KR102474355B1 - 차량 제어 통합 관리 시스템 및 이와 통신을 통해 연결된 중앙 인공지능 서버 - Google Patents

차량 제어 통합 관리 시스템 및 이와 통신을 통해 연결된 중앙 인공지능 서버 Download PDF

Info

Publication number
KR102474355B1
KR102474355B1 KR1020170142551A KR20170142551A KR102474355B1 KR 102474355 B1 KR102474355 B1 KR 102474355B1 KR 1020170142551 A KR1020170142551 A KR 1020170142551A KR 20170142551 A KR20170142551 A KR 20170142551A KR 102474355 B1 KR102474355 B1 KR 102474355B1
Authority
KR
South Korea
Prior art keywords
noise
artificial intelligence
nvh
vehicle
vibration
Prior art date
Application number
KR1020170142551A
Other languages
English (en)
Other versions
KR20190048061A (ko
Inventor
이동철
정인수
Original Assignee
현대자동차 주식회사
기아 주식회사
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 현대자동차 주식회사, 기아 주식회사 filed Critical 현대자동차 주식회사
Priority to KR1020170142551A priority Critical patent/KR102474355B1/ko
Priority to US15/824,920 priority patent/US10223842B1/en
Priority to DE102017221727.8A priority patent/DE102017221727A1/de
Publication of KR20190048061A publication Critical patent/KR20190048061A/ko
Application granted granted Critical
Publication of KR102474355B1 publication Critical patent/KR102474355B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/30—Transportation; Communications
    • G06Q50/40—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q5/00—Arrangement or adaptation of acoustic signal devices
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/10—Conjoint control of vehicle sub-units of different type or different function including control of change-speed gearings
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • 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
    • G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
    • 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
    • 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
    • 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
    • G10K15/00—Acoustics not otherwise provided for
    • G10K15/02—Synthesis of acoustic waves
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2400/00—Special features of vehicle units
    • B60Y2400/30—Sensors
    • B60Y2400/304—Acceleration sensors
    • B60Y2400/3044—Vibration sensors
    • 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

Abstract

본 개시는 소음 데이터 신호, 진동 데이터 신호, 및 주행 조건 데이터를 인공지능 학습하여 NVH 진단을 위한 인공지능을 구비하고, 상기 인공지능을 이용한 NVH 진단 결과에 기초하여 NVH를 개선하기 위한 연소 조건을 제어하는 차량 제어 통합 관리 시스템에 관한 것이다.

