KR20240069101A - Method and apparatus for diagnosing fault based on estimation of probability distribution of vibration data measured time series from three-phase motor - Google Patents

Abstract

The present invention relates to a technology for diagnosing a failure of a three-phase motor. According to an embodiment of the present invention, a failure diagnosis method based on estimation of the probability distribution of vibration data may comprise the steps of: estimating a probability distribution by collecting vibration data from a three-phase motor in a normal state; storing and maintaining the estimated probability distribution; collecting measurement data by measuring the vibration data from the three-phase motor in real time; determining whether the measurement data corresponds to an outage probability in the estimated probability distribution; and determining a failure of the three-phase motor in consideration of the determination result.

Description

Translated fromKorean

시계열로 측정된 3상 모터 진동 데이터의 분포 추정에 따른 고장 진단 방법 및 장치{METHOD AND APPARATUS FOR DIAGNOSING FAULT BASED ON ESTIMATION OF PROBABILITY DISTRIBUTION OF VIBRATION DATA MEASURED TIME SERIES FROM THREE-PHASE MOTOR}Fault diagnosis method and device based on distribution estimation of three-phase motor vibration data measured in time series {METHOD AND APPARATUS FOR DIAGNOSING FAULT BASED ON ESTIMATION OF PROBABILITY DISTRIBUTION OF VIBRATION DATA MEASURED TIME SERIES FROM THREE-PHASE MOTOR}

본 발명은 3상 모터에 대한 고장을 진단하기 위한 기술로서, 구체적으로는 진동 센서를 이용하여 3상 모터로부터 진동 데이터를 수집하고 수집된 진동 데이터의 분포 추정에 따른 이상치(Anomaly) 탐지를 통해 3상 모터의 고장을 진단하는 기술적 사상에 관한 것이다.The present invention is a technology for diagnosing failures in three-phase motors. Specifically, the present invention collects vibration data from a three-phase motor using a vibration sensor and detects anomalies according to distribution estimation of the collected vibration data. It is about the technical idea of diagnosing a failure of a phase motor.

기존에는 모터를 진단하기 위해 모터의 소리를 통해 사람이 모터의 고장을 판단하였다.Previously, in order to diagnose a motor, a person would judge the failure of the motor through the sound of the motor.

한편, 근래에는 모터에 들어가는 전류, 진동을 FFT로 확인하여 고장 진단하는 방법이 사용되고 있다.Meanwhile, in recent years, a method of diagnosing a fault by checking the current and vibration entering the motor using FFT has been used.

이러한 근래의 방법은 모터에 대한 고장 진단의 정확도와 효율을 높일 수 있지만, 다양한 문제점이 존재한다.Although these recent methods can increase the accuracy and efficiency of fault diagnosis for motors, various problems exist.

예를 들어, FFT 변환을 위한 잦은 샘플링과 전용 키트가 필요하다는 단점이 존재한다.For example, there are disadvantages such as the need for frequent sampling and a dedicated kit for FFT conversion.

일반적으로 모터 고장 시 먼저 입력전류에서 이상치가 발견되고, 이후 진동, 온도 순으로 이상치가 발견된다.Generally, when a motor fails, abnormal values are first discovered in the input current, followed by vibration and temperature.

경우에 따라 이와 같은 순서를 따르지 않기도 하지만 고장이 발생할 경우 입력전류, 진동, 온도에서 전체적으로 이상치가 발견된다.In some cases, this order is not followed, but when a failure occurs, overall outliers are found in input current, vibration, and temperature.

이상치(Anomaly)란 가정한 데이터의 분포로 설명되지 않는 값으로, 산업계의 경우 3상 모터의 이상치를 미리 탐지하여 고장을 미리 대비할 필요가 있다.An anomaly is a value that cannot be explained by the assumed distribution of data. In the industrial world, it is necessary to detect anomalies in three-phase motors in advance and prepare for failures in advance.

이상치는 정상 데이터보다 크게 발생할 수도 있고 일부는 더 작게 발생할 수도 있다. 따라서 측정한 센싱 값을 시간 영역에서 확인하여 하나라도 이상치를 보이면 고장에 대한 모니터링을 시작하고 이후 다른 센싱 결과에서의 이상치가 복합적으로 보여지면 고장이라고 판단하는 과정이 필요하다.Outliers may occur larger than normal data, and some may occur smaller. Therefore, it is necessary to check the measured sensing value in the time domain and start monitoring for a failure if any outlier is found. If a combination of outliers in other sensing results is found, it is necessary to determine that it is a failure.

기존에 많이 사용되는 문턱값(threshold) 설정 방식으로는 CFAR(Constant False Alarm Rate)가 있지만 구현이 복잡해 실제 현장에서 사용이 어렵다.CFAR (Constant False Alarm Rate) is a commonly used threshold setting method, but its implementation is complex and difficult to use in actual fields.

고장에 대비하기 위해 수집되는 데이터로는 온도, 전류, 진동 데이터 등이 있다. 일정한 상수로 나타나는 온도 데이터나 sinusoidal 형태를 보이는 전류 데이터와 달리 진동 데이터는 랜덤한 양의 실수 값을 띈다.Data collected to prepare for failures include temperature, current, and vibration data. Unlike temperature data that appears as a constant constant or current data that shows a sinusoidal form, vibration data has random positive real values.

일반적인 이상치 탐지 방안으로는 측정 값이 일정한 문턱값(threshold)을 넘어서면 이상이 있는 것으로 나타내는 방법이 있다. 일반적으로 이상치 탐지를 위한 문턱값을 낮게 설정하면 오보(false alarm)가 자주 발생하고, 높게 설정하면 이상치를 탐지하기 어렵다는 단점이 있다. 따라서 적절한 문턱값 설정이 필요한데 이때 오보에 의한 이상치 보고를 특정 퍼센트 이하로 조절하는 CFAR(Constant False Alarm Rate) 방식이 사용된다.A common outlier detection method is to indicate that an abnormality exists when a measured value exceeds a certain threshold. In general, if the threshold for detecting outliers is set low, false alarms often occur, and if it is set high, it is difficult to detect outliers. Therefore, it is necessary to set an appropriate threshold, and in this case, the CFAR (Constant False Alarm Rate) method is used, which adjusts the reporting of outliers due to misinformation to below a certain percentage.

모터의 진동 값은 모터가 설치된 환경이나 진동 센서의 부착 부위 등에 따라서 다르게 나타나서 상기의 CFAR과 같은 문턱값 설정에 따른 이상치 탐지가 용이하지 않을 뿐 더러 성능이 보장되지 않는다.The vibration value of the motor appears differently depending on the environment in which the motor is installed or the attachment site of the vibration sensor, so not only is it difficult to detect outliers based on threshold settings such as CFAR above, but performance is not guaranteed.

한국출원특허 제10-2016-0015240호 "베어링 고장 진단 방법"Korean Patent Application No. 10-2016-0015240 “Bearing failure diagnosis method”한국출원특허 제10-2019-0031554호 "오토인코더와 딥러닝을 이용한 기계 장비 고장 진단 장치"Korean Patent Application No. 10-2019-0031554 “Mechanical equipment failure diagnosis device using autoencoder and deep learning”

본 발명은 진동 센서 데이터의 분포 추정에 따른 이상치(Anomaly) 탐지를 이용하여 3상 모터의 고장을 진단하는 것을 목적으로 한다.The purpose of the present invention is to diagnose failure of a three-phase motor using anomaly detection based on distribution estimation of vibration sensor data.

본 발명은 진동 데이터들의 확률 분포를 추정하고, 측정치가 확뷸 분포에서 아우티지(outage)에 해당하는 값을 보이면 고장이 있다고 진단함으로써, 수학적으로 증명된 이상치 탐지 기술을 제공하는 것을 목적으로 한다.The purpose of the present invention is to provide a mathematically proven outlier detection technology by estimating the probability distribution of vibration data and diagnosing a failure when the measured value shows a value corresponding to an outage in the probability distribution.

본 발명은 전류, 전압, 온도, 진동치와 같이 시계열 예측이 불가능한 측정 값을 이용한 고장 진단에 적용하는 것을 목적으로 한다.The purpose of the present invention is to apply it to fault diagnosis using measurement values that cannot be time-series predicted, such as current, voltage, temperature, and vibration values.

