Robust Convolutional Neural Network Resistant to Overfitting for Classifying Bearing Fault Modes
베어링은 축을 중심으로 하는 회전 운동에서 발생하는 마찰을 방지하고 부하를 지지하는 기계 시스템에서 사용되는 정밀한 부품이다. 베어링은 내륜 결함, 외륜 결함 및 회전 요소 결함과 같은 결함들에 의해 주로 고장난다. 전통적인 진동 신호 분석과 달리, 단시간 푸리에 변환과 결합된 컨볼루션 신경망을 사용한 딥러닝 기술은 미세한 결함까지도 효과적으로 분류할 수 있다. 그러나 대부분의 선행 연구들은 과적합을 강하게 유발하는 조건에서 수행되지 않았다. 본 논문은 베어링 결함 모드를 분류하는 신경망의 과적합을 방지하는 방법을 주로 논한다. 검증을 위해 베어링 운용 중 동시에 측정한 축방향 및 지름방향 가속도 신호을 실험으로 구축했다. 간단한 신호 분석으로도 이종의 축 신호는 물리적으로 매우 유사하였고 따라서 측정 방향이 달라져도 훈련과 검증의 성능 차이가 나는 것은 과적합을 의미함을 확인했다. 본 논문에서는 오토인코더 기반의 컨볼루션 신경망을 사용하여 과적합을 방지하며 성능을 안정적으로 향상시켰다.
Authors
- Geon-Ho Shin (ORCID: https://orcid.org/0000-0002-1179-0488)
- Hyunsoo Shin (ORCID: https://orcid.org/0000-0003-1159-1582)
- Kyoung‐Su Park (ORCID: https://orcid.org/0000-0003-3455-336X)
- Sung‐Yoon Kang (ORCID: https://orcid.org/0000-0001-5505-3028)
- Sung-Hyun Choi (ORCID: https://orcid.org/0000-0002-8092-4021)
- Jungwoo Kim (ORCID: https://orcid.org/0000-0001-6035-8272)
- Jong-Hak Lee (ORCID: https://orcid.org/0000-0002-7412-7309)
- Dongjun Shin (ORCID: https://orcid.org/0000-0003-2321-5605)
Publication Details
- Journal
- Transactions of the Korean Society of Mechanical Engineers A
- Published
- 2024-11-19
- DOI
- https://doi.org/10.3795/ksme-a.2024.48.11.735
- Citations
- 1
- Primary Topic
- Machine Fault Diagnosis Techniques
- Type
- article
- Field-Weighted Citation Impact
- 0.33