KR102039036B1 - 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템 - Google Patents

딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템 Download PDF

Info

Publication number
KR102039036B1
KR102039036B1 KR1020180069097A KR20180069097A KR102039036B1 KR 102039036 B1 KR102039036 B1 KR 102039036B1 KR 1020180069097 A KR1020180069097 A KR 1020180069097A KR 20180069097 A KR20180069097 A KR 20180069097A KR 102039036 B1 KR102039036 B1 KR 102039036B1
Authority
KR
South Korea
Prior art keywords
rattle
eps
inspection
inspection equipment
electric steering
Prior art date
Application number
KR1020180069097A
Other languages
English (en)
Inventor
최태원
Original Assignee
(주)영일랩스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)영일랩스 filed Critical (주)영일랩스
Priority to KR1020180069097A priority Critical patent/KR102039036B1/ko
Application granted granted Critical
Publication of KR102039036B1 publication Critical patent/KR102039036B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G01M17/06—Steering behaviour; Rolling behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D5/00—Power-assisted or power-driven steering
    • B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

신경망 기반의 비선형 변환기법을 활용하여 다차원의 데이터를 추상화하고, 성능을 결정하는 핵심적인 정보를 추출하는 방법으로 전동식 조향장치의 래틀을 검사할 수 있는 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템에 관한 것으로서, 전동식 조향장치(EPS)의 래틀 검사의 전체 동작을 제어하며, 주행도로에 맞는 조건의 부하상태를 제공하는 래틀 시험 제어장치, 래틀 시험 제어장치의 제어에 따라 검사장비에 주행도로에 맞는 부하를 인가하는 검사장비 구동부, 검사장비 구동부의 구동에 따라 전동식 조향장치에 진동을 가하는 EPS 래틀 검사장비 및 EPS 래틀 검사장비로부터 발생하는 진동신호를 이미지 데이터로 변환한 후 딥러닝 기반 고장예측 분석 알고리즘으로 분석하여 전동식 조향장치의 래틀을 평가하는 분석 평가부를 포함하여, 딥러닝 고장예측 분석기반 전동식 조향장치의 래틀 검사시스템을 구현한다.