본 발명은 정상 상태에서의 실측 데이터들에 대한 확률 분포를 한번 추정하고 나면 그 이후에는 별도의 학습이나 검증이 필요없어 시계열 예측이나 인공지능 적용 방법보다 사용이 간편한 3상 모터의 고장 진단 기술을 제공하는 것을 목적으로 한다.The present invention provides a fault diagnosis technology for a three-phase motor that is easier to use than time series prediction or artificial intelligence application methods because once the probability distribution for measured data in a normal state is estimated, no additional learning or verification is required thereafter. The purpose is to

일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 정상상태에서의 3상 모터로부터 진동 데이터를 수집하여 확률 분포를 추정하는 단계, 상기 추정된 확률 분포를 저장하고 유지하는 단계, 상기 3상 모터로부터 진동 데이터를 실시간 측정하여 측정 데이터를 수집하는 단계, 상기 측정 데이터가 상기 추정된 확률 분포에서 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하는 단계, 및 상기 판단 결과를 고려하여, 상기 3상 모터에 대한 고장을 판별하는 단계를 포함할 수 있다.A fault diagnosis method based on estimating a probability distribution of vibration data according to an embodiment includes the steps of collecting vibration data from a three-phase motor in a normal state and estimating a probability distribution, storing and maintaining the estimated probability distribution, and Collecting measurement data by measuring vibration data in real time from a 3-phase motor, determining whether the measurement data corresponds to an outage probability in the estimated probability distribution, and considering the determination result. , It may include the step of determining a failure of the three-phase motor.

일실시예에 따른 상기 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하는 단계는, 제1 임계값과 상기 제1 임계값 보다 작은 제2 임계값으로 구분하여 상기 아우티지 확률(Outage Probability)을 판단하는 단계를 포함하고, 상기 3상 모터에 대한 고장을 판별하는 단계는, 상기 측정 데이터가 상기 제1 임계값 보다 작고 상기 제2 임계값 보다 큰 경우에는 상기 3상 모터에 대한 모니터링을 시작하는 단계, 상기 측정 데이터가 상기 제2 임계값 보다 작은 경우에는 상기 3상 모터를 고장으로 판별하는 단계를 포함할 수 있다.The step of determining whether the outage probability (Outage Probability) according to one embodiment is divided into a first threshold and a second threshold smaller than the first threshold to determine the outage probability (Outage Probability). The step of determining a failure of the three-phase motor includes starting monitoring of the three-phase motor when the measured data is less than the first threshold and greater than the second threshold. If the measurement data is less than the second threshold, it may include determining the three-phase motor as a failure.

일실시예에 따른 상기 제1 임계값은 10%이고, 상기 제2 임계값은 5%인 것을 특징으로 한다.According to one embodiment, the first threshold is 10%, and the second threshold is 5%.

일실시예에 따른 상기 진동 데이터를 수집하여 확률 분포를 추정하는 단계는, 가우시안 분포, Chi-Square 분포, log-normal 분포 등 고려하는 확률 분포 중에서 적어도 하나의 확률 분포로 가공하여 추정하는 단계를 포함할 수 있다.The step of collecting the vibration data and estimating the probability distribution according to one embodiment includes processing and estimating at least one probability distribution among the probability distributions considered, such as Gaussian distribution, Chi-Square distribution, and log-normal distribution. can do.

일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 측정 데이터가 특정 범위내에서 존재하는지 판단하는 단계, 상기 측정 데이터가 특정 범위 내에서 존재하는 경우, 고장이 아니라고 진단하는 단계를 더 포함하고 상기 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하는 단계는, 상기 범위가 기준값 이상으로 초과했는지 여부를 판단하는 단계를 포함하며, 상기 3상 모터에 대한 고장을 판별하는 단계는 상기 범위가 기준값 이상으로 초과한 경우에 상기 3상 모터를 대한 고장으로 판별하는 단계를 포함할 수 있다.A failure diagnosis method based on probability distribution estimation of vibration data according to an embodiment further includes determining whether the measurement data exists within a specific range and, if the measurement data exists within a specific range, diagnosing that it is not a failure. and the step of determining whether the outage probability (outage probability) corresponds to the step of determining whether the range exceeds a reference value or more, and the step of determining a failure of the three-phase motor includes the step of determining whether the range exceeds the reference value. If the range exceeds the reference value, it may include determining that the three-phase motor is malfunctioning.

일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 장치는 정상상태에서의 3상 모터로부터 진동 데이터를 수집하여 확률 분포를 추정하는 확률 분포 추정부, 상기 추정된 확률 분포를 저장하고 유지하는 저장부, 상기 3상 모터로부터 진동 데이터를 실시간 측정하여 측정 데이터를 수집하는 센싱부, 상기 측정 데이터가 상기 추정된 확률 분포에서 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하는 판단부, 및 상기 판단 결과를 고려하여, 상기 3상 모터에 대한 고장을 판별하는 고장 판별부를 포함할 수 있다.According to one embodiment, a failure diagnosis device for estimating a probability distribution of vibration data includes a probability distribution estimator that collects vibration data from a three-phase motor in a normal state and estimates a probability distribution, and a device that stores and maintains the estimated probability distribution. A storage unit, a sensing unit that collects measurement data by measuring vibration data in real time from the three-phase motor, a determination unit that determines whether the measured data corresponds to the outage probability in the estimated probability distribution, and Considering the determination result, it may include a failure determination unit that determines a failure of the three-phase motor.

일실시예에 따른 상기 판단부는, 제1 임계값과 상기 제1 임계값 보다 작은 제2 임계값으로 구분하여 상기 아우티지 확률(Outage Probability)을 판단하고, 상기 고장 판별부는 상기 측정 데이터가 상기 제1 임계값 보다 작고 상기 제2 임계값 보다 큰 경우에는 상기 3상 모터에 대한 모니터링을 시작하고, 상기 측정 데이터가 상기 제2 임계값 보다 작은 경우에는 상기 3상 모터를 고장으로 판별할 수 있다.The determination unit according to one embodiment determines the outage probability by dividing it into a first threshold value and a second threshold value smaller than the first threshold value, and the failure determination unit determines the outage probability by dividing the measurement data into the first threshold value. If the 1 threshold is smaller than the second threshold, monitoring of the three-phase motor may begin, and if the measurement data is smaller than the second threshold, the three-phase motor may be determined to be in trouble.

일실시예에 따른 상기 제1 임계값은 10%이고, 상기 제2 임계값은 5%인 것을 특징으로 한다.According to one embodiment, the first threshold is 10%, and the second threshold is 5%.

일실시예에 따른 상기 확률 분포 추정부는, 가우시안 분포, Chi-Square 분포, log-normal 분포 등 고려하는 확률 분포들 중에서 적어도 하나의 확률 분포로 가공하여 추정할 수 있다.The probability distribution estimation unit according to one embodiment may process and estimate at least one probability distribution among the probability distributions considered, such as Gaussian distribution, Chi-Square distribution, and log-normal distribution.

일실시예에 따른 상기 판단부는, 상기 측정 데이터가 특정 범위 내에서 존재하는 경우, 고장이 아니라고 진단하고, 상기 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하기 위해, 상기 범위가 기준값 이상으로 초과했는지 여부를 판단하며, 상기 고장 판별부는, 범위가 기준값 이상으로 초과한 경우에 상기 3상 모터를 대한 고장으로 판별할 수 있다.According to one embodiment, if the measurement data is within a certain range, the determination unit diagnoses that it is not a failure, and determines whether the range corresponds to the outage probability (Outage Probability) by exceeding the reference value. It determines whether the range has been exceeded or not, and the failure determination unit may determine that the three-phase motor has failed if the range has exceeded the reference value.

일실시예에 따르면, 진동 센서 데이터의 분포 추정에 따른 이상치(Anomaly) 탐지를 이용하여 3상 모터의 고장을 진단할 수 있다.According to one embodiment, a failure of a three-phase motor can be diagnosed using anomaly detection based on distribution estimation of vibration sensor data.

