이중 데이터 마이닝 접근법에 기반한 플라스틱 베어링 결함 진단

플라스틱 베어링은 의료 응용, 식품 가공 산업 및 반도체 산업에서 널리 사용됩니다. 그러나 진동 센서를 사용한 플라스틱 베어링 결함 진단에 관한 연구는 보고된 바 없습니다. 본 논문에서는 진동 센서를 이용한 플라스틱 베어링 결함 진단을 위한 이중 데이터 마이닝 기반 접근법을 제시합니다. 이 이중 접근법은 진동 신호를 전처리하고 플라스틱 베어링 결함 진단을 위한 상태 지표(CI)로 주파수 영역 및 시간 영역 결함 특징을 추출하기 위해 외피 분석 및 경험 모드 분해(EMD)를 활용합니다. 첫 번째 단계에서는 주파수 영역 CI를 통계적 분류 모델에 사용하여 베어링 외륜 결함을 식별합니다. 두 번째 단계에서는 EMD를 사용하여 추출된 시간 영역 CI를 개발하여 다른 유형의 베어링 결함을 식별하기 위한 k-최근접 이웃 알고리즘 기반 결함 분류기를 구축합니다. 플라스틱 베어링 외륜, 내륜, 볼 및 케이지에 대한 결함 테스트가 베어링 진단 시험 장비에서 수행되며, 실제 진동 신호가 수집됩니다. 제시된 결함 진단 접근법의 효과는 플라스틱 베어링 결함 테스트 데이터를 사용하여 검증됩니다.