베어링 RUL예측을 위한 CPC기반 도메인 일반화 모델 개발

다국어 초록 (Multilingual Abstract)

Recently, interest in PHM (Prognostics and Health Management), a technology that predicts and preserves failures of assets such as facilities and machines in advance, is increasing. Model-based and data-based approaches exist as PHM approaches. Among them, as the design and structure of assets become more complex, data-based approaches that can effectively predict the life of assets without defining mathematical and physical degradation models of assets are in the spotlight. In particular, among data-based approaches, deep learning-based approaches, which are known to be end-to-end learning and have excellent performance, are the main ones. PHM often utilizes vibrations that best represent the state of the machine. However, extracting significant features from raw-state vibrations is still challenging, especially when learning data from different environmental conditions together does not significantly increase the performance of the model. In this work, we present a continuous predictive coding CPC-based methodology that effectively extracts features for predicting RUL (Residual Useful Life) of machines from vibration data under different environmental conditions. The methodology was verified using bearing vibration data from the PRONOSTIA platform

국문 초록 (Abstract)

최근 설비, 기계 등 자산의 고장을 미리 예지하고 보전하는 기술인 PHM(Prognostics and Health Management)에 대한 관심이 높아지고 있다. PHM의 접근법으로서 모델기반과 데이터기반의 접근법이 존재한다. 그 중 자산의 설계와 구조가 복잡해짐에 따라 자산의 수학적, 물리적 열화 모델이 정의되지 않아도 효과적으로 자산의 수명을 예측할 수 있는 데이터 기반의 접근법이 각광을 받고 있다. 특히 데이터 기반 접근법 중 end to end학습이 가능하며 성능이 우수한 것으로 알려진 딥러닝 기반의 접근법이 주를 이룬다. PHM에서는 기계의 상태를 가장 잘 대변할 수 있는 진동을 활용하는 경우가 많다. 하지만 raw상태의 진동에서 유의미한 feature를 추출하는 것은 여전히 어려운 일이며 특히 서로 다른 환경조건의 데이터를 함께 학습했을 때 모델의 성능이 크게 상승하지 못하는 어려움이 있다. 본 연구에서는 서로 다른 환경 조건의 진동 데이터에서 기계의 RUL(Residual Useful Life) 예측을 위한 feature를 효과적으로 추출하는 CPC(Contrastive Predictive Coding) 기반의 방법론을 제시한다. 해당 방법론은 PRONOSTIA 플랫폼의 베어링 진동 데이터를 활용하여 검증되었다.

목차 (Table of Contents)

• 요약 ⅰ
• 표 목차 ⅲ
• 그림 목차 iv
• 기호 설명 iv
• I. 서 론 1
• 1. 연구의 배경 1
• II. 연구 사례 및 동향 5
• 1. 이상 탐지 모델 6
• 2. 이상 분류 모델 10
• 3. 수명 예측 모델 13
• 4. 연구 사례를 통한 본 연구의 필요성 22
• III. CPC 알고리즘 기반의 수명 예측 모델 24
• 1. CPC 알고리즘 24
• 2. RUL 예측을 위한 CPC 응용 모델 27
• 3. 비교 모델 34
• IV. 실험 결과 및 고찰 35
• 1. 실험 결과 및 고찰 35
• V. 결 론 41
• 참고문헌 42
• 영문초록(Abstract) 44
• 감사의글