모터 전류 신호를 활용한 양방향 LSTM 기반 이상 탐지 알고리즘

Abstract

대부분의 산업 기계는 유도 모터를 원동기로 사용하기 때문에 고장을 진단하는 것이 중요하다. 이전까지는 산업현장에서 여러 기계 학습 기법을 이상 탐지에 활용했다. 이 방법은 제한된 데이터 셋을 사용하고, 센서의 진동 데이터를 사용한다는 한계점이 있다. 본 논문에서는 이러한 한계를 극복하기 위한 딥러닝 모델로 양방향 LSTM을 사용했다. 먼저, 사용한 모델과 전류 데이터 셋에 대해 설명하고, 사용한 모델의 성능에 대한 실험 결과를 보여준다. 제안한 알고리즘은 AUC(Area Under the ROC Curve)가 0.83으로 이상 탐지를 수행하는 것을 보여준다. Fault diagnosis is important because most industrial machines use induction motors as their driving force. Previously, various machine learning techniques were applied for anomaly detection in industrial settings. However, these methods have limitations, such as relying on limited data sets and using only vibration data from sensors. This paper addresses these limitations by employing a bidirectional LSTM model within a deep learning framework. First, it explains the utilized model and current dataset, followed by experimental results demonstrating the performance of the proposed model. The proposed algorithm demonstrates anomaly detection with an AUC (Area Under the ROC Curve) of 0.83