미확보 모터 고장 종류 진단을 위한 시뮬레이션 응용 도메인 적응 모델
본문
- Conference
- 대한기계학회 CAE 및 응용역학부문 2025년 춘계학술대회
- Date
- 2025-04-17
- Presentation Type
- 구두
초록
1.1 모터 고장 진단 딥러닝 모델의 미확보 고장
(missing fault) 문제
모터는 산업 현장에서 핵심적인 역할을 하며 고 장 발생 시 경제적 손실과 안전 문제가 초래될 수 있으므로, 딥러닝 기반으로 모터 고장을 효 과적으로 진단하는 방법이 주목을 받고 있다. 하지만, 실제 산업 환경에서는 데이터 취득 비용, 보안 문제 등으로 인해 일부 미확보된 고장 종류가 생길 수 있는데 이러한 미확보 고장은 딥러닝 학습 데이터에 포함될 수 없어 일반적인 딥러닝 모델로 진단할 수 없다.
모터는 산업 현장에서 핵심적인 역할을 하며 고 장 발생 시 경제적 손실과 안전 문제가 초래될 수 있으므로, 딥러닝 기반으로 모터 고장을 효 과적으로 진단하는 방법이 주목을 받고 있다. 하지만, 실제 산업 환경에서는 데이터 취득 비용, 보안 문제 등으로 인해 일부 미확보된 고장 종류가 생길 수 있는데 이러한 미확보 고장은 딥러닝 학습 데이터에 포함될 수 없어 일반적인 딥러닝 모델로 진단할 수 없다.
1.2 기존 연구의 한계점
앞서 서술한 미확보 고장 문제를 해결하기 위해,
미확보된 고장을 재현한 시뮬레이션으로 보충하는 연구들이 존재한다. 허나, 사전 학습된 모델
의 노이즈에 상대적으로 취약한 전이 학습이나 생성 데이터의 품질이 불완전할 수 있는 적대적 생성 네트워크 등 시뮬레이션과 실측 데이터의 특성 간극을 좁히는 방식에 제약이 존재하였다.
- 이전글데이터 드리프트 관리를 위한 객체 탐지 기반 베어링 상태 추정 프레 임워크 25.04.22
- 다음글베어링 결함 진단을 위한 딥러닝 기반 시계열 데이터의 초해상도: 저성능 센서 한계 극복 25.04.10