KR101514043B1 - 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치 및 방법 - Google Patents

Abstract

본 발명에 의한 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치 및 방법은, 차량의 정상 또는 고장 상태의 음향신호를 집단으로 집음하는 음향신호 집음부; 상기 음향신호에서 시변하는 복수의 음질파라미터를 측정하는 음질파라미터 측정부; 측정된 상기 음질파라미터를 통계처리하는 음질파라미터 통계처리부; 상기 차량의 정상 또는 고장 상태의 개수 보다 1개 적은 수의 정준판별함수를 생성하고, 상기 정준판별함수에서 평가 인덱스를 추출하는 평가 인덱스 추출부; 및 상기 평가 인덱스를 이용하여 상기 차량의 정상 또는 고장 상태의 집단에 대한 영역을 구분하는 집단 영역 분류부;를 포함할 수 있다. 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치 및 방법은, 차량 내부에 통화용으로 장착된 마이크를 이용하여 내부에서 발생하는 음향신호에 음질파라미터를 적용하여 차량의 엔진 및 주행 상태의 이상여부 등 다양한 고장 상태를 모니터링할 수 있다.

Description

차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치 및 방법 {APPARATUS AND METHOD FOR DIAGNOSING MALFUNCTION OF VEHICLE USING SOUND QUALITY PARAMETER}

본 발명은 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치 및 방법에 관한 것으로, 보다 상세하게는 차량 내부에 설치된 마이크로부터 수집된 음향신호로부터 차량의 이상 여부를 판단하는 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치 및 방법에 관한 것이다.

일반적으로 자동차는 수많은 부품으로 구성된다. 자동차는 엔진을 비롯하여 트랜스미션, 조향장치, 제동장치 등 개별 장치들이 모여 복합적으로 동작하는 하나의 시스템을 이루고 있다.

이러한 수많은 부품의 집합체인 자동차는 운행이 반복되는 동안, 다양한 고장이나 오작동이 발생할 가능성이 있다. 엔진 이상이 발생한다거나 순환 계통에 누수가 발생하거나 또는 브레이크 패드가 닳아서 브레이크 성능이 저하될 수 있다. 이러한 고장이 자동차가 운행하는 도중 발생한다면, 물질적 손해뿐만 아니라 중대한 인명 피해를 유발할 수 있다. 따라서, 자동차의 이상 여부를 사전에 감지하고 차량의 이상 여부를 감지하는 방법이 필수적으로 마련될 필요가 있다.

차량에서 발생하는 다양한 소리는 차량의 상태를 나타내는 중요한 지표가 된다. 이러한 음향신호를 측정하는 것은 매우 간단한 일이며 음향신호 처리를 통해 차량의 상태를 모니터링 할 수 있다.

음향신호로부터 엔진 상태를 모니터링하는 기술로서, 한국공개특허 제10-2003-0037938호에 의하면, 차량 내에 설치된 다수의 마이크를 이용하여 엔진의 이상소음을 체크하여 경보음을 알리는 시스템이 개시되어 있다. 이 기술은 엔진에서 발생하는 고장에 대하여 센싱을 통해 비교적 정확한 진단이 가능한 장점이 있다. 하지만 차량의 수많은 부품의 고장이나 이상이 발생하는 경우 진단과 모니터링에 대한 대책은 전무한 실정이다. 더욱이, 엔진을 비롯한 차량의 주요 부품에 센싱장치 또는 감지수단을 개별적으로 장착되어야 하므로 고장 진단을 위한 설비의 비용 증가 뿐만 아니라 전체 차량 비용이 증가하며, 각종 센싱장치를 차량에 설치하는 조립 비용 또한 증가되는 문제점이 있다.

따라서, 보다 간이하고 비용이 절감되는 장치 구성을 이용하여 모니터링할 수 있는 한편 차량 전체에 발생될 수 있는 이상 상태를 전반적으로 체크하고 진단할 수 있는 새로운 고장 진단 방법이 절실히 요구된다.

본 발명은 차량 내부에 구비된 마이크를 이용하여 내부에서 발생하는 음향신호에 음질파라미터를 적용하고 통계적 기법인 판별분석을 통해 평가 인덱스로 분류하여 차량의 엔진 및 주행 상태의 이상여부 등 다양한 고장 상태를 모니터링할 수 있는 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치 및 방법을 제공한다.

상기한 과제를 달성하기 위한 본 발명의 일 실시예에 따른 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치는, 차량의 정상 또는 고장 상태의 음향신호를 집단으로 집음하는 음향신호 집음부; 상기 음향신호에서 시변하는 복수의 음질파라미터를 측정하는 음질파라미터 측정부; 측정된 상기 음질파라미터를 통계처리하는 음질파라미터 통계처리부; 상기 차량의 정상 또는 고장 상태의 개수 보다 1개 적은 수의 정준판별함수를 생성하고, 상기 정준판별함수에서 평가 인덱스를 추출하는 평가 인덱스 추출부; 및 상기 평가 인덱스를 이용하여 상기 차량의 정상 또는 고장 상태의 집단에 대한 영역을 구분하는 집단 영역 분류부;를 포함할 수 있다.

