Operating-Condition-Decoupled Sparse Order-Domain Gear Fault Monitoring for Range-Extended Hybrid Agricultural Machinery in Hilly and Mountainous Areas

험준하고 불규칙한 언덕과 산악 지형에서 중장비는 독특한 도전에 직면합니다. 지면은 결코 평탄하지 않으며, 작업 또한 일정하게 유지되지 않습니다. 트랙터나 수확기가 경사로를 오르거나 두꺼운 토양을 갈아엎을 때, 엔진과 변속기는 끊임없이 조절되어야 하며, 이로 인해 회전 부품의 속도가 격렬하게 변동합니다. 이러한 기계의 소리를 듣고 초기 마모나 손상을 감지해야 하는 엔지니어들에게 이러한 가변성은 큰 장애물입니다. 문제의 징후를 찾는 전통적인 방법들은 부서진 기어나 마모된 베어링을 나타내는 특정적이고 일정한 소리에 의존합니다. 그러나 기계의 속도가 변하면 그 소리들의 피치가 변하고 흐릿해지며, 이로 인해 들리는 이상한 소음이 심각한 결함의 신호인지 아니면 단순히 가파른 언덕에 대한 정상적인 반응인지 구별하기 어려워집니다. 이러한 불확실성은 멀쩡한 기계를 고장 난 것으로 잘못 분류하는 오경보나, 실제 문제가 발생하여 현장에서 고장이 날 때까지 감지하지 못하는 미검출 문제를 야기합니다.

이를 해결하기 위해 허난 과학기술대학교와 룽먼 연구소의 연구진은 이러한 험난한 지형을 위해 설계된 하이브리드 농기계의 기어 상태를 모니터링하는 새로운 방법을 개발했습니다. 연구진은 기계의 소리를 실시간으로 듣는 대신, 기계의 속도가 빨라지거나 느려져도 일정하게 유지되는 형식으로 진동 데이터를 변환하는 방법을 만들었습니다. 가상의 언덕에서 수천 시간의 운행을 시뮬레이션함으로써, 시스템이 변화하는 경사도와 부하로 인한 소음을 무시하고 오직 기어가 손상되었음을 나타내는 특정 패턴에만 집중하도록 훈련시켰습니다. 그들의 접근 방식은 기계가 한 번도 경험해보지 못한 조건에서도 작동할 때, 건강한 기어와 결함이 있는 기어를 성공적으로 구별해냈으며, 이는 전 세계의 가장 도전적인 현장에서 하이브리드 농기계를 안전하고 효율적으로 계속 가동할 수 있는 유망한 길을 제시합니다.

이 연구의 핵심은 범위 확장형 하이브리드 농기계라는 특정 유형의 차량을 다룹니다. 이들은 작은 엔진을 사용하여 전기를 생성하고, 이 전기로 배터리를 충전하거나 전기 모터를 직접 구동하여 바퀴를 돌리는 강력한 트랙터와 수확기입니다. 이 설계는 높은 출력과 낮은 배출량으로 작동할 수 있게 해주지만, 동시에 복잡한 진동을 유발합니다. 엔진은 켜지고 꺼지며, 배터리는 충전 및 방전되고, 전기 모드는 전환됩니다. 이 모든 과정이 기계가 경사를 오르고 무거운 짐을 끌고 있는 동안 동시에 일어납니다. 전통적인 디젤 트랙터의 진동 패턴은 비교적 예측 가능합니다. 그러나 이러한 하이브리드 기계의 진동은 엔진의 리듬, 전기 모터의 웅웅거림, 기어의 마찰음, 그리고 불규칙한 지면으로부터 오는 충격이 뒤섞인 혼돈스러운 상태입니다. 변속기 내부의 기어가 고장 나기 시작하면, 그 경고 신호는 종종 이 혼란스러운 배경 소음 속에 파묻히게 됩니다.

연구진은 먼저 이러한 기계가 구릉 지형에서 어떻게 행동하는지에 대한 상세한 컴퓨터 시뮬레이션을 구축했습니다. 그들은 실제 세계의 데이터에만 의존하지 않았는데, 비싼 농기계에서 실제로 고장 난 기어의 사례를 충분히 수집하는 것은 어렵고 위험하기 때문입니다. 대신, 그들은 실제 세계를 매우 정밀하게 모방한 가상 환경을 만들었습니다. 연구진은 경작, 물자 운송, 혼합 구릉 경로 주행 등을 포함하는 긴 주행 사이클을 생성하도록 시뮬레이션을 프로그래밍했습니다. 시뮬레이션은 경사도의 가파름, 토양의 저항, 차량의 속도, 배터리 충전 수준, 그리고 범위 확장 엔진의 상태 등 기계의 진동을 변화시키는 모든 요소를 고려했습니다. 결정적으로, 연구진은 '쌍(paired)' 전략을 사용했습니다. 시뮬레이션된 각각의 주행마다, 연구진은 완벽하게 건강한 기계를 나타내는 버전과 특정 기어 결함이 있는 동일한 기계를 나타내는 버전, 즉 두 가지 버전의 진동 데이터를 생성했습니다. 두 버전 모두 정확히 같은 언덕, 같은 부하, 같은 속도 변화를 경험했습니다. 유일한 차이점은 결함의 존재 여부였습니다. 이를 통해 컴퓨터가 두 데이터를 구별하는 법을 배울 때, 단순히 가파른 언덕과 평탄한 도로의 차이를 배우는 것이 아니라 결함 자체를 인식하도록 보장했습니다.

