KR101936895B1 - 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템 및 방법 - Google Patents

Abstract

본 발명은 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템 및 방법에 관한 것으로, 설치위치에서 주행중인 자동차의 소음을 검출하는 다수의 음향센서를 포함하여 부품 이상에 따라 발생되는 소음데이터를 검출하여 전송하는 소음검출부와, 상기 소음검출부에서 검출된 소음데이터를 외부로 전송하며, 수신된 정보를 표시하는 사용자단말과, 상기 소음데이터를 분석하여 고장 부품의 종류와 위치를 특정하고, 고장 부품의 종류에 따라 위험도를 결정하고, 소음데이터의 크기와 발생빈도를 이용하여 고장 정도를 판단하여 수리 지급도를 결정하여, 상기 고장 부품의 종류, 위치, 위험도, 수리 지급도 정보를 상기 사용자단말로 전송하는 진단서버를 포함한다.

Description

소음을 이용한 딥러닝 기반 자동차 고장진단 시스템 및 방법{Deep learning base failure diagnosis system using noise and method thereof}

본 발명은 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템 및 방법에 관한 것으로, 더 상세하게는 센서에 의해 검출된 자동차의 하부 및 엔진 룸 소음을 클라우드 서버에 전송하여 기저장된 자동차 소음 패턴 데이터를 딥러닝하여 자동차의 고장을 진단할 수 있는 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템 및 방법에 관한 것이다.

일반적으로, 자동차는 다수의 부품이 유기적으로 결합된 장치이며, 특정한 부품에 이상이 있는 경우 운행 중 특유의 소음이 발생하게 된다.

따라서 운전자가 차량에서 소음이 발생하는 것을 느끼고 정비소를 방문하면, 정비사들은 소음을 듣고 자동차의 어느 부분 또는 부품에 이상이 있는지 알 수 있다.

이와 같이 과거에는 자동차에서 발생하는 소음으로 특정 부품의 이상을 알 수 있는 방법은 정비사들의 경험에 의존하는 경우가 많았기 때문에 정확도가 저하될 수 있으며, 경험이 적은 정비사들은 소음으로 고장 여부를 판단하기는 쉽지 않았다.

또한, 운전자들이 미세한 차량의 소음을 감지해 내기 어렵고, 큰 고장의 전조 현상으로 발생하는 차량의 소음을 무시하는 경우가 있어 부품 손상에 의한 사고를 예방하기 어려운 문제점이 있었다.

이러한 문제점들을 고려하여 소음을 검출하여 자동차의 이상 여부를 확인하는 기술이 제안되었다.

등록특허 10-1612025호(자동차 소음을 이용한 스마트 진단시스템, 2016년 4월 6일 등록)에는 청음모듈을 이용하여 차량에서 발생하는 소음을 검출하고, 이를 이동통신단말기를 이용하여 소음진단서버로 전송하여, 소음진단서버에서 데이터베이스를 확인하여 검출된 소음이 어떤 부품의 이상에서 발생하는지를 진단할 수 있다.

그러나 이러한 종래 자동차 소음을 이용한 스마트 진단시스템은, 단순히 소음을 검출하여, 기저장된 부품 고장에 따른 소음 패턴들과 비교를 통해 고장 부분을 운전자에게 인지시킬 수 있을 뿐이어서 즉각적인 조치가 어렵다.

또한, 운전자가 특정 부품에 이상이 발생한 것을 인지한 후, 그 부품의 이상이 중대한 것이어서 즉시 수리를 요하는 것인지 아니면 비교적 가벼운 것이어서 시간을 두고 수리를 해도 무방한 것인지 판단하기 어렵기 때문에 실질적으로 자동차의 고장에 따른 교통사고의 발생을 방지할 수 없는 문제점이 있었다.

아울러 단순히 소음 패턴과 고장 부품을 매칭하는 것이어서, 데이터 베이스에 저장되지 않은 소음 패턴과 고장 부품을 새롭게 매칭하는 것이 불가능하며, 진단결과의 정확도를 판단하고, 개선할 수 있는 방안이 마련되어 있지 않은 문제점이 있었다.

본 발명이 해결하고자 하는 기술적 과제는, 자동차에서 발생되는 하체 및 엔진룸의 소음을 다각도로 분석하여 위험의 정도를 다단계로 나누어 운전자에게 인식시키며, 고장이라고 진단된 부품의 수리의 지급도를 안내하여, 자동차 고장에 의한 교통사고 발생을 방지할 수 있는 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템 및 방법을 제공함에 있다.

