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
- 학위논문
- 저자정보
- 지도교수
- 홍선기
- 발행연도
- 2021
- 저작권
- 호서대학교 논문은 저작권에 의해 보호받습니다.
이용수4
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
In order to compensate for the shortcomings of the existing fault diagnosis, fault diagnosis using deep learning is being 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. In order to learn deep learning, a large amount of various electric motor data is required. However, it is practically impossible to collect all data of electric motors used in the industry. In this study, this problem was solved using 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. In order to collect this data, a large number of sensors must be attached to the motor and monitored to collect the data. IoT technology was used to collect this data. In addition, a system has been proposed in which a fault diagnosis algorithm is applied to the IoT sensor to monitor the state of the motor while collecting data and supplementing the algorithm based on the collected data.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0