일실시예에 따르면, 진동 데이터들의 확률 분포를 추정하고, 측정치가 확률 분포에서 아우티지(outage)에 해당하는 값을 보이면 고장이 있다고 진단함으로써, 수학적으로 증명된 이상치 탐지 기술을 제공할 수 있다.According to one embodiment, a mathematically proven outlier detection technology can be provided by estimating the probability distribution of vibration data and diagnosing a failure when the measured value shows a value corresponding to outage in the probability distribution.

일실시예에 따르면, 전류, 전압, 온도, 진동치와 같이 시계열 예측이 불가능한 측정 값을 이용한 고장 진단에 적용할 수 있다.According to one embodiment, it can be applied to fault diagnosis using measured values that cannot be time-series predicted, such as current, voltage, temperature, and vibration values.

일실시예에 따르면, 정상 상태에서의 실측 데이터들에 대한 확률 분포를 한번 추정하고 나면 그 이후에는 별도의 학습이나 검증이 필요없어 시계열 예측이나 인공지능 적용 방법보다 사용이 간편한 3상 모터의 고장 진단 기술을 제공할 수 있다.According to one embodiment, once the probability distribution for actual data in a normal state is estimated, no separate learning or verification is required thereafter, so fault diagnosis of a three-phase motor is easier to use than time series prediction or artificial intelligence application methods. technology can be provided.

일실시예에 따르면, 전류, 전압, 온도, 진동치와 같이 시계열 예측이 불가능한 측정 값을 이용한 고장 진단에 적용할 수 있다.According to one embodiment, it can be applied to fault diagnosis using measured values that cannot be time-series predicted, such as current, voltage, temperature, and vibration values.

일실시예에 따르면, 정상 상태에서의 실측 데이터들에 대한 확률 분포를 한번 추정하고 나면 그 이후에는 별도의 학습이나 검증이 필요없어 시계열 예측이나 인공지능 적용 방법보다 사용이 간편하다.According to one embodiment, once the probability distribution for actual data in a steady state is estimated, there is no need for additional learning or verification, making it simpler to use than time series prediction or artificial intelligence application methods.

일실시예에 따르면, 스마트 공장 및 자동화 시장이 증가함에 따라 모터의 수요가 늘어나는 추세이므로 이상치 탐지 알고리즘의 수요가 매우 높다.According to one embodiment, as the smart factory and automation market increases, the demand for motors is increasing, so the demand for outlier detection algorithms is very high.

일실시예에 따르면, 향후 전기차 시장에서 실시간 고장 진단에 활용될 수 있다.According to one embodiment, it can be used for real-time fault diagnosis in the future electric vehicle market.

도 1은 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법을 설명하는 도면이다.
도 2는 일실시예에 따른 3상 모터에 대한 고장을 판별 과정을 설명하는 도면이다.
도 3은 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 장치를 설명하는 도면이다.
도 4a는 모터(Old, 정속)로부터 측정된 시계열 모터 데이터를 나타내는 도면이다.
도 4b는 모터(Old, 가변)로부터 측정된 시계열 모터 데이터를 나타내는 도면이다.
도 4c는 모터(New, 정속)로부터 측정된 시계열 모터 데이터를 나타내는 도면이다.
도 4d는 측정된 시계열 모터 데이터들에 대한 분포를 비교하는 도면이다.
도 5a는 Variance에 따른 확률 분포를 나타내는 도면이다.
도 5b는 Skew에 따른 확률 분포를 나타내는 도면이다.
도 5c는 Kurtosis에 따른 확률 분포를 나타내는 도면이다.
도 6a는 모터(Old, 정속)로부터 측정된 시계열 모터 데이터의 시뮬레이션 결과를 나타내는 도면이다.
도 6b는 모터(Old, 가변)로부터 측정된 시계열 모터 데이터의 시뮬레이션 결과를 나타내는 도면이다.
도 6c는 모터(New, 정속)로부터 측정된 시계열 모터 데이터의 시뮬레이션 결과를 나타내는 도면이다.1 is a diagram illustrating a fault diagnosis method based on probability distribution estimation of vibration data according to an embodiment.
Figure 2 is a diagram illustrating a process for determining a failure of a three-phase motor according to an embodiment.
FIG. 3 is a diagram illustrating a failure diagnosis device based on probability distribution estimation of vibration data according to an embodiment.
Figure 4a is a diagram showing time series motor data measured from a motor (Old, constant speed).
Figure 4b is a diagram showing time series motor data measured from a motor (old, variable).
Figure 4c is a diagram showing time series motor data measured from a motor (New, constant speed).
Figure 4d is a diagram comparing the distribution of measured time series motor data.
Figure 5a is a diagram showing probability distribution according to variance.
Figure 5b is a diagram showing probability distribution according to skew.
Figure 5c is a diagram showing the probability distribution according to Kurtosis.
Figure 6a is a diagram showing simulation results of time series motor data measured from a motor (Old, constant speed).
Figure 6b is a diagram showing simulation results of time series motor data measured from a motor (old, variable).
Figure 6c is a diagram showing simulation results of time series motor data measured from a motor (New, constant speed).

본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.Specific structural or functional descriptions of the embodiments according to the concept of the present invention disclosed in this specification are merely illustrative for the purpose of explaining the embodiments according to the concept of the present invention. They may be implemented in various forms and are not limited to the embodiments described herein.

본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.Since the embodiments according to the concept of the present invention can make various changes and have various forms, the embodiments will be illustrated in the drawings and described in detail in this specification. However, this is not intended to limit the embodiments according to the concept of the present invention to specific disclosed forms, and includes changes, equivalents, or substitutes included in the spirit and technical scope of the present invention.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first or second may be used to describe various components, but the components should not be limited by the terms. The above terms are used solely for the purpose of distinguishing one component from another, for example, a first component may be named a second component, without departing from the scope of rights according to the concept of the present invention; Similarly, the second component may also be referred to as the first component.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~사이에"와 "바로~사이에" 또는 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.When a component is said to be "connected" or "connected" to another component, it is understood that it may be directly connected to or connected to the other component, but that other components may exist in between. It should be. On the other hand, when it is mentioned that a component is “directly connected” or “directly connected” to another component, it should be understood that there are no other components in between. Expressions that describe the relationship between components, such as “between”, “immediately between” or “directly adjacent to”, should be interpreted similarly.

본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used herein is only used to describe specific embodiments and is not intended to limit the invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this specification, terms such as "include" or "have" are intended to designate the presence of a described feature, number, step, operation, component, part, or combination thereof, and one or more other features or numbers, It should be understood that this does not exclude in advance the possibility of the presence or addition of steps, operations, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person of ordinary skill in the technical field to which the present invention pertains. Terms as defined in commonly used dictionaries should be interpreted as having meanings consistent with the meanings they have in the context of the related technology, and unless clearly defined in this specification, should not be interpreted in an idealized or overly formal sense. No.

이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.Hereinafter, embodiments will be described in detail with reference to the attached drawings. However, the scope of the patent application is not limited or limited by these examples. The same reference numerals in each drawing indicate the same members.

도 1은 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법을 설명하는 도면이다.1 is a diagram illustrating a fault diagnosis method based on probability distribution estimation of vibration data according to an embodiment.

일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 3상 모터가 정상적으로 동작하는 정상상태에서, 3상 모터로부터 진동 데이터를 수집하여 확률 분포를 추정한다(단계 101). 일례로, 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 가우시안 분포, Chi-Sqaure 분포, log-normal 분포 등 고려하는 확률 분포 중에서 적어도 하나의 확률 분포로 가공하여 추정할 수 있다.A fault diagnosis method based on estimation of probability distribution of vibration data according to an embodiment collects vibration data from a three-phase motor in a normal state in which the three-phase motor operates normally and estimates the probability distribution (step 101). For example, a fault diagnosis method based on estimation of the probability distribution of vibration data according to an embodiment can be estimated by processing it into at least one probability distribution among the probability distributions considered, such as Gaussian distribution, Chi-Sqaure distribution, and log-normal distribution. .

또한, 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 추정된 확률 분포를 저장하고 유지할 수 있다(단계 102).Additionally, the fault diagnosis method based on estimation of the probability distribution of vibration data according to one embodiment may store and maintain the estimated probability distribution (step 102).

