KR102324776B1 - 차량의 소음원인 진단방법 - Google Patents
차량의 소음원인 진단방법 Download PDFInfo
- Publication number
- KR102324776B1 KR102324776B1 KR1020170133858A KR20170133858A KR102324776B1 KR 102324776 B1 KR102324776 B1 KR 102324776B1 KR 1020170133858 A KR1020170133858 A KR 1020170133858A KR 20170133858 A KR20170133858 A KR 20170133858A KR 102324776 B1 KR102324776 B1 KR 102324776B1
- Authority
- KR
- South Korea
- Prior art keywords
- reference data
- vehicle
- sound source
- noise
- source signal
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
- G01H3/04—Frequency
- G01H3/08—Analysing frequencies present in complex vibrations, e.g. comparing harmonics present
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
- G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/12—Testing internal-combustion engines by monitoring vibrations
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/048—Marking the faulty objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4427—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with stored values, e.g. threshold values
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/11—File system administration, e.g. details of archiving or snapshots
- G06F16/116—Details of conversion of file system types or formats
-
- 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
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2306/00—Other features of vehicle sub-units
- B60Y2306/15—Failure diagnostics
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K2210/00—Details of active noise control [ANC] covered by G10K11/178 but not provided for in any of its subgroups
- G10K2210/10—Applications
- G10K2210/128—Vehicles
- G10K2210/1282—Automobiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2499/00—Aspects covered by H04R or H04S not otherwise provided for in their subgroups
- H04R2499/10—General applications
- H04R2499/13—Acoustic transducers and sound field adaptation in vehicles
Abstract
본 발명에 따른 차량의 소음원인 진단방법은 제어부가 차량 내에 설치된 마이크로폰을 통해 음원신호를 수신하는 단계; 수신단계 후, 제어부가 수신된 음원신호를 인공지능 서버에 송신하고, 인공지능 서버가 수신된 음원신호를 저장된 기준데이터와 비교분석하여, 음원신호와 대응되는 기준데이터를 추출하는 단계; 추출단계 후, 인공지능 서버가 추출된 기준데이터를 제어부에 송신하고, 제어부가 수신된 기준데이터에 기반하여 차량의 소음원인에 대한 정보를 포함한 출력신호를 진단장치에 출력하는 단계;를 포함할 수 있다.
Description
본 발명은 차량에서 발생하는 소리정보를 인공지능 서버의 데이터와 비교분석함으로써, 쉽게 차량의 소음 원인을 진단하는 방법에 관한 것이다.
일반적으로 차량에 탑재된 엔진, 변속기 등에서 발생하는 소음은 사람이 직접 청음하여 판단하거나, 차량 전체 소음을 계측한 뒤 개별적 분석을 일일이 수행함으로써 문제 부위를 판단하였다.
하지만, 이 경우에 차량 문제현상의 원인을 규명하는데 소요되는 비용과 m/h가 증가하고, 전문가만이 차량의 문제현상을 정확하게 규명할 수 있어 일반인들이 차량의 문제를 분별하는데 큰 어려움이 따른다.
상기의 배경기술로서 설명된 사항들은 본 발명의 배경에 대한 이해 증진을 위한 것일 뿐, 이 기술분야에서 통상의 지식을 가진자에게 이미 알려진 종래기술에 해당함을 인정하는 것으로 받아들여져서는 안 될 것이다.
본 발명은 이러한 문제점을 해결하기 위하여 제안된 것으로, 차량 내에 구비된 마이크로폰으로부터 수신된 음원신호를 인공지능 서버를 통해 분석하여, 차량의 소음원인을 정밀하게 규명하는 차량의 소음원인 진단방법을 제공하는데 그 목적이 있다.
상기의 목적을 달성하기 위한 본 발명에 따른 차량의 소음원인 진단방법은 제어부가 차량 내에 설치된 마이크로폰을 통해 음원신호를 수신하는 단계; 상기 수신단계 후, 상기 제어부가 수신된 음원신호를 인공지능 서버에 송신하고, 상기 인공지능 서버가 수신된 음원신호를 기저장된 기준데이터맵과 비교분석하여, 상기 기준데이터맵으로부터 상기 음원신호와 대응되는 기준데이터를 추출하는 단계; 상기 추출단계 후, 상기 인공지능 서버가 추출된 기준데이터를 상기 제어부에 송신하고, 상기 제어부가 수신된 기준데이터에 기반하여 차량의 소음원인에 대한 정보를 포함한 출력신호를 진단장치에 출력하는 단계;를 포함할 수 있다.