또한 본 발명이 해결하고자 하는 다른 기술적 과제는, 운전자의 위치 정보를 수집하여, 고장 부품의 수리 지급도에 따라 주변의 정비소를 자동으로 안내하여, 수리를 받을 수 있도록 하는 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템 및 방법을 제공함에 있다.

그리고 진단서버에서 진단한 고장 부품과 정비소단말을 통해 피드백되는 실제 고장 부품의 정보를 확인하여, 진단의 정확도를 판단할 수 있으며, 새로운 소음 데이터 패턴을 저장하고 그에 대한 고장 부품을 매칭하는 방식을 사용하여 고장 진단의 정확도를 향상시킬 수 있는 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템 및 방법을 제공함에 있다.

본 발명의 일측면에 따른 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템은, 설치위치에서 주행중인 자동차의 소음을 검출하는 다수의 음향센서를 포함하여 부품 이상에 따라 발생되는 소음데이터를 검출하여 전송하는 소음검출부와, 상기 소음검출부에서 검출된 소음데이터를 외부로 전송하며, 수신된 정보를 표시하는 사용자단말과, 상기 소음데이터를 분석하여 고장 부품의 종류와 위치를 특정하고, 고장 부품의 종류에 따라 위험도를 결정하고, 소음데이터의 크기와 발생빈도를 이용하여 고장 정도를 판단하여 수리 지급도를 결정하여, 상기 고장 부품의 종류, 위치, 위험도, 수리 지급도 정보를 상기 사용자단말로 전송하는 진단서버를 포함할 수 있다.

본 발명의 일실시예에 따르면, 상기 진단서버에 접속되어 정비소 위치정보를 제공하는 정비소단말을 더 포함할 수 있다.

본 발명의 일실시예에 따르면, 상기 진단서버는, 상기 수리 지급도가 긴급한 것이면, 상기 사용자단말의 위치정보와 인접한 상기 정비소 위치정보를 사용자단말로 전송할 수 있다.

본 발명의 일실시예에 따르면, 상기 위험도는, 상기 부품이 속하는 장치의 종류에 따라 결정될 수 있다.

본 발명의 일실시예에 따르면, 상기 고장 정도는, 소음 크기에 대한 다수의 기준값과 발생 빈도에 대한 다수의 기준값을 이용하여 다단계로 판단할 수 있다.

본 발명의 다른 측면에 따른 소음을 이용한 딥러닝 기반 자동차 고장진단 방법은, a) 사용자단말에서 다수의 음향센서로부터 주행중 자동차의 소음데이터를 수집하고, 수집된 소음데이터를 진단서버로 전송하는 단계와, b) 진단서버에서 소음데이터를 기저장된 소음데이터들과 비교하여 고장 부품을 진단하되, 다수의 음향센서에서 검출된 소음의 강도에 따라 고장 부품의 위치를 특정하는 단계와, c) 특정된 상기 고장 부품의 위험도를 기저장된 부품별 위험도 정보에서 추출하는 단계와, d) 소음데이터의 크기와 발생 주기를 이용하여 고장 부품의 고장 정도를 판단하는 단계와, e) 상기 고장 부품의 위험도와 고장 정도를 고려하여 수리 지급도를 선택하는 단계와, f) 상기 고장 부품, 위험도, 고장 정도 및 수리 지급도를 상기 사용자단말로 전송하여 표시되도록 하는 단계를 포함할 수 있다.

본 발명의 일실시예에 따르면 g) 상기 e) 단계의 수리 지급도가 설정 지급도 이상인 경우에 상기 사용자단말의 위치와 인접한 정비소를 안내하는 단계를 더 포함할 수 있다.

본 발명의 일실시예에 따르면, 상기 c) 단계는, 상기 부품이 속하는 장치의 종류에 따라 위험도를 결정할 수 있다.

본 발명의 일실시예에 따르면, 상기 d) 단계는, 소음 크기에 대한 다수의 기준값과 발생 빈도에 대한 다수의 기준값을 이용하여 상기 고장 정도를 다단계로 판단할 수 있다.

본 발명은 소음의 크기, 발생 빈도, 발생시 자동차의 운행 상태 등 다양한 정보를 이용하여 고장 부품의 종류와 위험도, 수리의 지급도를 진단할 수 있어, 운전자에게 정확한 정보를 제공함으로써, 부품 고장에 따른 교통사고 발생을 방지할 수 있는 효과가 있다.