일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 3상 모터로부터 진동 데이터를 실시간 측정함으로써, 측정 데이터를 수집할 수 있다(단계 103).The fault diagnosis method based on estimation of the probability distribution of vibration data according to an embodiment can collect measurement data by measuring vibration data from a three-phase motor in real time (step 103).

다음으로, 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 단계 104를 통해 측정 데이터가 상기 추정된 확률 분포에서 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단할 수 있다.Next, the failure diagnosis method based on estimation of the probability distribution of vibration data according to one embodiment may determine whether the measured data corresponds to the outage probability in the estimated probability distribution throughstep 104.

일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 단계 104의 판단 결과를 고려하여, 3상 모터에 대한 고장을 판별할 수 있다.The fault diagnosis method based on probability distribution estimation of vibration data according to an embodiment can determine a fault for a three-phase motor by considering the determination result ofstep 104.

아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하는 과정은 이하 도 2를 통해 구체적으로 설명한다.The process of determining whether or not it corresponds to outage probability is explained in detail with reference to FIG. 2 below.

도 2는 일실시예에 따른 3상 모터에 대한 고장을 판별 과정을 설명하는 도면이다.Figure 2 is a diagram illustrating a process for determining a failure of a three-phase motor according to an embodiment.

단계 103에서 3상 모터로부터 진동 데이터를 실시간 측정하면, 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 우선 제1 임계값과 측정된 진동 데이터를 대비하여 이하인지 여부를 판단할 수 있다(단계 201).When vibration data is measured in real time from a three-phase motor instep 103, the fault diagnosis method based on probability distribution estimation of vibration data according to one embodiment first compares the first threshold with the measured vibration data to determine whether or not it is less than or equal to the first threshold. (step 201).

또한, 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 단계 201의 판단 결과에 따라 3상 모터에 대한 모니터링을 시작할 수 있다(단계 202).Additionally, the fault diagnosis method based on probability distribution estimation of vibration data according to one embodiment may start monitoring the three-phase motor according to the determination result of step 201 (step 202).

또한, 3상 모터에 대한 모니터링 과정에서 측정된 진동 데이터와 제2 임계값을 비교하여 측정된 진동 데이터가 제2 임계값 이하인지 여부를 추가 판단할 수 있다(단계 203).Additionally, it is possible to further determine whether the measured vibration data is below the second threshold by comparing the vibration data measured during the monitoring process for the three-phase motor with the second threshold (step 203).

일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 측정된 진동 데이터가 제2 임계값 이하인 경우에 3상 모터를 고장으로 판별할 수 있다(단계 204).The failure diagnosis method based on estimation of the probability distribution of vibration data according to an embodiment may determine that the three-phase motor is faulty when the measured vibration data is less than or equal to a second threshold (step 204).

즉, 측정 데이터가 제1 임계값 보다 작고 제2 임계값 보다 큰 경우에는 3상 모터에 대한 모니터링을 시작하고, 측정 데이터가 상기 제2 임계값 보다 작은 경우에는 상기 3상 모터를 고장으로 판별할 수 있다.That is, if the measured data is less than the first threshold and greater than the second threshold, monitoring of the three-phase motor begins, and if the measured data is less than the second threshold, the three-phase motor is determined to be faulty. You can.

본 발명의 일실시예에 따른 제1 임계값과 제2 임계값은 서로 다른 크기를 갖는다.The first threshold value and the second threshold value according to an embodiment of the present invention have different sizes.

예를 들어, 본 발명에서는 제1 임계값과 상기 제1 임계값 보다 작은 제2 임계값으로 구분하여 아우티지 확률(Outage Probability)을 판단할 수 있다.For example, in the present invention, the outage probability can be determined by dividing into a first threshold and a second threshold that is smaller than the first threshold.

보다 구체적으로, 제1 임계값은 10%로, 제2 임계값은 5%로 하여 아우티지 확률(Outage Probability)을 판단할 수 있다.More specifically, the outage probability can be determined by setting the first threshold to 10% and the second threshold to 5%.

즉, 측정된 진동 데이터가 확률 분포의 10%의 확률 범위에 있으면 고장에 대한 모니터링을 시작하고, 분포의 5%의 확률 범위에 존재하게 되면 고장이라고 판단할 수 있다.In other words, if the measured vibration data is in the probability range of 10% of the probability distribution, monitoring for a failure can be started, and if it is in the probability range of 5% of the distribution, it can be judged to be a failure.

모터의 진동 데이터는 모터가 설치된 환경이나 진동 센서의 부탁 부위 등에 따라서 다르게 나타나서 CFAR과 같은 문턱값 설정에 따른 이상치 탐지가 용이하지 않을 뿐 더러 성능이 보장되지 않는다.Motor vibration data appears differently depending on the environment in which the motor is installed or the location of the vibration sensor, so not only is it difficult to detect outliers based on threshold settings such as CFAR, but performance is not guaranteed.

모터의 진동 데이터는 그 특성상 거의 랜덤한 형태를 보이기 때문에 본 발명에서는 진동 데이터들의 확률 분포를 추정하고, 측정 데이터가 확률 분포에서 아우티지에 해당하는 값을 보이면 고장이 있다고 진단할 수 있다.Since the vibration data of the motor shows an almost random form due to its nature, the present invention estimates the probability distribution of the vibration data, and if the measurement data shows a value corresponding to the outage in the probability distribution, it can be diagnosed as having a failure.

본 발명에서는 진동 센서로부터 수집된 진동 데이터의 분포 추정에 따른 이상치(Anomaly) 탐지를 통한 3상 모터의 고장을 진단할 수 있다. 이상치(Anomaly)란 가정한 데이터의 분포로 설명되지 않는 값으로, 산업계의 경우 3상 모터의 이상치를 미리 탐지하여 고장을 미리 대비할 필요가 있다.In the present invention, failure of a three-phase motor can be diagnosed through anomaly detection based on distribution estimation of vibration data collected from a vibration sensor. An anomaly is a value that cannot be explained by the assumed distribution of data. In the industrial world, it is necessary to detect anomalies in three-phase motors in advance and prepare for failures in advance.

고장에 대비하기 위해 수집되는 데이터로는 온도, 전류, 진동 데이터 등이 있다. 일정한 상수로 나타나는 온도 데이터나 sinusoidal 형태를 보이는 전류 데이터와 달리 진동 데이터는 랜덤한 양의 실수 값을 띈다. 본 발명은 랜덤한 진동 센서가 따르는 분포를 추정하고, 이 분포를 통해 진동 센서 데이터의 이상치를 판단할 수 있다.Data collected to prepare for failures include temperature, current, and vibration data. Unlike temperature data that appears as a constant constant or current data that shows a sinusoidal form, vibration data has random positive real values. The present invention can estimate the distribution that a random vibration sensor follows, and determine outliers in vibration sensor data through this distribution.

한편, 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 측정 데이터가 특정 범위내에서 존재하는지 판단할 수 있다. 이를 위해, 측정 데이터가 특정 범위 내에서 존재하는 경우, 고장이 아니라고 진단할 수 있다.Meanwhile, a fault diagnosis method based on estimation of probability distribution of vibration data according to an embodiment can determine whether measurement data exists within a specific range. To this end, if the measurement data is within a certain range, it can be diagnosed as not a failure.

또한, 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하고, 범위가 기준값 이상으로 초과했는지 여부를 판단할 수 있다.In addition, the failure diagnosis method based on probability distribution estimation of vibration data according to one embodiment can determine whether it corresponds to an outage probability and determine whether the range has exceeded a reference value.

또한, 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법은 3상 모터에 대한 고장을 판별하기 위해, 범위가 기준값 이상으로 초과한 경우에 상기 3상 모터를 대한 고장으로 판별할 수도 있다.In addition, the failure diagnosis method based on probability distribution estimation of vibration data according to one embodiment may determine a failure of the three-phase motor when the range exceeds a reference value or more to determine a failure of the three-phase motor. there is.

도 3은 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 장치(300)를 설명하는 도면이다.FIG. 3 is a diagram illustrating afailure diagnosis device 300 based on probability distribution estimation of vibration data according to an embodiment.

