안녕하세요. AI 기반 예지보전 솔루션 모터센스입니다!
오늘은 저희 모터센스에서 수행하고 있는 연구를 살짝 소개해 드리려 합니다.
예지보전 분야에서 아주 중요한 충격 제거 필터링 기법에 대한 내용인데요.
어떠한 내용일지 바로 확인해 보겠습니다!
예지보전 분야에서 아주 중요한 충격 제거 필터링 기법에 대한 내용인데요.
어떠한 내용일지 바로 확인해 보겠습니다!관련 논문
이수, 윤일근 and 민혜리. (2024). 기계설비 예지보전을 위한 RMS Envelope 기반 충격제거필터 제안. 대한기계학회논문집 A, 48(5), 361-375.
산업 현장의 복잡한 충격성 진동 데이터
산업 현장에서 진동 센서를 이용해 예지보전을 할 때 주의해야 할 사항이 있습니다. 그건 바로 환경적인 영향으로 발생하는 노이즈들입니다.
모터센스를 포함한 진동 센서는 측정을 원하는 모터에 부착하는 형태로 많이 사용하는데요. 산업 현장은 이상적인 환경인 실험실이나 사무실과는 다르게 여러 가지 설비들이 동시다발적으로 작동합니다. 이 때, 주변의 다른 설비로부터 진동이나 충돌로 인한 충격성 진동의 전파로 인해 노이즈 진동들이 함께 발생하게 되죠.
결국 진동 센서는 부착된 모터의 진동뿐만 아니라, 현장에서 발생하는 여러 노이즈들이 섞인 진동을 측정하게 되는데요. 측정 데이터에 노이즈가 포함되게 되면 모터 상태 진단 결과가 부정확해져 신뢰도가 떨어지는 문제가 발생합니다.
노이즈 제거 방법 첫 번째, 주파수 필터링
이처럼 노이즈로 인해 발생하는 문제를 해결하는데 쓰이는 가장 보편적인 방법은 바로 ‘주파수 필터링’ 기법입니다.
기계 설비들은 요소별로 발생시키는 진동의 주파수가 다릅니다. 그리고 진동 센서는 이러한 다양한 요소의 주파수별 진동 파형이 합쳐진 형태의 진동 데이터를 취득하죠.
그림 1. 회전 설비의 진동 주파수 분석
반대로 말하자면, 취득하고자 하는 진동의 주파수 대역과 불필요한 노이즈의 주파수 대역을 정확하게 알고 있다면 이를 분리해 원하는 파형의 주파수만 추출할 수도 있습니다. 이러한 분석 방식을 주파수 필터링(frequency filtering)이라고 합니다.
실제로 모터센스는 주파수 필터링을 적극적으로 활용하고 있는데요. 주파수 필터링을 활용해 정확한 예지보전에 성공한 사례를 확인하고 싶으시다면 바로 이 포스팅(5. 모터센스 How it works )을 확인해 주세요!
5. 모터센스 How it works )을 확인해 주세요! 
그림 2. 노이즈가 포함 된 원본 데이터
.png&blockId=b2b142df-7da6-4b31-adc9-6f953bc02250)
그림 3. 필터링으로 노이즈가 제거된 저주파 데이터
.png&blockId=168f9e3f-8c65-44ae-b769-96ac3e7f9baa)
그림 4. 필터링 된 데이터
주파수 필터링의 한계
그러나 주파수 필터링은 명확한 단점을 가지고 있습니다. 바로 측정하고자 하는 데이터와 제거할 데이터의 주파수 영역이 명확하게 차이 나지 않으면 사용할 수 없다는 점인데요.
그림 5. 컨베이어 라인 구성도
그림 6. 충격 파형과 일반 파형의 주파수 비교
실제로 주파수 필터링을 적용하기 어려운 현장들이 있는데요. 컨베이어 라인이 있는 현장이 바로 그 경우입니다. 컨베이어 라인은 그림5에서 알 수 있듯이 여러 개의 서브 라인에서 운송된 제품이 메인 라인으로 넘어가는 위치에 구동 모터가 설치되어 있습니다. 제품이 서브 라인에서 메인 라인으로 넘어가는 순간 충격이 발생합니다.
컨베이어 라인이 정속으로 수행하는 단순한 운반을 진행할 경우, 그림 6-(b)와 같이 평이한 진동 파형이 측정되는데요. 충격 진동이 발생하게 되면 그림 6-(a)와 같이 충격성 진동의 영향을 받게 됩니다.