2,000개의 이러한 쌍을 생성한 후, 연구진은 가공되지 않은 진동 신호로부터 유용한 정보를 추출하는 과제에 직면했습니다. 표준 분석에서는 진동의 주파수를 살펴보는데, 이는 소리의 높낮이를 듣는 것과 같습니다. 그러나 기계의 속도가 끊임없이 변하기 때문에 기어 결함의 피치는 위아 아래로 표류하며 에너지를 넓은 범위에 분산시켜 식별하기 어렵게 만듭니다. 연구팀은 이 문제를 해결하기 위해 '계산된 차수 추적(computed order tracking)'이라는 기술을 사용했습니다. 진동을 일정한 시간 간격으로 측정하는 대신, 구동축의 회전 각도에 따른 일정한 각도 간격으로 측정했습니다. 회전하는 바퀴를 상상해 보십시오. 바퀴가 회전할 때마다 특정 각도만큼 돌 때마다 사진을 찍는다면, 바퀴가 더 빠르거나 느리게 돌더라도 림(rim)에 있는 균열의 모습은 항상 같은 위치에 나타날 것입니다. 연구진은 이 논리를 진동 데이터에 적용하여, 변화하고 표류하는 신호를 기계의 속도와 상관없이 결함이 항상 같은 위치에 나타나는 안정적인 지도로 변환했습니다.

데이터가 이제 안정적인 지도로 정리되자, 다음 단계는 중요한 특징들을 찾아내는 것이었습니다. 연구진은 이 지도의 여러 부분에서 수십 가지의 측정값을 추출하여 에너지의 정점, 평균 수준의 변화, 그리고 주변 신호 대비 상대적 강도 등을 조사했습니다. 이는 엄청난 양의 잠재적 단서 목록을 만들어냈으며, 그중 상당수는 배터리나 엔진으로 인한 소음이거나 무관한 세부 사항이었습니다. 이러한 혼란을 뚫고 나가기 위해, 연구진은 가장 중요한 단서만을 자동으로 선택하고 나머지는 버리는 수학적 도구를 사용했습니다. '희소 특징 선택(sparse feature selection)'이라고 알려진 이 과정은 기계 작동의 배경 소음을 제거하는 필터 역할을 하여, 기어 결함과 강력하게 연결되어 있으면서도 배터리 충전 상태나 언덕의 경사와는 전혀 관련이 없는 정밀하고 작은 지표 세트를 남겼습니다.

마지막으로, 연구진은 시스템이 실제로 결함을 식야할 수 있는지 테스트했습니다. 그들은 시뮬레이션된 데이터를 훈련 세트와 테스트 세트로 나누어, 컴퓨터가 한 그룹으로부터 학습하고 다른 그룹의 상태를 예측하도록 했습니다. 연구진은 자신들의 새로운 방법론을 여러 기존의 표준 기술들과 비교했습니다. 결과는 명확했습니다. 안정적인 각도 기반 지도와 스마트한 특징 필터를 결합한 새로운 접근 방식은 전통적인 방식들을 크게 압도했습니다. 반복된 테스트에서 이 시스템은 약 94%의 정확도로 기어 상태를 정확히 식별해냈습니다. 이는 가변적인 속도를 따라잡지 못해 고전했던 기존의 주파수 기반 방식보다 눈에 띄게 우수한 성적이었습니다. 아마도 더 중요한 점은, 이 시스템이 한 번도 본 적 없는 조건에 직면했을 때도 견고함을 입증했다는 것입니다. 연구진이 훈련 데이터의 범위를 벗어난 속도, 부하 또는 경사도를 포함하는 데이터로 테스트했을 때, 새로운 방법은 높은 정확도를 유지한 반면 기존 방식들은 성능이 급격히 떨어졌습니다.

또한 이 연구는 시스템이 의존하도록 학습된 특정 특징들이 실제로 기어와 관련되어 있다는 것을 밝혀냈습니다. 선택된 지표들은 구동축의 회전에 해당하는 진동 지도의 특정 영역에 집중되어 있었으며, 배터리의 충전 상태나 엔진의 온-오프 사이클과는 거의 연관성이 없었습니다. 이는 해당 방법이 복잡한 하이브리드 파워트레인으로부터 기계적 결함을 성공적으로 분리해냈음을 확인시켜 주었습니다. 연구진은 데이터가 적절히 준비되기만 하면 훨씬 단순한 형태의 컴퓨터 분류기도 높은 정확도를 달 수 있다는 것을 발견했으며, 이는 진정한 돌파구가 최종 결정 도구의 복잡성이 아니라 데이터를 어떻게 조직하고 정제했느냐에 있었음을 시사합니다.

결과가 유망하기는 하지만, 저자들은 이 결과가 시뮬레이션으로부터 나온 것임을 주의 깊게 언급하고 있습니다. 비록 상세한 가상 환경이라 할지라도, 센서가 다르게 장착되거나 전동 경로가 컴퓨터 모델이 예상하지 못한 방식으로 녹이나 먼지의 영향을 받을 수 있는 실제 농장의 무질서한 현실을 완벽하게 재현할 수는 없습니다. 이 연구는 이론적으로 타당하며 험난한 구릉지 농업의 극심한 가변성을 처리할 수 있음을 보여주는 개념 증명 역할을 합니다. 연구진이 설명한 다음 단계는 필요한 센서를 갖춘 실제 기계를 제작하여 현장에서 시스템을 테스트하는 것입니다. 만약 이 방법이 실제 세계에서도 유효하다면, 농부들에게 값비싼 하이브리드 장비를 모니터링할 수 있는 신뢰할 수 있는 방법을 제공하여, 예상치 못한 고장을 방지하고 현대 농업을 정의하는 험난한 경사지에서 이 첨단 기계들이 계속 작업할 수 있도록 보장할 수 있을 것입니다.