목표하는것: 전류를 이용하여 예지보전
1. Introduction
- Condition Monitoring(CM)은 기계/전기 고장을 조기에 발견하여 손상을 방지하는 방법
- 갑자기 모터가 죽으면, 다운타임 상승, 주변장비 손상, 사람에게 위험을 초래할 수 있음
- 유도전동기를 다루는 CM 기법을 설명, MCSA(Motor Current Signatures Analysis)과 이를 적용한 논문
- 비고정 시그널을 처리하는 방법 → 다양한 주파수 추정 기법
2. Condition Monitoring Techniques
- 표3은 유도전동기에서 CM방법을 적용하기 위한 다양한 기법
- SCADA를 이용해서 고장 진단가능
- 예측 유지보수를 위해서는 기계학습뿐만아니라 인간의 지능도 필요함
- 일반적인 CM의 접근은 진동 분석으로 진행. 하지만 고가의 장비가 필요하여, 주요장비 (e.g.터빈) 사용해야 합리적
- 적은 비용으로 효과를 내기위해 전류측정을 이용하여 분석(MCSA)
- MCSA는 온라인과 오프라인으로 구분됨
3. Motor Current Signature Analysis (MCSA)
- 전류 신호를 이용해서, 전기적 고장 뿐만아니라, 시스템 구성요소의 기계적 문제도 확인할 수 있음 [65]
- 전류 및 전압의 변화로 토크와 편심 변동을 유발할 수 있음을 [66-67] / Fluctuations in torque and eccentricity
3.1. Power spectrum analysis
- Fluctuations in torque and eccentricity는 토크 변동은 전류 변조(PM), 동적 이심률 변동은 진폭 변조 발생[68]
- 한계점 존재: [69]의 연구에서는 평균 부하 토크와 동일한 일정한 전자기 토크를 고려
- [71]은 AM 변조와 PM 변조를 구별할 수 없고, 기계 결함은 대부분 저 대역폭에서 발생함 → 필터가 필요함
- 스펙트럼 분석을 통해 해결 할 수 있는 결함의 종류는 아래와 같다
유도전동기의 MCSA를 이용한 CM을 하는 논문 [81-84]
MCSA는 모터의 고정자 전류를 모니터링함[88]
3.2. Modulation signal bispectrum analysis
3.3. Current Sensor Characteristics
공급주파수, Slip, 베어링 종류, 고정자등의 치수를 알고 있으면 이를 기반으로 계산하여 FFT 대역폭을 알 수있음
대역폭이 생각보다 많이 넓게 필요하여, 이를 추출할 수 있는 전류 센서가 필요함
4. Literature Review on MCSA and Transient MCSA
No AI
- 인버터 입력 전류신호에 FFT, DWT 활용[95]
- PRI 기법을 이용한 MCSA [97]
Yes AI
- MLP 신경망을 이용하여 오류를 분류함[98] ,
- FMMNN과 CART로 구성된 하이브리드 모델을 이용하여 분류[99]
- rotor broken bar를 신경망을 이용하여 감지함 [101]
- [117] MCSA를 기반으로 FMMNN 적용
- MMNN과 모터 고장 검출 및 진단을 위한 CART를 포함하는 하이브리드 소프트 컴퓨팅 모델이 [107]에 의해 설명
- [114]는 다양한 베어링 조건과 부하 수준에서 전류 신호가 수집되는 특징 추출을 위한 Op-SWPT(Optimized Stationary Wavelet Packet Transform)와 고장 분류를 위한 SVM 내에 중첩된 AI를 기반으로 하는 베어링 고장 검출을 위한 새로운 하이브리드 접근법을 제시했습니다
비 정형 주파수
- [102]: 일정하지 않은 토크 및 속도 조건에서 유도전동기 오류 검출을 위한 개선된 MCSA 방법, 웨이블릿 기반 함수, 모터 고정자 전류를 CNN
- [121] Dual tree 복합 웨이블릿 변환 사용함
- [119]는 MCSA 기반 FFT 및 DWT를 사용했습니다. 또한 이 참조는 양과 품질 형태로 자체를 표현할 수 있는 장점이 있는 MCSA-DWT를 기반으로 새로운 지표를 개발
5. Non-Stationary Signals Frequency Estimation for IM Fault Detection
- FFT는 고정신호를 처리할때 좋으나, 발생시간을 정확히 알 수 없으며, 정보 손실도 발생
- 이를 해결하기위해 STFT, LPFT, 칼만, 확장칼만, 주파수 추적기, 비중심 칼만 필터 PLL, enhanced PLL 등이 개발
- 기계에 load와 속도를 고정으로 하여 MCSA 분석하는 경우가 많은데, 현장은 그렇지 않다는 단점 존재
- 따라서 유도전동기의 이상을 확인하기에는 초기 시작할때를 확인할 필요가 있음
- 기존에서 TMCSA 방법으로 분석하고, 장점은 슬립이 높고 노이즈가 높아서 스펙트럼 구성요소 분리가 쉽다는 것
- 시작 타임에 load는 진폭에 영항을 주지 않고, load는 starting 시간에도 영향을 미치지 않음
- * TMCSA : Transient Motor Current Signature Analysis
- ANF 구조를 이용하여, 신호 주파수를 예측하지만, 실제로는 한계가 분명히 보임
5.1. Adaptive-Notch-Filtering method (ANF)ㅁ
노치필터 사용 시, 고조파 진동성분 감소
노치란 사용자 개입이 많이 들어가며, 노치 필터는 주파수 직사각형의 중심부에 미리 정의된 범위의 주파수를 차단하거나 통과시키는 필터링을 의미
5.1.1. Introduction to ANF
- 노치 주파수에 해당하는 신호의 주파수를 나타내는 정현 신호를 찾고 추출함.
- ANF합성을 위해 all-pass 함수 사용[149-151]
- [152]와 같은 Direct Coefficient Scaling 구현도 사용
- ANF의 FIR (Finite Impulse Response) 구조는 안정적이고 연구많이 됬는데, IIR (Infinite Impulse Response) 은 필터 길이가 짧아 더 효율적인 응답이 가능하나, 피드백 조절 필요
5.1.2. Literature review on ANF
보간 FFT로 주파수를 감지했으며, 이는 ANF의 수렴 속도를 극복하는 것을 목표[160]
5.2.2. Literature review on Adaptive-Observer approach
반응형