PHM 8. 논문 분석

rotor fault detection of introduction motors using stator current signals and wavelet analysis

Eccentricity related faults

• stator와 rotor 사이의 불균형한 rotor가 원인(static air-gap eccentricity)이다.

• 이는 구부러진 rotor shaft, 베어링 마모, 정렬 불량 등과 임계 속도에서의 기계적 공명때문일 수 있다. 즉 편심의 고장에는 rotor와 베어링이 복합적으로 연관되어 있을 수 있다.

• 최대 10%의 공극 이심률이 허용(공극: 비어있는 틈, 이심률: 원뿔 곡선 위의 각 점에서 초점까지의 거리와 그 점에서 준선까지의 거리의 비)된다.

On the Detection of Induction-Motor Rotor Fault by the Combined “Time Synchronous Averaging-Discrete Wavelet Transform” Approach

• 전통적으로는 온도, 적외선, 소음, 진동, 속도 또는 토크 감지로 진단

• 모니터링을 위해 변환기를 배치하고 변환된 데이터가 수집된다.

• 이러한 단점을 극복하기 위해 전류 센서를 이용하는 모니터링이 연구됨.

모터 신호의 특성 추출 방법

1. 시간 영역 분석

2. 주파수 영역 분석

3. 시간-주파수 도메인 분석(웨이블릿)

RNN, LSTM의 몰락?

1. 0보다 작은 숫자로 여러번 곱하면 쉽게 손상 가능, 이것이 그라디언트 소실의 원인. -> LSTM의 생성 원인

2. 하지만 이 점 때문에 빠르게 훈련시킬 필요가 없는 많은 리소스가 필요

3. RNN과 LSTM은 메모리 대역폭 제한 계산이 필요하기 때문에 훈련하기가 어렵다.

출처: https://towardsdatascience.com/the-fall-of-rnn-lstm-2d1594c74ce0