영상 핵심 정리 — 시계열 전처리 & FFT 이상 탐지

import numpy as np
from scipy.fft import fft, fftfreq

# 10 kHz 진동 신호 (1초)
fs = 10_000
t = np.linspace(0, 1, fs)
signal = np.sin(2*np.pi*120*t) + 0.3*np.sin(2*np.pi*480*t)

yf = np.abs(fft(signal))[:fs//2]
xf = fftfreq(fs, 1/fs)[:fs//2]

peak_freq = xf[np.argmax(yf)]
print(f'주요 주파수: {peak_freq:.1f} Hz')

정상 설비의 스펙트럼에도 1×·2× 말고 블레이드 통과 주파수, 기어 맞물림 주파수, 전원 주파수의 2배 성분이 함께 뜬다. 그러므로 「피크가 있다」가 아니라 어느 차수에 있는가를 본다.

• 회전수의 정수배(1×, 2×, 3×…)는 회전과 동기된 성분이고, 이것을 고조파(harmonic)라 부른다. 1× 단독 우세는 질량 불평형(언밸런스), 2× 가 1× 를 넘어서고 축방향 진동이 커지면 축 정렬 불량, 1×~4× 정수배가 다발로 뜨면 기계적 느슨함이다.
• 베어링 결함 주파수는 볼 개수·볼 직경·피치 직경·접촉각에서 나오므로 비정수배다. 볼 8개, d/D = 0.11, 접촉각 0도인 베어링이면 외륜 BPFO 3.56×, 내륜 BPFI 4.44× 다. BPFI 는 내륜이 함께 돌기 때문에 1× 간격의 측대역(sideband)을 달고 나타난다.

3.5× 부근의 피크를 「고조파」라고 부르면 안 된다. 고조파는 정수배를 뜻하는 말이고, 비정수 차수라는 사실 자체가 베어링 결함의 근거다. 동기 성분과 비동기 성분을 가르는 것이 베어링 진단의 출발점이며, 그 구분이 사라지면 진단이 아니라 짐작이 된다.

함정 주의: 전체 데이터에 하나의 스케일러를 fit하면 멀티 설비 환경에서 설비 A의 정상 범위가 B의 이상 범위를 덮어 씀. 반드시 설비 ID별로 별도 StandardScaler를 피클로 저장.

다음 task와의 연결

이어지는 D2 실습에서 전처리 · 시간영역 피처 · FFT/PSD · 슬라이딩 윈도우 순으로 진동 신호를 모델 입력으로 바꾼다. 비지도 이상 탐지(Isolation Forest)는 D5 알람 과제에서 다룬다.