아울러 본 발명은 부품의 수리 지급도에 따라 운전자의 검출된 위치에서 가까운 연계 정비소들을 운전자에게 안내하는 등의 서비스를 제공하여, 새로운 비즈니스모델을 창출할 수 있는 효과가 있다.

도 1은 본 발명의 바람직한 실시예에 따른 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템의 구성도이다.
도 2는 본 발명의 바람직한 실시예에 따른 소음을 이용한 딥러닝 기반 자동차 고장진단 방법의 순서도이다.

이하, 본 발명 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템 및 방법에 대하여 첨부한 도면을 참조하여 상세히 설명한다.

본 발명의 실시 예들은 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해 제공되는 것이며, 아래에 설명되는 실시 예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 아래의 실시 예들로 한정되는 것은 아니다. 오히려, 이들 실시 예는 본 발명을 더욱 충실하고 완전하게 하며 당업자에게 본 발명의 사상을 완전하게 전달하기 위하여 제공되는 것이다.

본 명세서에서 사용된 용어는 특정 실시 예를 설명하기 위하여 사용되며, 본 발명을 제한하기 위한 것이 아니다. 본 명세서에서 사용된 바와 같이 단수 형태는 문맥상 다른 경우를 분명히 지적하는 것이 아니라면, 복수의 형태를 포함할 수 있다. 또한, 본 명세서에서 사용되는 경우 "포함한다(comprise)" 및/또는"포함하는(comprising)"은 언급한 형상들, 숫자, 단계, 동작, 부재, 요소 및/또는 이들 그룹의 존재를 특정하는 것이며, 하나 이상의 다른 형상, 숫자, 동작, 부재, 요소 및/또는 그룹들의 존재 또는 부가를 배제하는 것이 아니다. 본 명세서에서 사용된 바와 같이, 용어 "및/또는"은 해당 열거된 항목 중 어느 하나 및 하나 이상의 모든 조합을 포함한다.　

본 명세서에서 제1, 제2 등의 용어가 다양한 부재, 영역 및/또는 부위들을 설명하기 위하여 사용되지만, 이들 부재, 부품, 영역, 층들 및/또는 부위들은 이들 용어에 의해 한정되지 않음은 자명하다. 이들 용어는 특정 순서나 상하, 또는 우열을 의미하지 않으며, 하나의 부재, 영역 또는 부위를 다른 부재, 영역 또는 부위와 구별하기 위하여만 사용된다. 따라서, 이하 상술할 제1 부재, 영역 또는 부위는 본 발명의 가르침으로부터 벗어나지 않고서도 제2 부재, 영역 또는 부위를 지칭할 수 있다.

이하, 본 발명의 실시 예들은 본 발명의 실시 예들을 개략적으로 도시하는 도면들을 참조하여 설명한다. 도면들에 있어서, 예를 들면, 제조 기술 및/또는 공차에 따라, 도시된 형상의 변형들이 예상될 수 있다. 따라서, 본 발명의 실시 예는 본 명세서에 도시된 영역의 특정 형상에 제한된 것으로 해석되어서는 아니 되며, 예를 들면 제조상 초래되는 형상의 변화를 포함하여야 한다.

도 1은 본 발명의 바람직한 실시예에 따른 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템의 구성도이다.

도 1을 참조하면 본 발명의 바람직한 실시예에 따른 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템은, 자동차(1)의 하부에 부착되어 소음을 검출하고, 부품 이상시 발생하는 소음데이터를 전송하는 소음검출부(100)와, 상기 소음검출부(100)의 소음데이터를 수신하여 외부로 무선송신하며, 고장진단결과를 수신하여 표시하며, 위치정보를 제공하고, 위치정보에 따라 수신되는 인접 정비소정보를 표시하는 사용자단말(200)과, 상기 사용자단말(200)의 소음데이터를 수신하여 특정 부품의 고장을 진단함과 아울러 소음의 크기, 발생빈도, 위치정보에 따른 자동차(1)의 동작 상태를 고려하여 고장 부품의 고장정도와 수리 지급도를 판단하여 상기 사용자단말(200)로 제공하는 클라우드 기반 진단서버(300)와, 상기 진단서버(300)와 연계되어, 상기 사용자단말(200)의 위치 및 수리 지급도에 따라 정비소 위치가 안내될 수 있도록 하며, 상기 진단서버(300)에서 사용자단말(200)로 안내된 내역을 수신하여 표시하는 정비소단말(400)을 포함할 수 있다.

이하, 상기와 같이 구성되는 본 발명의 바람직한 실시예에 따른 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템의 구성과 작용에 대하여 보다 상세히 설명한다.

