진동 분석 (Vibration Analysis)
1. 개요
진동 분석이란 기계 시스템에서 발생하는 반복적인 왕복 운동인 진동 신호를 측정하고 해석하여, 시스템의 동적 특성을 파악하고 기계적 결함을 진단하는 공학적 기법이다.
기계 시스템에서 진동은 회전체의 불평형, 미스얼라이먼트(Misalignment, 정렬 불량), 베어링 마모 등 내부 결함이나 외부의 강제력에 의해 발생한다. 과도한 진동은 부품의 피로 파괴를 가속화하고 소음을 유발하며, 심한 경우 시스템 전체의 치명적인 고장으로 이어질 수 있다. 따라서 진동 분석은 설비의 상태 기반 유지보수(CBM, Condition Based Maintenance)의 핵심 도구로서, 고장을 사전에 예측하여 가동 중단 시간을 최소화하고 작업자의 안전성을 확보하는 데 목적이 있다.
2. 진동의 기초 이론
진동을 정량적으로 분석하기 위해서는 다음과 같은 기본 파라미터를 이해해야 한다.
- 진폭 (Amplitude): 진동의 크기를 나타내며, 변위(Displacement), 속도(Velocity), 가속도(Acceleration)로 표현된다.
- 주파수 (Frequency): 단위 시간당 반복되는 진동 횟수로, 단위는 Hz(헤르츠)를 사용한다.
- 위상 (Phase): 기준 신호에 대한 진동의 상대적인 시간적 위치를 각도로 나타낸 것이다.
2.1 진동의 종류
진동은 외력의 유무와 에너지 손실 여부에 따라 다음과 같이 분류된다.
| 구분 |
정의 |
특징 |
주요 발생 원인 |
| 자유 진동 (Free Vibration) |
초기 충격 후 외력 없이 진동하는 상태 |
고유 진동수(Natural Frequency)로 진동 |
타격, 갑작스러운 하중 해제 |
| 강제 진동 (Forced Vibration) |
외부에서 지속적인 주기적 힘이 가해지는 상태 |
외력의 주파수에 따라 진동 |
회전체의 불평형, 모터의 전자기력 |
| 감쇠 진동 (Damped Vibration) |
마찰이나 저항에 의해 진폭이 점차 감소하는 상태 |
시간이 지남에 따라 에너지가 소실됨 |
오일 댐퍼, 재료 내부 마찰 |
3. 신호 처리 및 분석 기법
진동 데이터는 기본적으로 시간에 따라 변화하는 전압 신호 형태(Time Domain)로 수집되지만, 결함 진단을 위해서는 이를 주파수 성분으로 분리하는 과정이 필요하다.
3.1 시간 영역 vs 주파수 영역
- 시간 영역 분석 (Time Domain Analysis): 시간축에 따른 진폭 변화를 관찰한다. 피크 값(Peak), RMS(Root Mean Square) 값을 통해 전체적인 진동 수준을 파악하는 데 유리하다.
- 주파수 영역 분석 (Frequency Domain Analysis): 신호를 주파수 성분으로 분해하여 어떤 주파수에서 강한 진동이 발생하는지 분석한다. 특정 부품의 결함 주파수를 찾아내는 데 필수적이다.
FFT는 이산 푸리에 변환(DFT, Discrete Fourier Transform)의 계산 효율을 극대화한 알고리즘으로, 복잡한 시간 영역의 신호를 빠르게 주파수 영역으로 변환한다. 이를 통해 '스펙트럼(Spectrum)'을 생성하며, 각 피크(Peak)의 위치를 통해 결함의 원인을 추적한다.
이때, 분석하고자 하는 최대 주파수의 2배 이상으로 샘플링 주파수를 설정해야 하는 나이퀴스트 샘플링 정리(Nyquist Sampling Theorem)를 준수해야 한다. 이를 지키지 않을 경우, 고주파 성분이 저주파 성분으로 오인되어 나타나는 에일리어싱(Aliasing) 현상이 발생하여 분석 결과에 오류가 생길 수 있다.