Description

딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템{Electric Power Steering Rattle Inspection System Based Deep Running Fault Prediction Analysis}
본 발명은 딥러닝(Deep Running) 고장예측 분석기반 전동식 조향장치(EPS; Electric Power Steering) 래틀(Rattle) 검사시스템에 관한 것으로, 특히 신경망 기반의 비선형 변환기법을 활용하여 다차원의 데이터를 추상화하고, 성능을 결정하는 핵심적인 정보를 추출하는 방법으로 전동식 조향장치의 래틀을 검사할 수 있는 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템에 관한 것이다.
일반적으로 차량의 조향장치는 차량의 진행방향을 임으로 바꾸기 위해 사용하는 장치로서, 최근 전동식 조향장치(EPS - Electric Power Steering, EPAS - Electric Power Assisted Steering, MDPS - Motor Driven Power Steering, AFS - Active Front Steering) 및 전동식 유압 조향장치(EHPS - Electric Hydraulic Power Steering) 등으로 다양하게 개발되고 있다.
유압 보조형 조향장치는 항상 유압을 유지하고 있어야 하기 때문에 에너지의 손실이 큰 반면, 전동식 조향장치(EPS)의 경우 운전 조작이 있을 경우에만 모터를 구동하는 방식으로, 유압 보조형 조향장치 대비 최대 3 ~ 5%의 연료 저감이 가능하다. 이러한 장점으로 인해 근래에는 유압 조식 조향 시스템을 대체하여 모터 보조식(전동식) 조향 시스템이 큰 폭으로 성장하고 있다.
이러한 성장에 따라 상대적으로 전동식 조향장치의 성능과 안전에 대한 요구도 늘어나고 있다.
기존의 전동식 조향장치의 시험장치는 마찰시험, 성능시험, NVH 시험 및 ECU 정합성 시험 등이 있었지만, 성능판단 기준이 모호하여 시험하지 않았던 감성품질 향상을 위한 래틀 시험에 대한 수요도 요구되고 있다.
한편, 전동식 조향장치의 성능을 시험하기 위해 종래에 제안된 기술이 하기의 <특허문헌 1> 내지 <특허문헌 3> 에 개시되어 있다.
<특허문헌 1> 에 개시된 종래기술은 전동식 유압 조향장치의 성능시험을 위한 신호를 발생시키고, 성능시험 신호의 발생 일정을 관리하는 시험신호 발생부, 시험신호 발생부와 연결되어, 전동식 유압 조향장치의 성능시험의 동작을 제어하는 성능시험 제어부, 성능시험 제어부와 연결되어, 전동식 유압 조향장치의 단위 부품을 모듈화하여, 시험신호 발생부에서 발생한 성능시험 신호로 단위 부품을 구동하는 조향 모듈부 및 성능시험 제어부와 연결되어, 조향 모듈부의 단위 부품의 동작을 감지하는 단품평가 센서부를 포함한다. 이러한 구성을 통해, 전동식 조향장치 및 전동식 유압 조향장치와 같은 지능형 조향장치의 단위 부품의 성능을 시험하게 된다.
또한, <특허문헌 2> 에 개시된 종래기술은 전자 제어 타입으로 운용되는 파워 스티어링 시스템을 구축하기 위하여 시스템의 필수 구성부품들을 일괄적으로 순차 조립할 수 있는 일련의 조립공정을 제공함으로써, 자동화 설비에 의한 정밀도 및 이로 인한 조립성을 향상시켜 작업 효율성이 극대화되는 전자 제어식 파워 스티어링의 구성부품 조립공정을 제공한다.
또한, <특허문헌 3> 에 개시된 종래기술은 자동차 부품의 고유 주파수가 자동차의 진동 주파수 범위에 있는지 확인하는 단계, 자동차 부품의 고유 주파수가 자동차의 진동 주파수 범위에 없을 경우 자동차의 진동 주파수 범위로 자동차 부품의 고유 주파수를 유도하기 위해 자동차 부품에 질량을 부가하는 단계 및 질량이 부가된 자동차 부품을 자동차의 진동 주파수 범위에서 설정 횟수 가진시키는 단계를 포함한다. 이러한 구성을 통해, 가진기의 설정 진동 주파수 범위를 벗어난 주파수대에 고유 주파수를 가지는 자동차 부품에 대해서도 공진에 대한 진동 테스트를 할 수 있는 자동차 부품 진동 테스트 방법을 제공한다.