먼저, 소음검출부(100)는 다수의 음향센서(110)를 구비하여 자동차(1)의 하부에서 주행중 발생하는 소음을 검출한다. 다수의 음향센서(110)를 구비하는 이유는 자동차(1)의 부품은 통상 좌우 대칭으로 배치되기 때문에 소음의 발생이 좌측 또는 우측 부품에서 발생됨을 구분할 수 있다.

또한 자동차(1)의 전륜측인지 후륜측인지도 명확하게 확인할 수 있어, 고장 부품의 종류에 따라 특유하게 발생하는 소음의 발생위치를 정확하게 특정할 수 있다.

상기 음향센서(110)에서 검출된 소음은 증폭부(120)를 통해 증폭되고, 디지털변환부(130)를 통해 디지털신호로 변환된 후, 필터부(140)를 통해 필터링 되어 가급적 자동차(1)의 부품에서 발생하는 소음만을 추출할 수 있도록 한다.

예를 들어 주행 중 노면과 타이어의 마찰음을 필터링 하여 제거할 수 있다.

상기 필터링된 소음데이터는 근거리 무선통신부(150)를 통해 외부로 송신된다.

상기 소음검출부(100)의 구성에서 다수의 음향센서(110)는 자동차(1)의 하부측에 직접 설치되며, 증폭부(120), 디지털변환부(130), 필터부(140) 및 근거리 무선통신부(150)는 자동차(1)의 실내에 위치할 수 있다.

그 다음, 상기 소음검출부(100)의 소음데이터는 사용자단말(200)에 수신되며, 사용자단말(200)의 메모리(230)에 설치된 어플리케이션에서는 소음검출부(100)의 근거리 무선통신부(150)의 소음데이터가 근거리 무선통신부(240)에 수신되면 이를 무선통신부(260)를 통해 진단서버(300)로 전송한다.

상기 진단서버(300)는 수신된 소음데이터를 기저장된 소음데이터 패턴과 비교하여 고장 부품을 특정하고, 고장 부품이 차량의 운행에 주는 영향에 따라 기설정된 위험도를 제공한다.

예를 들어 조향장치 또는 제동장치의 부품인 경우에는 더 큰 위험도를 설정하고, 현가장치의 부품인 경우에는 위험도를 상대적으로 낮게 설정하여 고장 부품에 따른 위험도를 결정할 수 있다.

또한, 소음데이터의 크기에 따라 해당 고장 부품의 고장정도를 확인할 수 있다.

그리고 사용자단말(200)은 GPS모듈(250)을 구비하여 위치정보를 주기적으로 상기 진단서버(300)에 제공함으로써, 현재 검출된 소음이 자동차(1)의 가속, 감속 또는 회전을 할 때 발생하는지 쉽게 확인할 수 있다.

이처럼 진단서버(300)는 소음데이터를 기저장된 소음데이터들과 비교하여 특정 부품에 이상이 있는 경우에 그 부품의 위험도, 수리 지급도를 함께 상기 사용자 단말(200)로 전송한다.

상기 진단서버(300)는 다양한 소음 패턴과 그 소음 패턴이 발생하는 원인 부품에 대한 데이터베이스를 가지고 있다. 상기 진단서버(300)는 본 발명의 진단방법을 수행하면 할수록 더 많은 소음 패턴 데이터를 누적할 수 있으며 딥러닝을 통해 소음 패턴 데이터에 따른 고장 부품의 진단 정확도를 높일 수 있다.

예를 들어 검출된 소음 패턴을 데이터베이스에 저장하고, 그 소음 패턴에 대한 고장 부품을 진단한 후, 실제 정비소에서 정비한 결과데이터를 수신하여 고장 부품의 진단이 정확했는지 판단할 수 있다. 이때 고장부품의 진단이 정확하지 않았을 경우 저장된 소음 패턴과 진단의 원인이 되는 소음 패턴의 차이를 분석하는 과정을 수행할 수 있다.

소음 패턴과 고장 부품의 예는 다음과 같다.

보닛에서 발생하는 끽끽 또는 찍찍 소리 - 타이밍 벨트 이상

핸들을 끝까지 돌려서 운행할 때 뚝뚝 또는 턱턱 걸리는 소리 - 등속조인트 이상

노면이 고르지 못한 곳을 지나갈 때에 바퀴 쪽 스프링에서 발생하는 찍찍 소리 - 부싱류

가속페달을 밟을 때 엔진룸 안에서 발생하는 바람 새는 소리 - 터보차져

제동시 발생하는 마찰음 - 브레이크 패드

주행시 뚝뚝 반복적으로 발생하는 소음 - 등속조인트

가속시 증가하는 소음 - 휠의 허브베어링

하체에서 발생하는 바람소리 - 댐퍼

하체에서 덜컹거리는 소리 - 휠의 고무 부싱 또는 볼트

상기 사용자단말(200)의 제어부(210)는 수신된 고장 부품을 디스플레이부(220)에 표시함과 아울러 해당 부품의 고장시 위험도와, 해당 부품의 고장 정도, 수리 시급도를 표시한다.

