A device for predicting and diagnosing defects in rotating bodies based on deep running

The present invention relates to a device for predicting and diagnosing a defect of a rotating body and, more specifically, to a device for predicting and diagnosing a defect of a rotating body based on deep learning which can predict and diagnose a defect of a rotating body by deep-learning pattern information including the magnitude and phase as well as the shape of a vibration signal for the rotating body to identify various defect types, predict and diagnose the severity of defects, and improve the accuracy of prediction and diagnosis. The device for predicting and diagnosing a defect of a rotating body based on deep learning comprises: a signal collection and preprocessing module to collect a vibration signal of a rotating body to perform preprocessing; an automatic feature extraction and processing module to extract feature information from the preprocessed vibration signal and generate a plurality of pieces of pattern information corresponding to defect types by the extracted feature information to extract training data or extract feature information from the preprocessed vibration signal and convert the extracted feature information into prediction diagnosis target data; and a defect prediction diagnosis module to receive the training data to generate modeling data for defect prediction diagnosis by deep learning, and apply the prediction diagnosis target data to the modeling data to predict and diagnose a defect of a rotating body. 본 발명은 회전체 결함 예측 진단 장치에 관한 것으로, 특히 회전체에 관한 진동 신호의 형상(Shape)뿐만 아니라 크기(Magnitude) 및 위상(Phase)을 포함한 패턴 정보를 함께 딥러닝 학습하여 회전체의 결함을 예측 진단할 수 있도록 구성함으로써, 다양한 결함 유형에 대한 식별과 결함의 심각도(Severity)를 예측 진단할 수 있고 예측 진단의 정확도를 향상시킬 수 있도록 하는 딥러닝 기반 회전체 결함 예측 진단 장치에 관한 것이다. 본 발명인 딥러닝 기반 회전체 결함 예측 진단 장치를 이루는 구성수단은, 회전체 결함 예측 진단 장치에 있어서, 회전체의 진동 신호를 수집하여 전처리를 수행하는 신호 수집 및 전처리 모듈, 상기 전처리된 진동 신호로부터 특징 정보를 추출하고 추출된 특징 정보를 통해 결함 유형에 대응하는 복수의 패턴 정보를 생성하여 트레이닝 데이터를 추출하거나 상기 전처리된 진동 신호로부터 특징 정보를 추출하고 추출된 특징 정보를 예측 진단 대상데이터로 변환하는 자동 특징 추출 및 처리 모듈, 상기 트레이닝 데이터를 입력받아 딥러닝 학습을 통해 결함 예측 진단을 위한 모델링 데이터를 생성하고, 상기 모델링 데이터에 상기 예측 진단 대상데이터를 적용하여 회전체의 결함을 예측 진단하는 결함 예측 진단 모듈을 포함하여 구성되는 것을 특징으로 한다.