딥 트랜스퍼 러닝(DTL)은 지능형 결함 진단 시스템(IFDS) 구축에 효과적이지만, 여전히 많은 양의 레이블 데이터에 의존합니다. 시스템 고장 시 충분한 레이블 데이터를 확보하기 어려울 때, 본 연구는 DTL을 활용한 진동 기반 IFDS 설계 시 데이터 희소성 문제를 해결하는 새로운 방법을 제안합니다. 실제 시스템의 고유한 비선형성을 활용한 주기적 다중-흥분 레벨 절차를 통해 CNN으로 편리하게 분석할 수 있는 이미지를 생성합니다.
새로운 데이터 시각화 방법과 증강 기법을 제안하여 IFDS 설계 시 흔히 발생하는 데이터 부족 문제를 해결합니다. 철도 팬그래프 구조에 대한 실험적 검증을 통해 제안된 방법의 효과를 입증했습니다.