일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 장치(300)는 수집된 진동 데이터와 관련하여, 사전에 추정된 확률 분포에 대한 포함 여부만 판단하면 되므로 기존의 방법보다 진단이 빠르고 실시간으로 고장을 진단할 수 있다.Thefault diagnosis device 300 based on probability distribution estimation of vibration data according to an embodiment only needs to determine whether the collected vibration data is included in a pre-estimated probability distribution, so diagnosis is faster and in real time than existing methods. You can diagnose a fault with this.

이를 위해, 일실시예에 따른 진동 데이터의 확률 분포 추정에 따른 고장 진단 장치(300)는 확률 분포 추정부(310), 저장부(320), 센싱부(330), 판단부(340), 고장 판별부(350), 및 제어부(360)를 포함할 수 있다.To this end, thefailure diagnosis device 300 based on probability distribution estimation of vibration data according to an embodiment includes a probabilitydistribution estimation unit 310, astorage unit 320, asensing unit 330, adetermination unit 340, and afailure diagnosis unit 300. It may include adetermination unit 350 and acontrol unit 360.

일실시예에 따른 확률 분포 추정부(310)는 정상상태에서의 3상 모터로부터 진동 데이터를 수집하여 확률 분포를 추정할 수 있다.The probabilitydistribution estimation unit 310 according to one embodiment may estimate the probability distribution by collecting vibration data from a three-phase motor in a steady state.

예를 들어, 확률 분포 추정부(310)는 가우시안 분포, Chi-Square 분포, log-normal 분포 등 고려하는 확률 분포 중에서 적어도 하나의 확률 분포로 가공하여 추정할 수도 있다.For example, the probabilitydistribution estimation unit 310 may process and estimate at least one probability distribution among the probability distributions being considered, such as Gaussian distribution, Chi-Square distribution, and log-normal distribution.

일실시예에 따른 저장부(320)는 추정된 확률 분포를 저장하고 유지할 수 있다.Thestorage unit 320 according to one embodiment may store and maintain the estimated probability distribution.

일실시예에 따른 센싱부(330)는 3상 모터로부터 진동 데이터를 실시간 측정하여 측정 데이터를 수집할 수 있다.Thesensing unit 330 according to one embodiment may collect measurement data by measuring vibration data from a three-phase motor in real time.

일실시예에 따른 판단부(340)는 측정 데이터가 상기 추정된 확률 분포에서 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단할 수 있다.Thedetermination unit 340 according to one embodiment may determine whether the measured data corresponds to an outage probability in the estimated probability distribution.

일실시예에 따른 고장 판별부(350)는 판단 결과를 고려하여, 상기 3상 모터에 대한 고장을 판별할 수 있다.Thefailure determination unit 350 according to one embodiment may determine a failure of the three-phase motor by considering the determination result.

일례로, 판단부(340)에서는 제1 임계값과 상기 제1 임계값 보다 작은 제2 임계값으로 구분하여 상기 아우티지 확률(Outage Probability)을 판단하고, 고장 판별부(350)에서는 측정 데이터가 제1 임계값 보다 작고 제2 임계값 보다 큰 경우에는 3상 모터에 대한 모니터링을 시작할 수 있다. 또한, 고장 판별부(350)는 측정 데이터가 제2 임계값 보다 작은 경우에는 3상 모터를 고장으로 판별할 수 있다.For example, thedetermination unit 340 determines the outage probability by dividing it into a first threshold and a second threshold smaller than the first threshold, and thefailure determination unit 350 determines the measured data. If it is smaller than the first threshold and larger than the second threshold, monitoring of the three-phase motor can begin. Additionally, thefailure determination unit 350 may determine that the three-phase motor is failure when the measurement data is less than the second threshold.

일례로, 제1 임계값은 10%이고, 제2 임계값은 5%로 해석될 수 있으나, 이는 일실시예로서 다양한 수치로 설계변경될 수 있다.For example, the first threshold may be interpreted as 10%, and the second threshold may be interpreted as 5%, but this is an example and may be designed to be changed to various values.

다른 일례로, 판단부(340)는 측정 데이터가 특정 범위 내에서 존재하는 경우, 고장이 아니라고 진단할 수 있다. 또한, 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하기 위해, 범위가 기준값 이상으로 초과했는지 여부를 판단할 수 있다. 이 경우, 고장 판별부(350)는, 범위가 기준값 이상으로 초과한 경우에 3상 모터를 고장으로 판별할 수 있다.As another example, thedetermination unit 340 may diagnose that there is no failure if the measurement data is within a specific range. Additionally, in order to determine whether it corresponds to outage probability, it can be determined whether the range exceeds the reference value. In this case, thefailure determination unit 350 may determine that the three-phase motor is in failure when the range exceeds the reference value or more.

일실시예에 따른 제어부(360)는 각 구성요소들의 전반적인 제어나, 각 구성요소들로부터 송수신되는 제어신호를 전달하는 기능을 담당할 수 있다.Thecontrol unit 360 according to one embodiment may be responsible for overall control of each component or for transmitting control signals transmitted and received from each component.

정상 상태에서의 모터의 진동 데이터들을 수집하여, 이들 데이터가 특정 확률 분포를 따르는지를 확인할 수 있다.By collecting vibration data of the motor in a steady state, it is possible to check whether these data follow a certain probability distribution.

일례로, 실측 데이터의 1차 모멘트로서 평균값, 2차 모멘트로서 분산값을 추정할 경우, 데이터들이 가우시안 분포, Chi-Square분포 등으로 모델화 하여 가장 잘 따르는 분포가 선택될 수 있다. 또한, 경우에 따라서는 측정값을 dB 값으로 변환하여 log-normal과 같은 분포를 따르는 지도 확인할 수 있다.For example, when estimating the average value as the first moment of actual data and the variance value as the second moment, the data can be modeled as a Gaussian distribution, Chi-Square distribution, etc., and the distribution that best follows can be selected. Additionally, in some cases, the measured value can be converted to a dB value to check whether it follows a distribution such as log-normal.

다른 일례로, 실측 데이터가 특정 범위내에서 존재하는 것으로 판단되면 고장이 아니라고 진단하고 측정치가 이 범위를 크게 벗어나게 되면 고장이 발생한 것으로 판단할 수 있다.As another example, if the actual measurement data is determined to be within a certain range, it can be diagnosed as not a failure, and if the measured value is significantly outside this range, it can be determined that a failure has occurred.

수집된 데이터의 추정된 분포에 대한 포함 여부만 판단하면 되므로 기존의 방법보다 진단이 빠르고 실시간으로 고장을 진단할 수 있다.Since it is only necessary to determine whether the collected data is included in the estimated distribution, diagnosis is faster than existing methods and faults can be diagnosed in real time.

본 발명을 이용하는 경우, 스마트 공장에서 모터의 진동 데이터를 수집하여 분포를 미리 추정한 후, 이상치 데이터가 수집되었을 때 추정된 분포와 비교하여 이상치 여부를 판단할 수 있어 고장에 미리 대비할 수 있다.When using the present invention, it is possible to collect vibration data from a motor in a smart factory, estimate the distribution in advance, and then compare it with the distribution estimated when outlier data is collected to determine whether it is an outlier, thereby preparing for failure in advance.

또한, 안전이 중요한 전기 자동차, 기차 등 모터가 들어가는 이동체에 활용되어 실시간으로 이상치를 탐지할 수 있다.In addition, it can be used in moving vehicles with motors, such as electric vehicles and trains, where safety is important, and can detect outliers in real time.

뿐만 아니라, 본 발명은 수학적으로 증명된 이상치 탐지 방법을 기반으로 한다. 즉, 전류, 전압, 진동치와 같이 시계열 예측이 불가능한 측정 값을 이용한 고장 진단에 적용할 수 있다.Furthermore, the present invention is based on a mathematically proven outlier detection method. In other words, it can be applied to fault diagnosis using measured values that cannot be time-series predicted, such as current, voltage, and vibration values.

또한, 본 발명은 정상 상태에서의 실측 데이터들에 대한 확률 분포를 한번 추정하고 나면 그 이후에는 별도의 학습이나 검증이 필요없어 시계열 예측이나 인공지능 적용 방법보다 사용이 간편하다.In addition, the present invention is simpler to use than time series prediction or artificial intelligence application methods because it does not require additional learning or verification once the probability distribution for actual data in a steady state is estimated.

