위상 데이터 분석 기반 저널베어링 고장진단 프레임워크

키워드

확장요약문

저널베어링의 손상과 클리어런스 변화는 회전축의 동적 거동과 진동 특성에 영향을 미칠 수 있으므로, 이에 대한 상태 진단이 필요하다. 이러한 상태 진단에서는 마모에 따른 진동 특성의 변화를 분석할 뿐만 아니라, 측정 신호를 바탕으로 정상·이상 상태를 판정할 수 있는 기준이 함께 마련되어야 한다. 이에 본 연구에서는 저속 운전 조건의 저널베어링을 대상으로, 동일 시각의 3 축 가속도로 구성한 가속도 오빗에 위상 데이터 분석(Topological Data Analysis, TDA)을 적용하여 구조적 정보를 진단 특징으로 추출하였다. 이를 정상 데이터로 구성한 기준 모델과 비교하여 정상 기준으로부터의 이탈 정도를 정량화하는 이상진단 프레임워크를 제안하였다.

제안한 프레임워크는 신호 전처리, 특징 추출, 정상 기준 모델 구성, 이상 판정을 순차적으로 수행하였다. 동일 시각의 3 축 가속도를 좌표로 하여 가속도 오빗을 구성하고, TDA의 Persistent Homology(PH)를 적용하여 오빗 점구름의 연결 성분과 고리가 생성·소멸하는 스케일을 정량화하였다. 이를 PH barcode로 표현하여 정상·이상 조건 간의 위상 구조의 차이를 비교하고, 이 PH 기반 위상 특징을 이상 판정에 활용하였다. 저널베어링의 진동 신호는 정상 데이터만으로 임계값을 설정하였으며, 테스트베드에서 획득한 저속 운전 데이터로 Leave-One-Abnormal-Run-Out(LOAO) 검증을 수행하였다.

분석 결과, 가속도 오빗은 정상 조건에서 좁은 띠 형태로 분포하였고, 이상 조건에서는 띠의 퍼짐이 증가하였다. PH barcode에서도 정상과 이상 조건 간 생성·소멸 스케일 분포에 차이를 확인하였다. LOAO 검증에서 제안한 프레임워크는 모든 운전 속도에서 높은 AUC와 낮은 오경보율을 나타내었다. 이를 통해 저속 운전 조건에서도 가속도 신호의 TDA 기반 특징으로 저널베어링의 이상 상태를 진단할 수 있음을 확인하였다.