Main Content

진단 특징 디자이너를 사용하여 축 결함 분리하기

이 예제에서는 다양한 회전 속도를 갖는 기계에 대해 시뮬레이션된 측정 데이터에서 축 결함을 분리하고 결함 감지에 활용할 특징을 개발하는 방법을 보여줍니다.

이 예제에서는 사용자가 앱의 기본 작업에 이미 익숙하다고 가정합니다. 앱을 사용하는 방법에 대한 튜토리얼은 예측 정비 알고리즘 설계를 위한 상태 지표 식별하기 항목을 참조하십시오.

모델 설명

다음 그림은 6개의 기어가 있는 구동계를 보여줍니다. 구동계를 위한 모터에는 진동 센서와 회전속도계가 장착되어 있습니다. 이 구동계에서:

  • 모터 축의 기어 1은 기어비 17:1로 기어 2와 맞물립니다.

  • 최종 기어비 즉, 기어 1 및 2와 기어 3 및 4 간의 비율은 51:1입니다.

  • 모터 축에서도 기어 5는 기어비 10:1로 기어 6과 맞물립니다.

20대의 시뮬레이션된 기계가 이 구동계를 사용합니다. 각 기계는 1800rpm의 설계 회전 속도의 1% 이내에서 공칭 회전 속도로 작동합니다. 따라서, 각 기계의 공칭 회전 속도는 1782rpm에서 1818rpm 사이입니다.

10대의 기계에서 기어 6의 축에 결함이 진행되고 있습니다.

측정 데이터 가져오기 및 검사하기

시작하려면 데이터를 MATLAB® 작업 공간으로 불러오고 진단 특징 디자이너를 엽니다.

load(fullfile(matlabroot, 'toolbox', 'predmaint', 'predmaintdemos', ...
  'motorDrivetrainDiagnosis', 'machineData3'), 'motor_data')
diagnosticFeatureDesigner

데이터를 가져옵니다. 이렇게 하려면 특징 디자이너 탭에서 새 세션을 클릭하십시오. 그런 다음, 새 세션 창의 추가 변수 선택에서 motor_data를 소스 변수로 선택합니다.

디폴트 구성과 변수를 선택하여 가져오기 과정을 완료합니다. 앙상블에는 진동 신호를 포함하는 Signal/vib와 회전속도계 펄스를 포함하는 Tacho/pulse의 두 데이터 변수가 있습니다. 또한 앙상블에는 상태 변수 Health도 포함됩니다.

데이터 브라우저에서 두 신호를 모두 선택하고 신호 추적을 사용하여 함께 플로팅합니다.

회전 속도의 변동으로 인해 Tacho 펄스 군집이 매 펄스마다 넓어지는 것을 볼 수 있습니다. Tacho 펄스가 보이지 않으면 신호 그룹화를 두 번 클릭하여 Tacho 신호를 앞으로 가져옵니다.

이제 앙상블 보기 기본 설정 > "Health" 기준 그룹화를 선택하여 결함 상태별로 데이터를 그룹화합니다. 패너를 사용하여 신호 슬라이스를 확장합니다.

플롯을 보면 그룹의 피크에는 약간 차이가 나타나지만 그 외에는 신호들이 비슷해 보입니다.

시간-동기 평균화 수행하기

시간 동기 평균화(TSA)는 한 번의 회전에 대해 신호를 평균화하여 해당 회전에서 일관되지 않은 잡음을 크게 줄입니다. TSA 필터링된 신호는 특징 생성을 비롯하여 회전 기계 분석을 위한 기초를 제공합니다.

이 예제에서 회전 속도는 설계 값의 1% 내에서 달라집니다. TSA 처리를 위해 Tacho 신호를 사용할 때 이 변동을 자동으로 캡처합니다.

TSA 신호를 계산하려면 필터링 및 평균화 > 시간-동기 신호 평균화를 선택합니다. 대화 상자에서 다음을 수행합니다.

  • 신호에서 선택 사항을 확인합니다.

  • 회전속도계 정보에서 회전속도계 신호를 선택하고 신호 선택을 확인합니다.

