KR20210132929A - 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템 - Google Patents

Abstract

본 발명은 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템에 관한 것으로서, 더욱 상세하게는 휠 베어링에 설치된 가속도 센서로부터 진동 신호를 취득하고 이를 신호처리기법, 결함주파수 분석, 건전성 특징 인자 정의 등의 과정을 통해 고장 예측진단 알고리즘을 제공함으로써, 휠 베어링의 고장 진단을 편리하게 수행할 수 있는 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템에 관한 것이다.
본 발명을 통해, 부품 상태 및 예측에 대한 정보를 통하여 적기에 부품 교체가 가능하여 차량 안전성 향상 및 차량 점검 시간과 비용 손실을 줄일 수 있는 효과를 제공하게 된다.

Description

휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템{Embedded system using wheel bearing prediction diagnosis algorithm}

본 발명은 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템에 관한 것으로서, 더욱 상세하게는 휠 베어링에 설치된 가속도 센서로부터 진동 신호를 취득하고 이를 신호처리기법, 결함주파수 분석, 건전성 특징 인자 정의 등의 과정을 통해 고장 예측진단 알고리즘을 제공함으로써, 휠 베어링의 고장 진단을 편리하게 수행할 수 있는 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템에 관한 것이다.

최근 인공지능 기반 기술들의 주목과 기술적 진화에 편승하여 인공지능의 사용화 서비스 중에서 가장 높은 수준에 이르렀다고 판단할 수 있는 분야가 바로 자율 주행 자동차 분야이다.

2010년부터 2015년까지 자율주행자동차 관련 주요 이슈가 자율주행자동차의 도로운행 임시 허가 등 주로 규제와 기술 사이의 괴리를 정비하기 위한 법제도적 이슈들이 논의되어 온 데 반해, 이번 2016년 들어서는 완성차 업체와 부품관련 업체를 비롯하여 여러 ICT 업체의 기술 상용화 및 향후 발전 가능성에 힘입어 본격적인 자율주행자동차 산업의 성장이 가속화될 것으로 예상된다.

인공지능 기술의 완성판이라고 할 수 있는 자율주행 기술을 탑재한 양산형 자율주행자동차가 본격적으로 2020년 시장에 출시될 것으로 예상되며 2020년에서 2035년까지 자율시행자동차 시장에서 높은 성장률을 보일 것으로 전망되고 있다.

또한, 완전 자율주행자동차 보급 이전에는 일반 자동차에 차선 변경, 교통체증구간 자동운전, 자동주차와 같은 특정 기능의 자율주행시스템이 장착되어 시장을 형성할 것으로 예측되고 있다.

이에 따라 미래 자동차 시장의 중심이 되는 자율 주행차 부품 시장 선점을 위해 완성차업체의 요구 수준에 만족할 수 있는 정밀도 높은 휠 속도센서 개발이 절실히 필요한 상황이다.

한편, 차량의 공유 개념으로 변경, 완전 자율 주행차 시장 확대 등으로 또한 관련 법규 등이 생겨나고 있으며, 안전을 가장 중요한 기준으로 마련하고 있는 추세이다.

차량의 정기적 안전 점검, 고장 부품에 대한 적기 교체 등이 필요하지만 그러한 판단을 차량 전문가 또는 운전자에게 기대하기에는 부적합한 환경으로 시장이 변해가고 있다.

따라서, 안전과 연계된 중요한 차량 부품의 상태는 계속 모니터링 되고 안전에 영향을 미치는 고장이 발생하기 전에 제품의 고장 상태를 예측하여 사용자 또는 관리 주체에게 사전 정보를 제공하는 필요성이 대두되고 있으며, 이러한 부품 상태 및 예측에 대한 정보를 통하여 적기에 부품 교체가 가능하여 차량 안전성 향상 및 차량 점검 시간과 비용 손실을 줄일 수 있게 된다.

결국, 본 발명을 통해 휠 베어링의 고장 진단을 편리하게 수행할 수 있는 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템을 제공하고자 한다.

대한민국특허공개공보 10-2001-0006072호

따라서, 본 발명은 상기 종래의 문제점을 해소하기 위해 안출된 것으로,

본 발명의 목적은 휠 베어링에 설치된 가속도 센서로부터 진동 신호를 취득하고 이를 신호처리기법, 결함주파수 분석, 건전성 특징 인자 정의 등의 과정을 통해 고장 예측진단 알고리즘을 제공하고자 한다.

