사전분포 랜덤화 앙상블을 이용한 모터 권선열화 고장 심각도 추정 및 불확실성 정량화
본문
- Conference
- 한국 PHM학회 2025년도 정기학술대회
- Date
- 2025-06-24
- Presentation Type
- 구두
초록
딥러닝은 특성 자동 추출, 빠른 추론 속도 등의 장점으로 모터 심각도 추정 분야에 사용되어 왔다. 최근 연산자 네트워크는 함수 간의 연산 관계를 학습하여 실시간으로 목표 함수를 추정할 수 있어 다양한 공학 분야에서 연구되고 있으며, 모터 심각도 추정 문제에도 효과적으로 사용될 수 있다. 하지만 기존 연산자 학습 방힉을 모터 심각도 추정 문제에 적용하기에는 다음과 같은 불확실성 문제가 존재한다. 첫 번째, 학습하지 않은 범위의 심각도를 추정하는 것이 어렵다. 두 번째, 전기적 및 기계적 노이즈가 있는 실험 데이터에 적용하기 어렵다. 따라서 기존의 점 추정 방식의 연산자 네트워크에 불확실성을 고려하여 심각도 추정에 대한 일반화 성능을 높이는 연구가 필요하다. 본 연구에서는 모터 고장 심각도 추정을 위한 불확실성 인지 연산자 네트워크를 제안한다. 제안 방법은 앙상블 및 사전분포 랜덤화 방법을 활용하여 연산자 네트워크의 불확실성을 정량화한다. 앙상블 방법으로 연산자 네트워크 출력 값에 대한 유의미한 불확실성 정보를 제공한다. 또한 랜럼화 사전분포 방법을 결합하여 보다 신뢰도 높은 불확실성 정량화를 수행한다. 제안 방법은 시뮬레이션 및 실험 데이터를 통해 고장 심각도 불확실성 추정에 효과적임을 입증하였다.