상기 음향신호 집음부는 상기 차량의 내부에 마련되는 핸즈프리의 마이크로폰, 내비게이션의 마이크로폰 또는 차량 내부에 거치된 스마트폰의 마이크로폰 중 어느 하나일 수 있다.

상기 음질파라미터 통계처리부는, 미리 설정된 샘플링 시간에 대하여 상기 음질파라미터의 대표값 또는 평균값을 추출하거나, 상기 음질파라미터의 시간에 대한 미분값 또는 RMS(RMS, Root Mean Square)값을 추출할 수 있다.

상기 평가 인덱스 추출부는, 상기 집단 내 분산에 비하여 상기 집단 간의 분산의 차이가 최대화되는 상기 음질파라미터의 계수를 구하는 것일 수 있다.

상기 평가 인덱스 추출부에서 생성된 상기 정준판별함수는, 상기 차량의 음향신호를 구분 지을 수 있는 상기 음질파라미터 중 집단 간 분산이 크고 집단 내 분산은 작은 것일 수 있다.

상기 특정의 집단 영역에 속하는 경우 정상 상태 또는 미리 설정된 고장 상태를 출력시키는 고장상태 출력부를 더 포함할 수 있다.

상기한 과제를 달성하기 위한 본 발명의 일 실시예에 따른 차량에 구비된 마이크를 이용한 차량 상태 모니터링 방법은, 차량의 정상 또는 고장 상태의 음향신호를 집단으로 집음하는 단계; 상기 음향신호에서 시변하는 복수의 음질파라미터를 측정하는 단계; 측정된 상기 음질파라미터를 통계처리하는 단계; 상기 차량의 정상 또는 고장 상태의 개수 보다 1개 적은 수의 정준판별함수를 생성하고, 상기 정준판별함수에서 평가 인덱스를 추출하는 단계; 및 상기 평가 인덱스를 이용하여 상기 차량의 정상 또는 고장 상태의 집단에 대한 영역을 구분하는 단계;를 포함할 수 있다.

상기 음향신호를 집음하는 단계는 상기 차량의 내부에 마련되는 핸즈프리용 마이크로폰으로부터 상기 음향신호를 집음할 수 있다.

상기 음질파라미터를 통계처리하는 단계는, 미리 설정된 샘플링 시간에 대하여 상기 음질파라미터의 대표값 또는 평균값을 추출하거나, 상기 음질파라미터의 시간에 대한 미분값 또는 RMS(RMS, Root Mean Square)값을 추출할 수 있다.

상기 평가 인덱스를 추출하는 단계는, 상기 집단 내 분산에 비하여 상기 집단 간의 분산의 차이가 최대화되는 상기 음질파라미터의 계수를 구하는 것일 수 있다.

상기 평가 인덱스를 추출하는 단계에서 생성된 상기 정준판별함수는, 상기 차량의 음향신호를 구분 지을 수 있는 상기 음질파라미터 중 집단 간 분산이 크고 집단 내 분산은 작은 것일 수 있다.

상기 특정의 집단 영역에 속하는 경우 정상 상태 또는 미리 설정된 고장 상태를 출력시키는 단계를 더 포함할 수 있다.

이상 설명한 바와 같이, 본 발명에 따른 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치 및 방법은 차량 내부에서 발생하는 음향신호에 음질파라미터를 적용하고 통계적 기법인 판별분석을 통해 평가 인덱스로 분류하여 차량의 엔진 및 주행 상태의 이상여부 등 다양한 고장 상태를 모니터링할 수 있다.

본 발명에 따른 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치 및 방법은 음향신호를 판별분석을 통해 평가 인덱스로 분류하여 고장 유형을 분류할 수 있어 어떤 고장이 발생했는지 판단할 수 있다.

도 1은 본 발명의 일 실시예에 따른 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치의 구성을 도시한 블록도이다.
도 2는 도 1에 따른 장치에 의해 추출된 음질파라미터의 시간에 따른 변화의일례를 도시한 그래프이다.
도 3는 도 1에 따른 장치에 의해 추출된 음질파라미터의 시간에 대한 미분값을 도시한 그래프이다.
도 4는 도 2에 따른 음질인자로부터 생성된 판별함수의 일례를 2차원 평면에 도시한 도면이다.
도 5는 도 1에 따른 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치를 사용한 고장 진단 방법을 보여 주는 순서도이다.

이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

도 1은 본 발명의 일 실시예에 따른 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치의 구성을 도시한 블록도이고, 도 2는 도 1에 따른 장치에 의해 추출된 음질파라미터의 시간에 따른 변화의 일례를 도시한 그래프이고, 도 3는 도 1에 따른 장치에 의해 추출된 음질파라미터의 시간에 대한 미분값을 도시한 그래프이고, 도 4는 도 2에 따른 음질인자로부터 생성된 판별함수의 일례를 2차원 평면에 도시한 도면이다.