본 발명이 해결하고자 하는 과제를 달성하기 위하여, 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템은,

ABS 휠의 진동 및 속도 신호를 측정하기 위한 휠속도측정센서와,

상기 측정된 진동 및 속도 신호에 대한 노이즈를 제거하기 위한 노이즈필터부와,

FFT를 이용하여 상기 노이즈 제거된 진동 및 속도 신호에 대한 결함 주파수를 분석하기 위한 결함주파수분석부와,

고장 특성인자를 추출하여 이를 통한 고장 진단을 수행하기 위한 고장진단부를 포함하여 구성됨으로써, 휠 베어링 건전성 예측 진단을 수행하는 것을 특징으로 한다.

본 발명에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템은,

휠 베어링에 설치된 가속도 센서로부터 진동 신호를 취득하고 이를 신호처리기법, 결함주파수 분석, 건전성 특징 인자 정의 등의 과정을 통해 고장 예측진단 알고리즘을 제공함으로써, 휠 베어링의 고장 진단을 편리하게 수행할 수 있는 효과를 제공하게 된다.

또한, 부품 상태 및 예측에 대한 정보를 통하여 적기에 부품 교체가 가능하여 차량 안전성 향상 및 차량 점검 시간과 비용 손실을 줄일 수 있는 효과를 제공하게 된다.

도 1은 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템의 전체 구성도이다.
도 2는 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템의 고장진단부에서 처리하는 과정을 나타낸 예시도이다.
도 3은 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템의 잔여수명 예측 사례를 나타낸 예시도이다.
도 4는 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템의 장착 예시도이다.
도 5는 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템과 통신할 수 있는 마이컴을 나타낸 예시도이다.
도 6은 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템의 노이즈필터부 예시도이다.
도 7은 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템의 이상 진단을 위한 통계적 건전성 특징 인자를 나타낸 예시도이다.
도 8은 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템의 인텔리전트 휠 베어링 고장 알고리즘 프로세스를 나타낸 예시도이다.
도 9는 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템의 건정성 인자 분류하는 방법을 나타낸 예시도이다.

본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템은,

ABS 휠의 진동 및 속도 신호를 측정하기 위한 휠속도측정센서(100)와,

상기 측정된 진동 및 속도 신호에 대한 노이즈를 제거하기 위한 노이즈필터부(200)와,

FFT를 이용하여 상기 노이즈 제거된 진동 및 속도 신호에 대한 결함 주파수를 분석하기 위한 결함주파수분석부(300)와,

고장 특성인자를 추출하여 이를 통한 고장 진단을 수행하기 위한 고장진단부(400)를 포함하여 구성됨으로써, 휠 베어링 건전성 예측 진단을 수행하는 것을 특징으로 한다.

이때, 상기 고장진단부는,

정상 기준과 고장 기준에 대한 변수값을 획득하여 고장 혹은 정상 유무를 학습하기 위한 자율학습모듈;과

상기 자율학습모듈에 의해 수립된 자율학습 알고리즘을 이용하여 감지된 진동 및 속도 신호에 대한 수명 예측을 수행하기 위한 수명예측모듈;을 포함하여 구성되게 된다.

이하, 본 발명에 의한 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템의 실시예를 통해 상세히 설명하도록 한다.

최근 인공지능 기반 기술들의 주목과 기술적 진화에 편승하여 인공지능의 사용화 서비스 중에서 가장 높은 수준에 이르렀다고 판단할 수 있는 분야가 바로 자율 주행 자동차 분야이다.

2010년부터 2015년까지 자율주행자동차 관련 주요 이슈가 자율주행자동차의 도로운행 임시 허가 등 주로 규제와 기술 사이의 괴리를 정비하기 위한 법제도적 이슈들이 논의되어 온데 반해, 이번 2016년 들어서는 완성차 업체와 부품관련 업체를 비롯하여 여러 ICT 업체의 기술 상용화 및 향후 발전 가능성에 힘입어 본격적인 자율주행자동차 산업의 성장이 가속화될 것으로 예상된다.

인공지능 기술의 완성판이라고 할 수 있는 자율주행 기술을 탑재한 양산형 자율주행자동차는 본격적으로 2020년 시장에 출시될 것으로 예상되며, 2020년에서 2035년까지 자율시행자동차 시장에서 높은 성장률을 보일 것으로 전망되고 있다.

또한, 완전 자율주행자동차 보급 이전에는 일반 자동차에 차선 변경, 교통체증구간 자동운전, 자동주차와 같은 특정 기능의 자율주행시스템이 장착되어 시장을 형성할 것으로 예측되고 있다.

