New motor development requires high-speed load testing using dynamo equipment to calculate the efficiency of the motor. Abnormal noise and vibration may occur in the test equipment rotating at high speed due to misalignment of the connecting shaft or looseness of the fixation, which may lead to safety accidents. In this study, three single-axis vibration sensors for X, Y, and Z axes were attached on the surface of the test motor to measure the vibration value of vibration. Analog data collected from these sensors was used in classification models for anomaly detection. Since the classification accuracy was around only 93%, commonly used hyperparameter optimization techniques such as Grid search, Random search, and Bayesian Optimization were applied to increase accuracy. In addition, Response Surface Method based on Design of Experiment was also used for hyperparameter optimization. However, it was found that there were limits to improving accuracy with these methods. The reason is that the sampling data from an analog signal does not reflect the patterns hidden in the signal. Therefore, in order to find pattern information of the sampling data, we obtained descriptive statistics such as mean, variance, skewness, kurtosis, and percentiles of the analog data, and applied them to the classification models. Classification models using descriptive statistics showed excellent performance improvement. The developed model can be used as a monitoring system that detects abnormal conditions of the motor test.

장대교량은 낮은 고유진동수와 감쇠비를 가지는 초유연구조물로 진동사용성 문제에 취약하다. 하지만 현재 국내 설계지침에서는 풍속이나 진폭에 대한 임계값을 기반으로 유해진동 발생 여부를 평가하고 있다. 본 연구에서는 장대교량에서 발생하는 유해진동을 보다 정교하게 식별하기 위하여 딥러닝 기반 신호분할 모델을 활용한 데이터 포인트 단위의 와류진동 식별 방법론을 제안한다. 특별 히 포락선을 가지는 사인파를 활용하여 와류진동에 해당하는 데이터를 합성함으로써 모델 구축에 필수적인 와류진동 데이터 획득 및 라벨링 과정을 대체하였다. 이후 푸리에 싱크로스퀴즈드 변환를 적용하여 시간-주파수 특징을 추출하여 신경망의 인풋 데이터로 사 용하였다. 합성데이터만을 이용하여 양방향 장단기 기억신경망(Bidirectional Long-Short-Term-Memory) 모델을 훈련하였고 이를 라 벨 정보를 포함한 실제 사장교의 계측데이터를 이용하여 학습한 모델과 비교하여 모델의 실시간 와류진동 식별 성능을 검증하였다.

본 연구는 딥러닝을 위한 비선형 변환 접근법을 사용하여 Single-lap joint의 접착 영역을 조사하기 위한 진동 응답 기반 탐지 시스템 을 제시한다. 산업 혹은 공학 분야에서 분해가 쉽지 않은 구조 내에 보이지 않는 부분의 상태와 접착된 구조의 접착 부위 상태를 알기 어려운 문제가 있다. 이러한 문제를 해결하기 위해 본 연구는 비선형 변환을 이용하여 기준 시편의 진동 응답으로 다양한 시편의 접착 면적을 조사하는 탐지 방법을 제안한다. 이 연구에서는 CNN 기반 딥러닝으로 진동 특성을 파악하기 위해 비선형 변환을 적용한 주파 수 응답 함수를 사용했고 분류를 위해 가상의 스펙트로그램을 사용했다. 또한, 제시된 방법을 검증하기 위해 알루미늄, 탄소섬유복합 재 그리고 초고분자량 폴리에틸렌 시편에 대한 진동 실험, 분석적 해, 유한요소해석을 수행했다.

When developing a new motor, a high-speed load test is performed using dynamo equipment to calculate the efficiency of the developed motor using the collected dynamo data. When connecting the test motor and the dynamo used as a load, abnormal noise and vibration may occur in the test equipment rotating at high speed due to misalignment of the connecting shaft and looseness of the connection, which may lead to a safety accident. In this study, three vibration sensors are attached to the surface of bearing parts of the test motor to measure the vibration value, and statistics such as kurtosis, skewness, and percentiles are obtained in order to clearly express the pattern of the measurement data. With these statistics, machine learning models are developed. The developed model in this way can be used as a diagnostic system that can detect abnormal conditions of the motor test equipment through monitoring the motor vibration data during the motor test.

