국립금오공과대학교(총장 김상호)는 정지훈·황희재 기계공학부 교수 연구팀이 회전 기계의 버려지는 마찰 에너지를 전기로 수확하는 동시에 베어링 고장을 스스로 진단하는 '스마트 스러스트 베어링(TBB-TENG)'을 개발했다고 11일 밝혔다.
마찰전기 나노발전기(ENG)는 주변 환경에서 버려지는 마찰 에너지를 전기에너지로 바꾸는 기술이다. 모터, 기어, 터빈과 같은 회전 기계에서 지속적으로 발생하는 회전 에너지를 별도의 전원 없이 전기로 변환할 수 있어 사물인터넷(IoT) 기기나 스마트 공장의 자가발전 센서 전원 기술로 주목받고 있다.
그러나 기존 TENG는 표면에 축적되는 전하량에 한계가 있어 출력 성능이 제한되고, 반복적인 마찰로 인한 마모와 오염으로 장기간 안정적으로 사용하기 어렵다는 문제가 있었다. 이 때문에 실제 산업 현장에 적용하는 데 어려움이 있었다.
기존 연구들은 이러한 문제를 해결하기 위해 전하를 추가로 공급하는 보조 기술을 사용해 왔으나, 이 방법은 추가적인 에너지가 소모되고, 구조 복잡성을 유발해 TENG가 가지는 기존의 장점을 오히려 약화시키는 한계가 있었다.
연구팀은 전기 방전을 통해 발전 출력을 강화하는 새로운 스러스트 베어링 기반 구조를 개발해 기존의 한계점을 해결했다. 산업 현장에서 널리 사용되는 스러스트 베어링 구조에 착안해 스테이터(고정자) 표면을 패터닝하고 그 안에 전극 라인을 매립했다.
이를 통해 구름 볼과 전극 사이에 매우 작은 간격을 형성해 전극의 마모를 줄이는 동시에 충분한 전하가 축적되도록 유도했으며, 그 결과 방전을 이용한 전하 전달이 활성화돼 출력을 극대화했다.
실험 결과, 패턴이 없는 기존 구조 보다 출력 전압이 약 76% 증가했다. 또 50mΩ부하 조건에서 최대 2.71㎽ 출력을 보였으며, 10만 회의 반복 구동 내구성 시험에서도 성능 저하나 표면 손상 없이 안정적으로 동작함을 입증했다. 또 최적화된 소자는 50개의 LED를 동시에 켤 수 있어, 실제 전원으로서의 가능성도 함께 검증했다.
연구팀은 단순한 에너지 수확에서 더 나아가, 베어링 상태를 스스로 진단하는 기능도 구현했다. 스마트 스러스트 베어링이 발생시키는 전기 신호를 딥러닝 기법인 1차원 합성곱 신경망으로 분석해, 자가발전형 결함 진단 시스템을 구현했다.
특히 베어링에서 발생할 수 있는 여섯 가지 핵심 고장 상태(정상·과윤활·부족윤활·윤활 누락·윤활 오염·볼 결함)를 97.5%의 높은 정확도로 분류해 별도 전원이나 외부 센서 없이도 회전 기계 상태를 스스로 감지하고, 고장을 미리 예측할 수 있는 다기능 자가발전 베어링 플랫폼으로서의 가능성을 제시했다.
공동 제1저자로 참여한 기계공학과 석사과정의 공지민·서동원 학생은 “이번 연구는 회전 기계의 핵심 부품인 베어링 구조에 발전 기능을 통합하고, 전기 방전 현상을 적극적으로 활용해 에너지 하베스팅과 실시간 고장 진단을 하나의 소자에 함께 구현했다는 점에서 의미가 있다.”며, “별도의 전원이나 외부 센서 없이 방전 현상의 특이점을 활용해 회전 설비의 상태를 스스로 감지할 수 있는 자가발전 고장 탐지 플랫폼으로서의 가능성을 검증했다.”고 말했다.
정지훈 교수는 “이번 성과는 회전 기계의 마찰을 에너지원으로 전환하면서 동시에 설비 진단까지 가능케 한 다기능 플랫폼이라는 점에서 의의가 크며, 향후 다양한 산업 회전 설비로의 확장 적용을 기대한다.”고 밝혔다.
한국연구재단 지원을 받은 이번 연구결과는 최근 화학공학 분야의 세계적 학술지인 '케미컬 엔지니어링 저널'에 온라인 게재됐다.
구미=정재훈 기자 jhoon@etnews.com
