영역 전이 환경에서 계측된 회전 기기의 진동 시계열에 포락선 추출을 적용한 노이즈 제거와 고장 진단 알고리즘

초록

본 연구는 주변 소음과 비정상성을 동시에 포함하는 진동 신호를 기반으로 선박의 연료 펌프의 고장 진단을 수행하는 절차를 구현하였다. 변화하는 주변 환경으로부터 유입되는 저주파 영역의 잡음 신호는 동일 주파수 영역에 존재하는 저주파 신호의 특징을 왜곡시키는 문제를 야기한다. 따라서 저주파 영역에 존재하는 원래의 고장 특징을 유지하면서도 고주파 영역의 신호를 이용하여 고장 진단을 수행할 수 있는 방안을 구현하고자 하였다. 전처리 과정에서 High-Pass Filter를 적용하여 저주파 구간의 노이즈를 제거하였으며, 이후 포락선 추출(Envelope Extraction)을 통해 고주파에서 나타나는 결함 특징을 저주파 영역대로 변환하였다. 포락선 추출은 고주파 신호의 진폭 변동을 저주파 성분으로 변환함으로써 신호에 포함된 유의미한 고장 특성을 식별할 수 있게 하는 장점을 가지고 있다는 점으로부터 신호에 포함된 노이즈의 영향을 최소화하였다. 제안한 고장 분류 절차의 정확성을 검증하기 위해, 기존 계측된 신호에 일정한 저주파 구간의 임펄스 노이즈와 가우시안 화이트 노이즈를 더한 데이터를 사용하였다. 고장 진단 알고리즘은 Conv1D(1차원 합성곱 신경망)를 근간으로 학습 모델을 구성하였다. 이 과정에서 High-Pass Filter와 포락선 추출 기법을 이용하여 실험 환경과 실제 적용 환경의 차이를 야기하는 소음을 제거함으로써 고장 분류 알고리즘의 성능이 향상될 수 있음을 보였다. 즉, 고장 신호의 비선형적 변동을 감지하면서도 신호에 포함된 고장 특징을 부각하여 도메인 적응(Domain Adaptation)이 가능하다는 것을 확인하였다. 따라서 고주파 신호에 포함된 진폭 변동을 추적하여 잡음을 제거함으로써 개선된 고장 진단이 가능함을 확인할 수 있었다.