PMDC Motor Brush Wear Condition Diagnosis using Dual Vibration Sensors and Windowed Feature-based XGBoost

PMDC 모터의 브러시 마모는 정류 불안정과 스파크 증가를 유발하여 토크 리플과 진동을 증가시키며, 과도한 마모 시 장비 손상 및 화재 등 안전 문제로도 이어질 수 있다. 본 연구에서는 모터 측(S1)과 감속기 측(S2)에 설치한 듀얼 진동 센서로부터 동기화된 신호를 취득한 후, 연속 신호를 0.1 s 길이의 윈도우(50% 중첩)로 분할하고 시간·주파수·엔벌로프 영역의 34개 특징을 추출하여 XGBoost 기반 회귀 및 분류 모델을 학습하였다. 실험 결과, 회귀 모델은 MAE 0.1245 mm, RMSE 0.2760 mm, R² 0.9846의 성능을 보였으며, 분류 모델은 Accuracy 98.48%, F1-macro 98.41%를 달성하였다. 또한 비교 모델 및 단일/듀얼 센서 구성 간 성능 비교를 통해 제안 방법의 유효성을 검증하였다.