A Study on the Knowledge-Based Simulation Methodology of Gearboxes for Verification of AI Diagnostic Algorithms

기어박스는 다양한 산업 설비에서 핵심적인 동력 전달 장치로 활용되며, 결함 발생 시 계통 전체에 심각한 영향을 미칠 수 있다. 이러한 이유로 기어박스의 상태 모니터링은 필수적이며, 최근에는 AI 기반 진단 알고리즘의 활용이 증가하고 있다. 그러나 지도학습 기반 알고리즘의 성능을 검증하기 위해서는 결함 데이터 확보가 필요하다. 실제 설비에서 결함 데이터를 확보하는 것은 비용과 시간이 많이 소요되므로 본 연구에서는 지식 기반 시뮬레이션을 통해 데이터를 생성하였다. 제안된 방법은 결함 주파수 성분을 반영하여 진동 신호를 합성하고, 현실적인 계측 환경을 모사하기 위해 진폭 변동, 위상차, 구조적 감쇠 및 잡음을 고려하였다. 생성된 데이터 셋은 다양한 결함 상태를 포함하며, SVM, K-NN, DT, 1D CNN, RNN, LSTM 알고리즘을 적용한 결과 약 91~96%의 분류 성능을 달성하였다. 이는 제안된 시뮬레이션 데이터 셋이 실제 설비 데이터를 대체할 수 있음을 보여주며, 진단 알고리즘 개발 및 검증에 효과적으로 활용될 수 있음을 시사한다. 또한 본 방법론은 기어박스뿐만 아니라 펌프, 팬, 압축기 등 다른 회전 설비에도 유사하게 적용 가능하여 범용성이 높은 데이터 셋 구축 방안으로 활용될 수 있다.