결국, 본 발명을 적용하게 되면, 스마트 공장 및 자동화 시장이 증가함에 따라 모터의 수요가 늘어나는 추세이므로 본 특허의 이상치 탐지 알고리즘의 수요가 매우 높고, 향후 전기차 시장에서 실시간 고장 진단에 활용될 수 있다.Ultimately, when the present invention is applied, as the demand for motors increases as the smart factory and automation market increases, the demand for the outlier detection algorithm of this patent is very high, and it can be used for real-time fault diagnosis in the future electric vehicle market.

도 4a는 모터로부터 측정된 시계열 모터 데이터(410, 420)를 나타내고, 도 4b는 모터로부터 측정된 시계열 모터 데이터(430, 440)를 나타내며, 도 4c는 모터로부터 측정된 시계열 모터 데이터(450)를 나타내는 도면이고, 도 4d는 측정된 시계열 모터 데이터들에 대한 분포를 비교하는 도면이다.Figure 4a shows time series motor data (410, 420) measured from the motor, Figure 4b shows time series motor data (430, 440) measured from the motor, and Figure 4c shows time series motor data (450) measured from the motor. 4D is a diagram comparing the distribution of measured time series motor data.

보다 구체적으로, 4a는 오래 사용된(Old)의 정속으로 동작하는 모터로부터 측정되는 시계열 모터 데이터(410, 420)이고, 도 4b는 Old버전의 가변속도로 동작하는 모터로부터 측정된 시계열 모터 데이터(430, 440)이다. 또한, 도 4c는 사용하지 않은 새 것의 가변속도로 동작하는 모터로부터 측정된 시계열 모터 데이터(450)를 나타내는 도면이고, 도 4d는 도 4a 내지 4c에서 측정된 시계열 모터 데이터들에 대한 분포를 비교하는 도면이다.More specifically, Figure 4a shows time series motor data (410, 420) measured from an old motor operating at a constant speed, and Figure 4b shows time series motor data (430) measured from an Old version of a motor operating at a variable speed. , 440). In addition, FIG. 4C is a diagram showing timeseries motor data 450 measured from a new, unused motor operating at a variable speed, and FIG. 4D is a diagram comparing the distribution of time series motor data measured in FIGS. 4A to 4C. am.

도 4a 내지 4c에서 측정된 시계열 모터 데이터들은 수집된 모터당 약 10만~11만개의 진동 데이터에 해당하며, 0으로 측정된 결측치 모두 제거된 값을 나타낸다.The time series motor data measured in FIGS. 4A to 4C correspond to approximately 100,000 to 110,000 pieces of vibration data per collected motor, and represent values from which all missing values measured as 0 have been removed.

이러한 시계열 모터 데이터들로부터는 측정 값이 일정한 문턱값 (threshold)을 넘어서면 이상이 있는 것으로 나타내는 CFAR (Constant False Alarm Rate)을 이용할 수 있다. 이를 위해서는, 오보(false alarm)에 의한 이상치 보고를 특정 퍼센트 이하로 조절해야 하나, 모터 진동 센서 감지에는 CFAR이 부적절하다.From these time series motor data, CFAR (Constant False Alarm Rate), which indicates that there is an abnormality when the measured value exceeds a certain threshold, can be used. To achieve this, reporting of outliers due to false alarms must be controlled below a certain percentage, but CFAR is inadequate for motor vibration sensor detection.

이는 모터가 설치된 환경이나 진동 센서의 부착 부위 등에 따라 패턴이 다르기 때문이며, 분산이 큰 진동 센서 데이터 분포의 특성상 문턱값 설정에 따른 이상치 탐지가 어렵다.This is because the pattern is different depending on the environment in which the motor is installed or the attachment site of the vibration sensor, and due to the highly dispersed nature of the vibration sensor data distribution, it is difficult to detect outliers by setting the threshold.

본 발명은 진동 센서 데이터의 분포를 이용한 이상치(Anomaly) 탐지를 할 수 있으며, 랜덤한 양의 실수 값을 가지는 진동 센서가 따르는 분포를 추정해야 한다.The present invention can detect anomalies using the distribution of vibration sensor data, and must estimate the distribution followed by the vibration sensor with a random positive real value.

또한, 추정된 진동 센서 데이터의 확률 분포의 통계적 특성을 통해 이상치를 판단할 수 있다.Additionally, outliers can be determined through the statistical characteristics of the probability distribution of the estimated vibration sensor data.

이를 위해, 본 발명에서는 Variance에 따른 확률 분포, Skew에 따른 확률 분포, Kurtosis에 따른 확률 분포를 이용할 수 있다.For this purpose, the present invention can use probability distribution according to Variance, probability distribution according to Skew, and probability distribution according to Kurtosis.

도 5a는 Variance에 따른 확률 분포를 나타내는 도면이고, 도 5b는 Skew에 따른 확률 분포를 나타내는 도면이며, 도 5c는 Kurtosis에 따른 확률 분포를 나타내는 도면이다.FIG. 5A is a diagram showing a probability distribution according to Variance, FIG. 5B is a diagram showing a probability distribution according to Skew, and FIG. 5C is a diagram showing a probability distribution according to Kurtosis.

정상 상태에서의 모터의 진동 데이터들을 수집하여, 이들 데이터가 특정 확률 분포를 따르는지 확인할 수 있다.By collecting vibration data of the motor in a steady state, it is possible to check whether these data follow a certain probability distribution.

이를 위해, 본 발명에서는 실측 데이터의 1차 모멘트로서 [수학식 1]을 활용하여 평균값(Mean)을 산출할 수 있다.For this purpose, in the present invention, the average value (Mean) can be calculated by using [Equation 1] as the first moment of the actual measured data.

[수학식 1][Equation 1]

다음으로, 본 발명에서는 2차 모멘트로서 [수학식 2]를 활용하여 분산값을 추정할 수 있다.Next, in the present invention, the dispersion value can be estimated using [Equation 2] as the second moment.

[수학식 2][Equation 2]

분산값은 도 5a의 도면부호 510로 표현될 수 있다.The variance value can be expressed byreference numeral 510 in FIG. 5A.

이 밖에도, 본 발명에서는 실측 데이터의 3차 모멘트로서 [수학식 3]을 활용하여 비대칭도(Skew)를 산출할 수 있다.In addition, in the present invention, the skew can be calculated by using [Equation 3] as the third moment of the actual measured data.

[수학식 3][Equation 3]

비대칭도(Skew)는 도 5b의 도면부호 520로 표현될 수 있다.Skew can be expressed byreference numeral 520 in FIG. 5B.

비대칭도(Skew)의 각각은 Positive Skew, Symmetrical Distribution, Negative Skew로 구분될 수 있고, 각각의 비대칭도는 Mean, Median, Mode로 식별되는 지점으로 구분될 수 있다.Each skew can be divided into Positive Skew, Symmetrical Distribution, and Negative Skew, and each skew can be divided into points identified as Mean, Median, and Mode.

본 발명에서는 실측 데이터의 4차 모멘트로서 [수학식 4]을 활용하여 첨도(Kurtosis)를 산출할 수 있다.In the present invention, kurtosis can be calculated using [Equation 4] as the fourth moment of the measured data.

[수학식 4][Equation 4]

첨도(Kurtosis)는 도 5c의 도면부호 530으로 표현될 수 있다.Kurtosis can be expressed byreference numeral 530 in FIG. 5C.

참고로, 도면부호 530에서 보는 바와 같이 측정 클러스터의 측정값이 극단으로 갈수록 높아지며, 첨도가 높을수록 편차 또는 특이치의 극단값이 커질 수 있다.For reference, as shown atreference numeral 530, the measured value of the measurement cluster increases toward the extreme, and the higher the kurtosis, the greater the extreme value of the deviation or outlier.