상기 마이크로폰은 차량 실내 또는 엔진 측에 설치된 것을 특징으로 할 수 있다.
상기 추출단계 시, 상기 인공지능 서버는 수신된 음원신호를 이미지데이터로 변환시킨 다음, 변환된 상기 이미지데이터와 기준데이터맵을 비교하여 대응되는 기준데이터를 추출하는 것을 특징으로 할 수 있다.
상기 인공지능 서버는 음원신호를 가버필터(Gabor Filter) 및 멜필터(Mel Filter)를 이용하여 이미지데이터로 변환시키는 것을 특징으로 할 수 있다.
상기 추출단계 시, 상기 인공지능 서버는 수신된 음원신호를 신경망 기법을 이용하여 특정 파라미터로 변환시킨 다음, 변환된 상기 특정 파라미터와 상기 기준데이터맵을 비교하여 대응되는 기준데이터를 추출하는 것을 특징으로 할 수 있다.
상기 신경망 기법은 엔진회전수(RPM) 데이터를 추가로 적용한 DNN(Deep Neural Network) 또는 CNN(Convolution Neural Network) 기법인 것을 특징으로 할 수 있다.
상기 추출단계 시, 상기 인공지능 서버는 수신된 단일 음원신호의 전체시간동안의 음원정보를 이용하여 기준데이터를 추출하는 것을 특징으로 할 수 있다.
상기 추출단계 시, 상기 인공지능 서버는 수신된 음원신호를 이미지데이터로 변환하고, 변환된 이미지데이터를 신경망 기법을 이용하여 특정 파라미터로 변환시킨 다음, 변환된 특정 파라미터와 상기 기준데이터맵을 비교하여 대응되는 기준데이터를 추출하는 것을 특징으로 할 수 있다.
상기 기준데이터는 소음의 원인이 되는 다수의 차량부품 및 상기 차량부품들의 소음연관률 정보를 포함하고, 상기 출력단계 시, 상기 제어부는 수신된 기준데이터에 기반하여 소음연관률이 높은 순서대로 다수의 차량부품들이 나열되도록 상기 진단장치에 출력신호를 출력하는 것을 특징으로 할 수 있다.
상술한 바와 같은 구조로 이루어진 차량의 소음원인 진단방법에 따르면 차량 문제발생시 소음원인을 규명하는데 소요되는 비용 및 M/H를 저감할 수 있다.
또한, 비전문가인 일반인도 손쉽게 차량의 소음원인을 파악할 수 있다.
도 1은 본 발명의 일 실시예에 따른 차량의 소음원인 진단방법을 도시한 순서도,
도 2는 본 발명의 일 실시예에 따른 차량의 소음원인 진단장치를 도시한 블록도,
도 3은 본 발명의 일 실시예에 따른 진단장치의 동작을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 차량의 소음원인 진단장치를 도시한 블록도,
도 3은 본 발명의 일 실시예에 따른 진단장치의 동작을 도시한 도면이다.
이하에서는 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예에 따른 차량의 소음원인 진단방법에 대하여 살펴본다.
도 1은 본 발명의 일 실시예에 따른 차량의 소음원인 진단방법을 도시한 순서도, 도 2는 본 발명의 일 실시예에 따른 차량의 소음원인 진단장치를 도시한 블록도이다.
도 1 내지 도 2를 참조하면, 본 발명의 차량의 소음원인 진단방법은 제어부(100)가 차량 내에 설치된 마이크로폰(110)을 통해 음원신호를 수신하는 단계(S10); 상기 수신단계(S10) 후, 상기 제어부(100)가 수신된 음원신호를 인공지능 서버(120)에 송신하고, 상기 인공지능 서버(120)가 수신된 음원신호를 기저장된 기준데이터맵과 비교분석하여, 상기 기준데이터맵으로부터 상기 음원신호와 대응되는 기준데이터를 추출하는 단계(S20); 상기 추출단계(S20) 후, 상기 인공지능 서버(120)가 추출된 기준데이터를 상기 제어부(100)에 송신하고, 상기 제어부(100)가 수신된 기준데이터에 기반하여 차량의 소음원인에 대한 정보를 포함한 출력신호를 진단장치(130)에 출력하는 단계(S30);를 포함할 수 있다.
먼저, 차주 또는 정비사가 진단장치(130)를 매개로 차량의 소음원인 진단을 실행하면, 상기 제어부(100)가 상기 수신단계(S10)를 실시한다.
상기 마이크로폰(110)은 차량 내에 설치되되, 구체적으로 차량 실내 또는 엔진 측에 설치될 수 있다. 따라서, 제어부(100)는 마이크로폰(110)을 통해 승객이 탑승하는 차량 실내 측에서의 소리, 엔진룸 측에서 발생하는 소리 등을 음원신호로써 전달받을 수 있다.
상기 수신단계(S10)를 통해 음원신호를 수집한 제어부(100)는 인공지능 서버(120)에 음원신호를 송신하고, 인공지능 서버(120)는 수신된 음원신호를 기저장된 기준데이터맵과 비교 분석하여 음원신호와 대응되는 기준데이터를 추출한다.
상기 인공지능 서버(120)는 다양한 고장상황에 따른 소음데이터들을 수집한 후, 이를 딥-러닝(Deep Learning) 기반의 빅데이터 유형으로 분류하여 다수의 기준데이터들로 맵핑된 기준데이터맵을 확보한다. 이후, 제어부(100)로부터 음원신호가 수신되었을 때, 해당 음원신호를 기준데이터맵과 비교분석함으로써 음원신호에 따른 소음원인과 유사한 특성을 가지는 기준데이터를 추출해낼 수 있다(S20).
여기서, 상기 인공지능 서버(120)는 웹서버 형태로 마련되어 차주 또는 정비사가 용이하게 접근하여 소음진단을 실시하도록 마련될 수 있다.
상기 인공지능 서버(120)가 기준데이터를 추출한 경우, 이를 상기 제어부(100)에 송신하고, 제어부(100)가 수신된 기준데이터에 기반하여 차량의 소음원인 정보를 진단장치(130)에 출력함으로써, 차주 또는 정비사가 진단장치(130)를 통해 차량의 소음원인을 파악할 수 있도록 마련한다.
상기 진단장치(130)는 차주 또는 정비사가 차량 소음의 원인을 파악하도록 디스플레이부를 포함하도록 마련되는 것이 바람직하며, 차량의 소음원인에 대한 정보는 디스플레이부로 출력될 수 있다.
좀 더 구체적으로, 상기 추출단계(S20) 시, 상기 인공지능 서버(120)는 수신된 음원신호를 이미지데이터로 변환시킨 다음, 변환된 상기 이미지데이터와 기준데이터맵을 비교하여 대응되는 기준데이터를 추출하도록 마련될 수 있다.
즉, 인공지능 서버(120)는 소리(Sound) 형태의 음원신호를 시간 또는 주파수를 기준으로 이미지(Image) 형태의 이미지데이터로 변환하고, 변환된 이미지데이터를 대표하는 특징 벡터를 기준데이터맵과 비교함으로써 대응되는 소음형태의 기준데이터를 추출할 수 있다. 이때, 인공지능 서버(120)에 저장된 기준데이터들도 이미지(Image) 형태로 마련되는 것이 바람직할 것이다.
이와 같이 음원신호를 이미지데이터로 변환하여 대응되는 기준데이터를 추출함으로써, 다양한 소음원이 섞여있는 음원신호로부터 특정 소음을 추출하여 딥러닝 학습을 수행하거나, 해당 소음과 대응되는 기준데이터와 정확하게 비교 분석할 수 있다.
이때, 상기 인공지능 서버(120)는 음원신호를 가버필터(Gabor Filter) 및 멜필터(Mel Filter)를 이용하여 이미지데이터로 변환시킬 수 있다.
또 다른 방법으로써, 상기 추출단계(S20) 시, 상기 인공지능 서버(120)는 수신된 음원신호를 신경망 기법을 이용하여 특정 파라미터로 변환시킨 다음, 변환된 상기 특정 파라미터와 상기 기준데이터를 비교하여 대응되는 기준데이터를 추출할 수 있다.
여기서, 신경망 기법은 엔진회전수(RPM) 데이터를 추가로 적용한 DNN(Deep Neural Network) 또는 CNN(Convolution Neural Network) 기법일 수 있다.
상기 DNN 기법과 CNN 기법은 인공지능 머신러닝을 위해 정확도를 향상시키는 신경망 기법으로써, 음원신호를 시간이나 주파수 필터링한 다음, 특정 파라미터 즉, 차량 위치 또는 차량 부품별로 소음종류를 분류하는 기법을 의미한다.
따라서, 인공지능 서버(120)는 변환된 특정 파라미터들과 대응되는 기준데이터들을 추출함으로써, 음원신호로부터 다양한 형태의 소음종류를 구분하고 비교 분석하여 자동차 소음원인의 변별력 및 정확도를 향상시킬 수 있다.
또한, 상기 신경망 기법은 자동차 소음원을 구분한다는 특수한 조건을 반영하기 위해 엔진회전수(RPM) 정보를 추가로 적용함으로써, 회전수에 기인한 소음원과 회전수에 기인하지 않는 소음원의 특징을 분류해낼 수 있다. 따라서, 차량의 소음원 분류 정확도를 향상시킬 수 있다.
한편, 상기 추출단계(S20) 시, 상기 인공지능 서버(120)는 수신된 단일 음원신호의 전체시간동안의 음원정보를 이용하여 기준데이터를 추출할 수 있다.
종래의 인공지능 알고리즘은 정형화된 음원신호(30초)를 이용하여 20~40 sec 단위로 학습모델을 생성하고, 이에 대한 결과를 이용한 학습을 수행하였다. 하지만, 이는 차량 소음원과 같은 다양한 음원이 섞여있는 음원신호에서 소음원들을 변별하는 능력을 저하시키는 요인이 되었다.
본 기술은 이를 고려하여 하나의 음원신호 전체에 대해 긴 시간 학습을 완료한 후 이를 이용하여 학습을 수행하는 알고리즘을 적용함으로써, 학습모델의 정확도를 향상시켜 정확하게 기준데이터를 추출할 수 있다. 따라서, 짧은 시간에 발생하는 소음원과, 긴 시간에 발생하는 소음원을 모두 학습할 수 있다.
또는, 본 발명의 차량의 소음원인 진단방법에 있어서, 상기 추출단계(S20) 시, 상기 인공지능 서버(120)는 수신된 음원신호를 이미지데이터로 변환하고, 변환된 이미지데이터를 신경망 기법을 이용하여 특정 파라미터로 변환시킨 다음, 변환된 특정 파라미터와 상기 기준데이터를 비교하여 대응되는 기준데이터를 추출하도록 마련될 수 있다.
즉, 인공지능 서버(120)는 제어부(100)로부터 수신된 음원신호를 2단계에 걸쳐서 변환을 실시한 후 기준데이터와 비교분석하기 때문에, 이미지데이터의 특징 벡터에 기반하여 정확하게 소음종류를 구분하는 방식과, 다양한 소음형태를 변별할 수 있는 신경망 기법의 장점을 모두 가질 수 있다. 따라서, 차량의 소음원인을 정확하면서도 변별력있게 진단할 수 있다.
여기서, 상기 기준데이터는 소음의 원인이 되는 다수의 차량부품 및 상기 차량부품들의 소음연관률 정보를 포함하고, 상기 출력단계(S30) 시, 상기 제어부(100)는 수신된 기준데이터에 기반하여 소음연관률이 높은 순서대로 다수의 차량부품들이 나열되도록 상기 진단장치(130)에 출력신호를 출력할 수 있다.
도 3은 본 발명의 일 실시예에 따른 진단장치(130)의 동작을 도시한 도면이다. 도 3을 참조하면, 제어부는 인공지능 서버로부터 수신된 기준데이터에 기반하여 출력신호를 생성하되, 진단장치(130)의 디스플레이부를 통해 차량의 소음이 특정 차량부품들의 소음과 대응되는지, 또한 해당 차량부품들의 소음연관률이 어느 정도인지 출력되도록 하는 출력신호를 송신한다.
여기서, 기준데이터는 소음의 원인이 되는 다수의 차량 부품과 그 소음연관률 정보에 더해서, 소음의 원인이 되는 차량 위치나, 그 위치의 소음연관률 정보를 포함하도록 마련될 수도 있다.
따라서, 차주 또는 정비사가 진단장치(130)의 디스플레이부를 확인하여 다수의 차량부품들 중 어느 부품이 소음의 원인과 관련되는지를 쉽게 파악할 수 있다.
상술한 바와 같은 구조로 이루어진 차량의 소음원인 진단방법에 따르면 차량 문제발생시 소음원인을 규명하는데 소요되는 비용 및 M/H를 저감할 수 있다.
또한, 비전문가인 일반인도 손쉽게 차량의 소음원인을 파악할 수 있다.
본 발명은 특정한 실시예에 관련하여 도시하고 설명하였지만, 이하의 특허청구범위에 의해 제공되는 본 발명의 기술적 사상을 벗어나지 않는 한도 내에서, 본 발명이 다양하게 개량 및 변화될 수 있다는 것은 당 업계에서 통상의 지식을 가진 자에게 있어서 자명할 것이다.
100: 제어부
110: 마이크로폰
120: 인공지능 서버
130: 진단장치
110: 마이크로폰
120: 인공지능 서버
130: 진단장치
Claims (9)
- 제어부가 차량 내에 설치된 마이크로폰을 통해 음원신호를 수신하는 단계;
상기 수신단계 후, 상기 제어부가 수신된 음원신호를 인공지능 서버에 송신하고, 상기 인공지능 서버가 수신된 음원신호를 기저장된 기준데이터맵과 비교분석하여, 상기 기준데이터맵으로부터 상기 음원신호와 대응되는 기준데이터를 추출하는 단계;
상기 추출단계 후, 상기 인공지능 서버가 추출된 기준데이터를 상기 제어부에 송신하고, 상기 제어부가 수신된 기준데이터에 기반하여 차량의 소음원인에 대한 정보를 포함한 출력신호를 진단장치에 출력하는 단계;를 포함하고,
상기 추출단계 시, 상기 인공지능 서버는 수신된 음원신호를 신경망 기법을 이용하여 특정 파라미터로 변환시킨 다음, 변환된 상기 특정 파라미터와 상기 기준데이터맵을 비교하여 대응되는 기준데이터를 추출하며,
상기 신경망 기법은 엔진회전수(RPM) 데이터를 추가로 적용한 DNN(Deep Neural Network) 또는 CNN(Convolution Neural Network) 기법으로써, 엔진회전수(RPM) 정보를 추가로 적용함으로써 엔진회전수에 기인한 소음원과 엔진회전수에 기인하지 않는 소음원의 특징을 분류하는 것을 특징으로 하는 차량의 소음원인 진단방법.
- 청구항 1에 있어서,
상기 마이크로폰은 차량 실내 또는 엔진 측에 설치된 것을 특징으로 하는 차량의 소음원인 진단방법. - 청구항 1에 있어서,
상기 추출단계 시, 상기 인공지능 서버는 수신된 음원신호를 이미지데이터로 변환시킨 다음, 변환된 상기 이미지데이터와 기준데이터맵을 비교하여 대응되는 기준데이터를 추출하는 것을 특징으로 하는 차량의 소음원인 진단방법. - 청구항 3에 있어서,
상기 인공지능 서버는 음원신호를 가버필터(Gabor Filter) 및 멜필터(Mel Filter)를 이용하여 이미지데이터로 변환시키는 것을 특징으로 하는 차량의 소음원인 진단방법. - 삭제
- 삭제
- 청구항 1에 있어서,
상기 추출단계 시, 상기 인공지능 서버는 수신된 단일 음원신호의 전체시간동안의 음원정보를 이용하여 기준데이터를 추출하는 것을 특징으로 하는 차량의 소음원인 진단방법. - 청구항 1에 있어서,
상기 추출단계 시, 상기 인공지능 서버는 수신된 음원신호를 이미지데이터로 변환하고, 변환된 이미지데이터를 신경망 기법을 이용하여 특정 파라미터로 변환시킨 다음, 변환된 특정 파라미터와 상기 기준데이터맵을 비교하여 대응되는 기준데이터를 추출하는 것을 특징으로 하는 차량의 소음원인 진단방법. - 청구항 1, 3 또는 8 중 어느 한 항에 있어서,
상기 기준데이터는 소음의 원인이 되는 다수의 차량부품 및 상기 차량부품들의 소음연관률 정보를 포함하고,
상기 출력단계 시, 상기 제어부는 수신된 기준데이터에 기반하여 소음연관률이 높은 순서대로 다수의 차량부품들이 나열되도록 상기 진단장치에 출력신호를 출력하는 것을 특징으로 하는 차량의 소음원인 진단방법.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170133858A KR102324776B1 (ko) | 2017-10-16 | 2017-10-16 | 차량의 소음원인 진단방법 |
US15/825,673 US20190114849A1 (en) | 2017-10-16 | 2017-11-29 | Method for diagnosing noise cause of a vehicle |
DE102017221701.4A DE102017221701B4 (de) | 2017-10-16 | 2017-12-01 | Verfahren zum Diagnostizieren einer Geräuschursache eines Fahrzeugs |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170133858A KR102324776B1 (ko) | 2017-10-16 | 2017-10-16 | 차량의 소음원인 진단방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190042203A KR20190042203A (ko) | 2019-04-24 |
KR102324776B1 true KR102324776B1 (ko) | 2021-11-10 |
Family
ID=65909912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170133858A KR102324776B1 (ko) | 2017-10-16 | 2017-10-16 | 차량의 소음원인 진단방법 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20190114849A1 (ko) |
KR (1) | KR102324776B1 (ko) |
DE (1) | DE102017221701B4 (ko) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11593610B2 (en) * | 2018-04-25 | 2023-02-28 | Metropolitan Airports Commission | Airport noise classification method and system |
KR20200041098A (ko) * | 2018-10-11 | 2020-04-21 | 현대자동차주식회사 | 파워 트레인 부품 고장 진단 방법 |
KR102518662B1 (ko) * | 2018-11-29 | 2023-04-07 | 현대자동차주식회사 | 주변소음을 이용한 주행안전 제어시스템 및 그의 제어방법 |
US20200184991A1 (en) * | 2018-12-05 | 2020-06-11 | Pascal Cleve | Sound class identification using a neural network |
KR20200075133A (ko) | 2018-12-12 | 2020-06-26 | 현대자동차주식회사 | 빅데이터 정보 기반 문제소음 발생원 진단 방법 및 장치 |
KR20200075148A (ko) | 2018-12-13 | 2020-06-26 | 현대자동차주식회사 | 문제소음 발음원 식별을 위한 소음데이터의 인공지능 장치 및 전처리 방법 |
KR102316671B1 (ko) | 2019-12-05 | 2021-10-22 | 주식회사 포스코건설 | Cnn을 이용한 음향 처리방법 |
KR20210073883A (ko) | 2019-12-11 | 2021-06-21 | 현대자동차주식회사 | 양방향 차량상태정보 제공이 가능한 정보공유 플랫폼, 이를 갖는 시스템, 그리고 이의 방법 |
KR20210088240A (ko) | 2020-01-06 | 2021-07-14 | 현대자동차주식회사 | 무빙계 부품의 상태 진단 장치 및 방법 |
JP7053705B2 (ja) * | 2020-03-24 | 2022-04-12 | 本田技研工業株式会社 | 異音判定装置および異音判定方法 |
JP7452171B2 (ja) * | 2020-03-26 | 2024-03-19 | トヨタ自動車株式会社 | 異音の発生箇所特定方法 |
JP7294222B2 (ja) * | 2020-04-16 | 2023-06-20 | トヨタ自動車株式会社 | 異音評価システムおよび異音評価方法 |
JP2022100163A (ja) | 2020-12-23 | 2022-07-05 | トヨタ自動車株式会社 | 音源推定サーバ、音源推定システム、音源推定装置、音源推定方法 |
CN113218495B (zh) * | 2021-04-30 | 2022-06-21 | 马勒汽车技术(中国)有限公司 | 发动机的活塞噪声的测试方法及装置 |
KR102633953B1 (ko) * | 2022-02-07 | 2024-02-06 | 주식회사 서연이화 | 머신러닝 기반 차량의 bsr 식별 방법 및 시스템 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009131123A (ja) | 2007-11-27 | 2009-06-11 | Denso Corp | 冷却制御装置 |
US20100286891A1 (en) | 2007-11-29 | 2010-11-11 | Jian Huang | Method And Apparatus For Using An Accelerometer Signal To Detect Misfiring In An Internal Combustion Engine |
US20150317990A1 (en) | 2014-05-02 | 2015-11-05 | International Business Machines Corporation | Deep scattering spectrum in acoustic modeling for speech recognition |
US20170206718A1 (en) * | 2016-01-19 | 2017-07-20 | Robert Bosch Gmbh | Methods and systems for diagnosing a vehicle using sound |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0732999A (ja) * | 1993-07-22 | 1995-02-03 | Jidosha Kiki Co Ltd | 車載の電子制御システムの診断方法 |
JPH0993135A (ja) * | 1995-09-26 | 1997-04-04 | Victor Co Of Japan Ltd | 発声音データの符号化装置及び復号化装置 |
KR100963685B1 (ko) * | 2008-05-21 | 2010-06-15 | 울산대학교 산학협력단 | 기계 작동음 및 진동 신호의 영상 신호 변환을 통한 고장진단 장치 및 방법 |
KR20130068717A (ko) | 2011-12-16 | 2013-06-26 | 박종현 | 주행 중인 자동차의 진동 및 소음을 이용한 안전진단 및 경고시스템 |