대한민국 공개특허 10-2012-0107745(2012.10.04. 공개)(전동식 유압 조향장치의 성능시험 시스템) 대한민국 공개특허 10-2012-0140299(2012.12.31. 공개)(전자 제어식 파워 스티어링의 구성부품 조립공정) 대한민국 등록특허 10-1450791(2014.10.07. 등록)(자동차 부품 진동 테스트 방법 및 진동 테스트 장치)
그러나 상기와 같은 종래기술 중 전동식 유압 보조형 조향장치는 항상 유압을 유지하기 때문에 에너지 손실이 큰 단점이 있으며, 전동식 조향장치에 대한 종래기술은 마찰시험 및 성능시험은 가능하나 감성품질 향상을 위한 래틀(Rattle) 시험은 불가능한 단점이 있다.
또한, (특허문헌 3> 에 개시된 종래기술은 가진기로 정해진 주파수 대역에서 진동 테스트를 수행하여 동작 여부만 판단하는 방식으로서, 전 주파수 대역에서 전동식 조향장치의 전체 성능을 정밀하게 검사하는 것이 불가능한 단점이 있다.
특히, 종래기술은 전동식 조향장치의 감성품질 평가가 실차 환경에서만 가능하여, 감성품질 평가를 위한 제약이 따르는 단점이 있다.
따라서 본 발명은 상기와 같은 종래기술에서 발생하는 제반 문제점을 해결하기 위해서 제안된 것으로서, 신경망 기반의 비선형 변환기법을 활용하여 다차원의 데이터를 추상화하고, 성능을 결정하는 핵심적인 정보를 추출하는 방법으로 전동식 조향장치의 래틀을 검사할 수 있는 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템을 제공하는 데 그 목적이 있다.
본 발명의 다른 목적은 고정밀 서보 시스템을 구축하여 전동식 조향장치의 부하에 인가함으로써, 실차 조건의 부하 인가를 통해 감성품질 향상을 도모하도록 한 딥러닝 고장예측 분석기반 전동식 조향장치의 래틀 검사시스템을 제공하는 것이다.
상기한 바와 같은 목적을 달성하기 위하여, 본 발명에 따른 딥러닝 고장예측 분석기반 전동식 조향장치의 래틀 검사시스템은, 전동식 조향장치(EPS)의 래틀 검사의 전체 동작을 제어하며, 주행도로에 맞는 조건의 부하상태를 제공하는 래틀 시험 제어장치; 상기 래틀 시험 제어장치의 제어에 따라 검사장비에 주행도로에 맞는 부하를 인가하는 검사장비 구동부; 상기 검사장비 구동부의 구동에 따라 전동식 조향장치에 진동을 가하는 EPS 래틀 검사장비; 상기 EPS 래틀 검사장비로부터 발생하는 진동신호를 변환한 후 딥러닝 기반 고장예측 분석 알고리즘으로 분석하여 전동식 조향장치의 래틀을 평가하는 분석 평가부를 포함하는 것을 특징으로 한다.
상기에서 래틀 시험 제어장치는 시험 가능한 전 주파수 대역으로 주파수를 가변하여 주행도로에 맞는 조건의 부하상태를 인위적으로 만드는 PLC 제어부를 포함하는 것을 특징으로 한다.
상기에서 검사장비 구동부는 상기 래틀 시험 제어장치에서 출력되는 주파수에 따라 상기 EPS 래틀 검사장비의 서보 모터 토크를 제어하여 상기 EPS 래틀 검사장비를 구동시키는 것을 특징으로 한다.
상기에서 검사장비 구동부는 상기 래틀 시험 제어장치에서 출력되는 토크 지령에 따라 EPS 래틀 검사장비의 서보 모터의 구동 전류를 제어하는 전류 제어기; 상기 전류 제어기에서 출력되는 전류를 검출하는 전류 검출센서; 상기 전류 검출센서에서 검출한 전류를 증폭하여 상기 전류 제어기에 피드백시키는 검출전류 증폭기를 포함하는 것을 특징으로 한다.
상기 전류 제어기는 상기 토크 지령과 상기 검출전류 증폭기에서 피드백되는 이득 값을 연산하여 오차를 산출하는 오차 연산기; 상기 오차 연산기에서 출력되는 오차를 증폭하는 연산증폭기; 상기 연산증폭기의 출력 값을 서보 모터 구동용 전력으로 변환하여 서보 모터를 구동하는 모터 구동부를 포함하는 것을 특징으로 한다.
상기에서 분석 평가부는 ODR(Omni Directional Regeneration) 기법을 활용하여 EPS 래틀 검사장비로부터 획득한 진동 신호를 이미지 데이터로 변환하는 진동신호 변환부; 상기 진동신호 변환부에서 변환된 이미지 데이터를 HoG(Histogram of Gradient) 기법으로 전처리하는 전처리부; 상기 전처리부에서 전처리된 진동 데이터를 딥러닝 기반 알고리즘으로 처리하여 전동식 조향장치에 사용되는 특징 인자를 추출하고, 상기 추출한 특징 인자를 래틀 평가 값으로 출력하는 딥러닝 기반 래틀 분석부를 포함하는 것을 특징으로 한다.