코골이 및 수면 무호흡증 등의 수면 질환은 정신적, 육체적 피로감을 유발하고 정상적인 활동에 심각한 영향을 미치고 있다. 코골이는 공기가 좁아진 기도를 통과할 때 진동에 의해서 일어나는 호흡잡음이고, 수면 무호흡은 기도 주변의 조직이 이완됨에 따라 기도가 일시적으로 막히게 될 때 일어나는 현상이다. 이러한 문제를 해결하기 위해 수면 중 코골이를 검출하고 이를 경감하려는 많은 시도가 이루어져왔다. 본 연구에서는 수면 중 코골이 신호의 검출에 있어서 오류가 발생되는 원인인 주변 잡음이나 기타 영향을 제거하기 위한 새로운 센싱 시스템과 분석 알고리즘의 개발을 수행하였다. 센싱 시스템은 베개 내부에 내장되는 두 개의 polyvinylidene fluoride (PVDF) 진동 센서를 포함하고 있으며 검출되는 신호를 수집, 저장하는 하드웨어부와 코골이 신호를 판단하는 신호처리부로 이루어졌다. 베개에 내장되는 PVDF 센서 중 제 1센서는 코골이 신호를 검출하고 제 2센서는 코골이 신호 및 주변의 잡음을 검출한다. 본 실험에는 10명의 피험자가 참여하였으며 수면 중 잡음이 발생할 수 있는 다양한 환경 조건 하에서 신호를 검출하여 분석하였다. 그 결과 다양한 잡음환경 하에서 코골이 신호가 코골이가 아닌 잡음에 비해 약 70% 이상의 에너지 값을 가지는 것을 확인하였고 이를 통해 잡음으로부터 코골이 신호를 정확하게 검출하는 것을 확인하였다. 본 연구의 결과는 수면 중 발생하는 코골이의 경감을 위한 베개의 개발과 정량적인 수면상태 평가를 통해 건강한 수면 환경을 제시할 수 있는 숙면 유도 시스템의 개발에도 활용될 것이다.

Early alarm system is to detect slope movement before its collapse for road manager to respond quickly. In this paper, alarm criteria for this system is suggested when vibration and angle sensor are used.

This study presents a damage detection method for shear-building structure based on the change of diagonal terms of a modal flexibility matrix. Numerical simulation and experimental validation were conducted on a 5-story shear-building structure. The proposed damage detection method showed accurate and suitable results.

현재 진동 정보를 통해 기계 설비의 상태나 고장 유무를 판단하는 연구들이 다수 진행 중에 있는데, 대부분의 연구에서는 설비에 대한 진동을 모니터링하거나 고장 유무를 판별하여 사용자에게 알리는 수준이다. 본 논문에서는 진동 정보 적용 대상을 선박으로 정하고, 진동에 의한 고장 진단과 판별을 보다 정교하게 수행하는 선박 엔진 감지 기법과 시스템을 제안하였다. 일차적으로 이중화된 진동 정보 판별 기법을 적용하여 진동 정보를 확인한 다음에 고장 유무를 검사한다. 만일 고장이 발생한 경우에는 적분을 이용하여 고장 진동 파형에 대한 넓이를 기준으로 어떤 유형의 고장인지를 판별할 수 있는 기법을 적용하였다. 또한 선박의 진동 경향 분석과 엔진 안전 보존을 목적으로 진동 정보를 데이터베이스에 저장하고 추적할 수 있도록 시스템을 구현하였다. 제안 시스템을 선박 엔진의 고장 판별 유무와 고장 진동 파형 감별 인자에 대해 실험을 수행한 결과 고장 판별은 약 98% 정확성을 가졌고 고장 진동 파형 감별에서는 약 72% 정확성을 가졌다.

사장교가 장경간으로 시공됨에 따라 대형화 되고 지진하중, 풍하중 및 차량하중 등 동적 하중에 의해 유발되는 진동현상에 취약한 단점이 나타난다. 이러한 하중 등에 의해 발생된 구조 손상은 구조물의 진동모드 특성에 영향을 미치게 된다. 기존의 정밀안전진단 기술을 이용하여 사장교의 구조 손상을 검색하고 평가하는 것은 상당한 비용과 시간이 소요될 뿐만 아니라 전체적인 구조거동 특성의 변화를 발견하기 어려울 것이다. 따라서 본 연구는 사장교에 대하여 구조손상 전의 진동모드 특성치와 구조손상 후의 진동모드 특성치를 이용하여 구조거동 특성의 변화를 검토하고 구조손상 검색을 수행하였다.