그리고 상기 진단서버(300)는 수리 시급도가 설정된 시급도 이상일 때에는 상기 사용자단말(200)의 위치에서 가까운 정비소의 위치정보를 함께 전송하여, 사용자단말(200)의 디스플레이부(220)에 정비소의 위치가 표시될 수 있도록 한다.

상기 정비소들은 진단서버(300)의 사업자와 연계된 것으로 하며, 진단서버(300)에서 상기 사용자단말(200)에 정비소 위치를 안내한 후, 해당 정비소의 정비소단말(400)에 특정한 사용자단말(200)에 정비소 위치를 안내했다는 사실을 통지한다.

또한 사용자단말(200)의 정보를 가까운 위치의 정비소에서 사용하는 정비소단말(400)에 제공하여 정비소측에서 직접 사용자단말(200)과 연락하여 해당 부품의 위험성을 설명할 수 있도록 한다.

정비소에서 자동차(1)를 검사할 때, 상기 진단서버(300)의 진단결과를 참조할 수 있기 때문에 상대적으로 빠른 정비가 가능하게 되어, 시간과 비용을 절약할 수 있게 된다.

또한, 상기 진단서버(300)는 정비소단말(400)에서 제공하는 실제 정비내역 정보를 수신하여 진단의 정확성을 판단할 수 있으며, 앞서 설명한 딥러닝의 소스로 사용할 수 있다.

이처럼 본 발명은 단순히 소음데이터를 분석하여 특정 부품의 고장여부를 확인하는 방식에서 더 나아가 고장 부품의 설치위치, 고장의 정도, 수리 시급도 정보를 다단계로 나누어 운전자에게 제공하여, 운전자가 위험성을 인지하고 고장난 부품의 수리를 할 수 있도록 함으로써, 고장 부품에 의한 교통 사고의 발생을 방지할 수 있는 효과가 있다.

도 2는 본 발명의 바람직한 실시예에 따른 소음을 이용한 딥러닝 기반 자동차 고장진단 방법의 순서도이다.

도 2를 참조하면 본 발명의 바람직한 실시예에 따른 소음을 이용한 딥러닝 기반 자동차 고장진단 방법은, 사용자단말(200)에서 다수의 음향센서(110)로부터 주행중 자동차(1)의 소음데이터를 수집하고, 수집된 소음데이터를 진단서버(300)로 전송하는 단계(S210)와, 진단서버(300)에서 소음데이터를 기저장된 소음데이터들과 비교하여 고장 부품을 진단하되, 다수의 음향센서(110)에서 검출된 소음의 강도에 따라 고장 부품의 위치를 특정하는 단계(S220)와, 특정된 상기 고장 부품의 위험도를 기저장된 부품별 위험도 정보에서 추출하는 단계(S230)와, 소음데이터의 크기와 발생 주기를 이용하여 고장 부품의 고장 정도를 판단하는 단계(S240)와, 상기 고장 부품의 위험도와 고장 정도를 고려하여 수리 지급도를 선택하는 단계(S250)와, 상기 고장 부품, 위험도, 고장 정도 및 수리 지급도를 상기 사용자단말(200)로 전송하여 표시되도록 하는 단계(S260)와, 상기 S250단계의 수리 지급도가 설정 지급도 이상인 경우에 상기 사용자단말(200)의 위치와 인접한 정비소를 안내하는 단계(S270)와, 상기 S270단계가 수행됨을 상기 인접한 정비소의 정비소단말(400)로 전송하는 단계(S280)를 포함한다.

이하, 상기와 같이 구성되는 본 발명의 바람직한 실시예에 따른 소음을 이용한 딥러닝 기반 자동차 고장진단 방법의 구성과 작용에 대하여 보다 상세히 설명한다.

먼저, S210단계와 같이, 사용자단말(200)에서는 상기 소음검출부(100)에 구비된 다수의 음향센서(110)에서 검출된 주행중인 자동차(1)의 소음데이터를 수신한다.

