전이학습과 Deep Belief Network 기반의 기어박스 온도장 이미지 결함 진단 방법 연구

Scientific Reports 13권, 기사 번호: 6664(2023) 이 기사 인용

391 액세스

1 알트메트릭

측정항목 세부정보

본 논문에서는 열화상 기술을 기어박스 결함 진단에 적용합니다. 다양한 단층의 온도장 이미지를 얻기 위해 온도장 계산 모델이 확립되었습니다. 컨볼루션 신경망의 전이 학습과 지도 학습 및 심층 신념 네트워크의 비지도 학습을 결합한 딥 러닝 네트워크 모델을 제안합니다. 이 모델은 컨벌루션 신경망 모델 훈련 시간의 1/5이 필요합니다. 딥러닝 네트워크 모델 훈련에 사용되는 데이터 세트는 기어박스의 온도장 시뮬레이션 이미지를 사용하여 확장됩니다. 결과는 네트워크 모델이 시뮬레이션 결함 진단에 대해 97% 이상의 정확도를 가지고 있음을 보여줍니다. 기어박스의 유한 요소 모델은 보다 정확한 열화상을 얻기 위해 실험 데이터로 수정될 수 있으며, 이 방법은 실제로 더 잘 사용될 수 있습니다.

진동 신호 모니터링은 기어박스 결함 진단에 가장 일반적으로 사용되는 방법입니다. 진동 신호 모니터링은 적당한 비용, 강력한 신뢰성 및 성숙한 기술이라는 장점을 가지고 있습니다1. 이 방법의 결점으로는 접촉 측정, 지역 정보, 환경 조건의 심각한 영향, 소음 공해로 인한 장거리 전송 신호의 심각한 손실 등이 있습니다2,3. 기어박스 결함 진단 분야에 온도 신호를 도입하는 것은 결함 판단의 기초를 보완하는 중요한 요소입니다.

최근 연구에 따르면 온도 신호에는 기어박스 상태 감지 및 결함 진단에 사용할 수 있는 많은 양의 정보가 포함되어 있는 것으로 나타났습니다4. 온도 측정 시 보다 포괄적인 정보와 무접촉의 장점을 지닌 적외선 열화상 기술이 연구자들의 관심을 더욱 끌고 있습니다5. Kwan et al. 치아 골절 5시간 전에 비정상적인 온도 상승을 감지할 수 있는 신경망 기반 영상 처리 도구를 개발했습니다6. Younuset al. 이미지 히스토그램 특징을 이용한 열화상 연구를 기반으로 회전 모터의 고장 진단을 위한 새로운 방법을 제안했습니다. 서포트 벡터 머신(Support Vector Machine)과 같은 분류기에 의한 열화상 특징의 분류 프로세스가 기계 결함 진단에 도움이 될 수 있음이 입증되었습니다7. 그 후 그들은 적외선 열화상을 사용하여 다양한 기계 상태를 분류하는 지능형 진단 시스템을 제안했습니다8. Lim et al. 열화상과 진동 신호를 비교하고 적외선 열화상을 통한 서포트 벡터 머신 알고리즘을 이용한 고장 진단 방법을 제안하였다5. Emmanuel Resendiz-Ochoa 외. 적외선 영상 이미지를 분석하여 기어 마모를 진단하는 방법을 제안했습니다. 이 방법은 먼저 적외선 이미징의 통계적 시간 영역 특성을 계산한 다음 데이터의 차원을 줄이고 마지막으로 신경망을 통해 결함 진단을 수행합니다9. 이러한 연구의 대부분은 특정 조건에서의 결함 진단입니다. 이를 바탕으로 Shao et al. 다양한 작동 조건에서 베어링 결함 진단을 위해 컨벌루션 신경망을 사용한 전이 학습 방법을 제안했습니다. Yongbo Li et al. Bag-of-Visual-Words 방법을 사용하여 열화상 이미지에서 결함 특징을 추출한 후 지원 벡터 머신을 사용하여 회전 기계 결함을 분류하여 비정상 작동 조건에서 회전 기계 결함 진단을 실현했습니다. Bai Tangbo는 적외선 열화상12의 낮은 대비, 흐릿한 가장자리 및 높은 노이즈의 단점을 해결할 수 있는 회전 기계의 결함 진단 방법을 제안했습니다.

위의 연구는 정확도를 향상시키는 데 공통적인 어려움이 있습니다. 즉 훈련 및 검증에 사용되는 데이터 세트가 작고 다양한 결함 조건에서 모든 데이터를 얻기가 어렵습니다3.

본 논문에서는 기어박스의 유한요소 모델을 확립하고, 정상상태 기어박스 표면의 온도장 분포를 계산하고, 이에 상응하는 온도장 이미지를 획득한다. 컨벌루션 신경망의 전이 학습과 심층 신념 네트워크를 결합한 기어박스 결함 진단을 위한 딥러닝 네트워크 모델을 제안합니다. 기어박스 온도장 이미지는 기어박스 고장진단에 있어서 높은 정확도를 갖는 것으로 검증되었다.