Design of an AI Architecture for Generalizable Rotating Machinery Fault Diagnosis via Physical Context Awareness in Vibration Signals
이공학학술연구기반구축(R&D) · 박사과정생연구장려금지원
2026년
2340065165
교육부
한국연구재단
서울대학교
김태형
1명
2026.09.01 ~ 2027.02.28
2026.09.01 ~ 2028.08.31
1,250만원
1,250만원
기초연구
대학
서울특별시 관악구
정보/통신 > 정보통신 융합 서비스 > 스마트팩토리 응용서비스
본 연구개발과제의 최종 목표는 회전체 시스템에서 발생하는 진동의 특성을 인지하는 '물리적 컨텍스트 인가형 범용 회전체 고장진단 인공지능 프레임워크'를 구축하는 것이다. 기존 인공지능 모델이 보이는 운전조건 변화에 따른 성능 저하 및 재학습 비용을 해결하기 위해, 기존 신호처리 기법의 물리적 해석능력을 딥러닝 아키텍쳐에 내재화 한다. 이를 통해 이종 기종은 물론, ...
본 연구과제에서는 세 가지 주제를 바탕으로 '물리적 컨텍스트 인가형 범용 회전체 고장진단 프레임워크'를 구현하기 위한 단계별 기술 개발을 수행한다. - 주제 1. 진동 신호 기반 속도 추정 인공지능 모델: 신호처리 기반 속도 추정 기법인 MOPA(Multi-order Probabilistic Approach)의 물리적 해석 과정을 딥러닝 아키텍처로 전이하여, ...
- 연구개발성과의 활용방안: 본 연구를 통해 개발된 멀티모달 진단 프레임워크는 가변 속도와 하중 변화가 잦은 발전소 터빈, 스마트 팩토리 다관절 로봇, 차세대 모빌리티 구동계 등 다양한 회전체 설비의 예지보전 시스템에 폭넓게 적용될 수 있다. 특히, 파편화된 진동 데이터를 공통 규격으로 체계화하는 전처리 공정과 물리적 도메인 지식이 결합된 본 프레임워크는 ...