MATLAB 대학생 AI 경진대회 2025-진동 신호를 이용한 LSTM 기반 전기차 감속기 베어링 고장 진단

본 프로젝트는 베어링의 진동 데이터를 기반으로 딥러닝 기반 알고리즘을 통해 베어링 상태를 실시간으로 진단하는 기술 개발을 목표로 한다.

정상 상태와 결함 상태가 있는 고속 베어링을 각각 감속기에 장착하여 획득한 3축 진동 데이터를 기반으로, Signal Processing Toolbox를 활용해 신호의 정합성을 확보하는 전처리 과정을 수행하였다. 이후, 실제 주행 환경의 파워 스펙트럼 밀도(PSD)를 분석하여 평균 파워가 –74.06 dB임을 확인하고, 실험실 정상 데이터(–63.64 dB)에 SNR = 10 dB 수준의 가우시안 노이즈를 인공적으로 추가하였다. 이렇게 구성된 노이즈 포함 및 미포함 데이터를 바탕으로, Deep Learning Toolbox를 활용해 LSTM과 1D CNN 기반 고장진단 모델을 각각 학습시켰으며, 이후 노이즈 데이터를 활용한 분류 테스트와 파인 튜닝을 수행하였다. 마지막으로, 혼동 행렬, 정밀도, 재현율 등을 활용해 각 모델의 성능을 정량적으로 평가하였고, 학습된 모델이 내장된 시뮬레이션 앱을 제작하여 고장 상태 분류 결과를 직관적으로 시각화하였다.