[Python을 이용한 FFT 변환 예시 코드]
import numpy as np
import matplotlib.pyplot as plt
# 신호 생성 (10Hz와 50Hz의 합성파)
fs = 1000 # 샘플링 주파수 (Hz)
t = np.arange(0, 1, 1/fs)
signal = np.sin(2 * np.pi * 10 * t) + 0.5 * np.sin(2 * np.pi * 50 * t)
# FFT 수행
fft_vals = np.fft.fft(signal)
fft_freq = np.fft.fftfreq(len(signal), 1/fs)
# np.abs()를 사용하여 복소수 결과값에서 크기(진폭)만을 추출하여 플로팅
plt.plot(fft_freq[:fs//2], np.abs(fft_vals)[:fs//2])
plt.xlabel('Frequency (Hz)')
plt.ylabel('Amplitude')
plt.title('Vibration Spectrum')
plt.grid()
plt.show()
Tip: 실제 산업 현장의 데이터는 노이즈가 많으므로, scipy.signal 라이브러리의 윈도우 함수(Hanning window 등)를 적용하여 스펙트럼 누설(Spectral Leakage)을 방지하는 것이 권장된다.
FFT는 전체 시간 구간에 대한 주파수 성분만을 보여주므로 '언제' 해당 주파수가 발생했는지 알 수 없다. 이를 보완하기 위해 신호를 짧은 시간 구간(Window)으로 나누어 각각 FFT를 수행하는 STFT 기법을 사용한다. 이를 통해 시간-주파수 평면의 스펙트로그램(Spectrogram)을 생성하며, 기동/정지 시의 과도 상태 분석이나 비정상적인 간헐적 충격 진단에 유용하다.
4. 진동 측정 및 센서
측정 대상의 주파수 범위와 요구 정밀도에 따라 적절한 센서를 선정해야 한다.
| 센서 종류 |
측정 원리 |
주요 측정 범위 |
장점 |
단점 |
| 변위 센서 (Proximity Probe) |
와전류/정전용량 변화 측정 |
저주파 (DC ~ 수 kHz) |
축의 실제 움직임 측정 가능 |
설치 비용 높음, 접촉/근접 필요 |
| 속도 센서 (Velocity Sensor) |
전자기 유도 법칙 |
중주파 (10Hz ~ 1kHz) |
일반적인 기계 진동 감시에 최적 |
저/고주파 응답성 낮음 |
| 가속도계 (Accelerometer) |
압전 효과 (Piezoelectric) |
고주파 (1Hz ~ 수십 kHz) |
광대역 측정, 소형, 고감도 |
저주파 측정 시 노이즈 취약 |
5. 결함 진단 및 응용
진동 스펙트럼에서 나타나는 특정 주파수 패턴을 통해 기계적 결함을 판별한다. (회전 속도를 $1\times$ 또는 $1\text{X}$라고 정의함)
5.1 주요 결함별 스펙트럼 패턴
| 결함명 |
주요 주파수 성분 |
특징적 방향 |
상세 설명 |
| 불평형 (Unbalance) |
$1\times$ (지배적) |
반경 방향 (Radial) |
질량 중심이 회전 중심에서 벗어나 강한 $1\times$ 피크 발생 |
| 미스얼라이먼트 (Misalignment) |
$1\times, 2\times, 3\times$ |
축 방향 (Axial) |
두 축의 중심선 불일치로 인해 $2\times$ 성분이 특히 강조됨 |
| 베어링 결함 (Bearing Fault) |
비정수배 고주파 (BPFO, BPFI 등) |
복합적 |
내/외륜 및 볼 손상에 따른 고유 결함 주파수 발생 |
| 느슨함 (Looseness) |
$1\times$의 정수배 하모닉스 |
복합적 |
볼트 풀림 등으로 인해 파형이 찌그러지며 다수의 하모닉스 발생 |
[베어링 결함 주파수 상세]
베어링 결함은 회전 속도의 단순 정수배가 아닌, 베어링의 기하학적 구조에 따른 특수 주파수에서 나타난다.
* BPFO (Ball Pass Frequency Outer race): 외륜 결함 주파수
* BPFI (Ball Pass Frequency Inner race): 내륜 결함 주파수
* BSF (Ball Spin Frequency): 전동체(Ball) 결함 주파수
* FTF (Fundamental Train Frequency): 리테이너(Cage) 결함 주파수
기계의 진동 수준이 '정상'인지 '위험'인지 판단하기 위해 ISO 10816 표준이 널리 사용된다. 이 표준은 기계의 크기, 지지 방식(강성 기초 또는 유연 기초)에 따라 진동 속도(RMS) 기준치를 제시한다.