Description

차량 제어 통합 관리 시스템 및 이와 통신을 통해 연결된 중앙 인공지능 서버{VEHICLE CONTROL TOTAL MANAGEMENT SYSTEM AND CENTRAL ARTIFICIAL INTELLIGENCE SERVER CONNECTED WITH VEHICLE CONTROL TOTAL MANAGEMENT SYSTEM VIA COMMUNCATION}
본 개시는 차량의 NVH(noise, vibration, harshness) 문제를 진단하고, 차량의 연소를 제어하며, 차량의 음색을 제어하기 위한 차량 제어 통합 관리 시스템 및 이와 통신을 통해 연결된 중앙 인공지능 서버에 관한 것이다.
화자인식(음성인식) 기술과 모바일 IT 기술이 접목되어 차량에 적용되고 있다. 두 기술은 음성인식을 통한 모바일 어플리케이션 연동 또는 차량의 엔터테이먼트 어플리케이션 연동 등에 활용되고 있다. 구체적으로, 음성인식을 통한 네비게이션 검색, 오디오 조작 부문, 스마트폰 연동을 통한 어플리케이션 조작 등에 이용된다.
최근 차량에 인공지능(Artificial Intelligence)기술이 적용되고 있는데, 그 적용 범위는 음성인식, 화자인식, 모션인식 등의 기능을 통한 멀티미디어 및 스마트 기기 작동 정도이다.
차량의 파워트레인 및 NVH 문제를 진단하고, 본 개시는 차량의 NVH(noise, vibration, harshness) 문제를 진단하고, 차량의 연소를 제어하며, 차량의 음색을 제어할 수 있는 차량 제어 통합 관리 시스템 및 이와 통신을 통해 연결된 중앙 인공지능 서버를 제공하고자 한다.
발명의 한 특징에 따른 차량 제어 통합 관리 시스템은, 측정된 소음에 기초한 소음 데이터 신호를 생성하는 소음 센서, 측정된 진동에 기초한 진동 데이터 신호를 생성하는 진동 센서, 및 상기 소음 데이터 신호, 상기 진동 데이터 신호, 및 주행 조건 데이터를 인공지능 학습하여 NVH 진단을 위한 인공지능을 구비하고, 상기 인공지능을 이용한 NVH 진단 결과에 기초하여 NVH를 개선하기 위한 연소 조건을 제어하는 진단부를 포함할 수 있다.
발명의 다른 특징에 따른 복수의 차량에 대한 NVH 진단 결과를 수신 받는 중앙 인공지능 서버는, 상기 복수의 차량으로부터 수신한 상기 NVH 진단 결과들을 차량 종류마다 분류하는 중앙 진단부, 및 상기 분류된 NVH 진단 결과들을 저정하는 데이터 베이스를 포함하고, 상기 중앙 진단부는, 상기 데이터 베이스에 저장된 데이터를 학습하여 상기 복수의 차량들의 인공지능에 대한 파라미터 값을 업데이트할 수 있다.
발명의 또 다른 특징에 따른 차량 제어 통합 관리 시스템은 도로 조건별 주행 패턴 및 변속 패턴에 대한 데이터, 그리고 교통 상황별 주행자의 가속 패달 사용 패턴에 대한 데이터를 포함하는 운행 패턴 데이터 베이스, 및 상기 운행 패턴 데이터 베이스의 데이터들을 입력으로 하여 인공지능 학습을 수행하여 인공지능을 구축하고, 상기 인공지능을 이용하여 수신된 도로 종류와 실시간 교통 정보에 기초하여 운행 패턴을 인식하고, 상기 인식된 운행 패턴에 따라 목표 음색을 설정하는 음색 제어부를 포함할 수 있다.
차량의 파워트레인 및 NVH 문제를 진단하고, 본 개시는 차량의 NVH(noise, vibration, harshness) 문제를 진단하고, 차량의 연소를 제어하며, 차량의 음색을 제어할 수 있는 차량 제어 통합 관리 시스템 및 이와 통신을 통해 연결된 중앙 인공지능 서버를 제공한다.
도 1은 실시 예에 따른 차량 제어 통합 관리 시스템의 일부를 나타낸 개략적으로 나타낸 도면이다.
도 2A 및 도 2B는 연소특성제어효과에 관한 그래프이다.
도 3은 실시 예에 따른 차량 제어 통합 관리 시스템의 동작 알고리즘을 나타낸 순서도이다.
도 4는 진단 결과에 이상이 있을 경우 차량 제어 통합 관리 시스템의 동작 알고리즘에 관한 일 예를 나타낸 순서도이다.
도 5는 진단 결과에 이상이 있을 경우 차량 제어 통합 관리 시스템의 동작 알고리즘에 관한 다른 예를 나타낸 순서도이다.
도 6은 다른 실시 예에 따른 차량들과 중앙 인공지능 서버 간의 관계를 나타내는 개략도이다.
도 7은 NVH 진단 결과에 따른 분류 카테고리를 나타낸 도면이다.
도 8은 다른 실시 예에 따른 음색 제어부가 차량의 음색을 제어하는 방법을 나타낸 순서도이다.
실시 예에 따른 차량 제어 통합 관리 시스템은 차량의 신호를 기반으로 차량의 상태를 실시간 점검하고, 음성인식 기반으로 인공지능 시스템에 접근하며, GPS 위치 및 빅데이터 기반으로 사용자의 목적지점을 검색하고, 서비스 센터와의 연결(connectivity)을 구축하여 서비스 센터 예약을 위해 필요한 정보를 제공한다. 차량의 신호는 차량의 소음 및 진동을 나타내는 신호로, 차량 제어 통합 관리 시스템은 차량의 신호에 기초하여 엔진 연소상태를 판단할 수 있다.
차량 제어 통합 관리 시스템은 차량 인공지능 모듈을 포함한다. 차량 출고시, 차량 인공지능 모듈은 학습 목표를 만족시키는 상태로 학습이 완료된 상태일 수 있다. 예를 들어, 차량 인공지능 모듈은 딥러닝 방식의 학습을 통해 인공지능 신경망을 구축한다. 학습 목표는 주행중 NVH 모니터링에 기초해 NVH 진단을 수행하고, NVH 진단 결과에 기초하여 연소 제어를 수행하며, 반복적으로 NVH 모니터링을 수행하여 NVH가 개선되는 방향으로 연소 제어를 수행할 수 있는 정도의 학습 상태를 의미한다.
또한, 차량 인공지능 모듈은 NVH 모니터링, NVH 진단, 및 연소 제어의 반복을 통해 축적되는 데이터를 데이터 베이스 또는 빅데이터로 구축하여 딥러닝으로 학습할 수 있다. 차량 인공지능 모듈의 인공지능 신경망은 운행중 딥러닝 학습을 통해 갱신될 수 있다.
중앙 인공지능 서버와 차량 제어 통합 관리 시스템 간의 통신이 제공된다. 중앙 인공지능 서버와의 통신을 통해 차량 제어 통합 관리 시스템은 NVH 진단에 기초하여 연소 제어뿐만 아니라 맞춤형 고객 서비스를 제공할 수 있다.
