본 논문에서는 산업전반에 걸쳐 널리 사용되는 유도전동기의 고장상태를 검출하기 위해 PCA와 LDA에 기반을 둔 융합모델을 이용한 진단 알고리즘을 제안하고자 한다. 실험에 의해 측정된 전류 값을 PCA와 LDA을 이용하여 특징벡터를 산출한 후 검증데이터를 이용하여 각각의 매칭 값을 산출한다. 진단단계는 PCA와 LDA에 의해 각각 산출된 두 개의 매칭 값을 확률모델에 의해 융합한 후 최종적으로 검증하는 구조로 되어있다. 제안된 진단 알고리즘의 경우 PCA와 LDA의 장점만을 부각시킴으로써 노이즈가 존재하는 환경하에서도 우수한 성능을 보인다. 제안된 방법의 타당성을 보이기 위해 노이즈가 있는 다양한 조건하에서 실험한 결과 기존의 PCA또는 LDA만을 이용한 경우보다 우수한 결과를 나타냈다.
In this paper, we propose a diagnosis algorithm using fusion wかd based on PCA and LDA to detect fault states of the induction motor that is applied to various industrial fields. After yielding a feature vector from the current value measured by an experiment using PCA and LDA, training data is made to produce each matching value. In a diagnostic step, two matching values yielded by PCA and LDA are fused by probability model and finally verified. Since the proposed diagnosis algorithm takes only merits of PCA and LDA it shows excellent results under noisy environments. The simulation results to verify the usability of the proposed algorithm showed better performance than the case just using conventional PCA or LDA.