상기 다수의 음향센서(110)는 자동차(1)의 하부에 좌우 대칭인 형태로 자동차(1)의 길이 방향을 따라 소정의 간격으로 설치된다. 따라서 소음을 검출한 음향센서(110)를 특정하면 고장 부품의 위치를 특정할 수 있다.

상기 수신된 소음데이터는 진단서버(300)로 전송된다.

그 다음, S220단계와 같이, 상기 진단서버(300)는 소음데이터를 기저장된 소음데이터들과 비교하여 고장 부품을 진단한다. 상기 진단서버(300)는 특정한 부품의 고장에 따른 소음데이터를 DB에 저장하고 있으며, 수신된 소음데이터와 비교하여 고장 부품의 종류를 특정한다.

이때 다수의 상기 음향센서(110)에서 검출된 소음데이터를 구분하여 고장 부품의 위치를 특정한다. 예를 들어 다수의 음향센서(110)에서 특정한 부품이 고장났을 때 발생하는 소음이 검출되면 고장 부품의 종류를 특정할 수 있고, 해당 소음데이터가 좌측 후륜측에 설치된 음향센서(110)에서 가장 큰 값으로 검출되면 특정 부품 중 자동차(1)의 좌측 후륜에 설치된 부품이 고장난 것으로 특정할 수 있다.

그 다음, S230단계와 같이, 특정된 상기 고장 부품의 위험도를 기저장된 부품별 위험도 정보에서 추출한다. 상기 진단서버(300)는 자동차(1)를 구성하는 부품 또는 계(SYSTEM)마다 위험도를 단계별로 지정하여 저장하고 있으며, 검출된 고장 부품을 확인하여 위험도를 결정한다.

예를 들어 조향장치의 부품과 제동장치의 부품의 위험도를 현가장치 부품의 위험도에 비하여 더 높게 설정할 수 있다.

그 다음, S240단계에서는 소음데이터의 크기와 발생 주기를 이용하여 고장 부품의 고장 정도를 판단한다.

소음데이터가 크면 클수록 고장 정도가 큰 것으로 판단하고, 발생 주기가 짧을수록 고장 정도가 큰 것으로 판단한다. 이때의 판단 기준으로 다수의 기준값을 설정하고 현재 소음데이터의 정도를 판단하여 고장 정도를 결정할 수 있다.

그 다음, S250단계에서는 상기 고장 부품의 위험도와 고장 정도를 고려하여 수리 지급도를 선택한다. 예를 들어 조향장치 부품의 고장이며, 고장 정도가 심각한 경우에는 수리 지급도를 최우선으로 하며, 현가장치 부품의 고장이며 고장 정도가 미약하게 판단되는 경우에는 수리 지급도의 우선순위를 낮게 설정할 수 있다.

그 다음, S260단계에서는 상기 고장 부품, 위험도, 고장 정도 및 수리 지급도를 상기 사용자단말(200)로 전송하여 표시되도록 하여, 운전자가 차량의 상태를 쉽게 이해하고, 수리 지급도에 따라 잊지 않고 정비소를 방문할 수 있도록 한다.

그 다음, 상기 S250단계의 수리 지급도가 설정 지급도 이상일 때, 상기 진단서버(300)는 고장 부품, 위험도, 고장 정도 및 수리 지급도 이외에 상기 사용자단말(200)의 위치와 인접한 정비소를 안내한다.

따라서 수리 지급도가 최우선인 경우 운전자는 진단서버(300)에서 안내하는 정비소로 이동하여 수리를 받을 수 있도록 하여, 고장 부품에 의한 교통사고 발생을 방지한다.

또한, 도 2에는 도시하지 않았으나 상기 진단서버(300)는 고장 부품의 위험도가 높고, 고장 정도가 매우 심각하며, 수리 지급도가 매우 긴급한 경우에는 자동차(1)의 운행을 중단하라는 메시지를 사용자단말(200)로 전송할 수 있다.

이때 가까운 정비소까지 견인차를 이용하여 이동할 수 있도록 조치할 수 있다.

그 다음, 상기 S270단계가 수행됨을 상기 인접한 정비소의 정비소단말(400)로 전송하고, 현재 자동차(1)의 상태와 운전자의 사용자단말(200)의 정보를 정비소단말(400)로 제공하여, 정비소에서 운전자와 연락하여 자동차(1)의 상태 등에 대해 상세히 안내할 수 있도록 한다.

위의 실시예에서는 검출된 소음데이터를 진단서버(300)로 전송하여 진단서버(300)에서 고장 부품을 특정하는 것을 예로 들었다. 그러나 진단서버(300)의 부하량을 고려할 때 기본적인 진단은 자동차(1) 내에 설치되는 진단장치를 이용하여 진단할 수 있다.