또한, 차량 제어 통합 관리 시스템은 GPS 및 실시간 도로 상황과 함께 운전자의 패턴을 인식하여 실내 음색을 제어할 수 있다.
차량 제어 통합 관리 시스템은 실시간 NVH 문제를 진단하고, 필요한 서비스를 안내하고, 주행조건과 환경변화, 그리고 운전자 패턴에 기초하여 실내의 음색을 제어하며, NVH 개선을 위해 주행 및 아이들 연소 특성을 제어하고, NVH 특성 변화에 관한 빅데이터를 데이터 베이스를 구축할 수 있다.
이하, 도면을 참조하여 실시 예들을 설명한다.
도 1은 실시 예에 따른 차량 제어 통합 관리 시스템의 일부를 나타낸 개략적으로 나타낸 도면이다.
도 1에서 차량(100)은 차량 제어 통합 관리 시스템(1), 통신부(15), 스피커(30), 네비게이션(40), 소음 센서(101), 진동 센서(102), 주행조건 추출부(103), 및 신호 처리 제어기(104)를 포함할 수 있다.
도 1에 도시된 바와 같이, 차량 제어 통합 관리 시스템(1)은 차량 인공지능 모듈로서 진단부(10)를 포함하고, 진단부(10)는 머신 러닝을 통해 학습하고, NVH 진단에 필요한 다른 구성을 함께 포함할 수 있다.
진단부(10)는 차량에 문제현상이 발생할 때 변화하는 NVH에 관련된 소음에 관한 신호(이하, 소음 데이터 신호), 진동에 관한 신호(이하, 진동 데이터 신호), 및 주행조건 데이터를 입력 받아 빅데이터로 수집한다. 진단부(10)는 수집된 빅데이터를 딥러닝(deep running)하고, 진단부(10)에 소음 데이터 신호, 진동 데이터 신호, 및 주행조건 데이터에 따라 NVH 진단을 수행하는 인공지능 신경망을 구축한다. 딥러닝은 머신러닝을 구현하기 위한 구체적인 방법의 일 예로서, 실시 예에 따른 진단부(10)는 딥러닝을 통해 학습된 인공지능 신경망을 구축할 수 있다. 그러나 발명이 이에 한정되는 것은 아니고, 인공지능을 구축하기 위한 다양한 기법이 적용될 수 있다.
소음센서(101)는 차량의 소음을 측정하고, 주변 노이즈를 제거하여 소음 데이터 신호를 생성한다. 진동센서(102)는 차량의 진동을 측정하고, 측정된 진동에서 노이즈를 제거하여 진동 데이터 신호를 생성한다. 도 1에서는 하나의 소음센서 및 진동센서가 도시되어 있으나, 이는 설명의 편의를 위한 예시이다. 소음 및 진동이 발생하여 NVH 진단에 필요한 위치에 복수의 소음 센서 및 진동 센서가 구비될 수 있다.
주행조건추출부(103)는 엔진회전수, 차속, 환경조건, 차량 주행거리 내구 조건등에 관한 정보를 생성한다.
환경조건은 차량이 주행중인 환경조건으로, 온도 조건과 대기압조건을 포함한다. 온도 조건은 외기온 조건 및 엔진 냉각수 조건을 포함하며, 외기온조건은 열간 및 냉간(영하조건), 엔진냉각수 조건은 열간(80도 이상) 및 냉간(80도 이하)을 포함한다. 대기압 조건은 고지에서 차량을 주행하는 조건, 저지(Sea level)에서 주행하는 조건등을 포함한다.
차량 주행거리 내구조건은 차량의축적 마일리지 정보를 의미한다. 차량의 내구가 열화되는 정도를 판단하는 기준의 하나로 사용될 수 있다.
도 1에서는 주행조건추출부(103)와 신호처리제어기(104)가 구분되어 도시되어 있으나, 차량의 제어를 위한 정보를 처리하는 신호처리제어기(104)가 주행조건추출부(103)를 포함할 수 있다.
진단부(10)는 운전자의 진단 명령에 의해 진단을 수행할 수 있는데, 운전자를 인식하기 위한 화자 인식 기술이 이용될 수 있다. 차량 주행시 운전자의 명령에 의해 차량의 자가 진단이 진단부(10)에 의해 수행될 수 있다. 진단부(10)는 딥러닝과 같은 인공지능 학습을 통해 NVH 문제를 진단할 수 있는 인공지능을 가질 수 있다.
예를 들어, 진단부(10)는 이미지 데이터 처리를 통한 인공지능 학습 알고리즘과 소음 및 진동 데이터 신호 처리를 통한 인공지능 학습 알고리즘을 이용하여 진단부(10)에 입력되는 데이터들을 학습할 수 있다.
소음 센서, 진동 센서 등에 의해 생성되는 로우 데이터(raw data), 예를 들어, 소음 데이터 신호 및 진동 데이터 신호는 디지털 신호 처리(digital signal process)를 통해 이미지 데이터로 변환될 수 있다. 진단부(10)는 이미지 데이터를 수신하고, 이미지 데이터에 대해서 가버 필터(gabor filter)를 이용하여 시간 측(time domain) 이미지 분석 알고리즘을 수행하거나, 주파수 측(frequency domain) 이미지 분석 알고리즘을 수행할 수 있다. 예를 들어, 시간 측으로 이미지 데이터를 분석할 때 이미지 데이터의 특징점이 파악된다면, 시간 측 이미지 분석 알고리즘이 수행될 수 있다. 주파수 측으로 이미지 데이터를 분석할 때 이미지 데이터의 특징점이 파악된다면, 주파수 측 이미지 분석 알고리즘이 수행될 수 있다. 발명이 이에 한정되는 것은 아니고, 시간 측 이미지 분석 알고리즘 및 주파수 측 이미지 분석 알고리즘이 모두 적용될 수 있다.
또한, 진단부(10)는 소음 센서, 진동 센서 등에 의해 생성되는 로우 데이터(raw data)를 처리하는 인공지능 학습 알고리즘을 수행할 수 있다. 진단부(10)는 소음 및 진동 데이터 신호에 대해서 신호처리 특징벡터 기반 분석 알고리즘을 적용할 수 있다. 예를 들어, 진단부(10)는 DNN(Deep Neutral Network) 러닝머신 기법 또는 CNN(Convolution Neural Network) 러닝머신 기법을 소음 및 진동 데이터 신호에 적용할 수 있다.
이와 같이, 진단부(10)는 소음 및 진동 데이터 신호 및 그 이미지 데이터를 이용하여 딥러닝과 같은 인공지능 학습을 수행할 수 있다. 그러나 발명이 이에 한정되는 것은 아니고, 머신 러닝에 적용되는 다양한 학습 기법이 진단부(10)에 적용될 수 있다.
차량 제어 통합 관리 시스템(1)은 차량의 위치를 기반으로 결정되는 서비스센터와 클라우드 접속할 수 있고, 이를 위해 통신부(15)를 포함할 수 있다. 차량의 위치는 GPS에 의해 결정될 수 있다. 진단부(10)의 진단 결과는 통신부(15)를 통해 클루우드 접속된 서비스센터로 피드백될 수 있다. 그러면, 해당 서비스센터에 진단 결과에 기초한 서비스 일정이 예약될 수 있다.