상기에서 딥러닝 기반 래틀 분석부는 볼츠만머신(Restricted Boltzmann Machine)을 활용한 깊은 신경망(Deep Belief Network)으로 전동식 조향장치의 래틀을 평가하기 위한 특징 인자를 추출하고, 다층 퍼셉트론(Multi Layer Perception) 학습화를 통해 EPS 래틀의 성능을 평가하는 것을 특징으로 한다.
본 발명에 따르면 신경망 기반의 비선형 변환기법을 활용하여 다차원의 데이터를 추상화하고, 성능을 결정하는 핵심적인 정보를 추출하는 방법으로 전동식 조향장치의 래틀을 검사함으로써, 전동식 조향장치의 감성품질 향상을 도모할 수 있는 장점이 있다.
도 1은 본 발명에 따른 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템의 구성도,
도 2는 본 발명에 따른 EPS 래틀 검사장비의 예시도,
도 3은 도 1의 분석 평가부의 실시 예 구성도,
도 4는 도 1의 검사장비 구동부의 실시 예 구성도,
도 5는 EPS 래틀 분석을 위한 특징 인자 도출 예시도,
도 6은 본 발명에서 EPS 래틀 검사장비로부터 검출한 진동신호를 이미지 데이터로 변환하는 예시도,
도 7a는 본 발명에서 특징 인자 도출 예시도,
도 7b는 EPS 래틀 평가 예시도.
이하 본 발명의 바람직한 실시 예에 따른 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템을 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 바람직한 실시 예에 따른 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템의 블록 구성도로서, 래틀 시험 제어장치(100), 검사장비 구동부(200), EPS 래틀 검사장비(300) 및 분석 평가부(400)를 포함한다.
상기 래틀 시험 제어장치(100)는 전동식 조향장치(EPS)의 래틀 검사의 전체 동작을 제어하며, 주행도로에 맞는 조건의 부하상태를 제공하는 역할을 한다.
이러한 래틀 시험 제어장치(100)는 래틀 시험에 대한 전반적인 관리를 담당하는 시스템 매니저(101), 상기 시스템 매니저(101)와 연동하여 시험 가능한 전 주파수 대역으로 주파수를 가변하여 주행도로에 맞는 조건의 부하상태를 인위적으로 만드는 PLC 제어부(102), 원격에서 발생한 래틀 시험 제어정보를 수신하여 상기 시스템 매니저(101)에 전달하는 원격 제어부(103), 래틀 시험을 위한 제어 명령을 아날로그 신호(AI, AO) 및 디지털 신호(DI, DO)로 입출력하는 입출력부(104)를 포함한다.
또한, 상기 검사장비 구동부(200)는 상기 래틀 시험 제어장치(100)의 제어에 따라 검사장비에 주행도로에 맞는 부하를 인가하는 역할을 한다.
이러한 검사장비 구동부(200)는 상기 래틀 시험 제어장치(100)에서 출력되는 주파수에 따라 상기 EPS 래틀 검사장비(300)의 서보 모터 토크를 제어하여 상기 EPS 래틀 검사장비(300)를 구동시키는 것이 바람직하다.
상기와 같이 동작하는 검사장비 구동부(200)는 도 4에 도시한 바와 같이, 상기 래틀 시험 제어장치(100)에서 출력되는 토크 지령에 따라 EPS 래틀 검사장비(300)의 서보 모터의 구동 전류를 제어하는 전류 제어기(210), 상기 전류 제어기(210)에서 출력되는 전류를 검출하는 전류 검출센서(220), 상기 전류 검출센서(220)에서 검출한 전류를 증폭하여 상기 전류 제어기(210)에 피드백시키는 검출전류 증폭기(230)를 포함한다.
바람직하게, 상기 전류 제어기(210)는 상기 토크 지령과 상기 검출전류 증폭기(230)에서 피드백되는 이득 값을 연산하여 오차를 산출하는 오차 연산기(211), 상기 오차 연산기(211)에서 출력되는 오차를 증폭하는 연산증폭기(212), 상기 연산증폭기(212)의 출력 값을 서보 모터 구동용 전력으로 변환하여 서보 모터를 구동하는 모터 구동부(213)를 포함한다.