미국과 유럽은 인공지능을 기반으로 하는 자율주행 기술 수준 발전을 단계별로 보았을 때, 기술 수준 발전을 토대로 각 국가별 정책이나 발전 방향이 다르며 정책도 상이하지만 긍정적인 시장 전망과 많은 수요 예측을 바탕으로 자율주행 자동차 산업의 장려하는 분위기가 대부분이지만 아직 우리나라는 그러하지 못한 것이 현실이다.

자율 주행 기술의 5단계 분류에 따르면 4단계, 5단계 수준은 운전자의 개입이 전혀 필요 없는 완전 자율 주행자동차 즉, 사람이 탑승하지 않은 상태에서도 차량이 스스로 도로환경조건을 판단하여 주행 경로, 속도 등을 제어하여 원하는 목적지까지 이동하여 주차까지 완료하는 자율 주행 시스템을 의미한다.

도 1은 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템의 전체 구성도이다.

도 1에 도시한 바와 같이, 본 발명인 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템(1000)은,

ABS 휠의 진동 및 속도 신호를 측정하기 위한 휠속도측정센서(100)와,

상기 측정된 진동 및 속도 신호에 대한 노이즈를 제거하기 위한 노이즈필터부(200)와,

FFT를 이용하여 상기 노이즈 제거된 진동 및 속도 신호에 대한 결함 주파수를 분석하기 위한 결함주파수분석부(300)와,

고장 특성인자를 추출하여 이를 통한 고장 진단을 수행하기 위한 고장진단부(400)를 포함하여 구성됨으로써, 휠 베어링 건전성 예측 진단을 수행하는 것을 특징으로 한다.

상기와 같이, 구성하게 되면, 실차 기반의 휠 베어링 건전성 예측진단 알고리즘 및 시스템 최초 구현이 가능하다.

또한, 기존 등속 산업 설비의 베어링 고장 진단에 대한 기술에서 더 발전하여 변속 주행하는 차량의 베어링 고장 진단 기술을 제공하게 된다.

또한, 휠 베어링 주변 기계부품의 고유진동, 타이어 및 서스펜션 강성에 의한 진동, 도로 노면 상태에 의한 진동 등 다양한 외부 진동 요인으로부터 발생하는 노이즈 제거 기술을 제공하게 된다.

또한, 단순한 진동크기에 기반한 고장 진단이 아닌 고장에 민감한 건전성 특징 인자에 기반한 고장 진단 기술을 제공하게 된다.

또한, 휠 베어링의 고장 위치, 유형 그리고 심각도에 따른 고장 분류 및 진단 가능하게 된다.

또한, 일반 산업용 기계(공작 기계, 중공업 기계 등) 또는 발전소 터빈, 선박, 항공 등의 부품 진단 및 예측 기술에 대한 연구를 통한 실제 적용 사례가 있으나, 현재까지 일반 승용 및 SUV 자동차 부품에 대한 고장 진단 기술에 대한 적용을 위한 기술 개발이 진행 중이므로 상당한 경쟁력을 제공할 수 있게 된다.

또한, 향후 자동차 시장에서는 자체적으로 부품 상태 진단 및 고장을 예측하는 기술이 요구될 것으로 전망되어 이러한 수요에 맞추어 자동차 부품의 운행 및 고장 특성 연구를 통한 진단 및 예측하는 알고리즘 기술 개발을 하여 향후 미래 시장 선점이 가능하게 될 것이다.

산업용 베어링은 산업 기계의 회전 하중을 지지하는 핵심 부품으로 그 사용 범위가 무궁무진하여, 모터, 기어박스, 펌프, 휠 베어링 등의 작은 시스템부터 주축, 풍력발전기 등의 대형 시스템에 이르기까지 다양한 산업 기계에서 사용된다.

이러한 다양한 베어링의 열화 및 고장은 상위 시스템의 구동에 큰 영향을 미치며, 경우에 따라 상당한 인적, 물적 피해를 초래할 수 있다.

베어링은 최적의 조건에서도 마모 손상되며 이는 결국 피로 파괴를 발생시킨다.

또한, 구름 베어링의 수명은 동일 조건에서 운전된 경우에도 그 편차가 상당하다.

따라서, 베어링의 수명 예측 및 상태 감시는 기계 산업 전반에서 필수 불가결하다.

베어링의 결함 상태는 베어링이 결합된 기계 장치의 진동을 통해 감시할 수 있다.

하지만 진동은 베어링 결함 신호뿐만 아니라 다양한 원인으로부터 발생하기 때문에 이를 적절한 필터링 기법을 통해 제거해주는 것이 필요하다.