본 발명의 일 실시예에 따른 차량에 구비된 마이크를 이용한 차량 상태 모니터링 방법은 차량의 고장상태를 모니터링 하기 위해 차량에서 발생하는 소음, 잡음 등의 음향신호를 측정하고, 이 음향신호에 음질파라미터(Sound Quality Parameter)를 적용하여 고장 상태를 판별하고 고장 상태를 분류할 수 있다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치(100)는, 차량 내부에 마련되어 음향신호를 집음하는 음향신호 집음부(110)와, 음향신호에서 다수개의 음질파라미터를 추출하고 음질파라미터들의 시간에 따른 변화를 측정하는 음질파라미터 측정부(120)와, 추출된 음질파라미터들의 평균 및 표준편차를 구하는 음질파라미터 통계처리부(130)와, 차량의 정상 또는 고장 상태의 개수 보다 1개 적은 수의 정준판별함수를 생성하고 정준판별함수 중 유의미한 판별함수를 추출하는 평가 인덱스 추출부(140) 및 유의미한 판별함수를 이용하여 차량의 정상 또는 고장 상태의 집단에 대한 영역을 구분하는 집단 영역 분류부(150)를 포함할 수 있다.

음향신호 집음부(110)는 고장 여부를 진단하고자 하는 차량 내부에 배치된 마이크로폰(미도시)이 사용될 수 있다. 또한, 음향신호 집음부(110)는 차량의 음향신호 뿐만 아니라 소리의 울림(압력 변화)인 음압(Sound Pressure)도 동시에 측정할 수도 있다. 음향신호 집음부(110)는 집음된 음향신호의 신뢰성을 확보하기 위하여, 차량으로부터 일정한 샘플링 시간 동안 음향신호를 반복적으로 다수 회 측정하는 것이 바람직하다. 예를 들어, 각 샘플당 5초 동안 20개의 음향신호를 집음하여 하나의 집음군을 형성할 수 있다. 여기서, 각 샘플은 고장의 유형에 따른 음향신호의 집단이라고 할 수 있다.

본 실시예에서는, 고장진단을 위한 별도의 집음용 장치를 구비하지 아니하고, 상기 차량의 내부에 마련되는 핸즈프리의 마이크로폰, 내비게이션의 마이크로폰 또는 차량 내부에 거치된 스마트폰의 마이크로폰 중 어느 하나를 이용하여 차량 내부의 소음신호를 집음하도록 한다. 이러한 음향신호를 미리 설치된 핸즈프리용 마이크로폰 등을 통해 측정하는 것은 매우 간단한 작업이며 음향신호 처리를 통해 차량의 상태를 모니터링 할 수 있다. 또한, 최근 출시되는 차량에는 대부분 핸즈프리 장치, 내비게이션 등이 구비되어 있어 이를 활용할 수 있으므로 장치 간소화와 함께 비용 절감의 효과가 있을 수 있다.

한편, 본 실시예에서는 음향신호 집음부(110)로 차량에 구비된 마이크로폰을이용하였으나, 이와 달리 음향신호와 밀접한 상관관계가 있는 진동신호를 채집할 수도 있고 이 경우 음향신호 집음부(110)의 구성은 레이저 도플러 진동 측정기(LDV: Laser Doppler Vibrometer, 미도시) 또는 가속도계를 포함할 수도 있다.

이와 같이, 차량에 구비된 마이크로폰을 이용하여 집음된 음향신호를 이용하여 zwicker가 제안한 음질파라미터를 적용한다. 왜냐하면, 음향신호의 스펙트럼 형상 또는 크기 만으로는 음향신호의 구별이 어려우며 결과에 신뢰성이 떨어지므로 고장 유형 판별이 곤란하기 때문이다. 음향신호에 음질파라미터를 적용하게 되면, 각 음질파라미터의 특징에 따라 고장신호의 특징이 다르게 나타나서 구별이 용이하고 복수의 음질파라미터를 함께 고려하여 고장 여부를 판별할 수 있는 장점이 있다.

음질파라미터란, 소음에 대한 음향학적 분석을 위해 독일의 Zwicker에 의해 제안된 5가지의 유형의 변수(인자)를 말한다. 소음이나 음향은 라우드니스(Loudness), 샤프니스(Sharpness), 러프니스(Roughness), 플럭츄에이션 스트렝스(Fluctuation Strength) 및 커토시스(Kurtosis)의 파라미터로 분류될 수 있다. 또한, 음압레벨(SPL: Sound Pressure Level)의 파라미터도 고려될 수 있다. 여기서, 라우드니스는 주관적인 소리의 크기를 나타내는 청각 인지 특성을 말하며 dB(A)와 유사한 특성을 보인다. 샤프니스는 소리의 날카로운 정도를 나타내며 저주파와 고주파의 스펙트럼 균형을 나타내기도 한다. 러프니스는 소리의 거칠기를 표현하는 방법으로 주로 명확한 소리의 빠른 조음을 나타낸다. 이외에도 음압레벨, 20Hz 미만의 낮은 주파수로 변조된 소음에서 시간에 따른 변화의 주관적 지각량을 나타내는 플럭츄에이션 스트렝스, 급격하게 변화하는 라우드니스에 대한 충격음을 측정하는 커토시스 등의 음질파라미터를 이용할 수 있다.