진단부(10)는 엔진의 연소 특성 변화를 진단할 수 있고, 이 경우, NVH를 연소 특성이 변하기 전의 초기 수준으로 유지하기 위해서, 진단부(10)는 신호처리제어기(104)에 연소 조건에 대한 지시를 전송하고, 신호처리제어기(104)는 전송된 연소 조건에 따라 엔진을 제어할 수 있다.
신호처리제어기(104)는 엔진, 변속기등을 제어하는 전자 제어부의 동작에 필요한 제어 신호를 생성할 수 있다. 예를 들어, 신호처리제어기(104)는 진단부(10)로부터 수신된 연소 조건에 대한 지시에 따라 엔진을 제어하기 위한 제어 신호를 생성할 수 있다. 그러면, 엔진 전자 제어부(도시하지 않음)는 제어 신호에 따라 엔진에서 발생하는 연소 동작을 제어할 수 있다.
앞서 언급한 바와 같이, 진단부(10)는 딥러닝을 통해서 소음 및 진동에 기초한 인공지능 신경망을 구축하고, 이를 이용하여 차량 상태 진단(예를 들어, NVH 진단)이 가능하다. 그 뿐만 아니라, 진단부(10)는 소음 데이터 신호 및 진동 데이터 신호를 실시간 모니터링하고, 모니터링된 소음 데이터 신호 및 진동 데이터 신호에 따라 소음 및 진동을 개선하기 위한 연소 조건을 딥러닝으로 학습할 수 있다. 이를 위해 진단부(10)는 소음 데이터 신호 및 진동 데이터 신호와 함께 주행조건추출부(103)로부터 연소 압력 측정 결과를 더 수신하고, 모니터링할 수 있다. 그러면, 진단부(10)는 소음 데이터 신호, 진동 데이터 신호, 및 연속 압력 측정 결과를 모니터링하고, 모니터링한 결과에 기초하여 연소 조건을 제어하며, 연소 조건 제어와 모니터링 결과에 기초한 데이터를 딥러닝하여 연소 조건 결정을 위한 인공지능을 구축할 수 있다. 이 과정에서 소음 데이터, 진동 데이터, 연소 압력 측정 결과, 연소 조건 제어에 대한 데이터는 중앙 인공지능 서버(2, 도 6 참조)에 전송되어 데이터 베이스화 되고, 빅데이터로 구축될 수 있다.
엔진 연소를 제어할 수 있는 관련 인자는 주분사시기, 연료량, 파일럿 연료량, 레일 압력, 공기량, 터보부스트 등을 포함한다. 진단부(10)는 결정된 연속 조건에 기초하여 관련 인자들 각각에 대한 목표 값을 결정하여 신호처리제어기(104)에 전송할 수 있다.
신호처리제어기(104)는 진단부(10)로부터 수신한 관련 인자들의 목표 값들에 기초하여 엔진 전자 제어부 및 변속기 전자 제어부(도시하지 않음)를 제어하는 신호들을 생성하여 전송할 수 있다.
도 2A 및 도 2B는 연소특성제어효과에 관한 그래프이다.
도 2A에서 주타이밍 제어(Main Timing Control)은 엔진의 점화 타이밍을 의미한다. 진단부(10)는 연소 조건을 제어한 후, 진동 센서 및 압력 센서의 출력을 모니터링하고, 모니터링 결과에 따라 진단부(10)는 주타이밍 제어등의 연소 조건을 제어할 수 있다.
그러면, 도 2A에 도시된 바와 같이 진동 센서 및 압력 센서의 출력이 목표치로 수렴할 수 있다.
또한, 도 2B의 좌측 그림은 연소 조건 제어 전의 소음 데이터 신호를 이미지로 나타낸 것이고, 도 2B의 우측 그림은 연소 조건 제어 후의 소음 데이터 신호를 이미지로 나타낸 것이다. 도 2B에서 점선 박스에서 알 수 있듯이, 대략 1.6k에서 1.8k 주파수 대역의 노이즈가 감소한 것을 알 수 있다.
도 3은 실시 예에 따른 차량 제어 통합 관리 시스템의 동작 알고리즘을 나타낸 순서도이다.
도 3에 도시된 바와 같이, 차량 제어 통합 관리 시스템(1)은 주행중의 운전자의 음성 명령을 인식한다(S1). 그러나 발명이 이에 한정되는 것은 아니고, 운전자의 제스처를 통한 명령이 인식될 수도 있다. 실시 예에서는 운전자의 NVH 진단 음성 명령에 의해 NVH 진단이 시작될 수 있다. 이 때, 차량 제어 통합 관리 시스템(1)의 화자인식 인공지능 수단에 의해 주변 외란 제거 후 운전자의 명령만 인식될 수 있다. 화자인식 인공지능 수단은 진단부(10)에 포함될 수 있다.
운전자의 음성명령이 NVH 진단 명령인 경우, 진단부(10)는 NVH 진단을 시작한다. 먼저, 진단부(10)는 주행중 NVH를 모니터한다(S2). 소음 센서(101), 진동센서(102), 및 주행조건추출부(103)으로부터 진단부(10)로 전송되는 소음 데이터 신호, 진동 데이터 신호, 및 주행 조건에 관한 신호가 이용될 수 있다.
NVH 모니터 단계(S2)에서, 소음 데이터 신호에서 환경음, 주변 외란등을 제거하여 소음 성분만 추출될 수 있다. 이때, 엔진룸 및 차량 실내에 구비된 마이크로폰이 소음 데이터 신호 생성 및 필터링에 이용될 수 있다.
또한, NVH 모니터 단계(S2)에서, 진동 데이터 신호에서 엔진 및 차량의 주요 지점에 대한 진동 성분이 추출될 수 있다.
진단부(10)는 NVH 모니터 단계를 통해 추출된 정보를 딥러닝에 의해 구축된 인공지능을 이용하여 엔진의 이상 진동 또는 엔진의 연소 특성을 진단한다(S3).
도 4는 진단 결과에 이상이 있을 경우 차량 제어 통합 관리 시스템의 동작 알고리즘에 관한 일 예를 나타낸 순서도이다.
도 4에 도시된 일 예에서는, 진단 단계(S3)의 결과가 이상 상태로 판단되면, 차량의 GPS 위치를 기반으로 한 차량 추적이 수행된다(S4). 차량 추적 단계(S4)는 서비스 센터(20)에 의해 수행될 수 있다.
차량 제어 통합 관리 시스템(1)은 통신부(15)를 통해 서비스센터와 클라우드 접속된다(S5). 서비스 센터(20)는 차량의 위치를 판단하고, 정비 서비스의 제공이 가능한 시간 및 장소(예를 들어, 서비스 센터 지점)을 결정하여 예약을 진행한다(S6). 예약이 완료되면, 서비스 센터(20)는 예약 정보(시간 및 장소)를 차량 제어 통합 관리 시스템(1)에 전송한다. 차량 제어 통합 관리 시스템(1)은 예약 정보를 통신부(15)를 통해 수신하고, 네비게이션(40)이 예약 정보에 연동할 수 있다(S7).
