 모델부(230)는 선별한 특징 데이터로 기계학습을 수행하여 베어링 진단 모델을 생성한다(단계 S370). 일 실시예에서, 베어링 진단 모델부(230)는 서포트 벡터 머신(support vector machine)에 선별한 특징 데이터를 입력하여 베어링 진단 모델을 생성할 수 있다.
도 4는 도 2에 있는 공구 상태 진단 모델부의 공구 상태 진단 모델 생성 과정을 설명하기 위한 순서도이다.
도 4를 참조하면, 공구 상태 진단 모델부(250)는 공구 진동 데이터를 수집한다(단계 S410). 공구 상태 진단 모델부(250)는 가속도 센서를 통해 마모 공구와 정상 공구를 사용한 가공 공정의 진동 데이터를 수집할 수 있다. 수집한 진동 데이터는 도 10에 예시한 바와 같이, X축, Y축 및 Z축 각각의 방향에 대해 시간에 따른 크기 분포를 나타낸다.
공구 상태 진단 모델부(250)는 수집한 진동 데이터에 대해 특징을 추출한다(단계 S430). 공구 상태 진단 모델부(250)는 연속 웨이블릿 변환 기법을 진동 데이터에 적용하여 특징을 추출할 수 있다. 공구 상태 진단 모델부(250)는 추출한 특징 데이터로 신경망에 입력하여 공구 상태 진단 모델을 생성한다(단계 S440). 공구 상태 진단 모델부(250)는 특징 데이터를 도 11에 예시한 신경망 구조의 입력층에 입력하여 학습하여 정상과 마모를 분류한다. 공구 상태 진단 모델부(250)는 분류한 정상과 마모를 혼동 행렬(Confusion Matrix)로 표시할 수 있다.
도 12는 일 실시예에 따른 공구 상태 진단 모델의 정상 및 마모를 분류한 혼동 행렬을 나타내는 예시도이다.
도 12를 참조하면, 혼동 행렬에서 공구의 정상 및 마모 분류율을 확인할 수 있다. 예컨대, 분류하지 못한 데이터는 마모 데이터의 경우 556개에서 47개를 분류하지 못했고 정상 데이터의 경우 537개에서 66개를 분류하지 못했다.
도 13은 일 실시예에 따른 베어링 및 공구 상태 동시 모니터링 화면을 나타내는 예시도이다.
도 13을 참조하면, 베어링 및 공구 상태 동시 모니터링을 위한 장치(130)는 가공 과정에서 가속도 센서를 통해 측정되는 진동 데이터를 베어링 진단 모델 및 공구 상태 진단 모델을 통해 동시에 모니터링할 수 있고 베어링 및 공구 상태를 진단할 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 베어링 및 공구 상태 동시 모니터링 시스템
110: 공작기계
111: 베어링 113: 공구
130: 베어링 및 공구 상태 동시 모니터링을 위한 장치
210: 데이터 측정부 230: 베어링 진단 모델부
250: 공구 상태 진단 모델부 270: 모니터링부
290: 제어부
510: 가속도 센서 520: 정상 베어링
530: 결함 베어링

Claims (13)

  1. 공작기계가 가동될 때 발생되는 진동 데이터를 측정하는 데이터 측정부;
    정상 베어링과 파손 베어링 조건에서 발생되는 진동 데이터의 특징을 추출하고 학습데이터를 구성하여 베어링 진단 모델을 생성하는 베어링 진단 모델부;
    정상과 마멸 공구를 사용한 가공 공정에서 발생되는 진동 데이터의 특징을 추출하고 학습데이터를 구성하여 공구 상태 진단 모델을 생성하는 공구 상태 진단 모델부; 및
    상기 측정한 진동 데이터를 기초로 상기 베어링 진단 모델 및 상기 공구 상태 진단 모델을 통해 상기 공작기계의 베어링 및 공구를 동시에 모니터링을 수행하여 상기 베어링 및 상기 공구의 상태를 진단하는 모니터링부를 포함하는 베어링 및 공구 상태 동시 모니터링을 위한 장치.
  2. 제1항에 있어서, 상기 데이터 측정부는
    상기 공작기계의 스핀들에 가속도 센서를 부착하고 상기 가속도 센서를 통해 상기 스핀들 가동에 따른 진동을 측정하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치.
  3. 제1항에 있어서, 상기 베어링 진단 모델부는
    경험적 모드 분해법을 통해 정상 베어링 및 파손 베어링에서 발생하는 진동 데이터로부터 주파수 성분을 분리하여 정상 데이터 대비 베어링 결함의 고유 주파수에 대한 특징 데이터를 추출하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치.
  4. 제3항에 있어서, 상기 베어링 진단 모델부는
    상관함수를 통해 추출한 특징 데이터를 선별하고 선별한 특징 데이터를 입력으로 기계학습을 통해 베어링의 정상 및 이상을 구분하는 베어링 진단 모델을 생성하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치.
  5. 제4항에 있어서, 상기 베어링 진단 모델부는
    상기 추출한 특징 데이터를 상관함수를 통해 클러스터링하여 정상 베어링의 특징 데이터로 이루어진 제1 클러스터와 파손 베어링의 결함별 특징 데이터로 이루어진 제2 클러스터를 형성하고 상기 제1 클러스터와 상기 제2 클러스터 간의 비유사도에 기초하여 상기 특징 데이터를 선별하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치.
  6. 제5항에 있어서, 상기 베어링 진단 모델부는
    상기 비유사도를 아래의 [수학식]에 따라 계산하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치.
    [수학식]
    Figure pat00004