측정된 데이터들을 가우시안 분포, Chi-Square분포 등으로 모델화 하여 가장 잘 따르는 분포를 선택할 수 있다. 경우에 따라서는 측정값을 dB 값으로 변환하여 log-normal과 같은 분포를 따르는 지도 확인한다.By modeling the measured data into Gaussian distribution, Chi-Square distribution, etc., the distribution that best follows can be selected. In some cases, the measured value is converted to a dB value to check whether it follows a distribution such as log-normal.

실측 데이터가 특정 범위내에서 존재하는 것으로 판단되면 고장이 아니라고 진단하고 측정치가 이 범위를 크게 벗어나게 되면 고장이 발생한 것으로 판단할 수 있다.If the actual measurement data is determined to be within a certain range, it can be diagnosed as not a failure, and if the measured value is significantly outside this range, it can be determined that a failure has occurred.

수집된 데이터의 추정된 분포에 대한 포함 여부만 판단하면 되므로 기존의 방법보다 진단이 빠르고 실시간으로 고장을 진단할 수 있다.Since it is only necessary to determine whether the collected data is included in the estimated distribution, diagnosis is faster than existing methods and faults can be diagnosed in real time.

도 6a는 모터(Old, 정속)로부터 측정된 시계열 모터 데이터의 시뮬레이션 결과(610, 620)를 나타내는 도면이다.FIG. 6A is a diagram showingsimulation results 610 and 620 of time series motor data measured from a motor (old, constant speed).

시뮬레이션 결과(610)는 모터 데이터(410)로부터 추정되는 결과로서, 평균값(Mean) 58.73, 분산값(Variance) 1371.42, 비대칭도(Skew) 4.63, 첨도(Kurtosis) -25.60로 측정된다.Thesimulation result 610 is a result estimated from themotor data 410 and is measured as a mean value of 58.73, variance of 1371.42, skewness of 4.63, and kurtosis of -25.60.

시뮬레이션 결과(620)는 모터 데이터(420)로부터 추정되는 결과로서, 평균값(Mean) 25.50, 분산값(Variance) 99.18, 비대칭도(Skew) 0.38, 첨도(Kurtosis) -0.24 로 측정된다.Thesimulation result 620 is a result estimated from themotor data 420 and is measured as a mean value of 25.50, variance of 99.18, skewness of 0.38, and kurtosis of -0.24.

도 6b는 모터(Old, 가변)로부터 측정된 시계열 모터 데이터의 시뮬레이션 결과를 나타내는 도면이다.Figure 6b is a diagram showing simulation results of time series motor data measured from a motor (old, variable).

시뮬레이션 결과(630)는 모터 데이터(430)로부터 추정되는 결과로서, 평균값(Mean) 42.35, 분산값(Variance) 453.57, 비대칭도(Skew) 0.26, 첨도(Kurtosis) -1.30로 측정된다.Thesimulation result 630 is a result estimated from themotor data 430 and is measured as a mean value of 42.35, variance of 453.57, skewness of 0.26, and kurtosis of -1.30.

시뮬레이션 결과(640)는 모터 데이터(440)로부터 추정되는 결과로서, 평균값(Mean) 45.21, 분산값(Variance) 271.48, 비대칭도(Skew) 1.36, 첨도(Kurtosis) 3.94로 측정된다.Thesimulation result 640 is a result estimated from themotor data 440 and is measured as a mean of 45.21, variance of 271.48, skewness of 1.36, and kurtosis of 3.94.

도 6c는 모터(New, 정속)로부터 측정된 시계열 모터 데이터의 시뮬레이션 결과를 나타내는 도면이다.Figure 6c is a diagram showing simulation results of time series motor data measured from a motor (New, constant speed).

시뮬레이션 결과(650)는 모터 데이터(450)로부터 추정되는 결과로서, 평균값(Mean) 31.59, 분산값(Variance) 134.99, 비대칭도(Skew) 1.68, 첨도(Kurtosis) 6.61로 측정된다.Thesimulation result 650 is a result estimated from themotor data 450 and is measured as a mean of 31.59, variance of 134.99, skewness of 1.68, and kurtosis of 6.61.

본 발명에서는 측정된 데이터가 특정 확률 분포를 따르는지 확인할 수 있다.In the present invention, it is possible to check whether measured data follows a specific probability distribution.

실측 데이터의 1차 모멘트, 2차 모멘트을 추정할 경우, 데이터들이 가우시안 분포, Chi-Square분포 등으로 모델화하여 가장 잘 따르는 분포를 선택할 수 있고, 측정값을 dB 값으로 변환하여 log-normal과 같은 분포를 따르는 지도 확인할 수 있다.When estimating the first and second moments of actual measured data, the data can be modeled as Gaussian distribution, Chi-Square distribution, etc. to select the distribution that best follows, and the measured value can be converted to dB value to obtain a distribution such as log-normal. You can also check the map that follows.

실측 데이터가 특정 범위내에서 존재하는 것으로 판단되면 고장이 아니라고 진단하고 측정치가 이 범위를 크게 벗어나게 되면 고장이 발생한 것으로 판단할 수도 있다. If the measured data is determined to be within a certain range, it may be diagnosed as not a failure. If the measured value is significantly outside this range, it may be determined that a failure has occurred.

결국, 본 발명을 이용하면 진동 센서 데이터의 분포 추정에 따른 이상치(Anomaly) 탐지를 이용하여 3상 모터의 고장을 진단할 수 있고, 진동 데이터들의 확률 분포를 추정하고, 측정치가 확률 분포에서 아우티지(outage)에 해당하는 값을 보이면 고장이 있다고 진단함으로써, 수학적으로 증명된 이상치 탐지 기술을 제공할 수 있다.Ultimately, using the present invention, it is possible to diagnose a failure of a three-phase motor using anomaly detection based on distribution estimation of vibration sensor data, estimate the probability distribution of vibration data, and detect the outage of the measured value from the probability distribution. If a value corresponding to (outage) is displayed, a mathematically proven outlier detection technology can be provided by diagnosing a failure.

또한, 전류, 전압, 진동치와 같이 시계열 예측이 불가능한 측정 값을 이용한 고장 진단에 적용할 수 있고, 정상 상태에서의 실측 데이터들에 대한 확률 분포를 한번 추정하고 나면 그 이후에는 별도의 학습이나 검증이 필요없어 시계열 예측이나 인공지능 적용 방법보다 사용이 간편한 3상 모터의 고장 진단 기술을 제공할 수 있다.In addition, it can be applied to fault diagnosis using measurement values that cannot be time-series predicted, such as current, voltage, and vibration values. Once the probability distribution for actual measurement data in a normal state is estimated, separate learning or verification is required thereafter. Since it does not require this, it can provide a fault diagnosis technology for three-phase motors that is easier to use than time series prediction or artificial intelligence application methods.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The device described above may be implemented with hardware components, software components, and/or a combination of hardware components and software components. For example, devices and components described in embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable array (FPA), It may be implemented using one or more general-purpose or special-purpose computers, such as a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. A processing device may execute an operating system (OS) and one or more software applications that run on the operating system. Additionally, a processing device may access, store, manipulate, process, and generate data in response to the execution of software. For ease of understanding, a single processing device may be described as being used; however, those skilled in the art will understand that a processing device includes multiple processing elements and/or multiple types of processing elements. It can be seen that it may include. For example, a processing device may include a plurality of processors or one processor and one controller. Additionally, other processing configurations, such as parallel processors, are possible.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may include a computer program, code, instructions, or a combination of one or more of these, which may configure a processing unit to operate as desired, or may be processed independently or collectively. You can command the device. Software and/or data may be used on any type of machine, component, physical device, virtual equipment, computer storage medium or device to be interpreted by or to provide instructions or data to a processing device. , or may be permanently or temporarily embodied in a transmitted signal wave. Software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc., singly or in combination. Program instructions recorded on the medium may be specially designed and configured for the embodiment or may be known and available to those skilled in the art of computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -Includes optical media (magneto-optical media) and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, etc. Examples of program instructions include machine language code, such as that produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter, etc. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.Although the embodiments have been described with limited drawings as described above, various modifications and variations can be made by those skilled in the art from the above description. For example, the described techniques are performed in a different order than the described method, and/or components of the described system, structure, device, circuit, etc. are combined or combined in a different form than the described method, or other components are used. Alternatively, appropriate results may be achieved even if substituted or substituted by an equivalent.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents of the claims also fall within the scope of the claims described below.