도 5는 진단 결과에 이상이 있을 경우 차량 제어 통합 관리 시스템의 동작 알고리즘에 관한 다른 예를 나타낸 순서도이다.
먼저, 진단 단계(S3)의 결과가 이상 상태로 판단되면, 진단부(10)는 인공지능을 통한 연소 조건 제어를 수행한다(S8). 이어서 진단부(10)는 소음 데이터 신호, 진동 데이터 신호, 및 연소 압력 측정 결과를 모니터링한다(S9). 진단부(10)는 NVH의 개선 여부를 판단하고(S10), 판단 단계(S10)의 결과 개선되었으면, 원하는 NVH 목표값까지 연소조건제어를 수행한다. 그렇지 않은 경우, 차량의 정비가 필요한 것으로 판단한다(S11). 정비가 필요한 경우, S4-S7 단계가 수행될 수 있다.
앞서 설명한 실시 예에서는 운전자의 명령에 따라 NVH 진단이 수행되었다. 그러나 발명이 이에 한정되는 것은 아니고 NVH가 주기적으로 수행될 수 있다. 또한, 다수의 차량에 대한 NVH 진단 결과를 중앙 인공지능 서버(2)가 수신하고, 이를 축적하여 중앙 인공지능 서버(2)가 차량별 NVH 진단 결과를 데이터 베이스(22)를 구축할 수 있다. 이렇게 구축된 데이터 베이스(22)에 저장된 정보는 각 차량의 진단부의 인공지능을 구축하는데 사용될 수 있다.
도 6은 다른 실시 예에 따른 차량들과 중앙 인공지능 서버 간의 관계를 나타내는 개략도이다.
도 6에 도시된 바와 같이, 차량마다 NVH 진단 결과를 중앙 인공지능 서버(2)에 전송할 수 있다. 중앙 인공지능 서버(2)는 복수의 차량으로부터 수신한 NVH 진단 결과들을 차량 종류마다 분류하여 저장할 수 있다. 또한, 중앙 인공지능 서버(2)는 동일한 차량에서 수행된 NVH 진단 결과들에 대해서 시간 순으로 분류하여 저장할 수 있다. 이때 차량마다 수행되는 NVH 진단은 운전자의 명령에 의할 수도 있고, 주기적으로 이뤄질 수도 있다. 중앙 인공지능 서버(2)는 차량으로부터 수신한 NVH 진단 결과를 데이터 베이스화하고, 이를 빅데이터로 구축할 수 있다.
중앙 인공지능 서버(2)는 위와 같은 동작을 전반적으로 제어하는 중앙 진단부(21)와 중앙 진단부(21)로부터 분류된 정보를 저장하는 데이터 베이스(22)를 포함할 수 있다.
NVH 진단을 통해 분류되는 카테고리는 도 7에 도시된 바와 같이 나타낼 수 있다.
도 7은 NVH 진단 결과에 따른 분류 카테고리를 나타낸 도면이다.
NVH 진단 결과에 따른 분류 카테고리는, 변소기 소음, 가솔린 노킹, 피스톤 소음, 오일펌프 소음, 고압펌프 소음, 진공펌프 소음, 타이밍체인 소음, 타이밍벨트 소음, 벨브계 소음, 터보차져 소음, 인젝터 소음, 크랭크계 소음, 연료맥동 소음, 알터네이터 소음, 보기류벨트 소음, 구동계 소음, 흡배기계 소음, 워터펌프 소음, 동력 시스템 관련 소음, 동력 시스템 오인 소음등을 포함한다.
NVH 진단을 위해 필요한 파라미터인 입력 정보는 진동, 소음, 차량 상태 정보등을 포함한다. 차량 상태 정보는 CAN통신을 통해 진단부(10)에 전송될 수 있다. 아울러, 입력 정보에 도 7에 도시된 바와 같이 동력 시스템(Power Train)의 종류를 구분하는 정보가 포함될 수 있다. 동력 시스템은 가솔린 엔진 차량, 디젤 엔진 차량, 환경차량 등으로 구분될 수 있다. 소음 및 진동 특성은 동력 시스템에 따라 매우 상이하므로, 동력 시스템에 적합하도록 딥러닝 학습이 수행되기 위해 동력 시스템을 구분할 필요가 있다. 즉, 인공지능 신경망이 동력 시스템에 따라 NVH를 정확하게 진단하기 위해서 동력 시스템에 대한 정보가 필요하다.
그 다음, NVH 진단을 위해 필요한 파라미터인 레벨 1 단계의 측정 상태 분류 파라미터로, 소음 및 진동을 측정하는 위치에 기초하여 엔진룸 내에서 측정되는 소음 및 진동 데이터인 엔진 상태인지, 또는 차량 실내에서 측정되는 소음 및 진동 데이터인 차량 상태인지에 대한 것이 있다.
다음으로, NVH 진단을 위해 필요한 파라미터인 레벨 2 단계에서의 환경 조건 파라미터로, 소음 및 진동이 측정되는 온도 조건이 냉간인지, 또는 온간인지에 대한 것이 있다. 냉간 및 온간 조건에 따라 소음 특성이 상이하다.
다음으로, NVH 진단을 위해 필요한 파라미터인 레벨 3 단계에서의 평가 모드 파라미터로, 정차 상태인 아이들 조건인지, 주행 상태인 주행 조건에서 가속주행 모드인지, 감속주행 모드인지, 또는 정속주행 모드인지에 대한 것이 있다.
다른 실시 예에 따른 중앙 인공지능 서버(2)는 데이터 베이스(22)에 저장된 데이터를 학습하여 차종별 NVH 진단에 필요한 데이터를 업데이트할 수 있다. 그러면, 차종에 따라 중앙 인공지능 서버(2)에 업데이트 되어 있는 데이터를 기초로 진단부가 설정될 수 있다. 구체적으로, 중앙 인공지능 서버(2)의 중앙 진단부(21)는 데이터 베이스(22)에 저장된 데이터를 딥러닝으로 학습하여 인공지능 신경망에 필요한 다양한 파라미터 값을 결정하여 업데이트 하고, 업데이트된 파라미터들에 기초하여 차량에 구비되는 진단부의 학습 로직을 업데이트할 수 있다. 또한, 업데이트된 파라미터들은 중앙 인공지능 서버(2)를 통해 각 차량에 전송되어 차량의 진단부가 업데이트될 수 있다.
중앙 인공지능 서버(2)는 차종별 수신된 이력을 데이터 베이스화하면서, 개인차량에 대한 이력도 저장할 수 있다. 특정 차량에 대한 진단 결과가 이상진단인 경우, 운전자에게 이상 결과를 알릴 수 있고, 정비 서비스를 제공하기 위해서 서비스망에 해당 차량에 대한 정보를 전송하여, 정비 서비스를 해당 운전자에게 연결해 줄 수 있다.
지금까지는 NVH 진단 및 이를 개선하기 위한 인공지능이 구축된 차량 제어 통합 관리 시스템에 대해서 설명하였다. 그러나 본 발명에서 인공지능을 이용한 차량 제어 통합 관리 시스템이 위 실시 예에 한정되는 것은 아니다.
