Search

KR-20260061667-A - METHOD AND DEVICE FOR EXTRACTING EVENT POINTS OF AOV SENSOR SIGNAL

KR20260061667AKR 20260061667 AKR20260061667 AKR 20260061667AKR-20260061667-A

Abstract

본 발명의 일 실시예는 공기구동밸브 센서 신호의 이벤트 지점을 추출하는 방법으로서, 공기구동밸브의 센서 신호를 획득하는 단계(S110), 상기 센서 신호의 노이즈를 제거하는 단계(S120), 상기 센서 신호를 복수의 경계선으로 구분하는 단계(S130), 복수의 알고리즘을 통해 각 경계선으로부터 복수의 제 1 예측 지점을 결정하는 단계(S140) 및 미리 학습된 인공 신경망에 복수의 제1예측 지점을 입력하여 각 경계선마다 단일의 제 2 예측 지점을 결정하는 단계(S150)를 포함하는, 방법을 제공한다.

Inventors

  • 주민건
  • 구한범
  • 박기범

Assignees

  • 주식회사 코어로보틱스

Dates

Publication Date
20260506
Application Date
20241028

Claims (8)

  1. 공기구동밸브 센서 신호의 이벤트 지점을 추출하는 방법으로서, 공기구동밸브의 센서 신호를 획득하는 단계(S110); 상기 센서 신호의 노이즈를 제거하는 단계(S120); 상기 센서 신호를 복수의 경계선으로 구분하는 단계(S130); 기 저장된 복수의 알고리즘을 통해 각 경계선으로부터 복수의 제 1 예측 지점을 결정하는 단계(S140); 및 미리 학습된 인공 신경망에 복수의 제1예측 지점을 입력하여 각 경계선마다 단일의 제 2 예측 지점을 결정하는 단계(S150)를 포함하는, 방법.
  2. 제 1항에 있어서, 상기 센서 신호는, 상기 공기구동밸브에 인가되는 전류에 대한 전류 신호, 상기 공기구동밸브를 제어하는 압력에 대한 제어 압력 신호 및 상기 공기구동밸브의 스템변위 신호인, 방법.
  3. 제 2항에 있어서, 상기 센서 신호는 시계열 데이터인, 방법.
  4. 제 1 항에 있어서, S130 단계에서, 상기 센서 신호를 기 저장된 템플릿 데이터와DTW(dynamic Time Warping) 알고리즘을 기반으로 복수의 경계선으로 구분하는, 방법.
  5. 제 4항에 있어서, S140 단계에서, 경계선을 초기값으로 하고 각 경계선으로부터 일측 또는 타측으로 이동하며 각 알고리즘에 따라 제 1 예측 지점을 산출하는, 방법.
  6. 제 5 항에 있어서, 복수의 알고리즘은, 미리 정의해둔 급증 조건을 만족하는 지점을 제1 예측지점으로 산출하는 조건문 기반 알고리즘; 센서 신호의 기울기 변화가 0인 지점을 제1 예측지점으로 산출하는 기울기 변화 알고리즘; 센서 신호의 임의의 지점을 중심으로 한 전후 데이터들의 코사인유사도가 기 설정된 값보다 낮은 지점을 제1 예측지점으로 산출하는 코사인 유사도 기반 알고리즘; 및 센서 신호의 표준편차를 계산하고, 표준편차가 기 설정된 값 이하로 떨어지는 지점을 제1 예측지점으로 산출하는 표준편차 기반 알고리즘인, 방법.
  7. 제 6 항에 있어서, 상기 인공신경망은, 입력 노드와 출력 노드 사이에 다수의 은닉 노드가 완전연결층(FCL; Fully Connected Layer) 구조로 연결된 인공신경망인, 방법.
  8. 공기구동밸브 센서 신호의 이벤트 지점을 추출하는 디바이스로서, 공기구동밸브의 센서 신호를 획득하는 수신부; 및 프로세서를 포함하고, 상기 프로세서는, 상기 센서 신호의 노이즈를 제거하고, 상기 센서 신호를 복수의 경계선으로 구분하고, 복수의 알고리즘에 기초하여 각 경계선마다 복수의 제 1 예측 지점을 결정하고, 복수의 제1예측 지점을 인공 신경망에 입력하여 각 경계선마다 단일의 제 2 예측 지점을 결정하는, 디바이스.

Description

공기구동밸브 센서 신호의 이벤트 지점을 추출하는 방법 및 디바이스{METHOD AND DEVICE FOR EXTRACTING EVENT POINTS OF AOV SENSOR SIGNAL} 본 발명은 공기구동밸브 센서 신호의 이벤트 지점을 추출하는 방법 및 디바이스에 관한 것이다. 원자력 발전소에서는 공기구동밸브의 성능을 확인하기 위해 정기적으로 시험을 수행하여 성능을 평가한다. 이러한 성능 평가는 공기구동밸브가 정상적으로 작동하는지 확인하고, 필요한 경우 유지보수를 진행하기 때문에 중요하다. 공기구동밸브의 성능은 시험에서 취득한 데이터의 특정 지점(예를 들어, 변곡점으로 보이는 이벤트 점)의 발생 시점 또는 지속 시간 등을 추출하여 성능 평가 수식에 입력함으로써 계산된다. 종래에는 진단 전문가가 시험 데이터 분석을 통해 수동으로 이벤트 점을 추출하였으나, 이러한 방법은 전문가의 의존성이 높기 때문에 일관성이 결여된다. 또한, 시험 후 전문가의 분석 단계가 필수적으로 요구되기 때문에 상시 감시를 통한 평가가 어려웠다. 따라서　밸브의　상시　감시장치를　구현하기　위해서는　이벤트　점을　자동으로　추출하는　방법이　필요하다. 도1 및 도2는 공기구동밸브의 성능평가를 위한 이벤트 점을 나타낸 도면이다. 도 3은 일 실시 예에 따른 디바이스의 구성의 일 예를 나타내는 개략적인 도면이다. 도 4는 일 실시 예에 따른 디바이스가 동작하는 방법을 설명하기 위한 흐름도이다. 도5는 DTW 알고리즘에 의해 템플릿 신호의 변곡점 위치가 실제 센서 신호에 맵핑된 상태를 나타낸 도면이다. 도6은 조건문 기반 알고리즘을 설명하기 위한 도면이다. 도7은 코사인 유사도 기반 알고리즘을 설명하기 위한 도면이다. 도8은 표준편차 기반 알고리즘을 설명하기 위한 도면이다. 도9는 표준편차 신호에 대한 영역 좁히기 방법을 나타낸 도면이다. 도 10은 인공신경망을 설명하기 위한 개념도이다. 도11은 제1예측 위치, 제2예측 위치 및 실제 이벤트 지점을 나타낸 도면이다. 이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다. 본 명세서에서 사용되는 '제 1' 또는 '제 2' 와 같은 서수를 포함하는 용어는 다양한 구성 요소들 또는 단계들을 설명하기 위해 사용될 수 있으나, 해당 구성 요소들 또는 단계들은 서수에 의해 한정되지 않아야 한다. 서수를 포함하는 용어는 하나의 구성 요소 또는 단계를 다른 구성 요소들 또는 단계들로부터 구별하기 위한 용도로만 해석되어야 한다. 이하, 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다. 원자력 발전소에서는 공기구동밸브의 성능을 확인하기 위해 정기적으로 시험을 수행하여 성능을 평가한다. 성능 평가를 위해 다양한 센서들이 공기구동밸브에 설치되어, 공기구동밸브의 물리 신호들을 측정한다. 예를 들면, 복수의 센서는 공기구동밸브에 인가되는 제어 전류를 측정하는 전류측정센서, 복수의 센서는 공기구동밸브의 제어유 압력을 측정하는 제어유 압력 측정센서, 왕복운동하는 상기 공기구동밸브의 스템 변위를 측정하는 스템 변위 측정센서 등으로 구성된다. 복수개의 측정센서들은 상기 공기구동밸브의 성능을 평가하기 위한 센서 신호들을 센싱하여 일 실시 예에 따른 디바이스로 전송한다. 여기서, 센서 신호들은 모두 시계열 데이터로 구성될 수 있다. 도1 및 도2는 공기구동밸브의 성능평가를 위한 이벤트 점을 나타낸 도면이다. 공기구동밸브의 성능은 시험에서 센서세트에서 취득한 데이터들 중 예를 들어, 변곡점인 이벤트 점의 발생 시점 또는 발생 시점에서의 y값인 쓰러스트, 토크 등을 추출하여 성능 평가 수식에 입력함으로써 계산된다. 공기구동밸브가 폐쇄된 상태에서 개방되었다가 다시 폐쇄되는 과정에서 발생하는 이벤트 지점은 대표적으로 16개가 존재한다. 도1및 도2를 참조하면, t0는 공기구동밸브가 완전 닫힌 상태에서 열림 명령이 전달되는 지점으로, 제어 전류의 증가가 시작된다. t1은 제어전류 신호를 압력으로 변환 시작하는 지점으로, 제어압력의 증가가 시작된다. t2는 시팅 힘이 풀리면서 스템변위의 증가가 시작되는 지점이다. t3는 구동기공기힘이 패킹힘 극복하고 열림 러닝 구간 시작되는 지점으로, 스템변위가 급증하기 시작한다. t4는 디스크가 백시트에 접촉하고 열림 러닝 구간이 끝나는 지점으로, 스템변위의 급증이 끝나게 된다. t5는 백시팅이 완료되는 지점으로, 스템변위의 증가가 끝나게 된다. t6는 열림 명령 끝나고 완전 열림 상태가 되는 지점으로, 제어전류의 증가가 끝나게 된다. t7은 목표 압력 도달되는 지점으로, 제어압력의 증가가 끝나게 된다. t8은 완전 열린 상태에서 닫힘 명령이 전달되는 지점으로, 제어전류의 감소가 시작된다. t9는 제어전류 신호가 압력으로 변환 시작하는 지점으로, 제어 압력의 감소가 시작된다. t10은 백시팅 힘이 풀리는 지점으로, 스템변위의 감소가 시작된다. t11은 구동기공기힘이 패킹힘 극복하고 열림 러닝 구간이 시작되는 지점으로 스템변위가 급감하기 시작한다. t12는 디스크가 시트에 접촉하고 열림 러닝 구간 끝나는 지점으로, 스템변위의 급감이 끝나게 된다. t13은 시팅이 완료되는 지점으로, 스템변위의 감소가 끝나게 된다. t14는 열림 명령이 끝나고 완전 닫힘 상태가 되는 지점으로, 제어전류의 감소가 끝나게 된다. t15는 목표 압력의 도달이 완료되는 지점으로, 제어 압력의 감소가 끝나게 된다. 이러한 이벤트 지점(x축; 시간)의 값(y축; 취득 신호 단위(쓰러스트: lbf, 토크: ft-lbf 등))들은 성능평가 수식에 입력되어 밸브의 성능을 계산하는 변수로 사용될 수 있다. 한편, 제어전류와 관련된 이벤트 지점인 t0, t6, t8, t14는 전류를 주는 타이밍, 또는 최대 전류 타이밍 등을 추출하면 되기 때문에 구분이 쉽지만, 다른 이벤트 지점의 경우 진단 전문가가 수동으로 추출하해야 하기 때문에, 일관성이 결여되고, 상시 감시를 통한 평가가 어렵다는 한계가 있다. 따라서, 본 발명에서는 공기구동밸브 센서 신호의 이벤트 지점을 자동으로 추출하는 방법 및 디바이스를 제공하고자 한다. 도 3은 일 실시 예에 따른 디바이스의 구성의 일 예를 나타내는 개략적인 도면이다. 도3을 참조하면, 디바이스(100)는 수신부(110), 프로세서(120)를 포함할 수 있다. 그러나 도 3에 도시된 구성요소 모두가 디바이스(100)의 필수 구성요소인 것은 아니다. 도 3에 도시된 구성 요소보다 많은 구성 요소에 의해 디바이스(100)가 구현될 수도 있고, 도 3에 도시된 구성 요소보다 적은 구성 요소에 의해 디바이스(100)가 구현될 수도 있다. 일 실시 예에 따른 수신부(110)는 공기구동밸브에 장착되는 전류측정센서, 제어유 압력 센서, 스템 변위 측정센서로부터 각각 상기 공기구동밸브에 인가되는 전류에 대한 제어 전류 신호, 상기 공기구동밸브를 제어하는 압력에 대한 제어 압력 신호 및 상기 공기구동밸브의 스템변위 신호의 시계열 데이터를 실시간으로 수신한다. 일 실시 예에 따른 프로세서(120)는 센서 신호에서 수신되는 노이즈가 많은 신호를 깨끗하게 필터링할 수 있다. 일 실시 예에 따른 프로세서(120)는 별도의 신호 처리 장치에 의해 필터링된 센서 신호를 입력으로 받아 신호분석을 수행할 수 있다. 일 실시 예에 따른 프로세서(120)는 센서 신호를 복수의 경계선으로 구분할 수 있다. 일 실시 예에 따른 프로세서(120)는 복수의 알고리즘에 기초하여 각 경계선마다 복수의 제 1 예측 지점을 결정할 수 있다. 일 실시 예에 따른 프로세서(120)는 복수의 제1예측 지점을 인공 신경망에 입력하여 각 경계선마다 단일의 제 2 예측 지점을 결정할 수 있다. 일 실시 예에 따른 메모리(130)는 DTW알고리즘에 사용되는 템플릿 파형을 저장할 수 있다. 일 실시 예에 따른 메모리(130)는 미리 정의해둔 급증 조건을 만족하는 지점을 제1 예측지점으로 산출하는 조건문 기반 알고리즘, 센서 신호의 기울기 변화가 0인 지점을 제1 예측지점으로 산출하는 기울기 변화 알고리즘, 임의의 지점을 중심으로 한 전후 데이터들의 코사인유사도가 기 설정된 값보다 낮은 지점을 제1 예측지점으로 산출하는 코사인 유사도 기반 알고리즘 및 센서 신호의 표준편차를 계산하고, 표준편차가 기 설정된 값 이하로 떨어지는 지점을 제1 예측지점으로 산출하는 표준편차 기반 알고리즘을 저장할 수 있다. 일 실시 예에 따른 메모리(130)는 미리 학습된 입력 노드와 출력 노드 사이에 다수의 은닉 노드가 완전연결층(FCL; Fully Connected Layer) 구조로 연결된 인공신경망을 저장할 수 있다. 이하에서는 일 실시 예에 따른 디바이스(100)가 독립적으로 공기구동밸브 센서 신호의 이벤트 지점을 추출하는 실시 예를 중심으로 서술하도록 하지만, 서버와의 연동을 통해 수행될 수도 있다. 즉, 일 실시 예에 따른 디바이스(100)와 서버는 그 기능의 측면에서 통합 구현될 수 있고, 서버는 생략될 수도 있으며, 어느 하나의 실시 예에 제한되지 않음을 알 수 있다. 도4는 일 실시 예에 따른 디바이스가 동작하는 방법을 설명하기 위한 흐름도이다. S110단계를 참조하면, 일 실시 예에 따른 디바이스는 공기구동밸브의 센서 신호를 획득한다. 예를 들면, 디바이스는 공기구동밸브에 장착되는 전류측정센서, 제어유 압력 센서, 스템 변위 측정센서로부터 각각 상기 공기구동밸브에 인가되는 전류에 대한 제어 전류 신호, 상기 공기구동밸브를 제어하는 압력에 대한 제어 압력 신호 및 상기 공기구