선박의 추진전동기는 소량 주문생산되어 고장진단을 위한 신호를 사전에 확보하는 것이 불가능하다. 운용기간 중 계측을 통해 데이터를 확보하는 것은 많은 시간과 비용을 초래하기에 물리모델을 통해 데이터를 확보하는 것이 유일한 방법이다. 물리모델을 통해 얻 은 데이터를 고장진단에 활용하기 위하여 데이터의 정확도를 확보해야 한다. 기존 전동기 물리모델의 경우 전동기에서 발생하는 구조-전 기 연성효과를 온전히 고려하지 않아 진동데이터의 해석 오차가 발생하는 것을 확인할 수 있다. 본 논문에서는 구조-전기 완전연성 물리 모델을 개발하여 물리모델데이터의 정확도를 개선하였다. 실험계측 데이터와 물리모델 데이터의 비교를 통해 전동기 상태별 데이터를 높 은 정확도로 획득할 수 있음을 확인하였다. 본 논문에서 제시한 구조-전기 완전연성 물리모델을 이용하여 정상상태와 결함상태에서 나타 나는 진동수준을 예측할 수 있음을 확인하였으며, 구조-전기 완전연성 반영 필요성을 입증하였다.

Propulsion motors used in ships are typically produced in small numbers, making it challenging to secure operational data for fault diagnosis in advance. Collecting data through measurements is a time-consuming and costly process, highlighting the need to obtain data using a physical model. Ensuring the accuracy of the data generated by this physical model is crucial for effective fault diagnosis. Existing physical models of motors often exhibit analysis errors in vibration data because of insufficient consideration of the ductility effect. This study proposes an improved physical model, termed the fully coupled structure-electric model, which enhances the accuracy of the data obtained from physical modeling. A direct comparison between the experimental measurement data and model data confirmed that high accuracy can be achieved for each motor state. To further investigate the fault diagnosis capabilities using data generated from the physical model, a one-dimensional convolutional neural network classifier was trained on the model data. The effectiveness of the proposed fully coupled structure-electric model is demonstrated by its ability to accurately classify actual operational data, thus confirming the validity of the model for operational data acquisition for fault diagnosis..

요 약
Abstract
1. 서 론
2. 추진전동기 상태별 해석기법
    2.1 전동기 구조와 전기시스템 물리모델
    2.2 구조-전기 완전연성 인터페이스 개발
3. 전동기 상태별 해석
    3.1 전동기 실험계측과 상태별 해석 조건
    3.2 계측 데이터와 물리모델 취득 데이터 사이 비교
4. 결 론
후 기
References

• 조범진(서울대학교 조선해양공학과 박사과정) | Beom-Jin Joe (PhD Candidate, Department of Naval Architecture and Ocean Engineering, Seoul National University, Seoul 08826, Korea)
• 홍석윤(서울대학교 조선해양공학과 교수) | Suk-Yoon Hong (Professor, Department of Naval Architecture and Ocean Engineering, Seoul National University, Seoul 08826, Korea)
• 송지훈(전남대학교 조선해양공학과 교수) | Jee-Hun Song (Professor, Department of Naval Architecture and Ocean Engineering, Chonnam National University, Yeosu 59626, Korea) Corresponding author
• 김형택(HD한국조선해양 책임AI연구원) | Hyung-Taek Kim (Senior AI Research Engineer, Korea Shipbuilding and Offshore Engineering, Seongnam 13488, Korea)
• 전지연(HD한국조선해양 책임AI연구원) | Jee-Yeon Jeon (Senior AI Research Engineer, Korea Shipbuilding and Offshore Engineering, Seongnam 13488, Korea)
• 여상재(HD한국조선해양 책임AI연구원) | Sang-Jae Yeo (Senior AI Research Engineer, Korea Shipbuilding and Offshore Engineering, Seongnam 13488, Korea)