    여기에서, rc1은 정상 데이터의 클러스터의 반지름, rc2는 비정상 데이터의 클러스터의 반지름, Dc1,c2는 두 클러스터의 중심 간 거리를 의미한다.
  7. 제4항에 있어서, 상기 베어링 진단 모델부는
    서포트 벡터 머신에 상기 선별한 특징 데이터를 입력하여 베어링 진단 모델을 생성하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치.
  8. 제1항에 있어서, 상기 공구 상태 진단 모델부는
    가속도 센서를 통해 마모 공구와 정상 공구를 사용한 가공 공정의 진동 데이터를 수집하고 수집한 진동 데이터에 대해 특징을 추출하고 추출한 특징 데이터를 입력으로 신경망 학습하여 정상과 마모를 분류하여 공구 상태 진단 모델을 생성하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치.
  9. 제8항에 있어서, 상기 공구 상태 진단 모델부는
    분류한 정상과 마모를 혼동 행렬로 표시하여 공구의 정상 및 마모 분류율을 확인하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 장치.
  10. 정상 베어링과 파손 베어링 조건에서 발생되는 진동을 기초로 특징을 추출하고 학습데이터를 구성하여 베어링 진단 모델을 생성하는 단계;
    정상과 마멸 공구를 사용한 가공 공정에서 발생되는 진동을 기초로 특징을 추출하고 학습데이터를 구성하여 공구 상태 진단 모델을 생성하는 단계;
    공작기계가 가동될 때 발생되는 진동 데이터를 측정하는 단계; 및
    상기 측정한 진동 데이터를 기초로 상기 베어링 진단 모델 및 상기 공구 상태 진단 모델을 통해 상기 공작기계의 베어링 및 공구를 동시에 모니터링을 수행하여 상기 베어링 및 상기 공구의 상태를 진단하는 단계를 포함하는 베어링 및 공구 상태 동시 모니터링을 위한 방법.
  11. 제10항에 있어서, 상기 베어링 진단 모델 생성단계는
    정상 베어링과 파손 베어링 조건에서 발생되는 진동 데이터를 수집하는 단계;
    수집한 진동 데이터로부터 주파수 성분을 분리하여 정상 데이터 대비 베어링 결함의 고유 주파수에 대한 특징 데이터를 추출하는 단계;
    베어링의 이상을 식별하기 위한 추출한 특징 데이터를 상관함수를 통해 선별하는 단계; 및
    선별한 특징 데이터로 기계학습을 수행하여 베어링 진단 모델을 생성하는 단계를 포함하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 방법.
  12. 제11항에 있어서, 상기 베어링 진단 모델 생성단계는
    특징 데이터 선별 과정에서 정상 베어링의 특징 데이터로 이루어진 제1 클러스터와 파손 베어링의 결함별 특징 데이터로 이루어진 제2 클러스터 간의 비유사도를 하기 수학식을 통해 산출하고 산출한 비유사도가 특정 기준을 만족시키는 특징 데이터를 선별하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 방법.
    [수학식]
    Figure pat00005

    여기에서, rc1은 정상 데이터의 클러스터의 반지름, rc2는 비정상 데이터의 클러스터의 반지름, Dc1,c2는 두 클러스터의 중심 간 거리를 의미한다.
  13. 제10항에 있어서, 상기 공구 상태 진단 모델 생성단계는
    마모 공구와 정상 공구를 사용한 가공 공정의 진동 데이터를 수집하는 단계;
    수집한 진동 데이터에 대해 특징을 추출하는 단계; 및
    추출한 특징 데이터를 입력으로 신경망 학습하여 정상과 마모를 분류하여 공구 상태 진단 모델을 생성하는 단계를 포함하는 것을 특징으로 하는 베어링 및 공구 상태 동시 모니터링을 위한 방법.
KR1020200139347A 2020-10-26 2020-10-26 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법 KR102471830B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200139347A KR102471830B1 (ko) 2020-10-26 2020-10-26 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200139347A KR102471830B1 (ko) 2020-10-26 2020-10-26 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20220055160A true KR20220055160A (ko) 2022-05-03
KR102471830B1 KR102471830B1 (ko) 2022-11-29