도 3은 본 발명의 다른 실시예에 따른 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템의 구성도이다.

다른 구성은 도 1에 도시한 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템의 구성과 동일하며, 자동차(1)의 내에 설치되는 진단장치부(500)를 더 포함하여 구성된다.

상기 진단장치부(500)는 소정의 메모리를 포함하여, 소음패턴과 해당 소음의 발생 원인 정보가 저장되어 있다. 상기 진단장치부(500)는 자동차(1)에 설치된 블랙박스 또는 내비게이션일 수 있다.

먼저, 다수의 음향센서(110)를 이용하여 소음검출부(100)에서 검출된 소음데이터는 진단장치부(500)로 전송된다. 상기 진단장치부(500)는 소음데이터를 저장된 소음 패턴과 비교하여 고장 부품을 특정한다.

이때 역시 음향센서(110) 각각에서 검출된 동일 소음의 크기를 이용하여 부품의 위치를 특정할 수 있다.

아울러 고장 부품이 차량의 운행에 주는 영향에 따라 기설정된 위험도를 결정하고, 소음데이터의 크기에 따라 해당 고장 부품의 고장정도를 확인할 수 있다.

그러나 검출된 소음데이터와 동일한 소음 패턴이 진단장치부(500)에 저장되어 있지 않을 경우에는, 상기 진단장치부(500)는 소음데이터를 사용자단말(200)로 전송하고, 다시 사용자단말(200)은 소음데이터를 진단서버(300)로 전송한다.

상기 진단서버(300)는 수신된 소음데이터를 기저장된 소음데이터들과 비교하여 고장 부품을 특정하고, 고장 부품의 위험도, 수리 지급도를 함께 상기 사용자 단말(200)로 전송하여 사용자에게 인지시킬 수 있다.

상기 진단서버(300)의 소음 패턴들은 필요에 따라 사용자단말(200)을 통해 진단장치부(500)에 전달되어, 진단장치부(500)에 저장된 소음 패턴을 업데이트 할 수 있다.

상기 진단서버(300)는 사용자단말(200)들로부터 전송되는 소음데이터들을 저장하며, 해당 사용자단말(200)의 사용자가 정비소에서 고장부품을 수리하고, 그 수리정보를 정비소단말(300)을 통해 피드백 받을 수 있다.

이처럼 진단서버(300)는 소음데이터와 그 소음데이터가 발생한 자동차(1)의 수리 내역을 반복적으로 학습하여, 점차적으로 소음데이터와 고장 부품의 관계를 더욱 정확하게 진단할 수 있게 된다.

이와 같은 진단서버(300)의 반복적 학습은 진단장치부(500)를 포함하지 않는 경우에도 동일하게 적용될 수 있다.

본 발명은 상기 실시예에 한정되지 않고 본 발명의 기술적 요지를 벗어나지 아니하는 범위 내에서 다양하게 수정, 변형되어 실시될 수 있음은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어서 자명한 것이다.

100:소음검출부 110:음향센서
120:증폭부 130:디지털변환부
140:필터부 150:근거리 무선통신부
200:사용자단말 210:제어부
220:디스플레이부 230:메모리
240:근거리 무선통신부 250:GPS모듈
300:진단서버 400:정비소단말
500:진단장치부

Claims (11)