    공칭 속도(RPM) 계산을 선택합니다. 이 옵션은 Tacho 신호에서 일련의 기계별 공칭 속도 또는 동작점을 계산합니다. TSA 신호 필터링과 같은 후속 처리를 수행할 때 이 정보를 사용할 수 있습니다. 회전속도계 변수의 이름이 Tacho이므로 앱은 이러한 값을 상태 변수 Tacho_rpm으로 저장합니다.

  • 다른 모든 설정을 그대로 적용합니다.

TSA 평균 신호는 원시 신호보다 깨끗합니다. 피크 높이는 이전과 마찬가지로 건전성 상태에 따라 군집화되지만 결함 발생의 원인을 나타내는 정보가 플롯에 충분히 나타나지는 않습니다.

TSA 차분 신호 계산하기

앱의 TSA 필터링 옵션은 모두 TSA 신호로 시작하고 해당 신호에서 다양한 성분을 빼서 필터링된 신호를 생성합니다. 필터링된 각 신호 유형은 기어 트레인의 특정 결함을 감지하는 데 사용할 수 있는 고유한 특징을 생성합니다. 이렇게 필터링된 신호 중 하나가 차분 신호입니다. TSA 차분 신호에는 관심 영역이 아닌 성분에 대한 구동계 설계로 인한 성분을 모두 제외한 후 남는 성분이 포함됩니다. 구체적으로 TSA 차분 신호 처리는 다음 성분을 뺍니다.

  • 축 주파수 및 고조파

  • 기어 맞물림 주파수 및 고조파

  • 기어 맞물림 주파수 및 고조파에서의 측파대

이 예제에서는 기어 5와 기어 6 사이의 맞물림 결함에 관심이 있습니다. 이 결함으로 인해 발생하는 신호에 집중하려면 다른 기어와 관련된 신호를 필터링하십시오. 이렇게 하려면 구동계를 아래로 움직일 때 모델 설명에 기술된 연속 기어비를 사용하십시오. 기어 1과 기어 2의 비율은 17입니다. 기어 1/2과 기어 3/4의 비율은 51입니다. 이러한 비율은 회전 차수가 됩니다.

TSA 차분 신호를 계산하려면 필터링 및 평균화 > 시간-동기 평균 신호 필터링을 선택합니다. 대화 상자에서 다음을 수행합니다.

  • 신호를 TSA 신호 Signal_tsa/vib로 설정합니다.

  • 생성할 신호에서 차분 신호를 선택합니다.

  • 속도 설정에서 공칭 회전 속도(RPM)를 선택한 다음 Tacho_rpm을 선택합니다.

  • 영역차수인지 확인합니다.

  • 회전 차수[17 51]로 설정합니다.

플로팅된 데이터를 Health 기준으로 그룹화하면 옵션 목록에 상태 변수 Tacho_rpm도 표시됩니다.

결과로 생성되는 플롯에서 진동을 명확하게 확인할 수 있습니다. healthyfaulty 레이블로 데이터를 그룹화합니다. faulty 기계에만 진동이 나타납니다. 데이터 커서를 사용하여 이 진동 기간이 약 0.0033초임을 표시할 수 있습니다. 대응하는 진동 주파수는 약 303Hz 또는 18,182rpm입니다. 이 주파수는 주요 축 속도가 1800rpm인 경우 약 10:1의 비율을 가지며 기어 5와 기어 6 간의 10:1 기어비와 일치합니다. 따라서 이 차분 신호는 시뮬레이션된 결함의 원인을 분리합니다.

회전속도계 신호 없이 결함 분리하기

앞의 섹션에서는 회전속도계 펄스를 사용하여 TSA 신호와 차분 신호를 정밀하게 생성합니다. 회전속도계 정보가 없는 경우 일정한 rpm 값을 사용하여 이러한 신호를 생성할 수 있습니다. 그러나 결과의 정확도가 떨어집니다.

Tacho 신호를 사용하지 않고 결함을 분리할 수 있는지 보겠습니다. 앙상블 전체 회전 속도 1800rpm에서 TSA 신호와 차분 신호를 모두 계산합니다.

