이 페이지는 기계 번역되었습니다.
번역 품질에 대한 1분 설문 조사에 참여해 주세요.
JAXA - 우주 추진 시스템의 건전성 관리를 위한 결함 검출 알고리즘 개발 사례
MATLAB을 통해 광범위한 데이터 사이언스 경험 없이도 머신러닝 알고리즘을 개발한 엔지니어
"MATLAB의 머신러닝 앱은 추진 시스템 결함 진단 모델을 구축하는 데 핵심적인 역할을 했습니다. 이 애플리케이션은 간단히 특징의 순위를 지정하고, 이를 활용해 분류 학습 모델을 구축하고 평가할 수 있었습니다. 우리는 시행착오를 통해 다양한 모델의 계산 비용, 다용성, 정확성을 평가할 수 있었습니다. 이는 머신러닝에 대한 심층적인 지식이 없는 사람들이 자신의 분야에 머신러닝을 도입하기는 데 유용한 툴박스입니다."
주요 성과
- 우주 추진 시스템의 예측 정비에 MATLAB을 배포해 개발 주기 시간과 비용을 단축했습니다.
- MATLAB을 통해 결함 진단 및 예측 정비 응용 애플리케이션의 종단간 개발이 가능했습니다.
- 현장 독립 실행형 앱을 통해 측정 데이터의 즉각적인 평가 및 특성화가 가능했습니다.
JAXA(Japan Aerospace Exploration Agency)는 미래의 달, 화성, 심우주 임무의 안전성과 신뢰성을 향상시키기 위해 우주선 추진 시스템의 PHM(건전성 예측 및 관리) 기술을 개발하고 있습니다. 목표는 공급 시스템의 필터 막힘이나 밸브 결함으로 인해 발생하는 추력 이상입니다. 최근 추진 시스템에 대한 요구사항이 더욱 까다로워졌으며, 이러한 결함을 빠르고 정확하게 식별해야 할 필요성이 생겼습니다.
이러한 문제를 해결하기 위해 JAXA는 추진 시스템에서 사용할 수 있는 정보의 양을 확장하기 위해 비침습적 FBG(광섬유 브래그 격자) 센서를 사용하는 압력 감지 방법을 개발하고 있습니다. 팀은 MATLAB® 및 Signal Processing Toolbox™를 사용해 시계열 데이터를 전처리하고 FFT를 계산하고 고역통과 필터를 적용했습니다. 서지 데이터는 피크 검출 기능과 동기화됩니다.
또한, 팀은 Predictive Maintenance Toolbox™를 활용하여 머신러닝 모델을 훈련하고 비교하는 데 사용되는 특징을 대화형 방식으로 탐색하고 순위를 매깁니다. 이러한 접근 방식을 통해 JAXA 엔지니어는 높은 정확도로 PHM 알고리즘을 개발하고 평가하며 배포할 수 있습니다.
JAXA는 이러한 툴을 사용해 우주 응용 분야에서 추진 시스템의 건전성 모니터링 관련 문제를 효과적으로 해결하고 엔지니어가 광범위한 데이터 사이언스 경험이 없더라도 우주선 운항을 보다 안전하고 안정적으로 만들기 위한 개선을 추진하고 있습니다.
