회전 블레이드의 결함진단 확률제고를 위한 가진 모멘트 적용
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Kim, Jong Su | - |
dc.contributor.author | Choi, Chan Kyu | - |
dc.contributor.author | Yoo, Hong Hee | - |
dc.date.accessioned | 2022-07-16T06:07:13Z | - |
dc.date.available | 2022-07-16T06:07:13Z | - |
dc.date.created | 2021-05-13 | - |
dc.date.issued | 2014-02 | - |
dc.identifier.issn | 1226-4873 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/160702 | - |
dc.description.abstract | 기계시스템의 결함을 진단하기 위한 방법으로 패턴인식 기법이 널리 사용되고 있다. 진동신호의 변화를 감지하여 기계시스템의 건전성을 판단하는 방법이 패턴인식 기법이다. 대표적 패턴 인식기법으로 최근 은닉 마르코프 모델과 인공신경망이 여러 분야에서 사용되고 있다. 본 연구에서는 결함진단에 은닉 마르코프 모델과 인공신경망을 혼합한 방법이 제시되었으며 결함진단 대상 구조물로는 크랙을 가진 회전하는 풍력터빈 블레이드가 선정되었다. 본 연구에서는 크랙발생 여부뿐만 아니라 그 위치 및 크기도 동시에 진단하고자 하였다. 아울러서 본 연구에서는 일정 주파수들을 갖는 모멘트를 대상 구조물에 가함으로써 외부 잡음에도 불구하고 높은 결함진단 확률을 가질 수 있도록 하였다. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | Korean Society of Mechanical Engineers | - |
dc.title | 회전 블레이드의 결함진단 확률제고를 위한 가진 모멘트 적용 | - |
dc.title.alternative | Application of excitation moment for enhancing fault diagnosis probability of rotating blade | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | Yoo, Hong Hee | - |
dc.identifier.doi | 10.3795/KSME-A.2014.38.2.205 | - |
dc.identifier.scopusid | 2-s2.0-84898441343 | - |
dc.identifier.bibliographicCitation | Transactions of the Korean Society of Mechanical Engineers, A, v.38, no.2, pp.205 - 210 | - |
dc.relation.isPartOf | Transactions of the Korean Society of Mechanical Engineers, A | - |
dc.citation.title | Transactions of the Korean Society of Mechanical Engineers, A | - |
dc.citation.volume | 38 | - |
dc.citation.number | 2 | - |
dc.citation.startPage | 205 | - |
dc.citation.endPage | 210 | - |
dc.type.rims | ART | - |
dc.type.docType | Article | - |
dc.identifier.kciid | ART001847944 | - |
dc.description.journalClass | 1 | - |
dc.description.isOpenAccess | N | - |
dc.description.journalRegisteredClass | scopus | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordPlus | Cracks | - |
dc.subject.keywordPlus | Electric drives | - |
dc.subject.keywordPlus | Failure analysis | - |
dc.subject.keywordPlus | Hidden Markov models | - |
dc.subject.keywordPlus | Mechanical engineering | - |
dc.subject.keywordPlus | Neural networks | - |
dc.subject.keywordPlus | Pattern recognition | - |
dc.subject.keywordPlus | Turbomachine blades | - |
dc.subject.keywordPlus | Vector quantization | - |
dc.subject.keywordPlus | Diagnostic accuracy | - |
dc.subject.keywordPlus | Feature vectors | - |
dc.subject.keywordPlus | Hidden markov models (HMMs) | - |
dc.subject.keywordPlus | Mechanical systems | - |
dc.subject.keywordPlus | Pattern recognition method | - |
dc.subject.keywordPlus | Specific frequencies | - |
dc.subject.keywordPlus | Vibration characteristics | - |
dc.subject.keywordPlus | Wind turbine blades | - |
dc.subject.keywordPlus | Mechanics | - |
dc.subject.keywordAuthor | Artificial Neural Network | - |
dc.subject.keywordAuthor | Fault Diagnosis | - |
dc.subject.keywordAuthor | Feature Vector | - |
dc.subject.keywordAuthor | Hidden Markov Model | - |
dc.subject.keywordAuthor | Vector Quantization | - |
dc.subject.keywordAuthor | HMM | - |
dc.subject.keywordAuthor | 은닉 마르코프 모델 | - |
dc.subject.keywordAuthor | ANN | - |
dc.subject.keywordAuthor | 인공 신경망 | - |
dc.subject.keywordAuthor | 결함 진단 | - |
dc.subject.keywordAuthor | 특징벡터 | - |
dc.subject.keywordAuthor | 벡터 양자화 | - |
dc.identifier.url | https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE02355739&language=ko_KR | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
222, Wangsimni-ro, Seongdong-gu, Seoul, 04763, Korea+82-2-2220-1365
COPYRIGHT © 2021 HANYANG UNIVERSITY.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.