Development of a Brush Wear State Diagnosis Framework for PMDC Motors via Digital-Twin-based Virtual Data Fusion

본 연구는 PMDC 모터 브러시 마모 진단을 위해 실제 진동 데이터와 디지털 트윈 기반 가상 데이터를 융합하는 방법을 제안하였다. 모터–감속기 시험장치와 Simulink/Simscape 디지털 트윈에서 획득한 진동 데이터의 유사도를 DTW 기반 계수로 평가하고, 이를 시뮬레이터 신뢰도 q로 사용하여 필요한 가상 데이터 수를 자동으로 결정하였다. 실제 20,000개와 가상 약 18,000개 데이터 구간으로 구성된 융합 데이터를 이용해 XGBoost, 1D-ResNet, TCN, TST 모델로 4단계 마모 상태를 분류한 결과, 모든 모델이 97% 이상, XGBoost는 99.4% 이상의 정확도를 달성하였으며, 실제 데이터만 사용한 경우보다 융합 데이터셋 프레임 워크를 사용할 때 PMDC 모터의 브러시 마모 상태진단 정확도가 향상되어, 제안한 디지털 트윈 가상 데이터 융합의 효과를 확인하였다.