또 다른 실시 예에 따른 차량 제어 통합 관리 시스템에서, 음색 제어부(16)는 운전자의 도로 조건별 운전자의 주행 패턴, 변속 패턴, 교통 상황별 가속 패턴 등 운전 패턴을 딥러닝 방식으로 학습하여 음색 제어에 필요한 인공지능 신경망을 구축하고, 인공지능 신경망을 이용하여 입력되는 차량 위치, 도로 종류, 및 실시간 교통 상황에 대한 정보를 기초로 목표 음색을 결정하고, 결정된 목표 음색으로 차량 스피커의 음색을 제어할 수 있다.
도 8은 또 다른 실시 예에 따른 음색 제어부가 차량의 음색을 제어하는 방법을 나타낸 순서도이다.
차량 제어 통합 관리 시스템(1)은 도로 조건별 주행 패턴 및 변속 패턴에 대한 데이터, 그리고 교통 상황별 주행자의 가속 패달 사용 패턴에 대한 데이터를 수집하여 운행 패턴 데이터 베이스를 구축한다(S20).
진단부(10)는 운행 패턴 데이터 베이스(22)에 구축된 데이터들을 입력으로 하여 인공지능 학습을 수행한다(S21). 예를 들어, 진단부(10)는 도로 조건별 주행 패턴 및 변속 패턴에 대한 데이터, 그리고 교통 상황별 주행자의 가속 패달 사용 패턴에 대한 데이터를 입력받고, 입력된 데이터들을 딥러닝하여 인공 신경망을 구축한다.
차량 제어 통합 관리 시스템(1)은 GPS 기반의 위치 정보를 기초로 도로 종류를 판단한다(S22). 차량 제어 통합 관리 시스템(1)은 ICT 기반 실시간 교통 정보 서버에 접속하여 실시간으로 교통 상황 정보를 수신한다(S23).
진단부(10)는 도로 종류와 실시간 교통 정보를 수신하고, 구축된 인공지능 신경망을 이용하여 운행 패턴을 인식한다(S24). 운행 패턴 인식 단계(S24)에서 인식된 운행 패턴에 따라 진단부(10)는 목표 음색을 설정한다.
예를 들어, 운행 패턴이 시골길에서의 운행 패턴으로 인식되면, 정숙한 음색을 강조하도록 목표 음색을 설정할 수 있다. 또는, 운행 패턴이 터널에서의 운행 패턴으로 인식되면, 웅장한 음색을 강조하도록 목표 음색을 설정할 수 있다. 이와 다르게, 운행 패턴이 고속도로에서의 운행 패턴으로 인식되면, 스포티한 음색을 강조하도록 목표 음색을 설정할 수 있다.
음색 제어부(16)는 목표 음색에 필요한 엔진 오더 성분을 추출한다(S26). 이때, 음색 제어부(16)는 소음센서(101)로부터 엔진으로부터 발생하는 소음 데이터 신호를 수신할 수 있고, 진동센서(102)로부터 엔진으로부터 발생하는 진동 데이터 신호를 수신할 수 있다.
엔진 오더 성분을 추출한다는 의미는 엔진 진동에서 발생하는 엔진 오더 성분의 차수와 레벨을 추출하는 것을 의미한다. 엔진 오더 성분은 회전하는 엔진에서 발생하는 물리적인 현상이다. 예를 들어 6기통 엔진의 경우 주 오더 성분은 3차 성분이고, 이를 기준으로 배수 형태인 3차, 6차, 9차, 12차 등으로 엔진 진동 성분에는 회전하는 모든 엔진 오더성분을 가지고 있다.
음색 제어부(16)는 추출된 엔진 오더 성분을 이용하여 차량의 스피커(30) 음색을 목표 음색에 맞도록 제어한다(S27).
음색 제어부(16)는 추출된 엔진 진동 오더성분 중 음색에 좋은 영향을 주는 오더를 선택하여 배열할 수 있다. 예를 들어, 음색 제어부(16)는 3차, 4차, 4.5차, 6차, 8차 성분들을 선택하여 배열할 수 있다. 음색 제어부(16)는 배열된오더 성분의 증폭 레벨을 결정하여 엔진 음색의 특징을 결정한다. 음색 제어부(16)는 신호처리를 통해 오더 성분의출력 진폭(amplitude)를 증폭할 수 있다. 예를 들어 3차 성분은 10dB 높게 증폭하고, 6차 성분은 6dB 높게 증폭하며, 8차 성분은 3dB 높게 증폭할 수 있다. 이때, 기존의 음색제어 기술과 다르게, 실시 예에 따른 음색 제어부(16)는 실시간으로 엔진 진동성분이 가지고 있는 엔진 오더와 레벨 중 필요한성분만 제어하여 엔진음색을 구현할 수 있다.
예를 들어, 웅장한 음색을 강조하는 목표 음색의 경우, 음색 제어부(16)는 저주파 대역의 엔진 오더 성분이 강조되는 음색 제어를 수행한다. 또는 스포티한 음색을 강조하는 목표 음색의 경우, 음색 제어부(16)는 엔진 Integer 오더 성분이 강조되는 음색 제어를 수행한다.
음색 제어부(16)는 음색 제어를 수행하기 위한 제어 신호를 생성하여 스피커(30)로 전송할 수 있다. 앞서 언급한 봐와 같이, 음색 제어부(16)는 엔진 오더성분중 목표 음색제어에 필요한엔진 오더 성분의 배열과 레벨을설정하여 증폭 후 실내 음향장치로 출력한다. 예를 들어 A 차량의 음색 제어부(16)는 3차, 6차, 9차 성분만 추출하여 레벨을 증폭하면 스포티한 음색을구현하게 되고, B 차량의 음색 제어부(16)는 2.5차, 3차, 3.5차, 6차, 9차 성분을추출하여 레벨을 증폭하게 되면 웅장하고, 다이나믹한 음색을구현할 수 있다. 음색 제어를 극대화하기 위해서, 설정된 엔진 오더 제어 성분의 최종 출력단에 주파수 필터를 적용하여 주파수 가중치를 부여할 수 있다.
차량의 운행에 따라 도로 종류 및 실시간 교통 정보에 변경이 생기면, 단계 S24부터 다시 수행된다.
지금까지 실시 예들에 따르면, 동력 시스템 및 차량의 소음 및 진동에 관한 빅데이터 기반의 인공지능(AI)을 통해 NVH 진단이 가능하다. 문제가 되는 소음 및 진동 현상에 대한 실시간 진단이 가능하고, 고객에게 이에 대한 정보 제공 및 차량 제조사의 클라우드망을 통한 차량 이력 관리가 가능하다.
GPS, 실시간 교통정보 기반의 운전자 주행패턴을 분석하여 인공지능(AI)을 통한 차량 음색제어 기술이 제공될 수 있다.
동력 시스템의 내구 진행 및 제어 불안정 인지를 통해 차량의 전자 제어부가 NVH의 개선을 위한 엔진, 변속기등의 제어가 가능하다.
양산차량의 NVH 빅데이터 수집을 통한 품질문제 산포 분석 및 서비스 업무효율 향상도 가능하다.
또한, 차량에 적용 가능한 인공지능(AI) 모듈과 중앙 인공지능(AI) 서버가 구축된 통신망 인프라를 통해 연동하여 고객 맞춤형 편의정보가 제공될 수 있다.
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
1: 차량 제어 통합 관리 시스템
2: 중앙 인공지능 서버

Claims (22)

  1. 측정된 소음에 기초한 소음 데이터 신호를 생성하는 소음 센서,
    측정된 진동에 기초한 진동 데이터 신호를 생성하는 진동 센서, 및
    상기 소음 데이터 신호, 상기 진동 데이터 신호, 및 주행 조건 데이터를 인공지능 학습하여 NVH 진단을 위한 인공지능을 구비하고, 상기 인공지능을 이용한 NVH 진단 결과에 기초하여 NVH를 개선하기 위한 연소 조건을 제어하는 진단부를 포함하고,
    상기 진단부는,
    상기 연소 조건 제어 후의 소음 데이터 신호, 진동 데이터 신호, 및 연소 압력 측정 결과를 모니터하고, 상기 모니터한 결과에 기초하여 연소 조건을 제어하며, 상기 연소 조건 제어와 상기 모니터한 결과에 기초한 데이터를 인공지능 학습하여 연소 조건 결정을 위한 인공지능을 구축하는 차량 제어 통합 관리 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 진단부가 인공지능 학습하는 과정에서의 소음 데이터 신호, 진동 데이터 신호, 연소 압력 측정 결과, 연소 조건 제어에 대한 정보를 중앙 인공지능 서버에 전송하는 차량 제어 통합 관리 시스템.
  4. 제1항에 있어서,
    상기 진단부는 상기 소음 데이터 신호, 상기 진동 데이터 신호, 및 상기 주행 조건 데이터를 딥러닝 방식으로 학습하여 NVH 진단을 위한 인공지능 신경망을 구축하고, 상기 인공지능 신경망을 이용하여 NVH 진단을 수행하는 차량 제어 통합 관리 시스템.
  5. 제4항에 있어서,
    상기 진단부는,
    상기 소음 데이터 신호 및 상기 진동 데이터 신호는 디지털 신호 처리를 통해 이미지 데이터로 변환하고, 상기 이미지 데이터에 대해서 가버 필터를 이용하여 시간측 이미지 분석 알고리즘 및 주파수측 이미지 분선 알고리즘 중 적어도 하나를 수행하는 차량 제어 통합 관리 시스템.
  6. 제4항에 있어서,
    상기 진단부는,
    상기 소음 데이터 신호 및 상기 진동 데이터 신호에 대해서 DNN(Deep Neutral Network) 러닝머신 기법 또는 CNN(Convolution Neural Network) 러닝머신 기법을 적용하는 차량 제어 통합 관리 시스템.
  7. 측정된 소음에 기초한 소음 데이터 신호를 생성하는 소음 센서,
    측정된 진동에 기초한 진동 데이터 신호를 생성하는 진동 센서,
    상기 소음 데이터 신호, 상기 진동 데이터 신호, 및 주행 조건 데이터를 인공지능 학습하여 NVH 진단을 위한 인공지능을 구비하고, 상기 인공지능을 이용한 NVH 진단 결과에 기초하여 NVH를 개선하기 위한 연소 조건을 제어하는 진단부, 및
    차량의 엔진, 변속기등을 제어하는 신호처리제어기를 포함하고,
    상기 진단부는,
    상기 연소 조건에 대한 지시를 상기 신호처리제어기에 전송하는 차량 제어 통합 관리 시스템.
  8. 제1항에 있어서,
    상기 NVH 진단 결과 이상 상태인 경우, 차량의 GPS 위치에 기초하여 정비 서비스가 가능한 예약 정보를 수신하고,
    네비게이션이 상기 예약 정보에 연동하는 차량 제어 통합 관리 시스템.
  9. 측정된 소음에 기초한 소음 데이터 신호를 생성하는 소음 센서,
    측정된 진동에 기초한 진동 데이터 신호를 생성하는 진동 센서, 및
    상기 소음 데이터 신호, 상기 진동 데이터 신호, 및 주행 조건 데이터를 인공지능 학습하여 NVH 진단을 위한 인공지능을 구비하고, 상기 인공지능을 이용한 NVH 진단 결과에 기초하여 NVH를 개선하기 위한 연소 조건을 제어하는 진단부를 포함하고,
    상기 NVH 진단 결과에 따른 분류 카테고리는, 변속기 소음, 가솔린 노킹, 피스톤 소음, 오일펌프 소음, 고압펌프 소음, 진공펌프 소음, 타이밍체인 소음, 타이밍벨트 소음, 벨브계 소음, 터보차져 소음, 인젝터 소음, 크랭크계 소음, 연료맥동 소음, 알터네이터 소음, 보기류벨트 소음, 구동계 소음, 흡배기계 소음, 워터펌프 소음, 동력 시스템 관련 소음, 및 동력 시스템 오인 소음을 포함하는 차량 제어 통합 관리 시스템.
  10. 측정된 소음에 기초한 소음 데이터 신호를 생성하는 소음 센서,
    측정된 진동에 기초한 진동 데이터 신호를 생성하는 진동 센서, 및
    상기 소음 데이터 신호, 상기 진동 데이터 신호, 및 주행 조건 데이터를 인공지능 학습하여 NVH 진단을 위한 인공지능을 구비하고, 상기 인공지능을 이용한 NVH 진단 결과에 기초하여 NVH를 개선하기 위한 연소 조건을 제어하는 진단부를 포함하고,
    NVH 진단을 위해 필요한 파라미터는,
    소음 및 진동을 측정하는 위치에 기초하여 엔진룸 내에서 측정되는 소음 및 진동 데이터인 엔진 상태인지, 또는 차량 실내에서 측정되는 소음 및 진동 데이터인 차량 상태인지에 대한 것, 소음 및 진동이 측정되는 온도 조건이 냉간인지, 또는 온간인지에 대한 것, 및 정차 상태인 아이들 조건인지, 주행 상태인 주행 조건에서 가속주행 모드인지, 감속주행 모드인지, 또는 정속주행 모드인지에 대한 것을 포함하는 차량 제어 통합 관리 시스템.
  11. 복수의 차량에 대한 NVH 진단 결과를 수신 받는 중앙 인공지능 서버에 있어서,
    상기 복수의 차량으로부터 수신한 상기 NVH 진단 결과들을 차량 종류마다 분류하는 중앙 진단부, 및
    상기 분류된 NVH 진단 결과들을 저정하는 데이터 베이스를 포함하고,
    상기 중앙 진단부는, 상기 데이터 베이스에 저장된 데이터를 학습하여 상기 복수의 차량들의 인공지능에 대한 파라미터 값을 업데이트하는 중앙 인공지능 서버.
  12. 제11항에 있어서,
    상기 중앙 진단부는, 상기 데이터 베이스의 데이터를 딥러닝으로 학습하여 인공지능 신경망에 필요한 파라미터 값을 결정하여 업데이트 하는 중앙 인공지능 서버.
  13. 제12항에 있어서,
    상기 업데이트된 파라미터 값은 차량에 전송되는 중앙 인공지능 서버.
  14. 제11항에 있어서,
    상기 복수의 차량 중 진단 결과가 이상인 차량의 운전자에게 이상 결과를 알리고, 정비 서비스를 제공하기 위해서 서비스망에 상기 이상 차량에 대한 정보를 전송하는 중앙 인공지능 서버.
  15. 도로 조건별 주행 패턴 및 변속 패턴에 대한 데이터, 그리고 교통 상황별 주행자의 가속 패달 사용 패턴에 대한 데이터를 포함하는 운행 패턴 데이터 베이스, 및
    상기 운행 패턴 데이터 베이스의 데이터들을 입력으로 하여 인공지능 학습을 수행하여 인공지능을 구축하고, 상기 인공지능을 이용하여 수신된 도로 종류와 실시간 교통 정보에 기초하여 운행 패턴을 인식하고, 상기 인식된 운행 패턴에 따라 목표 음색을 설정하는 음색 제어부를 포함하는 차량 제어 통합 관리 시스템.
  16. 제15항에 있어서,
    상기 음색 제어부는 상기 데이터 베이스의 데이터들을 딥러닝하여 인공지능 신경망을 구축하고, 상기 구축된 인공지능 신경망을 이용하여 상기 도로 종류와 상기 실시간 교통 정보에 기초하여 운행 패턴을 인식하는 차량 제어 통합 관리 시스템.
  17. 제15항에 있어서,
    상기 음색 제어부는,
    상기 인식된 운행 패턴이 시골길이면, 정숙한 음색을 강조하도록 목표 음색을 설정하고,
    상기 인식된 운행 패턴이 터널이면, 웅장한 음색을 강조하도록 목표 음색을 설정하며,
    상기 인식된 운행 패턴이 고속도로이면, 스포티한 음색을 강조하도록 목표 음색을 설정하는 차량 제어 통합 관리 시스템.
  18. 제15항에 있어서,
    상기 음색 제어부는,
    상기 목표 음색에 필요한 엔진 오더 성분을 추출하고, 상기 추출된 엔진 오더 성분을 이용하여 차량의 스피커 음색을 목표 음색에 맞도록 제어하는 차량 제어 통합 관리 시스템.
  19. 제18항에 있어서,
    상기 음색 제어부는,
    상기 차량의 엔진의 진동에서 발생하는 엔진 오더 성분의 차수와 레벨을 추출하고,
    상기 엔진 오더 성분은 회전하는 엔진에서 발생하는 물리적인 현상인 차량 제어 통합 관리 시스템.
  20. 제19항에 있어서,
    상기 음색 제어부는 상기 추출된 엔진 진동 오더 성분 중 상기 목표 음색에 영향을 주는 오더를 선택하여 배열하는 차량 제어 통합 관리 시스템.
  21. 제20항에 있어서,
    상기 음색 제어부는 상기 배열된 오더 성분의증폭 레벨을 결정하여 상기 엔진 음색의 특징을 결정하고, 신호처리를 통해 상기 오더 성분의 출력 진폭을 증폭하는 차량 제어 통합 관리 시스템.
  22. 제18항에 있어서,
    상기 목표 음색이 웅장한 음색을 강조하는 경우, 저주파 대역의 엔진 오더 성분이 강조되는 음색 제어를 수행하는, 상기 목표 음색이 스포티한 음색을 강조하는 경우, 엔진 Integer 오더 성분이 강조되는 음색 제어를 수행하는 차량 제어 통합 관리 시스템.
KR1020170142551A 2017-10-30 2017-10-30 차량 제어 통합 관리 시스템 및 이와 통신을 통해 연결된 중앙 인공지능 서버 KR102474355B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020170142551A KR102474355B1 (ko) 2017-10-30 2017-10-30 차량 제어 통합 관리 시스템 및 이와 통신을 통해 연결된 중앙 인공지능 서버
US15/824,920 US10223842B1 (en) 2017-10-30 2017-11-28 System for controlling remotely connected vehicle
DE102017221727.8A DE102017221727A1 (de) 2017-10-30 2017-12-01 System zum Steuern eines entfernt verbundenen Fahrzeugs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170142551A KR102474355B1 (ko) 2017-10-30 2017-10-30 차량 제어 통합 관리 시스템 및 이와 통신을 통해 연결된 중앙 인공지능 서버

Publications (2)

Publication Number Publication Date
KR20190048061A KR20190048061A (ko) 2019-05-09
KR102474355B1 true KR102474355B1 (ko) 2022-12-05

Family

ID=65495935

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170142551A KR102474355B1 (ko) 2017-10-30 2017-10-30 차량 제어 통합 관리 시스템 및 이와 통신을 통해 연결된 중앙 인공지능 서버

Country Status (3)

Country Link
US (1) US10223842B1 (ko)
KR (1) KR102474355B1 (ko)
DE (1) DE102017221727A1 (ko)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200041098A (ko) * 2018-10-11 2020-04-21 현대자동차주식회사 파워 트레인 부품 고장 진단 방법
KR20200075133A (ko) * 2018-12-12 2020-06-26 현대자동차주식회사 빅데이터 정보 기반 문제소음 발생원 진단 방법 및 장치
DE102019109067B4 (de) * 2019-04-05 2023-11-09 Allianz Partners SAS Entscheidungsfindungsmodul zum automatischen Bereitstellen von Handlungsempfehlungen
KR20200142993A (ko) 2019-06-14 2020-12-23 현대자동차주식회사 엔진 상태 진단 방법 및 엔진 상태 진단 모델링 방법
BR102019018278A2 (pt) * 2019-09-02 2021-03-16 Elio Adolfo Oviedo Diaz Sistema de monitoramento e processo de análise de informações de veículos
CN110572384A (zh) * 2019-09-03 2019-12-13 东软睿驰汽车技术（沈阳）有限公司 一种车辆数据处理方法及装置
US11580796B1 (en) * 2019-09-12 2023-02-14 United Services Automobile Association (Usaa) Automatic problem detection from sounds
KR20210070477A (ko) 2019-12-04 2021-06-15 현대자동차주식회사 차량 고장 판단 장치 및 방법
CN111469854B (zh) * 2020-04-26 2021-08-13 东风汽车有限公司 驾驶员安全保障车载方法、车载电子设备、服务器方法及服务器
KR102238855B1 (ko) * 2020-06-03 2021-04-13 엠아이큐브솔루션(주) 소음의 종류를 분류하는 소음 분류 딥러닝 모델 학습 방법
US20220028187A1 (en) * 2020-07-23 2022-01-27 Denso International America, Inc. Method and system of managing a vehicle abnormality of a fleet vehicle
CN112161699A (zh) * 2020-08-24 2021-01-01 河南科技大学 一种无人驾驶汽车的共振监测系统及其监测方法
KR20220155834A (ko) * 2021-05-17 2022-11-24 현대자동차주식회사 장비 적용을 위한 ai 기반 진단 기술 자동화 방법
DE102021123020B4 (de) 2021-09-06 2024-01-04 Bayerische Motoren Werke Aktiengesellschaft Klassifikation von Geräuschen an einem Fahrzeug

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3550751B2 (ja) * 1994-09-30 2004-08-04 日産自動車株式会社 アクティブコントロール装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6481271B1 (en) * 2000-03-16 2002-11-19 Ford Motor Company Method to correct vehicle vibration during an assembly process
US20030088346A1 (en) * 2001-10-27 2003-05-08 Vetronix Corporation Noise, vibration and harshness analyzer
US7013213B2 (en) * 2004-05-12 2006-03-14 Ford Global Technologies, Llc Method for controlling starting of an engine in a hybrid electric vehicle powertrain
US7860663B2 (en) * 2004-09-13 2010-12-28 Nsk Ltd. Abnormality diagnosing apparatus and abnormality diagnosing method
KR100843930B1 (ko) * 2006-11-06 2008-07-03 주식회사 현대오토넷 텔레매틱스를 이용한 차량 진단 서비스 장치 및 방법
KR100969384B1 (ko) * 2008-09-26 2010-07-09 현대자동차주식회사 차량용 소음/진동 진단장치 및 그것의 운용방법
WO2013059682A1 (en) * 2011-10-19 2013-04-25 Fuel Saving Technologies, Llc Energy conservation systems and methods
US20130225092A1 (en) * 2012-02-24 2013-08-29 Distracted Driving Solutions, L.L.C. Vehicle Wireless Device Detection and Shielding
US20150148654A1 (en) * 2012-06-29 2015-05-28 The General Hospital Corporation System, method and computer-accessible medium for providing and/or utilizing optical coherence tomographic vibrography
KR20140121226A (ko) * 2013-04-05 2014-10-15 현대자동차주식회사 노면 프로파일과 로드 노이즈의 상관성 정량화 방법
CN110043377B (zh) * 2015-01-12 2021-10-08 图拉技术公司 车辆及操作车辆的方法
US10609901B2 (en) * 2016-02-19 2020-04-07 International Business Machines Corporation Unmanned aerial vehicle for generating geolocation exclusion zones

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3550751B2 (ja) * 1994-09-30 2004-08-04 日産自動車株式会社 アクティブコントロール装置

Also Published As

Publication number Publication date
US10223842B1 (en) 2019-03-05
KR20190048061A (ko) 2019-05-09
DE102017221727A1 (de) 2019-05-02

Similar Documents

Publication Publication Date Title
KR102474355B1 (ko) 차량 제어 통합 관리 시스템 및 이와 통신을 통해 연결된 중앙 인공지능 서버
KR101864860B1 (ko) 딥러닝을 통한 자동차 상태 진단 방법
US10625671B2 (en) Engine sound color control method based on engine dynamic characteristic with artificial intelligence and vehicle thereof
US20200118358A1 (en) Failure diagnosis method for power train components
US20230012186A1 (en) System and method for vibroacoustic diagnostic and condition monitoring a system using neural networks
US10217298B2 (en) Methods of operating a motor vehicle
CN109229034A (zh) 一体化连接管理方法及其联网车辆
CN110853179A (zh) 车联网服务器、车辆及基于行驶数据的车辆油耗提示方法
CN109591693A (zh) 一种电动汽车运动声品质主动发声系统
CN108538280B (zh) 一种汽车主动降噪系统、方法及移动终端
CN113006951B (zh) 车辆用控制数据的生成方法、车辆用控制装置、车辆用控制系统以及车辆用学习装置
KR20210088240A (ko) 무빙계 부품의 상태 진단 장치 및 방법
US20210366210A1 (en) Abnormal noise source identification method, abnormal noise source identification system, abnormal noise source identification device, abnormal noise source notification device, and on-board device
CN110427709B (zh) 基于遗传算法的声品质阶次均衡优化及主动发声设计方法
CN109131064A (zh) 电动汽车声音警示装置及方法
CN112185335B (zh) 一种降噪方法、装置、电子设备及存储介质
CN111862951A (zh) 语音端点检测方法及装置、存储介质、电子设备
CN113217204B (zh) 车辆控制方法、车辆用控制装置以及服务器
DE102015221627A1 (de) Verfahren zum Erzeugen eines einen Betrieb einer Verbrennungskraftmaschine charakterisierenden Geräuschs
CN113266481A (zh) 车辆控制方法、车辆用控制装置以及服务器
KR20210073883A (ko) 양방향 차량상태정보 제공이 가능한 정보공유 플랫폼, 이를 갖는 시스템, 그리고 이의 방법
CN106644497A (zh) 一种基于智能手机内置传感器检测车辆的方法
CN112682202B (zh) 车辆用控制系统、装置、控制方法以及存储介质
CN104139782B (zh) 用于配置车辆设备参数的系统和方法
US20220270414A1 (en) Method of ai-based vehicle diagnosis using can data and device thereof

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