상세 보기
결정 트리 앙상블 방법 및 다층신경망을 이용한 유도전동기의 고장진단
Fault Diagnosis of Induction Motor using an Ensemble Method of Decision Tree and Multilayer Neural Network
- 왕동훈;
- 이종현;
- 김시진;
- 김민찬;
- 이인수
초록
산업 시스템의 발전으로 인해 제조업, 중공업 등에서의 유도전동기 사용이 증가하고 있다. 전동기의 장기간 사용으로 결함이 발생할 수가 있으며 그러한 결함들은 기계의 성능과 수명을 단축시키고 산업적인 측면에서 물질적, 시간적 손해 및 사용자의 안전사고로 이어질 수가 있다. 그러므로 전동기의 고장을 정확하게 진단하는 것은 매우 중요한 문제이다. 본 논문에서는 유도전동기 시뮬레이터에서 정상, 회전자 고장 및 베어링 고장 데이터를 획득하였고 학습으로는 상태별 데이터를 각각 620쌍, 총 1860쌍을 사용하였고 테스트는 학습과 동일한 개수의 데이터를 사용하였다. 유도전동기의 각 상태별 특징을 학습하기 위해 결정 트리 앙상블 방법인 랜덤 포레스트 방법을 사용하였다. 제안한 알고리즘인 랜덤 포레스트와 그래디언트 부스팅 및 다층신경망을 사용하여 성능을 비교하였고, 실험결과 제안한 모델의 분류 성능이 가장 우수함을 확인하였다.
키워드
induction motor; fault diagnosis; gradient boosting; random forest; multi-layer neural network
- 제목
- 결정 트리 앙상블 방법 및 다층신경망을 이용한 유도전동기의 고장진단
- 제목 (타언어)
- Fault Diagnosis of Induction Motor using an Ensemble Method of Decision Tree and Multilayer Neural Network
- 저자
- 왕동훈; 이종현; 김시진; 김민찬; 이인수
- 발행일
- 2022-03
- 유형
- Y
- 저널명
- 한국정보기술학회논문지
- 권
- 20
- 호
- 3
- 페이지
- 47 ~ 55
- 언어
- KOR
- 출판사
- 한국정보기술학회
- 발행국가
- 대한민국
- 분량
- 9 페이지
- ISSN
- E 2093-7571
P 1598-8619