| 논문명 |
백래시에 대한 스퍼기어 진동 데이터 분석 및 딥러닝 기반 백래시 예측 / Analysis of Spur Gear Vibration Data on Backlash and Prediction of Backlash Based on Deep Learning |
| 저자명 |
김지훈 ; 이지훈 ; 김태완 ; 이승철 ; 박찬일 |
| 수록사항 |
한국소음진동공학회 논문집, Vol.34 No.01 (2024-02) |
| 주제어 |
스퍼기어; 백래시; 진동; 딥러닝 ; spur gear; backlash; vibration; deep learning |
| 요약1 |
기어는 기계 시스템에서 매우 중요하지만 마모로 인한 진동으로 인해 문제가 발생한다. 진동을 통해 기어 마모를 평가하는 것은 실험적으로 검증하기 어렵습니다. 본 연구에서는 백래시 크기를 조작하여 마모를 시뮬레이션하고 진동 변화를 분석할 수 있는 방법을 제안한다. 마모된 기어와 유사한 다양한 백래시 크기를 가진 기어를 사용하면 진동 신호를 효과적으로 분석할 수 있다. 수집된 진동 데이터는 AI 모델과 함께 기어 마모 정도를 예측하는 데 사용된다. 딥러닝 모델은 백래시 양을 분류하고, 회귀 모델은 특정 백래시 크기를 예측한다. 정확한 분류 및 예측으로 기어 마모 모니터링이 향상됩니다. 이러한 데이터 기반 접근 방식과 AI 기술은 기어 마모 분석에 기여하여 모니터링 정확도를 향상시킨다. |
| 요약2 |
Gears are critical in mechanical systems, but wear-induced vibrations pose challenges. It is difficult to experimentally verify gear wear through vibrations. This study proposes a method to simulate wear by manipulating the backlash size and enabling the analysis of vibration changes. Gears with varying backlash sizes, resembling worn gears, facilitate the effective analysis of vibration signals. Collected vibration data is used with AI models to predict the gear wear degree. A deep learning model classifies backlash amounts, whereas a regression model predicts specific backlash sizes. Accurate classification and prediction enhance gear wear monitoring. This data- driven approach and AI techniques contribute to gear wear analysis, improving the monitoring accuracy. |