1. 설치위치에서 주행중인 자동차의 소음을 검출하되, 자동차의 좌우 및 전후에 대칭으로 배치되는 자동차 부품 중 소음이 발생하는 부품의 위치를 특정할 수 있는 다수의 음향센서와, 상기 다수의 음향센서 각각에서 검출된 소음을 증폭하는 증폭부와, 상기 증폭부에서 증폭된 신호를 디지털신호로 변환하는 디지털변환부와, 상기 디지털변환부의 디지털신호를 필터링하여 부품에서 발생하는 소음만을 추출하는 필터부와, 소음이 제거된 소음데이터를 수신하여 무선 송신하는 근거리 무선통신부를 포함하여 부품 이상에 따라 발생되는 소음데이터를 검출하여 전송하되, 자동차의 좌우 및 전후에 대칭으로 배치되는 자동차 부품 중 소음이 발생하는 부품의 위치를 특정할 수 있는 소음검출부;
   상기 소음검출부에서 검출된 소음데이터를 외부로 전송하며 수신된 정보를 표시하고, GPS 모듈을 포함하여 자동차의 위치정보를 상기 소음데이터와 함께 전송하는 사용자단말; 및
   상기 소음데이터와 자동차의 위치정보를 분석하여 자동차의 가속, 감속 또는 회전 중 어느 동작에서 소음이 발생하는지 확인하고, 고장 부품의 종류와 위치를 특정함과 아울러 고장 부품의 종류에 따라 위험도를 결정하고, 소음데이터의 크기와 발생빈도를 이용하여 고장 정도를 판단하여 수리 지급도를 결정하여, 상기 고장 부품의 종류, 위치, 위험도, 수리 지급도 정보를 상기 사용자단말로 전송하는 진단서버를 포함하는 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템.
2. 제1항에 있어서,
   상기 진단서버에 접속되어 정비소 위치정보를 제공하는 정비소단말을 더 포함하는 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템.
3. 제2항에 있어서,
   상기 진단서버는,
   상기 수리 지급도가 긴급한 것이면, 상기 사용자단말의 위치정보와 인접한 상기 정비소 위치정보를 사용자단말로 전송하는 것을 특징으로 하는 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템.
4. 제1항에 있어서,
   상기 위험도는,
   상기 부품이 속하는 장치의 종류에 따라 결정되는 것을 특징으로 하는 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템.
5. 제1항에 있어서,
   상기 고장 정도는,
   소음 크기에 대한 다수의 기준값과 발생 빈도에 대한 다수의 기준값을 이용하여 다단계로 판단하는 것을 특징으로 하는 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템.
6. 제2항에 있어서,
   자동차에 설치되어 상기 소음데이터를 분석하여 고장 부품의 종류와 위치를 특정하고, 고장 부품의 종류에 따라 위험도를 결정하고, 소음데이터의 크기와 발생빈도를 이용하여 고장 정도를 판단하여 수리 지급도를 결정하여, 상기 고장 부품의 종류, 위치, 위험도, 수리 지급도 정보를 표시하는 진단장치부를 더 포함하는 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템.
7. 제2항 또는 제6항에 있어서,
   상기 진단서버는,
   수신된 소음데이터를 저장하고, 상기 정비소단말에서 제공된 수리정보를 매칭시켜 반복 학습하여 진단 정확도를 증가시키는 것을 특징으로 하는 소음을 이용한 딥러닝 기반 자동차 고장진단 시스템.
8. a) 사용자단말에서 다수의 음향센서로부터 주행중 자동차의 소음데이터를 수집하고, 수집된 소음데이터를 진단서버로 전송함과 아울러 GPS모듈을 이용하여 검출된 위치정보를 함께 전송하는 단계;
   b) 진단서버에서 소음데이터를 기저장된 소음데이터들과 비교하여 고장 부품을 진단하되, 다수의 음향센서에서 검출된 소음의 강도에 따라 좌우 및 전후로 대칭 배치되는 부품들 중 소음이 발생한 고장 부품의 위치를 특정하고, 상기 위치정보를 확인하여 가속, 감속 또는 회전시 중 어느 때에 소음이 발생하는지 확인하는 단계;
   c) 특정된 상기 고장 부품의 위험도를 기저장된 부품별 위험도 정보에서 추출하는 단계;
   d) 소음데이터의 크기와 발생 주기를 이용하여 고장 부품의 고장 정도를 판단하는 단계;
   e) 상기 고장 부품의 위험도와 고장 정도를 고려하여 수리 지급도를 선택하는 단계; 및
   f) 상기 고장 부품, 위험도, 고장 정도 및 수리 지급도를 상기 사용자단말로 전송하여 표시되도록 하는 단계를 포함하는 소음을 이용한 딥러닝 기반 자동차 고장진단 방법.
9. 제8항에 있어서,
   g) 상기 e) 단계의 수리 지급도가 설정 지급도 이상인 경우에 상기 사용자단말의 위치와 인접한 정비소를 안내하는 단계를 더 포함하는 소음을 이용한 딥러닝 기반 자동차 고장진단 방법.
10. 제8항에 있어서,
    상기 c) 단계는,
    상기 부품이 속하는 장치의 종류에 따라 위험도를 결정하는 것을 특징으로 하는 소음을 이용한 딥러닝 기반 자동차 고장진단 방법.
11. 제8항에 있어서,
    상기 d) 단계는, 소음 크기에 대한 다수의 기준값과 발생 빈도에 대한 다수의 기준값을 이용하여 상기 고장 정도를 다단계로 판단하는 것을 특징으로 하는 소음을 이용한 딥러닝 기반 자동차 고장진단 방법.

Images