http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
비행데이터 이미지 기반 Deep Learning을 통한 항공기 피로수명 예측
전병철(Byungchul Jeon),백세일(Seil Baek),김신곤(Sinkon Kim),이홍철(Hongchul Lee) 대한기계학회 2021 대한기계학회 춘추학술대회 Vol.2021 No.5
항공기는 설계/개발단계에서 주요 피로취약부위에 대해 예측 운영환경을 반영한 구조해석, 피로해석을 통해 안전성을 확보한다. 실제 운영환경은 설계와 다르게 운영되므로 군용 항공기는 실제 운영 상태의 비행데이터를 반영하여 피로수명 해석을 수행하고 있다. 일부 항공기는 비행데이터에서 직접 하중/응력 스펙트럼을 생성하고 피로수명 해석을 수행함으로써 장시간의 복잡한 계산 시스템을 필요로 한다. 본 연구에서는 항공기 비행 파라미터에 대한 이미지화 과정 및 Deep Learning 기계학습 적용을 통해 효과적이고 효율적인 피로수명 예측 방안을 제시하고자 한다. 비행 파라미터에 대한 이미지화 과정은 다차원의 대량 축적된 비행데이터에 대한 Deep Learning 적용 적합성 향상에 기여하였으며, 이러한 기계학습 과정을 통해 정확도가 유지된 상태에서 수명예측 시간 단축이 가능함을 확인하였다. In the aircraft design/development stage, flight safety is confirmed through structural analysis and fatigue analysis reflecting the predicted operating environment for fatigue critical locations. Since the actual environment is operated differently from the design, the military aircraft is performing fatigue analysis by reflecting flight data of actual operating conditions. Some aircraft require time consuming and complex calculation system by generating load/stress spectra directly from flight data and performing fatigue life analysis. In this study, we propose an effective and efficient fatigue life prediction method through the application of deep learning by imaging process for aircraft flight parameters. The process of imaging flight parameters contributed to the improvement of the suitability of deep learning application to multi-dimensional mass accumulated flight data, and it was confirmed that the fatigue life prediction can be shortened while maintaining accuracy through this deep learning process.
전병철(Byungchul Jeon),정준하(Joonha Jung),윤병동(Byeng D. Youn),김연환(Yeon-Whan Kim),배용채(Yong-Chae Bae) 대한기계학회 2015 大韓機械學會論文集A Vol.39 No.8
저널베어링은 회전하는 축과 베어링 지지부 사이에 유막을 형성하여 회전체를 지지하는 구조물이며, 고속 및 고하중 조건에서도 안정적이기 때문에 발전소와 같은 대형 시스템에 널리 사용되고 있다. 본 연구에서는 저널베어링 시스템의 신뢰성을 확보하기 위한 감독학습 기반의 상태진단 알고리즘을 연구하였다. 기존에는 진동신호 특성인자들의 정의에 대한 연구가 주로 진행되었으나, 본 연구에서는 정의된 특성인자의 추출단위인 데이텀의 적용 기준에 대한 연구가 수행되었다. 데이텀의 효용성 평가를 통해 저널베어링 회전체 특성인자의 추출기준은 시간영역에서 1 회전, 주파수영역에서 60 회전 기준이 타당하다는 결론을 도출하였다. Journal bearings support rotors using fluid film between the rotor and the stator. Generally, journal bearings are used in large rotor systems such as turbines in a power plant, because even in high-speed and load conditions, journal bearing systems run in a stable condition. To enhance the reliability of journal-bearing systems, in this paper, we study health-diagnosis algorithms that are based on the supervised learning method. Specifically, this paper focused on defining the unit of features, while other previous papers have focused on defining various features of vibration signals. We evaluate the features of various lengths or units on the separable ability basis. From our results, we find that one cycle datum in the time-domain and 60 cycle datum in the frequency domain are the optimal datum units for real-time journal-bearing diagnosis systems.