Family

ID=81591018

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200139347A KR102471830B1 (ko) 2020-10-26 2020-10-26 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102471830B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102589094B1 (ko) * 2022-10-26 2023-10-16 (재)대구기계부품연구원 공작기계의 진단 모델 개발을 위한 학습 데이터 셋 구성 시스템 및 그 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008137102A (ja) * 2006-11-30 2008-06-19 Matsushita Electric Works Ltd 工作機械総合監視装置
KR20180024093A (ko) 2016-08-26 2018-03-08 한국생산기술연구원 실제 이송속도가 반영된 절삭부하를 기준으로 한 공작기계의 공구 손상 모니터링 방법
KR101957711B1 (ko) 2017-08-01 2019-03-13 사단법인 캠틱종합기술원 가공좌표계상 가공시간에 따라 가공위치와 물리적 가공절삭 특성값을 매핑하는 절삭특성맵을 활용하여 절삭상태를 지능적으로 감시 및 진단하고, 절삭조건을 제어할 수 있는 지능형 cnc공작기계 제어시스템
JP2020041849A (ja) * 2018-09-07 2020-03-19 オークマ株式会社 転がり軸受の異常診断方法及び異常診断装置、異常診断プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008137102A (ja) * 2006-11-30 2008-06-19 Matsushita Electric Works Ltd 工作機械総合監視装置
KR20180024093A (ko) 2016-08-26 2018-03-08 한국생산기술연구원 실제 이송속도가 반영된 절삭부하를 기준으로 한 공작기계의 공구 손상 모니터링 방법
KR101957711B1 (ko) 2017-08-01 2019-03-13 사단법인 캠틱종합기술원 가공좌표계상 가공시간에 따라 가공위치와 물리적 가공절삭 특성값을 매핑하는 절삭특성맵을 활용하여 절삭상태를 지능적으로 감시 및 진단하고, 절삭조건을 제어할 수 있는 지능형 cnc공작기계 제어시스템
JP2020041849A (ja) * 2018-09-07 2020-03-19 オークマ株式会社 転がり軸受の異常診断方法及び異常診断装置、異常診断プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
박병희 등, 경험적 모드 분해법과 인공 신경 회로망을 적용한 베어링 상태 분류 기법, 한국정밀공학회지 33(12), 2016.12, 985-992(8 pages)* *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102589094B1 (ko) * 2022-10-26 2023-10-16 (재)대구기계부품연구원 공작기계의 진단 모델 개발을 위한 학습 데이터 셋 구성 시스템 및 그 방법

Also Published As

Publication number Publication date
KR102471830B1 (ko) 2022-11-29

Similar Documents

Publication Publication Date Title
CN109562500B (zh) 机床的工具的异常检测装置及方法
US10860004B2 (en) Management system and non-transitory computer-readable recording medium
JP6880843B2 (ja) 管理装置および管理プログラム
WO2008142386A1 (en) Machining process monitor
US10747212B2 (en) Management system and non-transitory computer-readable recording medium
US10304263B2 (en) Vehicle system prognosis device and method
WO2011145496A1 (ja) 監視診断装置および監視診断方法
CN108267312B (zh) 一种基于快速搜索算法的地铁列车轴承智能诊断方法
Züfle et al. A machine learning-based workflow for automatic detection of anomalies in machine tools
CN101432864A (zh) 缺陷分布分类方法及***、故障源设备确定方法及***、计算机程序、以及存储介质
KR102373655B1 (ko) 공작기계의 고장 진단 장치 및 진단 방법
Lim et al. Vibration-based fault diagnostic platform for rotary machines
KR102471830B1 (ko) 베어링 및 공구 상태 동시 모니터링을 위한 장치 및 방법
CN108393744B (zh) 一种刀具状态多传感监测方法
CN113126563A (zh) 数控机床数据管理***及方法
JP2021125266A (ja) 状態推定装置、システム、及び製造方法
JP7166839B2 (ja) ヘルスモニタリングシステム
JP2019132773A (ja) 回転軸装置の診断装置
WO2020162425A1 (ja) 解析装置、解析方法、およびプログラム
CN108427375B (zh) 一种基于带通滤波处理多传感监测刀具状态的方法
Duo et al. Surface roughness assessment on hole drilled through the identification and clustering of relevant external and internal signal statistical features
JP2018140680A (ja) 位置決定装置、それを備えた位置決定システム、及び位置決定方法並びに位置決定プログラム
JP6441433B1 (ja) 予兆診断装置
US20080092070A1 (en) Systems and methods for presentation of operational data
TWI704973B (zh) 管理裝置、管理方法及程式

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant