IJPEM-ST
Bayesian Hyper-parameter Optimization in One-dimensional Convolutional Autoencoder for Monitoring Bearing Health Status
개선된 베이지안 최적화 기법을 통한 효과적인 베어링의 이상 감지 연구
배석주/한양대학교
- 예지정비 분야에서 기계의 이상 감지를 수행하기 위한 새로운 프레임워크를 제안하였으며, 본 연구는 1차원 합성곱 오토인코더 (1D-CAE)를 이용한 특징 추출과 다층 퍼셉트론을 활용한 이상 감지로 이루어진다. 특히 본 연구에서는 1D-CAE의 성능을 최대화하기 위한 여러 최적화 방법 (그리드 검색, 랜덤 검색, 그리고 이 연구에서 제안된 베이지안 최적화)를 평가하는데 중점을 두었다.
- 합성곱 신경망을 이용하여 시계열 데이터의 특징을 자동으로 추출하는 방법을 활용하여, 이전에는 수작업으로 수행하였던 특징 추출의 단점을 극복하였으며, 데이터의 주요한 특징을 유지하여, 장비에서 발생하는 잡음과 변동성을 효과적으로 줄일 수 있었음.
- 베이지안 최적화를 위하여 혼합 정지 기준을 새롭게 도입, 프레임워크에 통합하여 이상 징후 탐지의 효율성과 강건성을 향상시키는 새로운 기여를 제시하였으며, 실제 베어링 열화 데이터를 사용하여 제안 접근법의 정확도와 훈련 시간을 평가하였다.
- 베이지안 최적화 기법이 제안된 혼합 정지 기준을 활용하는 경우, 훈련 시간과 정확도 측면에서 기존의 최적화 기법을 능가함을 보여주었으며, 예지정비 분야에서 하이퍼파라미터 최적화를 위한 새로운 기준이 될 수 있음을 확인하였다.
메뉴열기
