Spectral Kurtosis로 숨은 충격신호를 찾는 방법｜최적 주파수대역 자동 탐색의 수학적 원리

기계의 비명을 듣는 기술 스펙트럴 커토시스 이해하기

산업 현장에서 회전 기계는 심장과 같은 역할을 합니다. 모터, 베어링, 기어박스 등은 멈추지 않고 돌아가야 하지만, 기계 내부에서 발생하는 아주 작은 결함은 초기 단계에서 육안으로 확인하기 어렵습니다. 이때 우리는 소리와 진동이라는 데이터를 통해 기계의 상태를 진단합니다. 오늘 다룰 스펙트럴 커토시스(Spectral Kurtosis)는 단순한 진동 분석을 넘어, 기계가 보내는 미세한 충격 신호를 정확하게 포착하여 고장을 미리 예방하게 해주는 매우 강력한 수학적 도구입니다.

스펙트럴 커토시스가 왜 중요한가

우리가 기계의 진동을 측정할 때 가장 큰 어려움은 소음입니다. 기계가 정상적으로 작동할 때 발생하는 정상적인 진동(배경 소음) 속에, 베어링이 파손되면서 발생하는 아주 짧고 날카로운 충격 신호가 묻혀버리기 때문입니다. 일반적인 푸리에 변환(FFT) 방식은 전체 주파수 대역의 에너지를 평균적으로 보여주기 때문에, 특정 시점에 짧게 발생하는 충격성 신호를 찾아내는 데는 한계가 있습니다.

스펙트럴 커토시스는 통계학의 첨도(Kurtosis) 개념을 주파수 영역으로 확장한 것입니다. 첨도는 데이터 분포가 얼마나 뾰족한지를 나타내는 척도입니다. 즉, 진동 데이터에서 충격성 신호가 강하게 나타나는 특정 주파수 대역을 수학적으로 찾아내어, 그 대역만을 집중적으로 분석함으로써 숨은 결함을 명확하게 드러내는 역할을 합니다.

실생활과 산업 현장에서의 활용 방법

스펙트럴 커토시스는 특히 베어링 결함 진단에 탁월한 성능을 발휘합니다. 베어링 내부의 궤도에 작은 균열이 생기면 회전할 때마다 ‘딱’ 하는 충격이 발생합니다. 이 충격은 매우 짧은 시간 동안 높은 에너지를 방출하는데, 이를 ‘임펄스 신호’라고 부릅니다. 이 신호는 특정 고주파 대역에서 공진을 일으키는 특성이 있습니다.

• 베어링 결함 진단: 초기 박리나 균열 발생 시 발생하는 고주파 충격 신호 검출

• 기어박스 상태 모니터링: 기어 치차의 파손이나 마모로 인한 불규칙한 충격음 탐지
• 펌프 및 팬 모니터링: 유체 흐름의 이상으로 인한 캐비테이션 현상 포착
• 전기 모터 진단: 회전자 결함이나 고정자 이상으로 인한 진동 패턴 분석

최적 주파수 대역을 자동으로 찾는 원리

과거에는 진단 전문가가 수동으로 필터 대역을 설정해야 했습니다. 하지만 스펙트럴 커토시스를 활용하면 기계가 스스로 가장 충격적인 신호를 포함하고 있는 주파수 대역을 찾아냅니다. 이 과정은 다음과 같습니다.

• 데이터 분할: 전체 진동 신호를 짧은 시간 단위로 쪼개어 분석합니다.
• 주파수별 첨도 계산: 각 주파수 성분별로 데이터가 얼마나 뾰족한지(충격성이 강한지)를 계산합니다.
• 최적 대역 선정: 첨도 값이 가장 높게 나타나는 주파수 범위를 자동으로 식별합니다.
• 엔벨로프 분석: 선택된 대역만을 통과시키는 대역 통과 필터를 적용하고, 여기서 도출된 신호를 분석하여 베어링의 고유 결함 주파수를 찾아냅니다.

흔한 오해와 사실 관계

스펙트럴 커토시스에 대해 많은 사용자가 가지는 오해 중 하나는 이것이 모든 진동 문제를 해결해 줄 것이라는 기대입니다. 그러나 사실은 그렇지 않습니다.

첫째, 스펙트럴 커토시스는 충격성 신호를 찾는 데 특화되어 있습니다. 기계의 정렬 불량이나 불균형과 같이 저주파수 대역에서 발생하는 연속적인 진동 문제를 진단하는 데는 일반적인 FFT 분석이 훨씬 효율적입니다. 즉, 문제의 성격에 맞는 도구를 선택해야 합니다.