또한, 상기 EPS 래틀 검사장비(300)는 상기 검사장비 구동부(200)의 구동에 따라 전동식 조향장치에 진동을 가하는 역할을 한다.
또한, 상기 분석 평가부(400)는 상기 EPS 래틀 검사장비(300)로부터 발생하는 진동신호를 변환한 후 딥러닝 기반 고장예측 분석 알고리즘으로 분석하여 전동식 조향장치의 래틀을 평가하는 역할을 한다.
이러한 분석 평가부(400)는 도 3에 도시한 바와 같이, ODR(Omni Directional Regeneration) 기법을 활용하여 EPS 래틀 검사장비(300)로부터 획득한 진동 신호를 이미지 데이터로 변환하는 진동신호 변환부(401), 상기 진동신호 변환부(401)에서 변환된 이미지 데이터를 HoG(Histogram of Gradient) 기법으로 전처리하는 전처리부(402), 상기 전처리부(402)에서 전처리된 진동 데이터를 딥러닝 기반 알고리즘으로 처리하여 전동식 조향장치에 사용되는 특징 인자를 추출하고, 상기 추출한 특징 인자를 래틀 평가값으로 출력하는 딥러닝 기반 래틀 분석부(403)를 포함한다.
여기서 딥러닝 기반 래틀 분석부(403)는 볼츠만머신(Restricted Boltzmann Machine)을 활용한 깊은 신경망(Deep Belief Network)으로 전동식 조향장치의 래틀을 평가하기 위한 특징 인자를 추출하고, 다층 퍼셉트론(Multi Layer Perception) 학습화를 통해 EPS 래틀의 성능을 평가하는 것이 바람직하다.
이와 같이 구성된 본 발명의 바람직한 실시 예에 따른 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템의 동작을 구체적으로 설명하면 다음과 같다.
본 발명은 기존 EPS 시험 방식인 마찰시험, 성능시험, NVH 시험 및 ECU 정합시험 등을 이용한 경우, 성능판단 기준이 모호한 문제 즉, 감성품질 시험이 불가능한 문제를 해결하기 위해서, 딥러닝이란 신경망 기반의 비선형 변환기법을 활용하여 다차원의 데이터를 추상화하고, 이 과정에서 성능을 결정하는 핵심적인 정보를 추출하는 방법으로 이용하여 감성품질 향상을 위한 래틀 시험을 수행한다.
예컨대, 래틀 시험 제어장치(100)는 전동식 조향장치(EPS)의 래틀 검사를 위해 주행도로에 맞는 조건의 부하상태를 제공한다. 즉, 실차 조건의 부하를 EPS 래틀 검사장비(300)에 인가하여, 감성품질 향상을 위한 시험이 이루어지도록 한다.
이를 위해 래틀 시험 제어장치(100)의 PLC 제어부(102)는 래틀 시험에 대한 전반적인 관리를 담당하는 시스템 매니저(101)와 연동하여 시험 가능한 전 주파수 대역으로 주파수를 가변하여 주행도로에 맞는 조건의 부하상태를 인위적으로 만든다. 기존에는 가진기로 정해진 주파수 대역에서 동작 여부만을 판단하고, 주행도로에 맞는 조건의 부하상태로 EPS 성능을 측정하는 것이 불가능하였으나, 본 발명에서는 전 주파수 대역에서 EPS의 성능을 검사하도록 하였다.
상기 PLC 제어부(102)에서 생성한 주파수 제어 명령은 입출력부(104)를 통해 아날로그 제어 명령(AI, AO) 또는 디지털 제어 명령(DI, DO)으로 변환되어 검사장비 구동부(200)에 검사장비 구동을 위한 제어명령으로 인가된다.
상기 검사장비 구동부(200)는 상기 래틀 시험 제어장치(100)에서 발생하는 제어 명령에 따라 검사장비에 주행도로에 맞는 부하를 인가하여 실차 조건의 부하를 제공한다.
예컨대, 검사장비 구동부(200)는 상기 래틀 시험 제어장치(100)에서 출력되는 주파수에 따라 상기 EPS 래틀 검사장비(300)의 서보 모터 토크를 제어하여 상기 EPS 래틀 검사장비(300)를 구동시킨다.
즉, 검사장비 구동부(200)는 도 4에 도시한 바와 같이, 전류 제어기(210)에서 상기 래틀 시험 제어장치(100)에서 출력되는 토크 지령(전류 명령)에 따라 EPS 래틀 검사장비(300)의 서보 모터의 구동 전류를 제어한다.