Claims (10)

Translated fromKorean

정상상태에서의 3상 모터로부터 진동 데이터를 수집하여 확률 분포를 추정하는 단계;
상기 추정된 확률 분포를 저장하고 유지하는 단계;
상기 3상 모터로부터 진동 데이터를 실시간 측정하여 측정 데이터를 수집하는 단계;
상기 측정 데이터가 상기 추정된 확률 분포에서 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하는 단계; 및
상기 판단 결과를 고려하여, 상기 3상 모터에 대한 고장을 판별하는 단계
를 포함하는 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법.Collecting vibration data from a three-phase motor in a steady state and estimating a probability distribution;
storing and maintaining the estimated probability distribution;
collecting measurement data by measuring vibration data in real time from the three-phase motor;
determining whether the measured data corresponds to an outage probability in the estimated probability distribution; and
Considering the determination result, determining a failure of the three-phase motor
A fault diagnosis method based on probability distribution estimation of vibration data including.제1항에 있어서,
상기 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하는 단계는,
제1 임계값과 상기 제1 임계값 보다 작은 제2 임계값으로 구분하여 상기 아우티지 확률(Outage Probability)을 판단하는 단계
를 포함하고,
상기 3상 모터에 대한 고장을 판별하는 단계는,
상기 측정 데이터가 상기 제1 임계값 보다 작고 상기 제2 임계값 보다 큰 경우에는 상기 3상 모터에 대한 모니터링을 시작하는 단계;
상기 측정 데이터가 상기 제2 임계값 보다 작은 경우에는 상기 3상 모터를 고장으로 판별하는 단계
를 포함하는 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법.According to paragraph 1,
The step of determining whether the outage probability is met is,
Determining the outage probability by dividing it into a first threshold and a second threshold that is smaller than the first threshold.
Including,
The step of determining a failure of the three-phase motor is:
starting monitoring of the three-phase motor when the measured data is less than the first threshold and greater than the second threshold;
If the measured data is less than the second threshold, determining the three-phase motor as a failure
A fault diagnosis method based on probability distribution estimation of vibration data including.제2항에 있어서,
상기 제1 임계값은 10%이고, 상기 제2 임계값은 5%인 것을 특징으로 하는 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법.According to paragraph 2,
A fault diagnosis method based on probability distribution estimation of vibration data, wherein the first threshold is 10% and the second threshold is 5%.제1항에 있어서,
상기 진동 데이터를 수집하여 확률 분포를 추정하는 단계는,
가우시안 분포, Chi-Square 분포, log-normal 분포 중에서 적어도 하나를 고려하는 확률 분포 중에서 적어도 하나의 확률 분포로 가공하여 추정하는 단계
를 포함하는 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법.According to paragraph 1,
The step of collecting the vibration data and estimating the probability distribution is,
Step of processing and estimating at least one probability distribution among probability distributions considering at least one of Gaussian distribution, Chi-Square distribution, and log-normal distribution.
A fault diagnosis method based on probability distribution estimation of vibration data including.제1항에 있어서,
측정 데이터가 특정 범위내에서 존재하는지 판단하는 단계;
상기 측정 데이터가 특정 범위 내에서 존재하는 경우, 고장이 아니라고 진단하는 단계
를 더 포함하고
상기 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하는 단계는,
상기 범위가 기준값 이상으로 초과했는지 여부를 판단하는 단계
를 포함하며,
상기 3상 모터에 대한 고장을 판별하는 단계는,
상기 범위가 기준값 이상으로 초과한 경우에 상기 3상 모터를 고장으로 판별하는 단계
를 포함하는 진동 데이터의 확률 분포 추정에 따른 고장 진단 방법.According to paragraph 1,
Determining whether measurement data exists within a specific range;
If the measurement data is within a certain range, diagnosing that it is not a failure
Includes more
The step of determining whether the outage probability is met is,
Determining whether the range exceeds the standard value or not
Includes,
The step of determining a failure of the three-phase motor is:
Determining the 3-phase motor as malfunctioning when the range exceeds the reference value
A fault diagnosis method based on probability distribution estimation of vibration data including.정상상태에서의 3상 모터로부터 진동 데이터를 수집하여 확률 분포를 추정하는 확률 분포 추정부;
상기 추정된 확률 분포를 저장하고 유지하는 저장부;
상기 3상 모터로부터 진동 데이터를 실시간 측정하여 측정 데이터를 수집하는 센싱부;
상기 측정 데이터가 상기 추정된 확률 분포에서 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하는 판단부; 및
상기 판단 결과를 고려하여, 상기 3상 모터에 대한 고장을 판별하는 고장 판별부
를 포함하는 진동 데이터의 확률 분포 추정에 따른 고장 진단 장치.A probability distribution estimation unit that collects vibration data from a three-phase motor in a steady state and estimates a probability distribution;
a storage unit that stores and maintains the estimated probability distribution;
A sensing unit that collects measurement data by measuring vibration data in real time from the three-phase motor;
a determination unit that determines whether the measured data corresponds to an outage probability in the estimated probability distribution; and
A failure determination unit that determines a failure of the three-phase motor by considering the determination result.
A fault diagnosis device based on probability distribution estimation of vibration data including.제6항에 있어서,
상기 판단부는,
제1 임계값과 상기 제1 임계값 보다 작은 제2 임계값으로 구분하여 상기 아우티지 확률(Outage Probability)을 판단하고,
상기 고장 판별부는,
상기 측정 데이터가 상기 제1 임계값 보다 작고 상기 제2 임계값 보다 큰 경우에는 상기 3상 모터에 대한 모니터링을 시작하고, 상기 측정 데이터가 상기 제2 임계값 보다 작은 경우에는 상기 3상 모터를 고장으로 판별하는 것을 특징으로 하는 진동 데이터의 확률 분포 추정에 따른 고장 진단 장치.According to clause 6,
The judgment department,
Determine the outage probability by dividing it into a first threshold and a second threshold that is smaller than the first threshold,
The failure determination unit,
When the measurement data is less than the first threshold and greater than the second threshold, monitoring of the three-phase motor begins, and when the measurement data is less than the second threshold, the three-phase motor is broken. A fault diagnosis device based on probability distribution estimation of vibration data, characterized in that it is determined.제7항에 있어서,
상기 제1 임계값은 10%이고, 상기 제2 임계값은 5%인 것을 특징으로 하는 진동 데이터의 확률 분포 추정에 따른 고장 진단 장치.In clause 7,
A failure diagnosis device based on probability distribution estimation of vibration data, wherein the first threshold is 10% and the second threshold is 5%.제6항에 있어서,
상기 확률 분포 추정부는,
가우시안 분포, Chi-Square 분포, log-normal 분포 중에서 적어도 하나를 고려하는 확률 분포 중에서 적어도 하나의 확률 분포로 가공하여 추정하는 것을 특징으로 하는 진동 데이터의 확률 분포 추정에 따른 고장 진단 장치.According to clause 6,
The probability distribution estimation unit,
A fault diagnosis device based on probability distribution estimation of vibration data, characterized in that it is processed and estimated into at least one probability distribution among probability distributions considering at least one of Gaussian distribution, Chi-Square distribution, and log-normal distribution.제6항에 있어서,
상기 판단부는,
상기 측정 데이터가 특정 범위 내에서 존재하는 경우, 고장이 아니라고 진단하고,
상기 아우티지 확률(Outage Probability)에 해당하는지 여부를 판단하기 위해, 상기 범위가 기준값 이상으로 초과했는지 여부를 판단하며,
상기 고장 판별부는, 범위가 기준값 이상으로 초과한 경우에 상기 3상 모터를 대한 고장으로 판별하는 것을 특징으로 하는 진동 데이터의 확률 분포 추정에 따른 고장 진단 장치.

According to clause 6,
The judgment department,
If the measurement data is within a certain range, it is diagnosed as not a failure,
In order to determine whether the outage probability is met, it is determined whether the range exceeds the reference value or not,
A failure diagnosis device based on probability distribution estimation of vibration data, characterized in that the failure determination unit determines the three-phase motor as a failure when the range exceeds a reference value.

Images