선박용 유압축압기의 이상 감지 알고리즘 개발

Abstract

선박에 대한 환경 규제가 강화됨에 따라, 선박의 에너지 효율 개선을 위한 노력으로 선박의 주기관에서는 전 부하 영역에서 효율을 높이기 위하여 전자 제어 엔진이 사용되고 있다. 즉, 모든 부하 조건에서 목적에 따라 연소과정을 다양하게 제어하여 연소 효율을 높이면 연료소비량이 감소하게 된다. 이를 통해, 엔진 운용 비용을 절감할 수 있으며, 배출되는 배기가스량을 경감할 수 있다. 전자제어 엔진의 필수 구성요소인 유압축압기는 압력 충격 맥동 완화, 시스템 압력 유지, 진동 감쇠 등의 이점으로 인해 전자제어 엔진에서 필수적으로 쓰이는 부품이다. 하지만, 선박 엔진의 경우 대양에서의 운항 조건에 따른 극심한 진동과 압력 충격 등으로 인해 기계 고장 또는 제어시스템 이상을 일으킬 수 있다. 이로 인해, 압력 맥동이 비정상적으로 높아지는 기간을 가지게 되면 피로수명 감소로 인해 파단이 발생하여 엔진을 정지해야 하는 상황이 발생할 수도 있다. 따라서, 이번 연구에서는 유압축압기에 4개의 strain gauge를 설치하여 얻은 응력값 데이터를 바탕으로 데이터 전처리 후 이상 감지할 수 있는 알고리즘을 개발하였다. 각 strain gauge의 응력값의 차이가 임계값을 넘어서는 것을 통해 이상 감지가 가능하다는 것에 착안하여, 머신러닝의 분류 모델인 SVM, Randomforest, 인공신경망을 통해 이상 감지가 가능함을 확인하였다. 또한, 예측 모델인 딥러닝의 LSTM, GRU를 통한 미래 예측 데이터가 임계값을 넘어서는 것을 통해 이상 감지가 가능함을 확인하였다. LSTM과 GRU 모델 중에서는 GRU 모델 사용 시, 파단 약 1.4시간 전에 파단을 예측할 수 있음을 확인하였다. 본 연구를 통해 개발된 알고리즘을 바탕으로, 유압축압기의 피로 파손의 원인이 되는 극심한 압력 맥동 현상에 대한 고장 시기를 예측하고, 이상 감지를 수행하여 제품 파손을 미연에 방지하고 비용 손실을 최소화할 수 있을 것으로 기대된다.