Adaptive Wavelet Threshold Attention and Explainable Lightweight CNN for Strongly Time-Varying Fault Diagnosis and Feature Extraction Mechanism of Rotating Machinery

산업 현장에서 공장의 웅웅거리는 소리는 종종 건강함의 신호이지만, 동시에 실패의 언어이기도 합니다. 거대한 기어박스와 회전하는 모터 내부에서는 아주 작은 균열과 마모된 치아가 비명을 지르기 훨씬 전부터 속삭임을 시작합니다. 엔지니어들에게 있어 도전 과제는 언제나 기계 자체의 굉음 속에서 이러한 속삭임을 듣는 것이었습니다. 기계가 일정한 속도로 작동할 때 결함의 소리는 일정한 드럼 비트처럼 예측 가능합니다. 하지만 현실 세계에서 기계는 좀처럼 가만히 있지 않습니다. 기계는 끊임없이 속도를 높이고, 줄이고, 부하를 변화시킵니다. 이러한 지속적인 변화는 결함의 소리를 뒤섞어 놓으며, 소리가 변형되고 배경 소음 속으로 사라지게 만듭니다. 이러한 기계들을 듣기 위해 만들어진 전통적인 도구들은 여기서 어려움을 겪곤 합니다. 이 도구들은 일정한 조건에 맞춰 설계되었기에 리듬이 변하면 혼란을 느끼거나, 혹은 너무 무겁고 복잡하여 기계에 직접 설치해 실시간으로 경청하기가 어렵습니다.

연구자 텐지 샤(Tengji Xia)와 펑페이 팡(Pengfei Pang)은 날카로우면서도 단순한 새로운 청취 방식을 개발했습니다. 그들은 기계의 변화하는 속도에 스스로 적응하면서 공장 바닥의 정적을 걸러낼 수 있는, 고도로 조율된 귀 역할을 하도록 설계된 디지털 시스템을 만들었습니다. 최근 발표된 연구에서 설명된 그들의 접근 방식은 작고 임베디드된 컴퓨터에서도 실행될 수 있을 만큼 가벼우면서도, 베어링과 기어의 숨겨진 결함을 찾아낼 수 있을 만큼 강력한 특정 유형의 인공지능에 초점을 맞추고 있습니다. 파동이 늘어나고 압축되는 방식을 이해하는 방법과, 언제 소음을 무시해야 하는지 정확히 아는 스마트 필터링 시스템을 결합함으로써, 그들의 시스템은 기계가 까다롭고 변화하는 조건 하에서 작동할 때조차 다른 방법들이 놓치는 문제를 포착할 수 있습니다.

그들 연구의 핵심은 결함 진단에서 오랫동안 골칫거리였던 문제, 즉 기계가 빨라지거나 느려짐에 따라 결함이 어떻게 변하는지를 다룹니다. 베어링이나 기어가 손상되면 특정한 진동 패턴을 생성합니다. 그러나 기계의 속도가 일정하지 않으면 진동의 주파수가 변하는데, 이는 마치 구급차가 지나갈 때 사이렌의 음조가 변하는 것과 같습니다. 기존의 컴퓨터 모델들은 이러한 소리를 찾기 위해 고정된 설정을 사용하는 경우가 많은데, 이는 기계의 속도가 모델이 예상했던 것에서 약간만 벗어나더라도 결함을 놓칠 수 있음을 의미합니다. 이를 해결하기 위해 연구진은 고정된 설정에 의존하지 않는 시스템을 구축했습니다. 대신, 복잡한 신호를 구성 요소로 분해하는 데 탁월한 '웨이브릿(wavelet)'이라는 수학적 도구를 사용하되, 이를 "적응형(adaptive)"으로 만들었습니다. 즉, 시스템이 실시간으로 자체 내부 설정을 학습하고 조정하여 결함의 변화하는 피치를 추적할 수 있게 함으로써, 기계의 속도가 격렬하게 변하더라도 신호를 절대 놓치지 않도록 보장하는 것입니다.

이 시스템을 실제 세상에 적용 가능하게 만들기 위해, 팀은 또 다른 장애물인 복잡성을 극복해야 했습니다. 많은 고급 진단 도구들은 거대한 슈퍼컴퓨터와 같아서, 강력하지만 공장 기계에 직접 배치하기에는 너무 많은 에너지와 공간을 필요로 합니다. 연구진은서 솔루션을 "경량화(lightweight)"하여 설계했습니다. 즉, 매우 적은 계산 자원을 사용하도록 만든 것입니다. 그들은 시스템을 단일 계층의 프로세싱으로 축소함으로써 이를 달성했습니다. 미세한 결함의 세부 사항을 흐리게 만들 수 있는 복잡한 계산 층을 여러 겹 쌓는 대신, 그들의 모델은 직접적이고 간결한 경로를 사용합니다. 이 설계 덕분에 시스템은 데이터를 빠르고 효율적으로 처리할 수 있으며, 원격 서버에서 작업을 수행하는 대신 산업용 기계를 제어하는 엣지 디바이스(edge device)에 설치하기에 적합합니다.