그림 7. 충격 발생으로 왜곡된 RMS Trend 그래프
충격의 영향을 받으면 진동 크기가 증가하고, RMS Trend의 그래프에 그림 7과 같은 왜곡이 발생해 설비 상태를 정확하게 모니터링할 수 없게 되죠.
노이즈를 제거하고 정확한 모터 상태 분석을 위해서는 충격으로 인한 파형을 제거해야 해 RMS를 관리해 줘야 하는데요. 충격으로 발생한 주파수가 평소 모터 가동으로 인해 발생하는 주파수 대역에 포함된다는 문제점이 있습니다.
이렇게 주파수 대역이 겹치면 두 주파수의 정확한 분리가 어려워, 정확한 정상 진동을 파악하기가 어려워지죠. 그러므로 또 다른 필터링 방식으로 정확도를 끌어올려야 합니다.
노이즈 제거 방법 두 번째, 시간영역 필터링
주파수 필터링 이용이 불가한 경우, 충격이 발생한 시점의 데이터를 직접 제거하는 방식의 시간영역 필터링을 통해 진동 데이터를 관리해야 합니다.
사실 충격으로 인한 진동은 파형의 형태가 급격하게 치솟기 때문에 맨눈으로도 구분이 가능할 정도입니다. 만약 사람이 직접 진동 데이터의 분리를 수행한다면 파형의 형태를 눈으로 보고 진동이 발생한 시점의 데이터를 선택해 분리해 주면 되죠.
그러나 이러한 과정을 자동화하여 시스템으로 만든다는 것은 상당히 까다로운 일입니다. 사람의 개입 없이 측정마다 충격 파형을 정확히 골라 인지하기 위해서는 파형의 형태 정의부터 시작하여, 제거해야 할 파형의 명확한 기준 설정, 파형의 형태를 반영한 새로운 RMS 계산법까지 전부 완벽하게 설정되어 있어야 합니다.
이처럼 노이즈 제거를 위한 다양한 필터링 방식들의 단점을 보완하기 위해 모터센스는 새로운 방식의 필터링 기법을 이용하게 되었는데요. 바로 envelope 계산법을 이용하여 파형의 형태를 구분하고 RMS를 관리하는 방법입니다.
더 새로운 노이즈 제거 방법, envelope 계산법
envelope 계산법은 wave 데이터의 형태가 어떤 패턴을 지니는지 알아보는 데 사용되는 수학적 기법입니다. 일반적으로 파형의 가장자리를 감싸는 Hilbert envelope라는 방식이 주로 사용되지만, 사용 목적에 따라서 RMS envelope, Peak Envelope 등 다양한 방식이 활용되기도 합니다.
출처 : Bauer, M., Balaratnam, N., Weidenauer, J., Wagner, F. and Kley, N., 2022, " Comparison of envelope demodulation methods in the analysis of rolling bearing damage," Journal of Vibration and Control, pp. 1~12.
그림 8. RMS envelope를 이용한 충격 파형 제거
그림 9. RMS envelope를 이용한 통계적 RMS 계산
RMS envelope 계산법을 이용하여 충격으로 인한 노이즈를 제거하면 그림 8처럼 깔끔한 제거가 가능하며, 그림 9과 같이 확률 밀도를 이용해 충격을 제거한 확률적 RMS 추출이 가능합니다.
그림 10. Envelope 필터 적용 전/후 RMS Trend 비교(검정 : 필터링 전, 빨강 : 필터링 후)
이처럼 RMS envelope 계산법을 활용하면 그림 10과 같이 충격으로 왜곡되지 않는 RMS Trend를 얻을 수 있어, 보다 정확한 진동 데이터 측정이 가능합니다. 더 상세한 내용은 모터센스 개발팀에서 발표한 관련 논문에서 확인해 주세요!
출처 : 그림 1. Singh, S., & Vishwakarma, M. (2015). A review of vibration analysis techniques for rotating machines. International Journal of Engineering Research & Technology, 4(03), 757-761.
오늘은 다양한 충격 진동을 제거하는 필터링 기법에 대해 알아봤습니다.
모터센스 개발팀은 이 외에도 더 정확하고 효율적인 예지보전을 위해 다양한 연구를 계속하고 있습니다.
전문 인력을 통해 지속적으로 업데이트되는 예지보전 솔루션,
모터센스에 대해 더 자세히 알고 싶으시다면 아래 버튼을 클릭해 홈페이지에 방문해 주세요!
