earticle

영어

This paper proposes an approach using a two-dimensional representation of vibration signals for the highly reliable fault classification of induction motors. To deal with this issue, this paper first converts one-dimensional vibration signals to two-dimensional gray-level images by normalizing time-domain samples in the range from 0 to 255. Using the resulting images, which have texture characteristics, this paper extracts features by generating dominant neighborhood structure maps which are used to extract the global image features. The texture features are then used as inputs of one-against-all multi-class support vector machines to identify faults in the induction motors. To evaluate the performance of the proposed approach, we compare it with two conventional state-of-the-art algorithms in terms of classification accuracy. In addition, this paper explores the robustness of the proposed approach in a noisy environment by adding white Gaussian noise to the acquired vibration signals. Experimental results indicate that the proposed approach outperforms conventional algorithms in terms of classification accuracy. Moreover, the proposed approach achieves higher classification accuracy even in a noisy environment.

한국어

본 논문에서는 진동 신호에 대한 2차원 변환을 이용하여 신뢰성이 높은 유도 전동기의 결함을 검출하기 위한 방법을 제안한다. 이를 위해 먼저 시간 영역 샘플을 0에서 255범위로 정규화 함으로써 1차원 진동신호를 2차원 회색조 영상(gray image)로 변환한다. 다음으로 질감 특징을 갖는 이러한 결과 영상으로부터 DNS(dominant neighborhood structure) 지도(map)를 생성하고 이로부터 전역 영상 특징(global image feature)을 추출한다. 이러한 질감 특징은 유도 전동기의 결함 분류를 위해 one-against-all(OAA) 다중 클래스 서포트 벡터 머신(multi-class support vector machines)의 입력으로 사용된다. 본 논문에서는 제안하는 방법의 성능을 평가하기 위해 기존의 결함 검출 알고리즘과의 분류 정확도를 비교한다. 또한, 진동 신호 취득 시 포함될 수 있는 잡음에 대한 강인성을 평가하기 위해 취득한 진동 신호에 백색 가우시안 잡음(white Gaussian noise)을 추가하여 분류 정확도를 비교한다. 실험 결과, 제안한 방법은 기존의 알고리즘들보다 잡음이 포함되지 않은 환경과 잡음이 포함된 환경 모두에서 높은 분류 정확도를 보였다.