다시 말해, 전류 제어기(210)의 오차 연산기(211)는 상기 토크 지령과 검출전류 증폭기(230)에서 피드백되는 이득 값을 곱셈 연산하여 그 결과를 오차로 산출한다. 이어, 연산 증폭기(212)에서 상기 오차 연산기(211)에서 출력되는 오차를 정해진 증폭도 레벨에 맞게 증폭한다. 다음으로, 모터 구동부(213)에서 연산증폭기(212)의 출력 값을 서보 모터 구동용 전력으로 변환하여 EPS 래틀 검사장비(300)의 서보 모터를 구동한다.
상기와 같은 방식으로 서보 모터를 구동할 때, 전류 검출센서(220)는 상기 전류 제어기(210)에서 출력되는 서보 모터 구동전류를 검출하고, 검출전류 증폭기(230)는 상기 전류 검출센서(220)에서 검출한 전류를 증폭하여 상기 전류 제어기(210)의 오차 연산기(211)에 피드백시켜, 정밀하게 서보 모터를 구동시킨다. 여기서 서보 모터의 구동 출력은 서보 모터의 토크 및 속도를 통합 제어하는 제어신호가 된다.
이러한 서보 모터의 구동 출력에 따라 도 2와 같은 EPS 래틀 검사장비(300)는 전동식 조향장치에 진동을 가한다. 이때 가하는 진동은 전 주파수 대역에서 가변되는 주파수에 대응하는 구동 출력으로서, 이로써 실차 조건의 부하를 EPS에 인가하게 된다.
상기 실차 조건의 부하 인가에 따라 EPS 래틀 검사장비(300)가 동작을 하여 EPS를 구동시킨 상태에서, 분석 평가부(400)는 상기 EPS 래틀 검사장비(300)로부터 발생하는 진동신호를 측정 및 변환한 후 딥러닝 기반 고장예측 분석 알고리즘으로 분석하여 전동식 조향장치의 래틀을 평가한다.
이러한 분석 평가부(400)는 도 3에 도시한 바와 같이, 진동신호 변환부(401)에서 ODR(Omni Directional Regeneration; 전방향 재생) 기법을 활용하여 EPS 래틀 검사장비(300)로부터 획득한 진동 신호를 이미지 데이터로 변환한다.
도 6은 EPS 래틀 검사장비로부터 검출한 진동신호를 이미지 데이터로 변환하는 예시 도이다.
다음으로, 전처리부(402)는 상기 진동신호 변환부(401)에서 변환된 이미지 데이터를 HoG(Histogram of Gradient) 기법으로 전처리한다. 여기서 HoG 기법은 픽셀의 변화량의 각도와 크기를 고려하여 히스토그램 형태의 특징(Feature)을 추출하는 방법이다. 픽셀 값의 변화량을 나타내는 척도로 주로 이미지의 texture를 표현한다. 상기 진동신호 변환부(401)에서 변환한 이미지 데이터를 가우시안 필터(σ = 0.1)를 사용해서 가중치(weighted magnitude)를 추출하는 방식으로 전처리를 수행한다.
이어, 딥러닝 기반 래틀 분석부(403)에서 상기 전처리부(402)에서 전처리된 진동 데이터를 딥러닝 기반 알고리즘으로 처리하여 전동식 조향장치에 사용되는 특징 인자를 추출하고, 상기 추출한 특징 인자를 래틀 평가값으로 출력한다.
예컨대, 딥러닝 기반 래틀 분석부(403)는 볼츠만머신(Restricted Boltzmann Machine)을 활용한 도 7a와 같은 깊은 신경망(Deep Belief Network)으로 전동식 조향장치의 래틀을 평가하기 위한 특징 인자를 추출한다. 이어 추출한 특징 인자에 대하여 도 7b와 같은 다층 퍼셉트론(Multi Layer Perception) 학습화를 통해 EPS 래틀의 성능을 평가한다.
즉, 본 발명은 딥러닝이란 신경망 기반의 비선형 변환기법을 활용하여 다차원의 데이터를 추상화하고, 이 과정에서 성능을 결정하는 핵심적인 정보(인자)를 추출하는 방법을 이용하여, 전자식 조향장치의 감성품질 향상을 위한 래틀 시험을 수행하고, 그 결과로 EPS 래틀의 성능을 정확하게 평가할 수 있게 되는 것이다.
이상 본 발명자에 의해서 이루어진 발명을 상기 실시 예에 따라 구체적으로 설명하였지만, 본 발명은 상기 실시 예에 한정되는 것은 아니고 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 이 기술분야에서 통상의 지식을 가진 자에게 자명하다.
100: 래틀 시험 제어장치
101: 시스템 매니저
102: PLC 제어부
103: 원격 제어부
104: 입출력부
200: 검사장비 구동부
210: 전류 제어기
220: 전류 검출센서
230: 검출전류 증폭기
300: EPS 래틀 검사장비
400: 분석 평가부
401: 진동신호 변환부
402: 전처리부
403: 딥러닝 기반 래틀 분석부