이러한 음질파라미터를 표현하는 수식은 다음과 같다.

SPL:

(여기서,

: 샘플링 시간 마다의 소음레벨, n : 관측 시간 내의 샘플링 수)

Loudness:

(여기서, N : 라우드니스(Loudness), Bark : 음향적 주파수를 사람이 듣는 지각적 배율 간격으로 환산한 단위, N' : 비라우드니스(specific loudness), 즉, 각 Bark 별 loudness, sone : 라우드니스((Loudness)의 단위)

Sharpness:

(여기서, S : 샤프니스(Sharpness), Bark : 음향적 주파수를 사람이 듣는 지각적 배율 간격으로 환산한 단위, N : 라우드니스(Loudness), N' : 비라우드니스(specific loudness), g(z) : 임계 대역의 함수로 주어지는 샤프니스의 가중치 함수, acum : 샤프니스(Sharpness)의 단위)

Fluctuation Strength:

(여기서, F : 플럭츄에이션 스트렝스(Fluctuation Strength), Bark : 음향적 주파수를 사람이 듣는 지각적 배율 간격으로 환산한 단위,

: 변조 주파수,

: 시간에 따른 비라우드니스(specific loudness)의 최소, 최대값의 차, vacil : 플럭츄에이션 스트렝스(Fluctuation Strength)의 단위)

Roughness:

(여기서, R : 러프니스(Roughness),

: 변조 주파수, Bark : 음향적 주파수를 사람이 듣는 지각적 배율 간격으로 환산한 단위,

: 시간에 따른 비라우드니스(specific loudness)의 최소, 최대값의 차, asper : 러프니스(Roughness)의 단위)

Kurtosis:

(여기서, Ku : 커토시스(Kurtosis),

: 충격음의 표준편자, n : 관측 시간 내의 샘플링 수)

음질파라미터 측정부(120)는 미리 설정된 샘플링 시간에 대하여 음질파라미터의 샘플링 시간 동안 측정된 음향신호에서 추출된 음질파라미터의 시간에 따른 변화를 측정한다. 본 실시예에서는 샘플링 시간을 5초로 설정하여 음질파라미터의 값을 추출하며, 하나의 샘플링 집단은 최소 20개 이상의 샘플링값을 추출한다.

도 2에는 음질지수 중에서 음압레벨(SPL), 라우드니스(Loudness), 샤프니스(Sharpness) 및 러프니스(Roughness)의 샘플링 시간(5초) 동안 변화 상태를 나타내는 그래프이다. 음압레벨, 라우드니스, 샤프니스 및 러프니스는 차량의 정상 또는 고장 상태에 대해 특징적인 음질파라미터라고 할 수 있다.

도 2를 참조하면, 샘플링 시간 동안 5개의 샘플에 대한 음질지수가 표현되어 있다. 여기서, 5개의 샘플은 차량의 정상상태(signal 2)와, 4가지의 고장상태(signal 1, 3~4)에 대해 측정된 음향신호에서 추출된 음질파라미터를 의미하고, (a) 내지 (f)는 음질파라미터별 5가지의 분류이다.

음질파라미터 통계처리부(130)는 추출된 음질파라미터들의 평균 및 표준편차를 구할 수 있다. 즉, 각 음질파라미터에 대하여 상태의 유형별로 평균과 표준편차를 구하고 이를 후술하는 평가 인덱스 추출부(140)로 보내게 된다. 아래에는 각 고장 유형별로 음질파라미터 통계처리부(130)가 수행한 일례를 보여준다.

[표 1]

여기서, 각 음질파라미터 중 차량 상태에 상대적으로 더 크게 의존하는 음질파라미터들이 판별력이 높은 음질파라미터로 고려되어 후술하는 판별분석에서 독립변수들이 될 수 있다. 또한, 차량의 고장 상태를 정확하게 진단하도록 판별력이 높은 음질파라미터의 개수가 복수 개로 마련되는 것이 바람직하다.

5개의 음질파라미터들에 대해서 집단별로 평균값과 표준편차를 구한 후 이를 바탕으로 판별분석 단계를 수행한다. 판별분석이란, 집단 간이 차이 또는 집단 평균 동질성에 대해서 검증하는 것을 의미하며, 검증 수단으로는 Wilks 람다와 F 값을 이용할 수 있다.

[표 2]

[표 2]에서 Wilks 람다는 집단 내 분산과 집단 간 분산의 합에 대한 집단 내 분산의 비율을 나타낸다. 즉, "집단 내 분산/(집단 내 분산+집단 간 분산)"을 의미한다. Wilks 람다는 분산분석의 값 F와는 반대 성향을 나타낸다.

Wilks 람다의 값이 가장 작은 음질파라미터가 판별력이 가장 높다고 할 수 있다. [표 2]의 경우에는, Loudness와 Sharpness의 Wilks 람다가 가장 작은 값을 가지기 때문에 Loudness와 Sharpness이 가장 판별력이 높은 음질파라미터가 되고 판별분석시 독립변수로 고려될 수 있다.

이와 같은 통계처리를 수행한 후에, 평가 인덱스 추출부(140)는 집단 내 분산에 비하여 집단 간의 분산의 차이를 최대화하는 독립변수들의 계수를 구할 수 있다. 이 때, 평가 인덱스 추출부(140)는 차량의 음향신호를 구분 지을 수 있는 독립변수들(음질파라미터들) 중 집단 간 분산이 크고 집단 내 분산은 작은 판별함수를 생성할 수 있다.

평가 인덱스 추출부(140)는 집단의 개수 보다 1이 적은 개수의 판별함수를 생성할 수 있다. [표 1]에서 집단의 수가 5(즉, 1개의 정상상태와 4개의 고장상태)이므로 4개의 판별함수를 생성한다. 이와 같이, 집단을 이용하여 판별함수를 생성하는 판별분석법은 해당분야의 당업자라면 누구나 쉽게 적용할 수 있는 방식이므로, 본 발명의 요지를 모호하지 않게 하도록 그 구체적인 설명이 생략된다.

[표 3], [표 4], [표 5] 및 [표 6]에서는 전술한 4개의 판별함수에 대하여 Wilks 람다값과 F값을 계산하고, 4개의 판별함수 중 유의미한 2개의 판별함수를 선정하는 과정을 설명한다. 여기서, 수치화된 판별함수의 값과 Wilks 람다값과 F값은 유의미한 2개의 판별함수를 선정하는 과정을 설명하기 위한 일례에 불과하다.

[표 3]은 생성된 4개의 판별함수의 고유값을 나타내고, [표 4]는 판별함수의 검정을 위한 Wilks 람다값을 나타낸다.

[표 3]

[표 4]

[표 3]에서 판별분석 함수 1과 함수 2의 고유값이 가장 큼을 알 수 있다. 함수 1은 5개의 독립변수들(음질파라미터들)로서 종속변수 분산의 98.4%(0.996^2)를 설명하고, 함수 2는 종속변수 분산의 97.2%(0.983^2)를 설명함을 알 수 있다.

[표 4]에서 카이제곱 검정은 독립변수들에 걸쳐 4개의 집단 간에 차이가 있는지 여부를 검정하는 것이다. 각각의 카이제곱에 대하여 유의확률이 0.000으로 나타나는 바, 유의미한 차이가 있는 집단으로 구분하고 있음을 확인할 수 있다. 상기한 과정을 거쳐서, 평가 인덱스 추출부(140)는 유의미한 2개의 판별함수(함수 1, 함수 2)를 추출할 수 있다. 이렇게 추출된 유의미한 2개의 판별함수가 평가 인덱스화될 수 있다. [표 3] 및 [표 4]의 경우에는 함수 1과 함수 2가 추출된다.

[표 5]

[표 5]는 4개의 정준 판별함수에 있어서 각 독립변수(음질파라미터)들의 계수를 나타낸다.

한편, 추출된 2개의 유의미한 판별함수와 상관관계를 가지는 특정 독립변수가 존재한다. 각 독립변수와 표준화된 판별함수 간의 상관관계를 나타내기 위해서 구조행렬을 이용할 수 있다.

[표 6]

[표 6]은 4개의 정준 판별함수와 독립변수들의 상관관계를 보여 주는 구조행렬이다. 독립변수들의 계수값이 클수록 정준 판별함수에 미치는 영향이 큰 변수임을 의미한다. [표 6]을 참조하면, 함수 1에서는 샤프니스(Sharpness)가 가장 큰 영향을 미치고, 함수 2에서는 Fluctuation이 가장 큰 영향을 미친다고 할 수 있다. 한편, [표 6]에서 라우드니스(Loudness)는 다른 독립변수들(음질파라미터들)과의 상관성이 매우 크기 때문에 제외한다.

이와 같은 과정을 통해, 4개의 판별함수에 대하여 Wilks 람다값과 F값을 계산하고, 4개의 판별함수 중 유의미한 2개의 판별함수를 선정하여 이들을 평가 인덱스로 선정할 수 있다.

한편, 도 2는 음질파라미터의 샘플링 시간 동안의 평균값 또는 대표값을 이용한 것인데, 샘플링 시간 동안에 음질파라미터가 변동하는 영향을 고려하지 못하는 단점이 있다. 즉, 샘플링 시간 동안 음질파라미터의 변동이 심하더라도 평균값이 같은 경우가 있을 수 있기 때문에 음질파라미터의 시간에 따른 변화량을 반영하기 어렵다. 이에 반하여, 도 3에는 음질파라미터들이 시간에 따라 변동하는 영향을 고려한 결과가 도시되어 있다. 즉, 도 3에는 음질파라미터들의 시간에 대한 미분값들이 표현되어 있으며, 음질파라미터의 미분값을 판별 인자로 사용할 수 있다.

각 음질파라미터의 미분값 내지 기울기값의 제곱평균제곱근(RMS: Root Mean Square) 값을 도출하고, RMS 값을 이용하여 통계처리할 수도 있다. 음질파라미터의 미분값 내지 기울기값과 RMS값을 이용함으로써, 음질파라미터가 샘플링 시간 동안 변동하는 양에 대한 수치적인 차이를 잘 반영할 수 있다.

기울기 RMS값을 이용하면, 음질파라미터별로 가장 차이를 나타내는 데이터 샘플이 다름을 명확하게 알 수 있다. 예를 들면, 도 3에서 Loudness의 경우에는 고장 3(signal 3)의 경우가 가장 차이를 나타내고, Tonality의 경우에는 고장 4(signal 4)이 가장 큰 차이를 나타낸다. 이러한 경향으로 볼 때, 기울기의 RMS값을 통계적 모델에 적용하여 2개의 평가 인덱스(유의미한 정준 판별함수)를 구할 수 있다.

이와 같이, 본 발명의 일 실시예에 따른 진단 장치(100)의 통계처리부(130)는 음질파라미터의 시간에 대한 미분값을 사용하고, 상기 미분값의 RMS 값을 이용하여 2개의 평가 인덱스를 도출하여 집단 영역 분류부로 출력시킬 수 있다.

집단 영역 분류부(150)는 도 4에 도시된 바와 같이, 평가 인덱스를 이용하여 차량의 정상 또는 고장 상태의 집단에 대한 영역을 구분할 수 있다. 즉, 집단 영역 분류부(150)는 추출된 2개의 평가 인덱스를 2차원 평면에 표현하여 집단의 영역을 구분하고 집단의 위치를 결정할 수 있다.

집단 영역 분류부(150)는 2차원 좌표계에 표시된 평가 인덱스에 대한 각 집단별 집단중심점과 분포, 영역도를 도출함으로써, 차량의 정상상태 또는 고장상태 여부 및 어떤 고장상태인지 여부를 판별할 수 있다. 예를 들면, 도 4에서 1 구역은 타이어 공기압 부족인 상태일 때 발생되는 구역이고, 2 구역은 엔진 룸에서의 비정상적인 엔진 소음일 때 발생되는 구역으로 미리 데이터화된 테이블이 마련될 수 있다. 통화용 마이크를 통해 집음된 소음신호가 1구역에 속한다면 타이어 불량 또는 고장 여부를 의심할 수 있을 것이고, 집음된 소음신호가 2구역에 속한다면 엔진의 이상 여부를 의심할 수 있을 것이다.

본 발명의 일 실시예에 따른 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치(100)는 차량의 정상상태 또는 고장상태를 구분할 수 있고, 고장상태의 유형에 따라서도 구분할 수 있기 때문에 배경소음을 영향을 배제한 상태에서 정확하게 고장 진단을 할 수 있다. 다시 말해, 음향신호 및 음질파라미터를 이용함으로써 배경 소음의 영향을 받지 않고 정확하게 차량의 고장 여부 또는 고장 유형을 판별하고 진단할 수 있다. 즉, 음향신호에서 음질파라미터를 추출하고 추출된 음질파라미터의 특징 또는 경향을 분석하기 위해서 판별분석을 적용함으로써 배경소음에 대하여 강인한 고장 진단 장치 및 방법을 구현할 수 있다.

이와 같이, 차량 내부에 통화용으로 장착된 마이크를 이용하여 내부에서 발생하는 소음을 측정할 수 있으며 이렇게 측정된 소음을 통해 차량의 엔진 및 주행 상태의 이상여부 등 다양한 고장 상태를 모니터링 할 수 있다.

또한, 도출된 음질파라미터에 통계모델인 판별분석을 적용하여 차량의 정상 혹은 고장 상태를 판별할 수 있다.

도 5는 도 1에 따른 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치를 사용한 고장 진단 방법을 보여 주는 순서도이다.

이하, 도 5를 주로 참조하여 이러한 구성을 갖는 지진감지 기능을 내장한 핸들 시스템의 구동방법에 대해 일련적으로 설명하면 다음과 같다. 구동방법은 핸들 시스템의 구성에 대한 설명에서 중복되지 않는 범위에서 설명하기로 한다.

도 5에 도시된 바와 같이 본 발명은 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치를 이용한 고장 진단 방법에 있어서, 차량에 구비된 마이크로폰을 통해 음향신호를 측정하는 단계(S101), 음향신호에서 음질파라미터를 추출하는 단계(S102), 측정된 음질파라미터를 통계처리하는 단계(S103)와, 음질파라미터의 집단으로부터 판별함수를 추출 생성하는 단계(S104) 및 생성된 판별함수 중 유의미한 2개의 판별함수를 이용하여 영역을 구분하는 단계(S105)를 포함하는, 음질파라미터를 이용한 고장 진단 방법을 제공할 수 있다.

본 발명에 따른 음질파라미터를 이용한 고장 진단 방법은 상기에서 설명한 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치(100)를 이용하여 차량의 고장을 진단하는 방법이다. 따라서, 본 발명의 고장 진단 방법은 고장 진단 장치에 대한 설명과 동일한바 반복적인 설명은 생략한다.

차량에 구비된 마이크로폰을 통해 음향신호를 측정하는 단계(S101)는 차량의 정상 상태 또는 고장 상태에 따른 음향신호의 집단을 생성할 수 있다. 여기서, 음질파라미터의 집단은 상기에서 설명한 차량의 정상 또는 고장 상태에 따른 집단을 의미하는 것이며, 각각의 상태에 대해서 음향신호를 반복적으로 측정하여 음향신호의 집단을 생성할 수 있다.

음질파라미터를 추출하는 단계(S102)는 샘플링 시간에 대하여 음질파라미터의 대표값 또는 평균값을 추출하거나, 음질파라미터의 시간에 대한 미분값을 추출할 수 있다. 음질파라미터의 대표값 또는 평균값을 추출하는 경우에는, 샘플링 시간 동안 음질파라미터가 변동하는 영향을 반영하지 못할 수 있기 때문에, 이를 보완하기 위해서 음질파라미터의 시간에 대한 미분값 또는 기울기의 RMS값을 추출할 수도 있음은 전술한 바와 같다. 이 경우, 음질파라미터가 시간에 대해 변동하는 영향을 고려할 수 있다.

음질파라미터 통계처리하는 단계(S103)는 추출된 음질파라미터들의 평균 및 표준편차를 구할 수 있다. 즉, 각 음질파라미터에 대하여 상태의 유형별로 평균과 표준편차를 구하는 단계이다.

판별함수를 추출 생성하는 단계(S104)는 집단의 개수 보다 하나 적은 수의 판별함수를 추출할 수 있다. 만약, 집단의 개수가 6이면, 5개의 정준 판별함수를 추출할 수 있다.

판별함수를 추출 생성하는 단계(S104)는 집단 내 분산과 집단 간 분산의 합에 대한 집단 내 분산의 비가 가장 작은 독립변수들의 계수를 구할 수 있다. 판별함수를 추출 생성하는 단계(S104)는 "집단 내 분산/(집단 내 분산+집단 간 분산)" 값을 나타내는 Wilks 람다 값이 가장 작은 독립변수를 구할 수 있다. Wilks 람다 값이 가장 작은 독립변수는 판별력이 높은 변수라고 할 수 있다.

영역을 구분하는 단계(S105)는 유의미한 2개의 판별함수를 이용하여 이차원 평면에서 집단의 위치를 결정할 수 있다. 추출된 유의미한 2개의 판별함수를 2차원 평면에 표현하여 집단의 영역을 구분하고 집단의 위치를 결정할 수 있다. 영역을 구분하는 단계(S105)는 음질파라미터의 분석을 통해 얻어낸 인자들을 통하여 판별 분석을 실시하여 각 집단별 집단중심점과 분포, 영역도를 도출함으로써, 해당 영역에 미리 결정된 고장 상태를 바로 확인할 수 있게 하여 차량의 정상상태 및 각 고장상태를 판별할 수 있다.

또한, 본 발명은, 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치를 이용한 고장 진단 방법에 있어서, 상기 차량의 정상 또는 고장 상태에 대해 가장 큰 값을 가지는 음질파라미터들을 추출하고, 상기 음질파라미터들을 통계처리하고 판별분석법을 적용하여 상기 차량의 정상 여부 또는 고장 유형을 판단하는 음질파라미터를 이용한 고장 진단 방법을 제공할 수 있다.

본 발명에 따른 고장 진단 방법은 차량의 고장 유형에 따라 다른 음향신호에서 음질파라미터를 추출하고 이를 이용하여 통계적 기법을 통해 고장 상태를 판별할 수 있다. 다시 말하면, 음질파라미터를 변수로 지정한 판별 분석법을 통해 고장 상태를 정의하고 분류할 수 있다.

본 발명에 따른 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치 및 고장 진단 방법은 고장 여부 또는 고장 유형에 따른 진동 신호를 구분 지을 수 있는 독립변수(음질파라미터)들 중에서 집단 간 분산이 크고 집단 내 분산이 작은 정준 판별함수를 생성하고, 새롭게 측정되는 음향신호에 대하여 피셔 선형판별함수를 적용하여 고장 여부를 판별하거나 진단할 수 있다.