6.1 진동 평가 기준표 (예시)
| 평가 구역 |
상태 |
판단 기준 및 조치 |
| Zone A |
매우 양호 |
신규 설치 기계의 수준. 지속 운전 가능 |
| Zone B |
양호 |
장기 운전이 가능한 수준. 일반적인 운전 상태 |
| Zone C |
경고 |
주의가 필요하며, 정밀 진단 및 유지보수 계획 수립 권고 |
| Zone D |
위험 |
즉각적인 조치가 필요하며, 치명적 고장 방지를 위해 운전 중단 고려 |
7. 산업별 적용 사례
- 발전소: 터빈 및 발전기 축의 진동을 실시간 모니터링하여 대규모 정전 사고를 방지한다. 특히 저주파 변위 센서를 통해 저널 베어링의 축 거동을 감시한다.
- 자동차 산업: 엔진 및 변속기의 NVH(Noise, Vibration, Harshness) 분석을 통해 승차감을 개선하고, 전기차 모터의 고주파 진동을 분석하여 전자기적 소음을 저감한다.
- 반도체 공정: 초정밀 노광 장비의 미세 진동을 제어하기 위해 능동형 제진대(Active Isolation System)를 적용하여 나노미터 단위의 정밀도를 유지한다.
8. 진동 제어 및 저감 방안
분석 결과를 바탕으로 다음과 같은 제어 전략을 수립한다.
- 방진 (Isolation): 스프링, 고무 마운트 등을 사용하여 진동원이 바닥이나 타 부품으로 전달되는 경로를 차단한다.
- 제진 (Damping): 점성 댐퍼나 감쇠 재료를 추가하여 진동 에너지를 열에너지로 변환시켜 진폭을 빠르게 감소시킨다.
- 밸런싱 (Balancing): 회전체의 무거운 부분에 반대편 무게추를 달거나 깎아내어 질량 중심을 회전 중심과 일치시킨다.
- 공진 회피 설계: 공진(Resonance)이란 외력의 주파수가 시스템의 고유 진동수와 일치할 때 진폭이 급격히 증가하는 현상을 말한다. 이를 방지하기 위해 시스템의 강성(Stiffness)이나 질량(Mass)을 변경하여 고유 진동수를 운전 주파수 대역 밖으로 이동시킨다.
# 진동 분석 (Vibration Analysis)
## 1. 개요
진동 분석이란 기계 시스템에서 발생하는 반복적인 왕복 운동인 진동 신호를 측정하고 해석하여, 시스템의 동적 특성을 파악하고 기계적 결함을 진단하는 공학적 기법이다.
기계 시스템에서 진동은 회전체의 불평형, 미스얼라이먼트(Misalignment, 정렬 불량), 베어링 마모 등 내부 결함이나 외부의 강제력에 의해 발생한다. 과도한 진동은 부품의 피로 파괴를 가속화하고 소음을 유발하며, 심한 경우 시스템 전체의 치명적인 고장으로 이어질 수 있다. 따라서 진동 분석은 설비의 상태 기반 유지보수(CBM, Condition Based Maintenance)의 핵심 도구로서, 고장을 사전에 예측하여 가동 중단 시간을 최소화하고 작업자의 안전성을 확보하는 데 목적이 있다.
## 2. 진동의 기초 이론
진동을 정량적으로 분석하기 위해서는 다음과 같은 기본 파라미터를 이해해야 한다.
* **진폭 (Amplitude):** 진동의 크기를 나타내며, 변위(Displacement), 속도(Velocity), 가속도(Acceleration)로 표현된다.
* **주파수 (Frequency):** 단위 시간당 반복되는 진동 횟수로, 단위는 Hz(헤르츠)를 사용한다.
* **위상 (Phase):** 기준 신호에 대한 진동의 상대적인 시간적 위치를 각도로 나타낸 것이다.
### 2.1 진동의 종류
진동은 외력의 유무와 에너지 손실 여부에 따라 다음과 같이 분류된다.
| 구분 | 정의 | 특징 | 주요 발생 원인 |
| :--- | :--- | :--- | :--- |
| **자유 진동** (Free Vibration) | 초기 충격 후 외력 없이 진동하는 상태 | 고유 진동수(Natural Frequency)로 진동 | 타격, 갑작스러운 하중 해제 |
| **강제 진동** (Forced Vibration) | 외부에서 지속적인 주기적 힘이 가해지는 상태 | 외력의 주파수에 따라 진동 | 회전체의 불평형, 모터의 전자기력 |
| **감쇠 진동** (Damped Vibration) | 마찰이나 저항에 의해 진폭이 점차 감소하는 상태 | 시간이 지남에 따라 에너지가 소실됨 | 오일 댐퍼, 재료 내부 마찰 |
## 3. 신호 처리 및 분석 기법
진동 데이터는 기본적으로 시간에 따라 변화하는 전압 신호 형태(Time Domain)로 수집되지만, 결함 진단을 위해서는 이를 주파수 성분으로 분리하는 과정이 필요하다.