Claims (7)

  1. 딥러닝 고장예측 분석기반으로 전동식 조향장치(EPS)의 래틀(Rattle)을 검사하기 위한 시스템으로서,
    전동식 조향장치(EPS)의 래틀 검사의 전체 동작을 제어하며, 주행도로에 맞는 조건의 부하상태를 제공하는 래틀 시험 제어장치;
    상기 래틀 시험 제어장치의 제어에 따라 검사장비에 주행도로에 맞는 부하를 인가하는 검사장비 구동부;
    상기 검사장비 구동부의 구동에 따라 전동식 조향장치에 진동을 가하는 EPS 래틀 검사장비; 및
    상기 EPS 래틀 검사장비로부터 발생하는 진동신호를 이미지 데이터로 변환한 후 딥러닝 기반 고장예측 분석 알고리즘으로 분석하여 전동식 조향장치의 래틀을 평가하는 분석 평가부를 포함하고,
    상기 래틀 시험 제어장치는 시험 가능한 전 주파수 대역으로 주파수를 가변하여 주행도로에 맞는 조건의 부하상태를 인위적으로 만드는 PLC 제어부를 포함하며,
    상기 검사장비 구동부는 상기 래틀 시험 제어장치에서 출력되는 주파수에 따라 상기 EPS 래틀 검사장비의 서보 모터 토크를 제어하여 상기 EPS 래틀 검사장비를 구동시키는 것을 특징으로 하는 딥러닝 고장예측 분석기반 전동식 조향장치의 래틀 검사시스템.
  2. 삭제
  3. 삭제
  4. 청구항 1에서, 상기 검사장비 구동부는 상기 래틀 시험 제어장치에서 출력되는 토크 지령에 따라 EPS 래틀 검사장비의 서보 모터의 구동 전류를 제어하는 전류 제어기; 상기 전류 제어기에서 출력되는 전류를 검출하는 전류 검출센서; 상기 전류 검출센서에서 검출한 전류를 증폭하여 상기 전류 제어기에 피드백시키는 검출전류 증폭기를 포함하는 것을 특징으로 하는 딥러닝 고장예측 분석기반 전동식 조향장치의 래틀 검사시스템.
  5. 청구항 4에서, 상기 전류 제어기는 상기 토크 지령과 상기 검출전류 증폭기에서 피드백되는 이득 값을 연산하여 오차를 산출하는 오차 연산기; 상기 오차 연산기에서 출력되는 오차를 증폭하는 연산증폭기; 상기 연산증폭기의 출력 값을 서보 모터 구동용 전력으로 변환하여 서보 모터를 구동하는 모터 구동부를 포함하는 것을 특징으로 하는 딥러닝 고장예측 분석기반 전동식 조향장치의 래틀 검사시스템.
  6. 청구항 1에서, 상기 분석 평가부는 ODR(Omni Directional Regeneration) 기법을 활용하여 EPS 래틀 검사장비로부터 획득한 진동 신호를 이미지 데이터로 변환하는 진동신호 변환부; 상기 진동신호 변환부에서 변환된 이미지 데이터를 HoG(Histogram of Gradient) 기법으로 전처리하는 전처리부; 상기 전처리부에서 전처리된 진동 데이터를 딥러닝 기반 알고리즘으로 처리하여 전동식 조향장치에 사용되는 특징 인자를 추출하고, 상기 추출한 특징 인자를 래틀 평가값으로 출력하는 딥러닝 기반 래틀 분석부를 포함하는 것을 특징으로 하는 딥러닝 고장예측 분석기반 전동식 조향장치의 래틀 검사시스템.
  7. 청구항 6에서, 상기 딥러닝 기반 래틀 분석부는 볼츠만머신(Restricted Boltzmann Machine)을 활용한 깊은 신경망(Deep Belief Network)으로 전동식 조향장치의 래틀을 평가하기 위한 특징 인자를 추출하고, 다층 퍼셉트론(Multi Layer Perception) 학습화를 통해 EPS 래틀의 성능을 평가하는 것을 특징으로 하는 딥러닝 고장예측 분석기반 전동식 조향장치의 래틀 검사시스템.
KR1020180069097A 2018-06-15 2018-06-15 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템 KR102039036B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180069097A KR102039036B1 (ko) 2018-06-15 2018-06-15 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180069097A KR102039036B1 (ko) 2018-06-15 2018-06-15 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템

Publications (1)

Publication Number Publication Date
KR102039036B1 true KR102039036B1 (ko) 2019-11-04

Family

ID=68578169

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180069097A KR102039036B1 (ko) 2018-06-15 2018-06-15 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템

Country Status (1)

Country Link
KR (1) KR102039036B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102309559B1 (ko) * 2020-06-17 2021-10-07 광주과학기술원 전동기 권선 결함 진단 방법
CN114013501A (zh) * 2021-11-25 2022-02-08 南京航空航天大学 一种电-液转向容错控制方法及终端
CN115310499A (zh) * 2022-10-12 2022-11-08 极晨智道信息技术(北京)有限公司 一种基于数据融合的工业设备故障诊断系统及方法
KR20230071533A (ko) 2021-11-16 2023-05-23 한국전기연구원 로봇 고장 진단 방법, 장치 및 시스템
CN116972914A (zh) * 2023-09-22 2023-10-31 华夏天信智能物联股份有限公司 变频一体机智能测试方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005212706A (ja) * 2004-02-02 2005-08-11 Nsk Ltd 電動パワーステアリング評価システム、方法、およびプログラム
JP2006038478A (ja) * 2004-07-22 2006-02-09 Mitsui Eng & Shipbuild Co Ltd 被検体の良否判定方法および装置
KR20120107745A (ko) 2011-03-22 2012-10-04 자동차부품연구원 전동식 유압 조향장치의 성능 시험 시스템
KR20120140299A (ko) 2011-06-21 2012-12-31 영일엔지니어링(주) 전자 제어식 파워 스티어링의 구성부품 조립공정
KR101450791B1 (ko) 2013-09-11 2014-10-15 우신공업 주식회사 자동차 부품 진동 테스트 방법 및 진동 테스트 장치
JP2017211196A (ja) * 2016-05-23 2017-11-30 日本精工株式会社 電動パワーステアリング制御装置の検査装置及びそれを搭載した電動パワーステアリング装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005212706A (ja) * 2004-02-02 2005-08-11 Nsk Ltd 電動パワーステアリング評価システム、方法、およびプログラム
JP2006038478A (ja) * 2004-07-22 2006-02-09 Mitsui Eng & Shipbuild Co Ltd 被検体の良否判定方法および装置
KR20120107745A (ko) 2011-03-22 2012-10-04 자동차부품연구원 전동식 유압 조향장치의 성능 시험 시스템
KR20120140299A (ko) 2011-06-21 2012-12-31 영일엔지니어링(주) 전자 제어식 파워 스티어링의 구성부품 조립공정
KR101450791B1 (ko) 2013-09-11 2014-10-15 우신공업 주식회사 자동차 부품 진동 테스트 방법 및 진동 테스트 장치
JP2017211196A (ja) * 2016-05-23 2017-11-30 日本精工株式会社 電動パワーステアリング制御装置の検査装置及びそれを搭載した電動パワーステアリング装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
송주환, 딥러닝 기반 발전소 터빈설비 진단기술, KEPIC 유지정비 세미나 (2018.02.27.)* *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102309559B1 (ko) * 2020-06-17 2021-10-07 광주과학기술원 전동기 권선 결함 진단 방법
KR20230071533A (ko) 2021-11-16 2023-05-23 한국전기연구원 로봇 고장 진단 방법, 장치 및 시스템
CN114013501A (zh) * 2021-11-25 2022-02-08 南京航空航天大学 一种电-液转向容错控制方法及终端
CN114013501B (zh) * 2021-11-25 2022-09-30 南京航空航天大学 一种电-液转向容错控制方法及终端
CN115310499A (zh) * 2022-10-12 2022-11-08 极晨智道信息技术(北京)有限公司 一种基于数据融合的工业设备故障诊断系统及方法
CN116972914A (zh) * 2023-09-22 2023-10-31 华夏天信智能物联股份有限公司 变频一体机智能测试方法和系统
CN116972914B (zh) * 2023-09-22 2023-12-26 华夏天信智能物联股份有限公司 变频一体机智能测试方法和系统

Similar Documents

Publication Publication Date Title
KR102039036B1 (ko) 딥러닝 고장예측 분석기반 전동식 조향장치 래틀 검사시스템
KR102166649B1 (ko) 기계학습을 이용한 회전기계 고장 진단 및 예측시스템
CN102914427B (zh) 一种多轴随机载荷下疲劳损伤评估方法
Ciminello et al. Concilio
O'brien et al. A pattern recognition system based on acoustic signals for fault detection on composite materials
Khan et al. Autonomous assessment of delamination in laminated composites using deep learning and data augmentation
JP6310722B2 (ja) システムのパラメータ同定方法
Harshitha et al. Damage detection of structural members using internet of things (IoT) paradigm
Parvaresh et al. Model predictive control of a hydraulic actuator in torque applying system of a mechanically closed-loop test rig for the helicopter gearbox
Rahmat et al. Accuracy comparison of ARX and ANFIS model of an electro-hydraulic actuator system
CN111579634B (zh) 一种铁磁性材料表面残余应力的抽样评估方法
Uluocak et al. Model Predictive Control Coupled with Artificial Intelligence for Eddy Current Dynamometers
CN102252126A (zh) 电液角位移伺服系统中伺服对象参数识别方法
CN102141172A (zh) 电液线位移伺服系统中执行机构参数识别装置及识别方法
Zhang et al. Model recognition and validation for an off-road vehicle electrohydraulic steering controller
Wu et al. A modified time reversal method for guided wave detection of bolt loosening in simulated thermal protection system panels
KR102032491B1 (ko) 능동 진동 제어 기술을 이용한 모형 선박의 저항 계측 방법
CN116921910A (zh) 一种汽车车身零部件电阻点焊质量评估方法和系统
CN115358294A (zh) 一种高速列车牵引系统的微小故障检测方法
CN113719499B (zh) 一种电液伺服阀智能故障诊断方法
CN115270591A (zh) 一种基于复合空间的机电作动器健康状态监测方法及系统
JP5880326B2 (ja) リニア弁における自励振動の検出方法
Arritt et al. Structural health monitoring: an enabler for responsive satellites
KR20150104459A (ko) 기계 구조물의 결함 진단 시스템 및 그 방법
CN109993211B (zh) 基于结构加速度ar模型系数的损伤识别方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant