지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2020.11
- 수록면
- 900 - 906 (7page)
- DOI
- 10.5302/J.ICROS.2020.20.0124
이용수
이 논문의 연구 히스토리 (8)
2020
소형 IoT 디비이스를 고려한 딥 러닝 전동기 고장진단 시스템
최동진
,
한지훈
,
박상욱
외 1명
제어로봇시스템학회 논문지
2020.11
학술저널
데이터 타당성 검증을 위한 t-SNE를 이용한 전동기 고장 진단 데이터 분류
최동진
,
한지훈
,
박상욱
외 1명
정보 및 제어 논문집
2020.10
학술대회자료
외란에 강인한 RNN을 이용한 전동기 고장 진단 시스템
최동진
,
한지훈
,
박상욱
외 2명
대한전기학회 학술대회 논문집
2020.07
학술대회자료
K-Means와 CNN을 이용한 변화된 환경에서의 전동기 고장 진단
최동진
,
한지훈
,
박상욱
외 1명
제어로봇시스템학회 논문지
2020.05
학술저널
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
To compensate for the shortcoming of the existing fault diagnosis, fault diagnosis using deep learning has been studied. As a result of these studies, high-accuracy motor fault diagnosis is possible. However, most of these fault diagnostics can only be used in limited environments. For deep learning, the large amount of various electric motor data is required. However, it is practically impossible to collect all the data of electric motors used in the industry. In this study, this problem is solved using a K-means and RNN algorithm. Even with this algorithm, it is impossible to diagnose the failure of the motor in the mode environment. Therefore, it is essential to acquire various data. To collect this data, a large number of sensors must be attached to the motor and monitored. IoT technology is used to collect this data. In addition, a system is proposed in which a fault diagnosis algorithm is applied to an IoT sensor to monitor the state of the motor while collecting data and supplementing the algorithm based on the collected data.
목차
Abstract
I. 서론
II. 딥 러닝을 이용한 전동기 고장진단
III. 다중 알고리즘을 이용한 전동기 고장진단
IV. IoT 디바이스, 전동기 고장진단 시스템
V. 결론
REFERENCES
참고문헌 (8)
참고문헌 신청
L. Wen, X. Li, L. Gao, and Y. Zhang, “A new convolutional neural network-based data-driven fault diagnosis method,” IEEE Transactions on Industrial Electronics, vol. 65, no. 7, pp. 5990-5998, Jul. 2018.
G. Xu, M. Liu, Z. Jiang, W. Shen, and C. Huang, “Online fault diagnosis method based on transfer convolutional neural networks,” IEEE Transactions on Instrumentation and Measurement, vol. 69, no. 2, pp. 509-520, Feb. 2020.
D. J. Choi, J. H. Han, S. U. Park, and S. K. Hong, “Motor fault diagnosis in changed environments using K-means and CNN,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 26, no. 5, pp. 348-254, May. 2020.
W. Kong, Z. Y. Dong, Y. Jia, D. J. Hill, Y. Xu, and Y. Zhang, “Short-term residential load forecasting based on LSTM recurrent neural network,” IEEE Transactions on Smart Grid, vol. 10, no. 1, pp. 841-851, Jan. 2019.
M. Sundermeyer, H. Ney, and R. Schluter, “From feedforward to recurrent LSTM neural networks for language modeling,” in IEEE/ACM Transactions on Audio, Speech, and Language Processing, vol. 23, no. 3, pp. 517-529, Mar. 2015.
G. Xu, M. Liu, Z. Jiang, W. Shen, and C. Huang, “Online fault diagnosis method based on transfer convolutional neural networks,” IEEE Transactions on Instrumentation and Measurement, vol. 69, no. 2, pp. 509-520, Feb. 2020.
D. J. Choi, J. H. Han, S. U. Park, and S. K. Hong, “Motor fault diagnosis in changed environments using K-means and CNN,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 26, no. 5, pp. 348-254, May. 2020.
W. Kong, Z. Y. Dong, Y. Jia, D. J. Hill, Y. Xu, and Y. Zhang, “Short-term residential load forecasting based on LSTM recurrent neural network,” IEEE Transactions on Smart Grid, vol. 10, no. 1, pp. 841-851, Jan. 2019.
M. Sundermeyer, H. Ney, and R. Schluter, “From feedforward to recurrent LSTM neural networks for language modeling,” in IEEE/ACM Transactions on Audio, Speech, and Language Processing, vol. 23, no. 3, pp. 517-529, Mar. 2015.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
딥 러닝에 의한 전동기 기계적 고장 수준 결정을 위한 전동기 진동/전류 데이터 특성 분석 연구
전기학회논문지
2021 .10
-
데이터 특성에 따른 전동기 고장 진단 딥 러닝 알고리즘의 성능 평가
대한전기학회 학술대회 논문집
2018 .10
-
Comparison of motor fault diagnosis performance using RNN and K-means for data with disturbance
제어로봇시스템학회 국제학술대회 논문집
2020 .10
-
Diagnosis of motor aging through CNN model using signal correlation
제어로봇시스템학회 국제학술대회 논문집
2020 .10
-
전동기 고장 진단 성능 향상을 위한 IoT 데이터 수집 장치 성능 개선에 관한 연구
대한전기학회 학술대회 논문집
2024 .07
-
Data Preprocessing Method in Motor Fault Diagnosis Using Unsupervised Learning
제어로봇시스템학회 국제학술대회 논문집
2019 .10
-
딥 러닝을 이용한 전동기 고장 진단에서의 훈련 데이터 특성 차이가 미치는 영향
대한전기학회 학술대회 논문집
2019 .07
-
데이터 불균형 대응 믹스업 데이터를 이용한 전이 학습 전동기 고장 진단 시스템의 성능 향상
전기학회논문지
2023 .02
-
A Study on Motor Poor Maintenance Detection Based on DT-CNN
제어로봇시스템학회 국제학술대회 논문집
2019 .10
-
전동기 실시간 고장진단과 딥 러닝 학습을 위한 데이터 처리 시스템
대한전기학회 학술대회 논문집
2018 .07
-
딥러닝 기반의 전동기 결함 진단
대한기계학회 춘추학술대회
2022 .11
-
K-Means와 CNN을 이용한 변화된 환경에서의 전동기 고장 진단
제어로봇시스템학회 논문지
2020 .05
-
[컴퓨터지능 및 지능시스템] 심층 학습 및 IoT 기법을 이용한 유도 전동기의 실시간 고장 진단과 자기 보완 시스템
전기학회논문지
2019 .05
-
모터 전류 신호의 경험적 모드 분석을 통한 딥러닝 기반 로봇 고장 진단 기법 개발
대한기계학회 춘추학술대회
2022 .05
-
5상 유도전동기 구동 시스템을 위한 인버터의 개방고장진단 방법
전기학회논문지
2016 .02
-
Algorithm for sensor fault diagnosis in battery management system
전력전자학회 학술대회 논문집
2023 .07
-
수정된 칼만 필터를 이용한 고장 진단
한국생산제조학회 학술발표대회 논문집
2015 .04
-
Diagnosis Technique for Stator Winding Inter-Turn Fault in BLDC Motor using Detection Coil
ICPE(ISPE)논문집
2015 .06
-
전동기 고장 예측을 위한 딥 러닝 알고리즘을 이용한 장기간 데이터 사용 전략
대한전기학회 학술대회 논문집
2020 .07
-
LDC 고장진단을 위한 딥러닝 모델 설계
한국자동차공학회 추계학술대회 및 전시회
2024 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
합성곱 신경망을 적용한 볼 베어링의 결함 분류
고한별
,
박형준
,
이광기
외 1명
대한기계학회 논문집 A권
2022
.05
합성곱신경망을 활용한 과구동기 시스템을 가지는 소형 무인선의 추진기 고장 감지
백승대
,
우주현
대한조선학회 논문집
2022
.04
전동기 고장 예측을 위한 딥 러닝 알고리즘을 이용한 장기간 데이터 사용 전략
한지훈
,
최동진
,
박상욱
외 2명
대한전기학회 학술대회 논문집
2020
.07
기계학습 알고리즘을 활용한 베어링의 고장 예측 알고리즘 개발에 관한 연구
이준혁
,
유승열
,
신성철
외 3명
Journal of Advanced Marine Engineering and Technology (JAMET)
2019
.07
인공지능 기반 위성기어박스 고장 진단 알고리즘 개발에 진동 센서 분해 성능이 미치는 영향 분석
김수호
,
김윤한
,
윤병동
한국소음진동공학회 학술대회논문집
2018
.10
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-003-001571309