http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
센서융합기반 SPR 공정 및 로봇 워크셀 온라인 모니터링 기술 개발
강현승(H. S. Kang),구교문(K. M. Ku),김기현(K. H. Kim),심재홍(J. H. Shim) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.5월
최근 각광받는 전기자동차 산업에서 차체의 무게는 자동차의 주행거리에 큰 영향을 미치므로 차체 경량화에 대한 관심이 높아지고 있고, 이에 따라 CFRP-metal 이종소재 접합을 통한 하이브리드 부품을 적용하여 차체 경량화를 진행하는 연구가 다양하게 진행되고 있다. 이종재료의 기계적 접합을 위해 SPR (Self Pierce Riveting) 공정을 진행하게 되며 작업 품질을 관리하기 위해 공정의 온라인 모니터링 환경 구축 및 공정 로봇의 고장 예지, 진단 과정이 요구된다. 현재 SPR 공정의 이상 유무 및 결함을 판단하기 위한 방법으로 접합부의 단면을 확인하는 방법과 충돌해석 연구를 통한 방법이 사용되지만 이러한 방법은 공정의 실시간 판단이 어렵다는 문제가 존재한다. 따라서 본 논문에서는 진동센서와 힘센서(로드셀) 등 2 종 센서의 정보를 융합하고 SPR 공정에서 발생하는 신호의 균일성, 위상차 등을 분석하여 SPR 공정 시스템의 동특성을 파악한다. 정상 및 불량 공정에서의 데이터를 취득하여 데이터베이스를 구축하고 이를 기계학습 알고리즘에 적용하여 데이터를 분류한다. SPR 공정의 정상 및 비정상 상태에 따른 융합센서 정보의 특성을 파악하여 공정의 이상 유무를 실시간으로 판단하며 이를 통합적으로 관리할 수 있는 온라인 모니터링 시스템을 제안하고자 한다. 결과적으로 자동차 경량화용 이종소재에 대한 SPR 작업을 대상으로 일련의 실험을 통해 제안된 시스템의 유효성을 보여주고자 한다.
융합센서 기반 공정 상태 온라인 모니터링 및 머신러닝 기반 PHM 기술 개발
강현승(H. S. Kang),홍태화(T. H. Hong),안일균(I. K. An),김기현(K. H. Kim),심재홍(J. H. Shim) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
최근 산업현장의 자동화가 진행됨에 따라 안정된 생산을 위해 전기적, 기계적 결함 발생을 최소화할 필요가 있다. 이에 따라 장비의 실시간 공정 상태 모니터링 및 결함 발생 예지 진단 기술인 PHM (Prognostic and Health Management)에 대한 관심이 높아지는 추세이다. 현장에서는 장비의 설비 가동효율을 높이기 위해 인력이 투입되어 정기적인 정비를 실시하고 있으나, 장비의 돌발 고장 발생의 문제는 여전히 존재하며 반드시 해결해야 하는 문제 중 하나이다. 따라서 본 논문에서는 산업현장에서 사용되는 장비를 토대로 실험 환경을 구축하여 건전성 상태를 실시간으로 모니터링한다. 모니터링 된 신호를 통해 고장 여부와 고장 원인에 대한 분석이 가능한 기계학습 알고리즘을 개발하였으며 통합적인 모니터링이 가능한 환경을 구축하고 공정 품질의 검사 정확도를 확인한다. 실험환경은 자동차 산업공정 중 이종재료의 기계적 접합을 위해 사용되는 SPR (Self Piercing Riveting)시스템을 사용하였다. SPR 시스템은 공작물을 고정하는 C-frame, 리벳에 압력을 가하는 서보프레스(KISTLER-NCFE, Type-2162A) 및 진동 센서(Signallink-SVS40)로 구성되어 있다. C-frame 은 구조해석을 통하여 압력이 가해졌을 때의 특성을 파악하고, 결과를 바탕으로 위상최적화를 시행하여 개선된 C-frame 의 모델링을 제안하였다. 공정을 위해 리벳에 가해지는 하중과 이때 발생하는 진동을 측정하고 이를 융합하여 종합적인 신호의 균일성, 위상차 등을 분석함으로써 SPR 시스템에서 측정되는 신호의 동 특성을 파악한다. 실험은 정상적으로 공정이 진행된 상태와 시편의 재질 및 두께에 불량이 발생한 상태, 가압 하중에 이상이 발생한 상태로 구분하여 실험을 진행하고 각각의 상태에 대한 데이터베이스를 구축함으로써 이들을 구분할 수 있는 학습 모델을 도출하여 90% 이상의 공정 품질 검사 정확도를 갖는 모니터링 시스템을 제안한다.