Psychoacoustic-based Fault Diagnosis for Drone Blade Damage

본 논문에서는 블레이드의 파손을 진단하기 위해 심리음향지표를 활용하여 음향 데이터 전처리 및 모델 학습을 진행하였다. 블레이드의 고장을 모사하기 위해 길이 기반의 정량적 파손을 수행하고, 구동 데이터를 획득하였다. 획득한 데이터는 STFT 통해 처리한 음향 신호와 다양한 심리음향지표와 전통음향지표를 더해서 가공되어 학습을 진행하였다. 특히 다양한 심리음향지표와 전통음향지표중 블레이드의 파손을 잘 나타낼 수 있는 4가지를 식별하여 학습한 결과가 음향신호만을 이용하여 학습한 결과보다 성능이 향상된 것을 확인하였다. 제안한 모델은 k-fold 기법을 통해 검증되었다.