An Analysis of Flexible Multibody Dynamics for the Generation of Machine Learning-Oriented Fault Data in Rotating Machinery
Abstract
최근 AI 기반 회전설비의 상태기반정비(CBM) 발전 과정에서 기계학습(ML)을 위한 고신뢰성 학습데이터셋 구축의 어려움과 결함 데이터의 희소성이 실무적이고 시의적 현안으로 제기되고 있다. 전산기반의 물리 모델링 기법은 이러한 기술 현안을 해결하기 위한 하나의 유망한 대안으로 현재 대두되고 있으며, 본 연구에서는 회전기기의 불평형 결함에 따른 진동 시계열 데이터를 생성하기 위해 유연 다물체동역학(MBD) 해석 모델을 구축하였다. 구축된 모델로부터 생성된 결함 데이터를 선행 이론 및 실험연구 결과와 비교·검증한 결과, 시계열 데이터의 다양한 진동 특성에서 높은 정확도과 물리적 엄밀성을 나타냈다. 이를 통해 제안한 유연체 MBD 모델이 회전기기의 불평형 결함에 의해 나타나는 진동학적 거동과 물리적 특성을 정밀하게 모사할 수 있음을 확인하였고, ML 학습용 데이터 생성 도구로서의 실현가능성과 타당성을 입증하였다.
Fields of Study & Subjects
Machine Fault Diagnosis Techniques
Dynamics and Control of Mechanical Systems
Gear and Bearing Dynamics Analysis
Publication details
- Journal / source
- Transactions of the Korean Society of Mechanical Engineers A
- Volume
- 50
- Issue
- 1
- Pages
- 31–39
- Publication date
- 15 January 2026
- Language
- EN