Improvement of Fault Diagnosis System on Pipeline with Attention Mechanism
Year: 2025
Type: article
Abstract: 본 연구에서는 결함 진단 분야에서 딥러닝 학습을 통해 시설물 또는 인명 피해의 위험성을 예측하는 진단 시스템을 제시하였다. 다방면의 산업에서 현장의 안전이 중요하고 위험 상황을 일찍 감지하여 대처하는 것이 필수적이다. 기존 연구들은 시설물에 대한 결함의 유무 판단만을 수행하며, 다양한 결함 형상에 따른 위험성을 파악하기 힘든 한계가 존재한다. 또한 시각적으로 확인이 어렵거나 광범위한 환경 조건 속에서 데이터 취득 및 평가 등의 어려움을 겪고 있다. 본 연구에서는 유압 파이프라인을 대상으로 압력센서로 측정된 데이터 기반 전처리 기법과 함께 새로운 알고리즘을 제안하여 다수의 결함 형상을 예측하는 정밀 진단 기법을 제시하였다. 자연어 처리 분야에서 개발된 Attention Mechanism을 고장 진단 기술 시스템에 적용하여 다중 센서 간 추출된 특징점 간의 상관관계를 분석하고자 하였다. 본 연구에서는 Multi-Layer Perceptron과 융합한 알고리즘 설계를 기반으로 Multi-class 결함을 분류하여 정밀 진단이 가능하도록 하였다. 그리고 다양한 전처리 변환으로 특징점을 추출하고 Attention Mechanism이 융합된 알고리즘을 학습하여, 기존 Wavelet 데이터 전처리 방식 대비 2~8%의 정확도 향상을 확인하였다. 본 연구는 고장 진단 기술에서 다양한 특징점 추출 기법과 Attention Mechanism의 적용을 통해 성능을 개선하고, 예측하기 어려운 환경에서 결함 유형을 예측하여 위험성의 정도를 판단할 수 있는 정밀 진단 기술 관련의 후속 연구에 응용될 수 있을 것으로 기대된다.
Authors: Dong-Hee Lee, Byeong-Woo Kim
Language: English
Subfield: Control and Systems Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W4411160236