회전 기계는 기계 장비의 핵심 부품으로, 고장이 발생하면 큰 손실을 초래할 수 있으므로 회전 기계의 실시간 모니터링 및 진단이 매우 중요합니다. 이에 본 논문에서는 회전 기계의 모니터링 및 진단에 대해 연구를 진행하였으며, 딥러닝 기반 회전 기계 적외선 지능형 진단 방법을 제안합니다. 회전 기계 고장 시뮬레이션 실험대를 구축하였으며, 전동기의 정상, 과부하, 단락 3가지 상태와 회전자 시스템의 정상, 불평형, 불정렬 3가지 상태를 사전 설정했습니다. 적외선 열화상기를 사용하여 회전 기계 표면 온도를 수집한 후 적외선 영상화 및 강화 작업을 수행하였으며, 객체 탐지 알고리즘을 통해 이미지 내 회전 기계 부품을 인식 및 위치 지정하고, 탐지 결과에 따라 부품 영역의 적외선 영상을 재구성하였습니다. 마지막으로 이미지 분류 알고리즘을 사용하여 두 가지 부품 종류의 상태 분류를 진행하여 지능형 고장 진단을 실현하였습니다. 실험 결과 본 방법은 본 논문에서 다룬 회전 기계 시스템에 대해 90.06%의 진단 정확도를 보였으며, 우수한 지능형 진단 효과를 얻었습니다. 또한 본 방법과 프로세스는 부품 유형과 고장 종류 확장 후 회전 기계 고장 진단뿐만 아니라 기계 고장 진단에도 일정한 참고 및 적용 가치를 지닙니다.

회전 기계;딥러닝;적외선 고장 진단