전류·진동 융합 기반 온디바이스 AI 모터 이상 탐지 시스템

본 프로젝트는 제조 현장에서 숙련 작업자가 귀와 감각으로 판단하던 설비 이상 징후를 음향, 진동 멀티센서와 Edge AI로 표준화한 실시간 예지보전 시스템이다. 베어링 고장의 초기 단계에서 나타나는 고주파 이상음(8~15kHz)과 저주파 진동 신호를 동시에 수집·\;분석하여, STM32 기반 엣지 디바이스에서 FFT 및 특징 추출을 수행하고 센서 간 교차 검증을 통해 오탐을 줄인 통합 이상 점수를 산출한다.

기존에 설계한 베어링 이상탐지에서 모터 이상 탐지로 분야를 변경하였으며, 이로인해 음향센서 대신 전류 센서로 교체하였습니다.

Word 파일에는 전체적인 프로그램의 설계동작에 대한 설명이 적혀있으며, 사용된 부품과 프로젝트의 전체적인 구성 이미지를 포함하였습니다.

 \;

모터 이상 탐지 시스템 시뮬레이션 동작 영상입니다.

https://www.youtube.com/watch?v=DQhQNu-Pzdk
MPU6050 진동 데이터를 실시간으로 수집하여, 온디바이스 AI 모델이 정상/이상 상태를 판단하는 과정을 확인할 수 있습니다.
모터의 부하 변화 또는 의도적인 이상 조건을 발생시켜 AI가 이상 상태를 탐지하는 전체 흐름을 보여줍니다.

* 현재 전류 센서가 배송 되지않아, 추가할 예정입니다.

 \;

모터 이상 탐지를 위한 모니터링 및 데이터 수집 시스템 동작 영상입니다.

https://www.youtube.com/watch?v=NIHkL6JqS5E
전류 및 진동 데이터를 지속적으로 기록하여 이상 탐지 로그를 생성하고, AI 모델 학습에 사용할 학습 데이터셋(CSV)을 구축하는 과정을 보여줍니다.

 \;

현재 프로젝트 개발이 진행 중인 GitHub Repository입니다.

https://github.com/Hyuk1785/Industrial-Edge-AI-Solution-Challenge-2026.git

최종 산출물

1) 프로젝트 시연 영상(전체 동작 과정)

• 전류·\;진동 데이터를 수집하고, 온디바이스 AI로 이상을 판정한 뒤 결과가 알림/로그로 반영되는 전체 시나리오 흐름을 보여줍니다.
  https://www.youtube.com/watch?v=rmL8mo_q7-o

2) 프로젝트 발표 영상(내부 구현 상세)

• 데이터 처리/학습/모델 변환/MCU 추론/판정 로직 등 시스템의 구현 구조와 핵심 설계 포인트를 설명합니다.
  https://www.youtube.com/watch?v=ldMNoJ08gf0

3) GitHub(소스코드 및 산출물)

• 펌웨어(STM32)와 데이터/학습 코드(Python), 추론 및 결과 확인 로직까지 포함한 전체 프로젝트 코드/자료를 확인할 수 있습니다.

• 또한 사용된 하드웨어와 핀 맵(Pin Map) 정보도 함께 정리되어 있습니다.
  https://github.com/Hyuk1785/Industrial-Edge-AI-Solution-Challenge-2026.git