철도차량 공기압축기는 철도차량의 안전한 운행을 위해 적절한 유지보수가 필수적인 장치이다. 최근 철도차량의 효율적인 유지보수를 위해 예측정비가 많은 관심을 받고 있으며 이를 위한 머신러닝을 활용한 고장예지에 관한 연구가 많이 진행되고 있다.
이 연구에서는 LSTM-AE의 고장예지 성능을 개선하기 위해 이상점수 방식에 따른 고장예지 성능을 비교한다. LSTM-AE를 이용한 고장예지는 오토인코더의 입력값과 출력값의 차이를 이상점수로 이용하여 수행한다. MAE, MSE, 마할라노비스 거리, 동적시간왜곡 방법을 사용하여 두 데이터 사이의 차이를 측정하여 각 방법에 따른 정확도를 비교하여 고장예지 성능을 비교한다.
이상점수에 따른 고장예지 성능 비교 결과 정상 데이터에서는 모두 비슷한 성능을 보였으나, 이상 데이터에 대해서는 동적 시간 왜곡이 가장 높은 성능을 보여 이상점수 방법을 교체함으로써 LSTM-AE모델을 이용한 고장예지의 성능을 개선할 수 있음을 보였다.