그들의 성공의 결정적인 부분은 시스템이 소음을 처리하는 방식에 있습니다. 시끄러운 공장에서 작은 균열의 신호는 바닥의 진동이나 주변 모터의 웅웅거림에 묻힐 수 있습니다. 연구진은 시스템에 '동적 문지기(dynamic gatekeeper)' 역할을 하는 특별한 모듈을 추가했습니다. 이 모듈은 들어오는 소리를 지속적으로 분석하여 평균 소음 수준과 신호의 변화를 계산합니다. 이 계산을 바탕으로 움직이는 임계값을 설정합니다. 만약 소리의 급증이 단순한 무작위 소음이라면 문지기는 이를 무시합니다. 하지만 만약 그 급증이 결함의 패턴과 일치한다면, 시스템은 이를 증폭시켜 약한 신호가 배경 소음 사이에서 뚜렷하게 드러나도록 만듭니다. 이 과정은 자동적이고 연속적으로 일어나며, 이를 통해 시스템은 실제 결함 신호를 강화하는 동시에 간섭을 억제합니다. 이 능력은 테스트 과정에서 매우 중요한 역할을 했습니다.

연구팀은 실제 산업 환경을 모사한 두 가지 까다로운 데이터셋을 통해 새 시스템을 테스트했습니다. 첫 번째는 속도가 끊임없이 변하는 베어링 플랫폼이었고, 두 두 번째는 다양한 부하와 속도에 노출된 기어박스였습니다. 이 테스트에서 시스템은 훨씬 더 크고 복잡한 딥러닝 모델을 포함한 여러 고급 방법들과 경쟁했습니다. 결과는 놀라웠습니다. 소음이 너무 높아 일반적으로 결함을 숨길 법한 조건에서도, 새 시스템은 높은 정확도를 유지하며 기어박스 데이터에서 93.75%의 경우에 결함 유형을 정확히 식별해 냈고, 베어링 데이터에서는 그보다 더 높은 수치를 기록했습니다. 반면, 다른 많은 방법은 소음이 증가함에 따라 성능이 크게 떨어지는 모습을 보였습니다. 또한 새 시스템은 경쟁 모델들보다 데이터를 분석하는 데 훨씬 적은 시간을 소요하며 믿기 힘들 정도로 빠른 속도를 입증했는데, 이는 고장이 발생하기 전에 문제를 잡아내는 데 필수적입니다.

이 발견이 특히 견고한 이유는 단순히 높은 정확도 수치 때문만이 아니라, 그 개선이 우연이 아니라는 통계적 증명 때문입니다. 연구진은 자신들의 시스템을 다른 시스템들과 비교하기 위해 엄격한 통계 테스트를 수행했으며, 결과는 특히 가장 소음이 심한 조건에서 성능 차이가 유의미하다는 것을 보여주었습니다. 그들은 또한 모델의 "블랙박스" 내부를 들여다보며 어떻게 작동하는지 확인했습니다. 그들은 적응형 웨이브릿 계층이 변화하는 결함 주파수를 성공적으로 추적하는 법을 학습했으며, 노이즈 필터링 모듈이 신호를 효과적으로 정화하여 시스템이 실제 문제에 집중할 수 있게 한다는 것을 발견했습니다. 이러한 내부적 명확성은 엔지니어들에게 이 시스템이 단순히 추측하는 것이 아니라, 기계가 진동하는 물리 법칙을 실제로 따르고 있다는 확신을 줍니다.

연구진은 또한 자신들의 시스템이 소형 저전력 장치에도 배포될 수 있음을 입증했는데, 이는 산업적 응용 측면에서 큰 진전입니다. 모델을 단순하고 효율적으로 유지함으로써, 값비싼 하드웨어를 실행할 필요가 없도록 보장했습니다. 이는 공장들이 무거운 인프라 없이도 이러한 진단 도구를 기계에 직접 설치하여 지속적이고 실시간적인 건강 체크를 할 수 있음을 의미합니다. 속도와 부하가 끊임없이 변하는 강한 시변(time-varying) 조건을 처리할 수 있는 이 시스템의 능력은 기존 기술들이 남겨두었던 빈틈을 메우며, 가장 역동적이고 어려운 운영 환경에서도 신뢰할 수 있는 모니터링 방법을 제공합니다.

궁극적으로 이 연구는 우리가 기계의 건강에 접근하는 방식의 변화를 나타냅니다. 이는 복잡한 문제를 해결하기 위해 반드시 거대하고 복잡한 모델이 필요하다는 생각에서 벗어나는 것입니다. 대신, 신호의 물리학을 이해하는 정교하게 설계된 간결한 시스템이 더 무겁고 경직된 모델보다 뛰어난 성능을 낼 수 있음을 보여줍니다. 변화하는 주파수를 추적하는 능력과 스마트한 적응형 노이즈 필터를 결합함으로써, 연구진은 민감하면서도 회복 탄력성이 있는 도구를 만들어냈습니다. 회전 기계의 지속적인 가동에 의존하는 산업계에 있어, 이는 새로운 차원의 확신을 제공합니다. 즉, 기계가 가장 혼란스럽게 돌아가는 순간에도 실패의 가장 미세한 경고 신호를 들을 수 있게 하여, 작은 문제가 치명적인 고장으로 이어지기 전에 정비가 이루어질 수 있도록 보장하는 것입니다.