표제지
목차
ABSTRACT 10
제1장 서론 12
1.1. 연구배경 12
1.2. 연구동향 및 목표 14
1.3. 논문의 구성 16
제2장 딥러닝 기반 이상감지 방법론 17
2.1. 딥러닝의 발전과 종류 17
2.2. 오토인코더 기반 이상감지 방법론 22
2.2.1. 데이터 전처리 24
2.2.2. 모델 학습 25
2.2.3. 이상스코어 계산 26
2.2.4. 모델 성능평가 28
제3장 철도차량 공기압축기의 모델링 및 시뮬레이션 30
3.1. 철도차량 공기압축기 30
3.1.1. 철도차량용 공기압축기의 종류 및 특징 30
3.1.2. 서울 지하철 4호선 공기압축기 데이터 수집 33
3.2. 2단 피스톤 공기압축기의 수학적 모델링 40
3.2.1. 피스톤 실린더 역학 42
3.2.2. 열역학 모델링 46
3.2.3. 밸브 역학 52
3.2.4. 시뮬레이션 결과 53
제4장 On/Off LSTM-AE를 이용한 이상감지 63
4.1. On/Off LSTM-AE 63
4.2. 모델 학습 및 성능평가 65
제5장 임계값 전이를 통한 모델 일반화 및 GUI 구축 73
5.1. 임계값 전이(Threshold transfer) 73
5.2. 임계값 전이를 통한 모델 일반화 74
5.3. Python을 기반 GUI 구축 80
제6장 결론 81
참고문헌 82
부록 87
[부록 1] 공기압축기의 수학적 모델링 MATLAB 코드 87
[부록 2] Python GUI 소스코드 100
국문초록 122
〈표 3-1〉 본 연구에서 사용되는 공기압축기의 사양 31
〈표 3-2〉 이상데이터 시뮬레이션 시나리오 58
〈표 3-3〉 시뮬레이션에 사용된 파라미터 값 59
〈표 4-1〉 On/Off LSTM-AE 모델 구조 65
〈표 4-2〉 이상시나리오 및 설명 66
〈표 4-3〉 각 시나리오에 대한 On/Off LSTM-AE 이상감지 성능평가 결과 72
〈표 5-1〉 LSTM-AE 모델 구조 75
〈표 5-2〉 데이터셋 A와 B에 대한 LSTM-AE 모델 입력 결과 75
〈표 5-3〉 이상데이터 기반 LSTM-AE 모델 및 임계값 전이 테스트 결과 76
〈그림 1-1〉 서울교통공사의 2010~2016 스크루 공기압축기 고장 통계 13
〈그림 2-1〉 단층 퍼셉트론의 기본 구조 18
〈그림 2-2〉 순환신경망의 기본 구조 19
〈그림 2-3〉 LSTM의 기본 구조 20
〈그림 2-4〉 sigmoid 함수와 tanh 함수 22
〈그림 2-5〉 오토인코더의 기본 구조 23
〈그림 2-6〉 무빙윈도우 과정 25
〈그림 2-7〉 오토인코더 학습 알고리즘 26
〈그림 2-8〉 이상감지 알고리즘 28
〈그림 3-1〉 안쪽이 흡입밸브, 바깥쪽이 토출밸브인 밸브조립체(저압측) 33
〈그림 3-2〉 서울 지하철 4호선 공기압축기의 구조 및 센서 설치위치 34
〈그림 3-3〉 서울 지하철 4호선 하단부 공기압축기 35
〈그림 3-4〉 서울 지하철 4호선 하단부 공기압축기 저압 온도/고압 압력센서 36
〈그림 3-5〉 서울 지하철 4호선 하단부 공기압축기 고압 온도센서 36
〈그림 3-6〉 서울 지하철 4호선 하단부 공기압축기 모터 전류 측정 37
〈그림 3-7〉 서울 지하철 4호선 하단부 공기압축기 가속도계 37
〈그림 3-8〉 서울 지하철 4호선 하단부 공기압축기 MR 압력센서 38
〈그림 3-9〉 서울 지하철 4호선 하단부 공기압축기 측정데이터 39
〈그림 3-10〉 2단 피스톤 공기압축기 개략도 41
〈그림 3-11〉 피스톤 공기압축기의 모델링 순서도 42
〈그림 3-12〉 크랭크축의 자유물체도 43
〈그림 3-13〉 실린더 압력에 의한 수평력 F로부터 크랭크에 작용하는 힘 FpL 계산[이미지참조] 44
〈그림 3-14〉 모터가 2회전하는 0.12초동안의 공기압축기 시뮬레이션 결과 55
〈그림 3-15〉 100초 동안의 HP 토출압력 및 MR 압력 시뮬레이션 결과 55
〈그림 3-16〉 100초 동안의 HP 토출압력 및 MR 압력 측정 결과 56
〈그림 3-17〉 정상 작동중의 압력 및 온도 변화 시뮬레이션 결과 60
〈그림 3-18〉 LP 토출밸브 누설에 대한 압력 및 온도 변화 시뮬레이션 결과 60
〈그림 3-19〉 HP 토출밸브 누설에 대한 압력 및 온도 변화 시뮬레이션 결과 61
〈그림 3-20〉 냉각기 미작동 상태에 따른 압력 및 온도 변화 시뮬레이션 결과 61
〈그림 3-21〉 압력스위치 고장에 대한 압력 및 온도 변화 시뮬레이션 결과 62
〈그림 4-1〉 측정데이터 중 압력과 U상 전류 패턴 64
〈그림 4-2〉 On/Off LSTM-AE 기반 이상감지 순서도 64
〈그림 4-3〉 시나리오 B에 대한 기존 LSTM-AE 이상감지 결과 68
〈그림 4-4〉 시나리오 B에 대한 On/Off LSTM-AE 이상감지 결과 68
〈그림 4-5〉 정상데이터에 대한 기존 LSTM-AE 이상감지 결과 69
〈그림 4-6〉 정상데이터에 대한 On/Off LSTM-AE 이상감지 결과 69
〈그림 4-7〉 이상데이터에 대한 기존 LSTM-AE 이상감지 결과 70
〈그림 4-8〉 이상데이터에 대한 On/Off LSTM-AE 이상감지 결과 70
〈그림 4-9〉 이상데이터에 대한 기존 LSTM-AE 이상감지 결과(그림 4-7 확대) 71
〈그림 4-10〉 이상데이터에 대한 On/Off LSTM-AE 이상감지 결과 (그림 4-8 확대) 71
〈그림 4-11〉 각 시나리오에 대한 On/Off LSTM-AE 이상감지 성능평가 결과 72
〈그림 5-1〉 데이터셋 A를 LSTM-AE 모델 A에 입력했을 때 이상감지 결과 77
〈그림 5-2〉 데이터셋 B를 LSTM-AE 모델 A에 입력했을 때 임계값 전이 결과 77
〈그림 5-3〉 LSTM-AE 이상감지 결과 (정상데이터) 78
〈그림 5-4〉 LSTM-AE 이상감지 결과 (정상데이터 중 이상데이터) 79
〈그림 5-5〉 철도차량 공기압축기 이상감지를 위한 Python 기반 GUI 80