회전설비 이상진단을 위한 가속도 데이터 및 회전설비 운영데이터의 특징 파라미터 분석

키워드

확장요약문

원자력발전소의 회전설비는 발전소의 안정적인 운영과 관련된 주요 설비 중 하나로, 설비의 이상을 조기에 감지하고 정확하게 평가하기 위한 상태감시 및 진단 기술이 요구된다. 기존의 진동 기반 진단 기술은 회전설비의 기계적 결함을 효과적으로 분석할 수 있음이 다방면으로 검증되었으나, 초기에 이상이 발생하는 경우나, 운전조건이 변동되는 경우 진동 신호만으로는 이상 진단 기술의 신뢰성을 향상시키는데 한계가 있다. 본 연구에서는 이상 진단 기술의 신뢰성과 효율성 향상을 위하여 진동 신호와 설비 운전 데이터를 복합적으로 활용하는 회전설비 상태감시 및 진단 기법을 검토하였다.

본 연구에서는 베어링 Run-to-Failure 실험을 진행하여 진동, 모터 전류, 토크, 회전속도 및 온도 등의 계측 데이터를 확보하고 활용하였다. 진동 신호는 회전설비 진단에 일반적으로 활용되는 시간영역 특징 파라미터와 주파수영역 특징 파라미터를 분석하였으며, 운전 데이터는 Moving Standard Deviation(MSD) 등의 통계적 특징 파라미터를 산출하여 시간에 따른 변화를 분석하였다. 주기적으로 수집된 데이터들에 대하여 정상 운전 간 대비 특징 파라미터가 기준치 이상으로 변화하는 시점을 이상 감지 시점으로 정의하고, 총 3개 실험 데이터셋에서 각 특징 파라미터의 이상 감지 시점을 비교하였다.

각각의 데이터셋에 대한 분석결과, 운전 데이터의 특징 파라미터가 진동 기반 특징 파라미터보다 먼저 이상을 감지하는 것으로 나타났다. 또한 진동 신호에서는 주파수영역 특징 파라미터가 시간영역 특징 파라미터보다 상대적으로 이른 시점에 이상 변화를 감지하는 경향을 보였다. 운전 데이터의 지속적인 변화를 추적하는 경우에는, 운전 데이터는 이상 발생에 따른 단기적인 변화에 민감하게 반응하는 반면, 진동 데이터는 이상 감지 이후 점진적이고 지속적인 변화 특성을 나타내어 결함의 진행 상태를 파악하는 데 유용한 것으로 분석되었다.

이러한 결과로부터 운전 데이터를 활용하여 초기 이상 징후를 감지하고 정밀 모니터링의 필요성을 판단하는 1차 경보 체계를 구축하고, 진동 데이터를 통해 결함의 진행 상태를 평가하고 잔여수명을 예측하는 단계적 진단 기술이 예측 진단 기술의 신뢰성을 향상시킬 수 있을 것이라 기대하며, 향후 연구에서 인공지능을 도입한 단계적 진단 기술을 개발하고자 한다.