US20160343180A1 (en) | 2015-05-19 | 2016-11-24 | GM Global Technology Operations LLC | Automobiles, diagnostic systems, and methods for generating diagnostic data for automobiles |
-
2017
- 2017-10-16 KR KR1020170133858A patent/KR102324776B1/ko active IP Right Grant
- 2017-11-29 US US15/825,673 patent/US20190114849A1/en not_active Abandoned
- 2017-12-01 DE DE102017221701.4A patent/DE102017221701B4/de active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009131123A (ja) | 2007-11-27 | 2009-06-11 | Denso Corp | 冷却制御装置 |
US20100286891A1 (en) | 2007-11-29 | 2010-11-11 | Jian Huang | Method And Apparatus For Using An Accelerometer Signal To Detect Misfiring In An Internal Combustion Engine |
US20150317990A1 (en) | 2014-05-02 | 2015-11-05 | International Business Machines Corporation | Deep scattering spectrum in acoustic modeling for speech recognition |
US20170206718A1 (en) * | 2016-01-19 | 2017-07-20 | Robert Bosch Gmbh | Methods and systems for diagnosing a vehicle using sound |
Also Published As
Publication number | Publication date |
---|---|
US20190114849A1 (en) | 2019-04-18 |
DE102017221701A1 (de) | 2019-04-18 |
DE102017221701B4 (de) | 2023-10-05 |
KR20190042203A (ko) | 2019-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102324776B1 (ko) | 차량의 소음원인 진단방법 | |
KR102272622B1 (ko) | 기계설비의 기계음을 이용한 딥러닝기반 이상징후 감지시스템 | |
CN109616140B (zh) | 一种异常声音分析系统 | |
CN109086888A (zh) | 基于声音识别的汽车发动机故障判定方法及其装置 | |
CN110880328B (zh) | 到站提醒方法、装置、终端及存储介质 | |
CN113566948A (zh) | 机器人化煤机故障音频识别及诊断方法 | |
KR20200075148A (ko) | 문제소음 발음원 식별을 위한 소음데이터의 인공지능 장치 및 전처리 방법 | |
Socoró et al. | Development of an Anomalous Noise Event Detection Algorithm for dynamic road traffic noise mapping | |
CN105679313A (zh) | 一种音频识别报警系统及方法 | |
KR20200092143A (ko) | 딥러닝 신경망을 이용한 디스플레이 패널 불량 진단 시스템 및 방법 | |
CN111986699B (zh) | 基于全卷积网络的声音事件检测方法 | |
CN106992002A (zh) | 用于改进含噪语音识别的动态声学模型切换 | |
JP2020064286A (ja) | 異音等検出システム、装置、方法及びプログラム | |
CN114155879B (zh) | 一种利用时频融合补偿异常感知及稳定性的异音检测方法 | |
CN112446242A (zh) | 声学场景分类方法、装置及相应设备 | |
CN110428854A (zh) | 车载端的语音端点检测方法、装置和计算机设备 | |
Pan et al. | Cognitive acoustic analytics service for Internet of Things | |
CN115910097A (zh) | 一种高压断路器潜伏性故障可听声信号识别方法及系统 | |
CN113707175B (zh) | 基于特征分解分类器与自适应后处理的声学事件检测系统 | |
Mielke et al. | Smartphone application for automatic classification of environmental sound | |
CN114413409A (zh) | 用于空调故障概率的检测方法及装置、智能空调 | |
CN113963719A (zh) | 基于深度学习的声音分类方法和装置、存储介质和计算机 | |
Kwon et al. | A sensor network for real-time acoustic scene analysis | |
CN114898527A (zh) | 一种基于声音辅助的可穿戴式老人跌倒检测系统与方法 | |
Estrebou et al. | Voice recognition based on probabilistic SOM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |