유도전동기의 결함 검출을 위한 특징 벡터 추출 및 다층 서포트 벡터 머신 기법
Techniques of Feature Vector Extraction and Multi-Layer Support Vector Machine for Fault Classification of Induction Motors
This paper proposes a method of feature vector extraction using discrete cosine transform(DCT) and singular value decomposition(SVD) for early detection of faults in an induction motor. This, the extracted feature vector is used as an input of multi-layer support vector machine(MLSVM) to classify each fault of the induction motor. Experimental results show that the proposed method achieves 100% accuracy to classify among 5 different faults.
한국어
본 논문에서는 유도 전동기의 결함을 조기에 검출하고 진단하기 위해 이산 코사인 변환과 특이치 분해를 이용한 결함 특징 벡터 추출 방법을 제안하였고, 추출한 특징 벡터를 다층 서포트 벡터 머신의 입력으로 이용하여 유도 전동기의 결함 을 유형별로 분류하는 기법을 기술하였다. 모의실험 결과, 제안한 방법은 5가지의 결함 데이터에 대해 거의 100%의 분류 성능을 보였다.
목차
요약 Abstract I. 서론 II. 유도 전동기의 진동 신호 III. 특징 벡터 추출 1. 이산 코사인 변환 2. 특이치 분해 3. DCT+SVD를 이용한 특징추출 IV. 제안한 특징 추출 방법의 성능평가 V. 결함 특징의 분류 VI. 결론 참고문헌
키워드
Induction motor(유도전동기)Feature vector extraction(특징 벡터 추출)Multi-layer support vector machine(다중 서포트 벡터 머신)singular value decomposition(특이치 분해)discrete cosine transform(이산 코사인 변환)
예술과 공학의 융합적 연구를 통한 미래 콘텐츠산업의 발전에 기여하고자 비영리 학술단체로 활동 중인 한국공학‧예술학회(EASKO)는 2002년 창립된 한국디지털아트미디어학회를 모태로 하고 있다. 미디어공학과 콘텐츠기술분야, 영상예술, 컴퓨터음악 등 전체 디지털콘텐츠 분야를 망라한 전문가들로 구성된 본 학회는 국내최초로 도입된 연구논문과 창작콘텐츠작품의 공동발표 학술대회를 지난 7년간 개최하였고, 연구된 공학 기술적 이론을 콘텐츠로의 응용을 통하여 창작 작품에 적용시키는 학제간 연구를 위하여 노력하고 있다.
예술과 공학의 융합연구라는 학회 목적에 부합하여 1대 회장 최인식(경성대, 음악), 2대 정의필(울산대, 공학), 3대 김준(동국대, 멀티미디어음악)에 걸쳐 공학과 예술 두 분야의 대표 연구자들이 교대로 회장단을 이끌며 발전해오고 있다. 특히 본 학회는 학계와 예술분야 전문가에 더하여 관련 산업체도 학회구성의 중요한 축으로 자리 잡고 있어 본 학회 중심의 산학협력 사업을 통한 미디어 콘텐츠산업의 발전에 기여하고자 한다.
그 동안 부산전자음악협회와 한국멀티미디어음악학회(SIMM), 서울국제게임심포지움(SIGS) 등 여러 단체의 후원은 물론, 2008 뉴미디어문화축전 등 관련 행사에도 참여하여 타 단체와의 협력사업도 활발히 진행되고 있다.
현재 년 1회의 학술발표대회를 비롯하여 학술논문집 발간, 워크샵 개최, 청소년 교육, 국제교류, 전문 컨설팅 등의 사업을 계획하고 있으며, 학제간 융합이라는 미래 콘텐츠산업의 명제를 위하여 본 학회는 노력하고자 한다.