딥러닝을 활용한 회전체 이음감지 시스템 개발에 관한 연구

Development of an Abnormal Sound Detection System for Rotating Bodies Using Deep Learning

컨베이어 시스템의 구성 요소인 회전체는 오작동 발생 시 다양한 소리신호를 발생시킨다. 본 논문은 회전체의 회전중에 발생하는 소리신호 데이터를 수집하고, 수집된 데이터에 대해 인공지능 알고리즘을 적용하여 회전체 동작의 정상 유무를 진단하는 시스템 개발에 관한 연구이다. 광산 및 공장 등 넓은 영역의 작업환경에 설치되는 컨베이어 벨트시스템은 다수의 회전체로 구성되어 있으며, 이러한 회전체의 동작 이상을 감지하기 위해 본 연구에서 개발한 이음수집 장치를 컨베이어 벨트 회전체 주변에 다수 배치하였다. 각각의 수집 장치에는 인공지능 알고리즘을 탑재하였고,각 장치에 수집되는 소리 데이터에 대해 인공지능 알고리즘을 적용하여 전처리 과정 등을 수행하게 된다. 또한, 회전체의 정상 또는 고장에 대한 판단결과는 Ethernet TCP/IP를 통하여 원격 제어기에서 수집하도록 구성되었다. 회전체고장 여부에 대한 진단은 이음 수집 장치에서 수집된 소리 데이터를 2차원의 스펙트로그램 이미지로 변환시키고, 변환된 이미지에 대해 CNN 모델을 적용하여 각 이미지의 패턴 분석을 통해 정상 또는 고장 여부를 판단하였다.

Conveyor systems have a rotating body component that generates various sound signals when malfunction occurs. Thiswork studies the development of a system that collects sound signal data generated during operation of a rotating body,applies an artificial intelligence (AI) algorithm over the data, and diagnoses if the motion of the rotating body is abnormal. The conveyor belt system is installed in various working environments such as mines and factories and consists of a numberof rotors. Multiple connected data collection devices developed in this work are placed around the conveyor belt rotors todetect abnormalities in the rotors. Each collection device is equipped with the AI algorithm, which performs the datapreprocessing on the sound data collected by each device. For the diagnosis of the rotor failure, sound data collected fromthe devices are converted to 2D spectrogram images, and a convolutional neural network model is applied to the convertedimages for determining the status of the rotating body which is transmitted as normal or failure to the manager via EthernetTCP/IP protocol.