진동 및 음향 신호를 활용한 특징 융합 기반 모터 고장 진단 기법

초록

다양한 산업 장비의 핵심 부품으로 사용되는 전기 모터의 높은 안정성을 유지하기 위해서는 실시간으로 모터의 상태를 측정하고 진단하는 기술이 요구된다. 최근의 전기 모터 고장 진단 기법은 인공지능 기술을 활용하여 상당히 정확한 진단을 할 수 있게 되었지만 높은 연산 요구량 때문에 가속기와 같은 고성능 하드웨어가 필요하여 산업현장에서 주로 사용되는 임베디드 장치에 바로 적용하기에는 한계가 있다. 본 논문에서는 가속도 센서와 마이크에서 얻은 진동 및 음향 신호를 STFT, Mel, Log-Mel, MFCC 특징 추출 기법을 통해 시간-주파수 스펙트로그램으로 변환한 후, 경량화한 MobileNet V3-Small 모델 기반 CNN을 활용하여 각 신호의 특징 벡터를 추출하고, 추출한 특징을 결합하여 모터 상태를 효과적으로 진단하는 특징 융합모델을 제안한다. 제안 기법은 기존 모터 고장 진단 모델에 비해 매우 적은 파라미터와 연산량을 바탕으로 93%의 높은 진단 정확도를 제공할 수 있다. 또한, 경량화된 특징 융합 모터 고장 진단 모델은 연산 능력이 제한된 임베디드 장치에서도 전기 모터의 고장 진단을 효과적으로 수행할 수 있다.

키워드