새 TSA 신호의 이름은 Signal_tsa_1/vib입니다. 플롯에서 볼 수 있듯이, 회전속도계 정보를 사용하여 신호를 생성한 것보다 회전속도계 정보 없이 TSA 신호를 생성했을 때 신호가 덜 명확합니다.

Signal_tsa_1/vib일정 회전 속도(RPM) 설정을 사용하여 차분 신호를 계산합니다.

결과로 생성된 플롯에서도 faulty 기계 세트에 진동이 있는 것을 확인할 수 있습니다. 하지만 TSA 신호와 마찬가지로 앞에서 계산한 차분 신호보다 훨씬 덜 명확합니다. 알 수 없는 1% rpm 변동은 결과에 유의미한 영향을 미칩니다.

회전 기계 특징 추출하기

TSA 신호 Signal_tsa/x 및 차분 신호 Signal_tsa_tsafilt/x_Difference를 사용하여 시간 영역 회전 기계 특징을 계산합니다.

이러한 특징을 계산하려면 시간 영역 특징 > 회전 기계 특징을 선택합니다. 대화 상자에서 TSA 신호차분 신호에 사용할 신호를 선택하고 TSA 신호와 차분 신호를 사용하는 특징 옵션을 모두 선택합니다.

결과로 표시되는 히스토그램 플롯을 보면 모든 TSA 신호 기반 특징에서 healthy 그룹과 faulty 그룹이 잘 분리되었고 차분 신호 기반 특징의 경우 FM4(첨도)에서 잘 분리되었음을 알 수 있습니다.

스펙트럼 특징 추출하기

차분 신호가 faulty 그룹에 한해 명확하게 진동을 표시하므로 스펙트럼 특징도 healthy 그룹과 faulty 그룹을 잘 구별할 가능성이 있습니다. 스펙트럼 특징을 계산하려면 먼저 스펙트럼 모델을 계산해야 합니다. 이렇게 하려면 스펙트럼 추정 > 차수 스펙트럼을 클릭합니다. 앞에서와 마찬가지로, 신호로 차분 신호를 선택하고 회전속도계 신호로 회전속도계 신호를 선택합니다.

결과로 생성되는 플롯은 결함의 진동을 대략 10차에서 첫 번째 피크로 표시합니다.

스펙트럼 특징을 클릭하여 스펙트럼 특징을 계산합니다. 대화 상자에서 다음을 수행합니다.

  • 스펙트럼 선택 사항을 확인합니다.

  • 0에서 200 사이의 범위를 포괄하도록 차수 범위 슬라이더를 이동합니다. 슬라이더를 움직이면 차수 스펙트럼 플롯에 변경 내용이 적용됩니다.

결과로 생성되는 히스토그램을 보면 BandPowerPeakAmp에서 그룹이 잘 분리된 것을 볼 수 있습니다. PeakFreq1에서는 두 그룹이 약간 겹쳐집니다.

특징에 순위 지정하기

디폴트 T-검정 순위 지정을 사용하여 특징에 순위를 지정합니다. 이렇게 하려면 특징 순위 지정을 클릭하고 FeatureTable1을 선택합니다. 앱은 자동으로 특징에 순위를 지정하고 점수를 플로팅합니다.

  • 스펙트럼 특징 BandPowerPeakAmp가 다른 특징보다 훨씬 높은 점수로 상위 1, 2위에 지정되었습니다.

  • 회전 특징 KurtosisCrestFactor는 스펙트럼 특징보다 점수가 훨씬 낮지만 여전히 나머지 특징보다 훨씬 높은 점수로 3, 4위에 지정되었습니다.

  • 나머지 특징은 이러한 유형의 결함을 감지하는 데 유용하지 않을 수 있습니다.

이처럼 높은 순위를 받은 특징을 사용하여 분류 학습기로 특징을 내보내 훈련시키는 단계나 MATLAB 작업 공간으로 내보내 알고리즘에 반영하는 단계로 진행할 수 있습니다.

참고 항목

| | |

관련 항목