분산정보를 이용한 특징 선택과 PCA-ELM 기반의 유도전동기 고장진단 기법 개발

이대종; 전명근

주제분류

...

저널정보

저자정보

이대종 (충북대학교)
전명근 (충북대학교)

이용수
내서재: 0

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기

본 논문은 클래스 내와 클래스 간의 분산정보를 이용한 주파수 성분의 선택적 추출기법과 PCA-ELM 기반의 유도전동기 고장진단 시스템을 제안한다. 제안된 방법은 취득된 전류신호를 DFT에 의해 주파수 영역으로 변환한 후 분산정보를 이용하여 고장상태별로 차별성이 큰 순서대로 주파수 성분을 추출한다. 다음 단계로 선택된 주파수 성분에 대해서 PCA를 이용하여 고장상태별 특징들을 추출한다. 마지막 단계는 학습속도가 매우 우수한 ELM분류기에 의해 유도전동기의 상태를 진단하게 된다. 다양한 부하에 대하여 몇몇의 전기적 고장과 기계적 고장 하에서 획득한 데이터를 이용하여 제안된 방법의 타당성을 검증한다.

In this paper, we proposed selective extraction method of frequency information and PCA-ELM based diagnosis system for three-phase induction motors. As the first step for diagnosis procedure, DFT is performed to transform the acquired current signal into frequency domain. And then, frequency components are selected according to discriminate order calculated by variance As the next step, feature extraction is performed by principal component analysis (PCA). Finally, we used the classifier based on Extreme Learning Machine (ELM) with fast learning procedure. To show the effectiveness, the proposed diagnostic system has been intensively tested with the various data acquired under different electrical and mechanical faults with varying load.

#Feature Selection #ELM #PCA #Induction Motor #Fault Detection