### 3.1 시간 영역 vs 주파수 영역
* **시간 영역 분석 (Time Domain Analysis):** 시간축에 따른 진폭 변화를 관찰한다. 피크 값(Peak), RMS(Root Mean Square) 값을 통해 전체적인 진동 수준을 파악하는 데 유리하다.
* **주파수 영역 분석 (Frequency Domain Analysis):** 신호를 주파수 성분으로 분해하여 어떤 주파수에서 강한 진동이 발생하는지 분석한다. 특정 부품의 결함 주파수를 찾아내는 데 필수적이다.
### 3.2 고속 푸리에 변환 (FFT, Fast Fourier Transform)
FFT는 이산 푸리에 변환(DFT, Discrete Fourier Transform)의 계산 효율을 극대화한 알고리즘으로, 복잡한 시간 영역의 신호를 빠르게 주파수 영역으로 변환한다. 이를 통해 '스펙트럼(Spectrum)'을 생성하며, 각 피크(Peak)의 위치를 통해 결함의 원인을 추적한다.
이때, 분석하고자 하는 최대 주파수의 2배 이상으로 샘플링 주파수를 설정해야 하는 **나이퀴스트 샘플링 정리(Nyquist Sampling Theorem)**를 준수해야 한다. 이를 지키지 않을 경우, 고주파 성분이 저주파 성분으로 오인되어 나타나는 **에일리어싱(Aliasing)** 현상이 발생하여 분석 결과에 오류가 생길 수 있다.
**[Python을 이용한 FFT 변환 예시 코드]**
```python
import numpy as np
import matplotlib.pyplot as plt
# 신호 생성 (10Hz와 50Hz의 합성파)
fs = 1000 # 샘플링 주파수 (Hz)
t = np.arange(0, 1, 1/fs)
signal = np.sin(2 * np.pi * 10 * t) + 0.5 * np.sin(2 * np.pi * 50 * t)
# FFT 수행
fft_vals = np.fft.fft(signal)
fft_freq = np.fft.fftfreq(len(signal), 1/fs)
# np.abs()를 사용하여 복소수 결과값에서 크기(진폭)만을 추출하여 플로팅
plt.plot(fft_freq[:fs//2], np.abs(fft_vals)[:fs//2])
plt.xlabel('Frequency (Hz)')
plt.ylabel('Amplitude')
plt.title('Vibration Spectrum')
plt.grid()
plt.show()
```
> **Tip:** 실제 산업 현장의 데이터는 노이즈가 많으므로, `scipy.signal` 라이브러리의 윈도우 함수(Hanning window 등)를 적용하여 스펙트럼 누설(Spectral Leakage)을 방지하는 것이 권장된다.
### 3.3 단시간 푸리에 변환 (STFT, Short-Time Fourier Transform)
FFT는 전체 시간 구간에 대한 주파수 성분만을 보여주므로 '언제' 해당 주파수가 발생했는지 알 수 없다. 이를 보완하기 위해 신호를 짧은 시간 구간(Window)으로 나누어 각각 FFT를 수행하는 **STFT** 기법을 사용한다. 이를 통해 시간-주파수 평면의 **스펙트로그램(Spectrogram)**을 생성하며, 기동/정지 시의 과도 상태 분석이나 비정상적인 간헐적 충격 진단에 유용하다.
## 4. 진동 측정 및 센서
측정 대상의 주파수 범위와 요구 정밀도에 따라 적절한 센서를 선정해야 한다.
| 센서 종류 | 측정 원리 | 주요 측정 범위 | 장점 | 단점 |
| :--- | :--- | :--- | :--- | :--- |
| **변위 센서** (Proximity Probe) | 와전류/정전용량 변화 측정 | 저주파 (DC ~ 수 kHz) | 축의 실제 움직임 측정 가능 | 설치 비용 높음, 접촉/근접 필요 |
| **속도 센서** (Velocity Sensor) | 전자기 유도 법칙 | 중주파 (10Hz ~ 1kHz) | 일반적인 기계 진동 감시에 최적 | 저/고주파 응답성 낮음 |
| **가속도계** (Accelerometer) | 압전 효과 (Piezoelectric) | 고주파 (1Hz ~ 수십 kHz) | 광대역 측정, 소형, 고감도 | 저주파 측정 시 노이즈 취약 |
## 5. 결함 진단 및 응용
진동 스펙트럼에서 나타나는 특정 주파수 패턴을 통해 기계적 결함을 판별한다. (회전 속도를 $1\times$ 또는 $1\text{X}$라고 정의함)
### 5.1 주요 결함별 스펙트럼 패턴
| 결함명 | 주요 주파수 성분 | 특징적 방향 | 상세 설명 |
| :--- | :--- | :--- | :--- |
| **불평형** (Unbalance) | $1\times$ (지배적) | 반경 방향 (Radial) | 질량 중심이 회전 중심에서 벗어나 강한 $1\times$ 피크 발생 |
| **미스얼라이먼트** (Misalignment) | $1\times, 2\times, 3\times$ | 축 방향 (Axial) | 두 축의 중심선 불일치로 인해 $2\times$ 성분이 특히 강조됨 |
| **베어링 결함** (Bearing Fault) | 비정수배 고주파 (BPFO, BPFI 등) | 복합적 | 내/외륜 및 볼 손상에 따른 고유 결함 주파수 발생 |
| **느슨함** (Looseness) | $1\times$의 정수배 하모닉스 | 복합적 | 볼트 풀림 등으로 인해 파형이 찌그러지며 다수의 하모닉스 발생 |
**[베어링 결함 주파수 상세]**
베어링 결함은 회전 속도의 단순 정수배가 아닌, 베어링의 기하학적 구조에 따른 특수 주파수에서 나타난다.
* **BPFO (Ball Pass Frequency Outer race):** 외륜 결함 주파수
* **BPFI (Ball Pass Frequency Inner race):** 내륜 결함 주파수
* **BSF (Ball Spin Frequency):** 전동체(Ball) 결함 주파수
* **FTF (Fundamental Train Frequency):** 리테이너(Cage) 결함 주파수
## 6. 국제 진동 표준 (ISO 10816)
기계의 진동 수준이 '정상'인지 '위험'인지 판단하기 위해 ISO 10816 표준이 널리 사용된다. 이 표준은 기계의 크기, 지지 방식(강성 기초 또는 유연 기초)에 따라 진동 속도(RMS) 기준치를 제시한다.
### 6.1 진동 평가 기준표 (예시)
| 평가 구역 | 상태 | 판단 기준 및 조치 |
| :--- | :--- | :--- |
| **Zone A** | 매우 양호 | 신규 설치 기계의 수준. 지속 운전 가능 |
| **Zone B** | 양호 | 장기 운전이 가능한 수준. 일반적인 운전 상태 |
| **Zone C** | 경고 | 주의가 필요하며, 정밀 진단 및 유지보수 계획 수립 권고 |
| **Zone D** | 위험 | 즉각적인 조치가 필요하며, 치명적 고장 방지를 위해 운전 중단 고려 |
## 7. 산업별 적용 사례
* **발전소:** 터빈 및 발전기 축의 진동을 실시간 모니터링하여 대규모 정전 사고를 방지한다. 특히 저주파 변위 센서를 통해 저널 베어링의 축 거동을 감시한다.
* **자동차 산업:** 엔진 및 변속기의 NVH(Noise, Vibration, Harshness) 분석을 통해 승차감을 개선하고, 전기차 모터의 고주파 진동을 분석하여 전자기적 소음을 저감한다.
* **반도체 공정:** 초정밀 노광 장비의 미세 진동을 제어하기 위해 능동형 제진대(Active Isolation System)를 적용하여 나노미터 단위의 정밀도를 유지한다.
## 8. 진동 제어 및 저감 방안
분석 결과를 바탕으로 다음과 같은 제어 전략을 수립한다.
1. **방진 (Isolation):** 스프링, 고무 마운트 등을 사용하여 진동원이 바닥이나 타 부품으로 전달되는 경로를 차단한다.
2. **제진 (Damping):** 점성 댐퍼나 감쇠 재료를 추가하여 진동 에너지를 열에너지로 변환시켜 진폭을 빠르게 감소시킨다.
3. **밸런싱 (Balancing):** 회전체의 무거운 부분에 반대편 무게추를 달거나 깎아내어 질량 중심을 회전 중심과 일치시킨다.
4. **공진 회피 설계:** **공진(Resonance)**이란 외력의 주파수가 시스템의 고유 진동수와 일치할 때 진폭이 급격히 증가하는 현상을 말한다. 이를 방지하기 위해 시스템의 강성(Stiffness)이나 질량(Mass)을 변경하여 고유 진동수를 운전 주파수 대역 밖으로 이동시킨다.