[논문리뷰] Vibration based fault diagnosis of monoblock centrifugal pump using decision tree

0. Information

• 2022-04-27 기준 220회 인용

• JCR IF 2020 기준 6.954 (Q1)

• 2010년에 출판된 오래된 논문임.
  

1. Introduction

• Centifugal pump(원심펌프)는 산업에서 중요하고 이용이 증가함에 따라 연속적인 모니터링이 필요
• 펌프의 특성에 직접 영향을 미치는 베어링, 실, 임펠러는 아주 중요한 부품

• 진동신호는 원심 펌프를 모니터링하는데 널리 이용

• 본 논문에서는 bearing fault (BF), seal fault (SF), impeller fault (IF), bearing and impeller fault (BFIF), cavitation (CAV) 5가지의 고장이 사용됨.
• Decision Tree C4.5 algorithm이 사용됨 (2010년 당시 특징추출과 분류가 우수했음)
• 또한 이 당시에는 Decision Tree가 Feature Extraction과 classification이 동시에 가능한 유일한 알고리즘이었음.
  

2. Experimental studies

2.1. 실험 세팅

• 본 논문의 실험에서는 Monoblock 원심펌프가 사용됨.
• Cavitation을 시각화하기 위해 아크릴 파이프가 사용, 진동센서를 수집하기 위해 Accelerometer는 pump inlet부분에 사용.
  

2.2. 실험 절차

• 2880 rpm으로 다른 delivery head를 가진채로 반복실험을 하였음.
• Current: 11.5A / Head: 20m / Discharge: 392I/s / Power: 2hp
• 가속도 센서에 대해 샘플링주파수는 24kHz, 샘플길이는 1024 (길이가 길수록 통계적인 측정에 의미가 있으나, 길이가 많이 길게되면 컴퓨터 연산시간 증가 - 따라서 최적의 길이 선택)
  

• 위 그림은 시간 도메인에서 펌프의 진동신호를 나타냄.
• bearing fault (BF), seal fault (SF), impeller fault (IF), bearing and impeller fault (BFIF), cavitation (CAV) 그리고 normal condition 총 6개의 라벨을 가짐

2.3. 고장모드

2.3.1. Bearing Fault

• 결함은 wire cut을 이용하여 만들어졌음.
• Outer Race Fault 즉, 외륜결함을 내어 신호를 생성
• 베어링 결함에 대한 여러 고장형태는 다른 논문을 참고하는 것이 도움이 될 것입니다.

2.3.2. Seal defect

• Seal은 두가지 파트로 나뉨. 첫번째는 회전체와 맞닿는 rotating seal part(Inner), 두번째는 고정된 부품과 닿는 stationary seal seat(Outer)
• 건조한 조건하에 펌프가 작동될 때, 설치시에 무거운 기름이나 윤활제 사용, 설치시에 과도한 압력이 작용할 때 결함이 생김
• 두개중에 하나를 hammering해서 결함을 내었음

2.3.3. Impeller defect

• Cast Iron으로 만들어지고 지름이 125mm인 임펠러 2개가 사용됨.
• 두개중에 하나의 표면에 작은 부분을 제거해 결함을 생성

2.3.4. Cavitation

• 펌프 작동의 초기단계에 행해짐.
• Delivery valve를 막은 후에 펌프를 시작함.
• Delivery valve를 완전히 열고, Suction valve를 점진적으로 닫음.
  

3. Feature Extraction

• 고장진단을 위해 시간도메인의 고장진단을 위해 통계적인 방법이 사용됨.
• mean, standard error, median, standard deviation, sample variance, kurttosis, skewness, range, minimum, maximum, and sum
• 11개의 통계적인 방법이 사용됨
• 구체적인 수식은 본 논문을 참고

4, 5. Decision Tree

• Data mining 기술은 진동신호를 포함해 데이터구조로 부터 가치있는 지식을 찾기 위해 널리 사용됨.
• 본 논문에서는 여러 기술중에서 Deicision Tree(DT)를 사용.
• DT는 top-down의 형태로 회귀적으로(Recursively) 만들어진다.
• Feature Selection: contribution의 크기로 feature를 고름. 클래스안(intra)의 feature는 비슷하게, 클래스간(inter)에는 다르게
• DT중에서 C4.5중에 하나인 J48 Algorithm을 사용 (알고리즘의 자세한 구조는 논문을 통해 확인)
  

6. Result and Discussion

• Efficiency 그래프는 정상과 고장이 확연히 차이가 나는 것을 볼 수 있음.
• 뿐만아니라 Head 그래프도 고장이 나면 정상보다 낮아지는 경향을 보임 (특히, Impeller 고장은 Head를 더 급격하게 떨어뜨림)
• Input power 그래프는 고장과 정상이 구분되지가 않는다. 이 때문에 input power 하나로 기준이 되어서는 안된다. (Impeller의 input power는 정상보다 낮은데 이는 고장으로 인해 head가 낮아지고 이로 인해 파워가 낮아진 것으로 보임)
• Feature는 두개를 사용함(standard error, minimum value, 알고리즘을 통해 11개 중에서 2개를 선택)
• Test data 에 대해 100% 성능의 결과를 냈음
  

Terminology

• Mono는 single을 의미한다. Monoblock은 수평 다단 펌프를 의미
• priming: 물을 가득 채우는 것
• Delivery head: 펌프의 중심으로 부터 물이 전달되는 곳까지의 수직거리
• Cavitation: 유체의 속도 변화에 의한 압력변화로인해 유체 내에 공동이 생기는 현상 (한국어: 공동현상)

Reference

• Sakthivel, N. R., V. Sugumaran, and SJESwA Babudevasenapati. “Vibration based fault diagnosis of monoblock centrifugal pump using decision tree.” Expert Systems with Applications 37.6 (2010): 4040-4049.
• https://www.voltekwater.com/hydrodynamic-cavitation

pump 카테고리 내 다른 글 보러가기