Rotating Machinery Vibration Signal Augmentation Method Preserving Characteristic Frequency Regions

Abstract

회전 기계의 지속적인 진단을 위해 인공지능 방법이 적극적으로 활용되고 있으나, 산업 현장에서는 결함 데이터가 부족한 데이터 불균형 현상이 흔히 나타난다는 문제가 있다. 이를 해결하기 위해 데이터 증강 기법이 여럿 제안되어왔으나, 최소한의 개수 요구, 다양성 부족, 물리적 의미 훼손, 신호 특성 왜곡 등 여전히 한계가 있다. 본 연구에서는 특성 주파수 영역을 유지하는 회전체 진동 신호 증강 기법을 제안한다. 제안하는 방법은 a) 주파수 영역 이동 및 복원을 통한 비 특성 영역 신호 추출, b) 원래 신호와 비 특성 신호의 차를 이용한 특성 영역 신호의 추출, c) 서로 다른 비 특성 영역 신호와 특성 영역 신호의 합을 통한 새로운 데이터 생성의 과정으로 증강을 수행한다. 해당 방법으로 획득한 데이터를 특성인자 분포 비교, CNN 기반 진단 모델을 통해 다른 증강 기법과 비교하여 평가하고 검증하였으며, 기존 방법에서 제시된 한계점을 해결하여 실제 데이터와 유사한 특성을 가지면서도 다양성이 부여된 고품질 증강데이터를 만들 수 있음을 확인하였다.