둘째, 데이터의 질이 중요합니다. 스펙트럴 커토시스는 정밀한 수학적 계산을 수행하므로, 센서의 설치 위치가 잘못되었거나 샘플링 속도가 충분하지 않다면 정확한 결과를 얻을 수 없습니다. 고주파 성분을 분석해야 하므로 높은 샘플링 주파수를 지원하는 가속도계 사용이 필수적입니다.

전문가가 제안하는 성공적인 진단 팁

현장에서 스펙트럴 커토시스를 효과적으로 활용하기 위해 전문가들이 강조하는 몇 가지 조언이 있습니다.

가장 먼저 강조하는 것은 기준 데이터의 확보입니다. 기계가 정상적으로 작동할 때의 스펙트럴 커토시스 값을 미리 데이터베이스화해 두어야 합니다. 그래야 결함이 발생했을 때 나타나는 주파수 대역의 변화를 즉각적으로 감지할 수 있습니다.

또한, 신호 처리 시 과도한 필터링을 주의해야 합니다. 수학적으로 최적의 대역을 찾았더라도, 실제 기계의 물리적 구조에 따른 공진 주파수와 혼동될 수 있습니다. 항상 측정된 주파수 대역이 베어링의 결함 주파수와 일치하는지 물리적인 계산식(BPFO, BPFI 등)과 대조하는 과정을 거쳐야 합니다.

비용 효율적인 활용 전략

최신 진단 소프트웨어들은 대부분 스펙트럴 커토시스 기능을 내장하고 있습니다. 고가의 전문 장비를 도입하기 어렵다면, 오픈소스 기반의 데이터 분석 도구(Python의 SciPy, PyWavelets 라이브러리 등)를 활용하는 것도 좋은 방법입니다. 진동 데이터를 CSV 형태로 추출하여 파이썬 코드를 통해 스펙트럴 커토시스를 계산하면, 고가의 분석 장비 없이도 충분히 정밀한 진단이 가능합니다.

비용을 절감하는 또 다른 방법은 ‘상시 모니터링’이 아닌 ‘정기 점검’에 집중하는 것입니다. 모든 기계에 센서를 부착하는 대신, 고장 시 생산 라인 전체에 치명적인 영향을 주는 핵심 설비에만 스펙트럴 커토시스 기반 센서를 우선 설치하여 투자 대비 효율을 극대화하십시오.

자주 묻는 질문과 답변

Q: 저주파 진동만 측정되는 센서를 사용해도 되나요?

A: 아니요, 불가능합니다. 스펙트럴 커토시스는 주로 고주파 대역에서 발생하는 미세한 충격을 잡아내는 기술입니다. 따라서 최소 10kHz 이상의 대역폭을 가진 가속도계를 사용하는 것을 권장합니다.

Q: 스펙트럴 커토시스 값이 높다는 것은 무엇을 의미하나요?

A: 해당 주파수 대역에 강한 충격성 신호가 포함되어 있다는 뜻입니다. 이는 베어링의 마모나 균열 등 기계적 결함이 진행 중일 가능성이 매우 높음을 의미합니다.

Q: 모든 기계에 이 기술을 적용해야 하나요?

A: 고속 회전 기계나 충격이 빈번하게 발생하는 설비에는 매우 유용합니다. 하지만 저속으로 회전하거나 진동이 거의 없는 설비에는 과도한 분석이 될 수 있으므로, 설비의 특성에 맞춰 적용 범위를 정해야 합니다.

기술의 미래와 적용 범위 확장

스펙트럴 커토시스는 이제 인공지능과 결합하여 더욱 진화하고 있습니다. 과거에는 사람이 직접 결과를 해석해야 했지만, 이제는 머신러닝 모델이 스펙트럴 커토시스 데이터를 학습하여 고장 유형을 자동으로 분류합니다. 예를 들어, 특정 주파수 대역의 첨도 변화 패턴을 보고 이것이 단순한 윤활 부족인지, 아니면 베어링 내부 볼의 파손인지를 스스로 판단하는 수준에 도달했습니다.

결국 이 기술의 핵심은 ‘데이터 속에서 의미 있는 목소리를 찾아내는 것’입니다. 기계는 고장 나기 직전에 반드시 특유의 신호를 보냅니다. 스펙트럴 커토시스는 그 신호를 가장 잘 알아들을 수 있게 해주는 귀가 되어 줄 것입니다. 현장에서 이 원리를 이해하고 적절히 활용한다면, 예상치 못한 가동 중단으로 인한 손실을 획기적으로 줄이고 설비의 수명을 최대로 연장할 수 있을 것입니다.