이상과 같이 본 발명의 일실시예에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

100: 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치
110: 음향신호 집음부
120: 음질파라미터 측정부
130: 음질파라미터 통계처리부
140 판별함수 추출 생성부
150: 집단 영역 분류부

Claims (12)

1. 차량의 정상 또는 고장 상태의 음향신호를 집단으로 집음하는 음향신호 집음부;
   상기 음향신호에서 시변하는 복수의 음질파라미터를 측정하는 음질파라미터 측정부;
   측정된 상기 음질파라미터를 통계처리하는 음질파라미터 통계처리부;
   상기 차량의 정상 또는 고장 상태의 개수 보다 1개 적은 수의 정준판별함수를 생성하고, 상기 정준판별함수에서 평가 인덱스를 추출하는 평가 인덱스 추출부; 및
   상기 평가 인덱스를 이용하여 상기 차량의 정상 또는 고장 상태의 집단에 대한 영역을 구분하는 집단 영역 분류부;를 포함하며,
   상기 음질파라미터 통계처리부는, 미리 설정된 샘플링 시간에 대하여 상기 음질파라미터의 시간에 대한 미분값을 추출하는 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치.
   
2. 제1항에 있어서,
   상기 음향신호 집음부는 상기 차량의 내부에 마련되는 핸즈프리의 마이크로폰, 내비게이션의 마이크로폰 또는 차량 내부에 거치된 스마트폰의 마이크로폰 중 어느 하나인 것을 특징으로 하는 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치.
   
3. 삭제
4. 제1항에 있어서,
   상기 평가 인덱스 추출부는,
   상기 집단 내 분산에 비하여 상기 집단 간의 분산의 차이가 최대화되는 상기 음질파라미터의 계수를 구하는 것을 특징으로 하는 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치.
   
5. 제4항에 있어서,
   상기 평가 인덱스 추출부에서 생성된 상기 정준판별함수는, 상기 차량의 음향신호를 구분 지을 수 있는 상기 음질파라미터 중 집단 간 분산이 크고 집단 내 분산은 작은 것을 특징으로 하는 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치.
   
6. 제1항에 있어서,
   상기 특정의 집단 영역에 속하는 경우 정상 상태 또는 미리 설정된 고장 상태를 출력시키는 고장상태 출력부를 더 포함하는 것을 특징으로 하는 차량에 구비된 마이크를 이용한 차량 상태 모니터링 장치.
   
7. 차량의 정상 또는 고장 상태의 음향신호를 집단으로 집음하는 단계;
   상기 음향신호에서 시변하는 복수의 음질파라미터를 측정하는 단계;
   측정된 상기 음질파라미터를 통계처리하는 단계;
   상기 차량의 정상 또는 고장 상태의 개수 보다 1개 적은 수의 정준판별함수를 생성하고, 상기 정준판별함수에서 평가 인덱스를 추출하는 단계; 및
   상기 평가 인덱스를 이용하여 상기 차량의 정상 또는 고장 상태의 집단에 대한 영역을 구분하는 단계;를 포함하며,
   상기 음질파라미터를 통계처리하는 단계는, 미리 설정된 샘플링 시간에 대하여 상기 음질파라미터의 시간에 대한 미분값을 추출하는 차량에 구비된 마이크를 이용한 차량 상태 모니터링 방법.
   
8. 제7항에 있어서,
   상기 음향신호를 집음하는 단계는 상기 차량에 구비된 마이크로폰, 내비게이션의 마이크로폰 또는 차량 내부에 거치된 스마트폰의 마이크로폰 중 어느 하나로부터 상기 음향신호를 집음하는 차량에 구비된 마이크를 이용한 차량 상태 모니터링 방법.
   
9. 삭제
10. 제7항에 있어서,
    상기 평가 인덱스를 추출하는 단계는,
    상기 집단 내 분산에 비하여 상기 집단 간의 분산의 차이가 최대화되는 상기 음질파라미터의 계수를 구하는 것을 특징으로 하는 차량에 구비된 마이크를 이용한 차량 상태 모니터링 방법.
    
11. 제10항에 있어서,
    상기 평가 인덱스를 추출하는 단계에서 생성된 상기 정준판별함수는, 상기 차량의 음향신호를 구분 지을 수 있는 상기 음질파라미터 중 집단 간 분산이 크고 집단 내 분산은 작은 것을 특징으로 하는 차량에 구비된 마이크를 이용한 차량 상태 모니터링 방법.
    
12. 제7항에 있어서,
    상기 특정의 집단 영역에 속하는 경우 정상 상태 또는 미리 설정된 고장 상태를 출력시키는 단계를 더 포함하는 것을 특징으로 하는 차량에 구비된 마이크를 이용한 차량 상태 모니터링 방법.
    
    

Images