베어링 결함에 대한 정보를 추출한 후, 설비의 특성(정지 시 손실, 고장 관리 기준 등)을 반영하여 정상/고장 기준을 자율 학습(autonomous learning)하는 단계가 수행된다.

마지막으로 베어링의 건전성 지수(health index)의 트렌드를 분석하고, 미래 상태를 예측함으로써 잔여 수명을 예측할 수 있다.

한편, 본 발명인 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템은 도 4에 도시한 바와 같은 위치에 장착되어 휠 베어링 예측진단을 수행하게 되는 것이다.

하기에서는 본 발명인 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템의 구성요소에 대하여 구체적으로 설명하도록 하겠다.

상기 휠속도측정센서(100)는 ABS 휠의 진동 및 속도 신호를 측정하기 위한 기능을 수행하게 된다.

상기 노이즈필터부(200)는 상기 측정된 진동 및 속도 신호에 대한 노이즈를 제거하기 위한 기능을 수행하게 된다.

도 6에 도시한 바와 같이, 실차 주행 중 발생하는 다양한 외부 노이즈(도로 노면, 휠 베어링 주변 차량 구조에 의한 고유진동, 타이어 패턴, 서스펜션 강성에 의한 진동 등)를 필터링하기 위하여 신호 전처리 전에 노이즈필터부를 통해 수행하게 된다.

상기 결함주파수분석부(300)는 FFT를 이용하여 상기 노이즈 제거된 진동 및 속도 신호에 대한 결함 주파수를 분석하기 위한 기능을 수행하게 된다.

상기 고장진단부(400)는 고장 특성인자를 추출하여 이를 통한 고장 진단을 수행하기 위한 기능을 수행하게 된다.

이때, 상기 고장진단부는 정상 기준과 고장 기준에 대한 변수값을 획득하여 고장 혹은 정상 유무를 학습하기 위한 자율학습모듈;과

상기 자율학습모듈에 의해 수립된 자율학습 알고리즘을 이용하여 감지된 진동 및 속도 신호에 대한 수명 예측을 수행하기 위한 수명예측모듈;을 포함하여 구성되는 것을 특징으로 한다.

상기한 자율학습모듈은 도 2에 도시한 바와 같이, 정상 기준과 고장 기준에 대한 변수값을 획득하여 고장 혹은 정상 유무를 학습하기 위한 기능을 수행하게 된다.

이때, 수명예측모듈은 도 3에 도시한 바와 같이, 상기 자율학습모듈에 의해 수립된 자율학습 알고리즘을 이용하여 감지된 진동 및 속도 신호에 대한 수명 예측을 수행하기 위한 기능을 수행하게 된다.

상기한 고장 특성 인자는 단순한 진동크기 기반 고장인자가 아닌 휠 베어링 초기 결함에 민감한 건전성 특징 인자 추출 알고리즘으로서, 상관도 분석을 통한 속도 기반 건전성 인자 스케일링 알고리즘을 제공하게 된다.

또한, 도 8에 도시한 바와 같이, 계측된 실차 진동데이터 기반 신호 전처리 알고리즘 및 건전성 인자 추출 알고리즘 적용하여 차량 운행 상태 기반 휠 베어링 고장을 판단하게 된다.

또한, 도 9에 도시한 바와 같이, 건정성 인자 분류하는 방법을 제공하게 된다.

도 2는 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템의 고장진단부에 대한 기능을 구체적으로 나타낸 예시도이다.

도 2에 도시한 바와 같이, 상기 고장진단부는 차량 주행 속도, 거리, 도로 환경 등에 대한 차량 운행 환경 정보를 획득하고, 정상 및 타켓 고장 모드, 고장 심각도에 따른 휠 베어링 진동 데이터를 수집하고, 휠 베어링 진동 데이터에 대한 전처리를 통해 외란 진동 신호를 필터링할 수 있도록 한다.

상기 고장진단부는 휠 베어링 고장 유형 분석을 위하여 휠 베어링의 주요 고장 유형 및 심각도 분석을 통해 분석 결과를 바탕으로 고장 진단 요구사항 파악 및 고장 진단 타겟 고장 모드 및 심각도를 선정하게 된다.

운행 조건에 따른 예측 진단 수행 조건을 선정하기 위하여 차량의 주행 속도, 거리 등 차량 운행 조건을 파악하여 예측 진단 수행 주기 및 정확도 등 최적의 예측 진단 조건을 선정하게 되는 것이다.

도 5는 본 발명의 일실시예에 따른 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템과 통신할 수 있는 마이컴을 나타낸 예시도이다.

도 5에 도시한 바와 같이, 본 발명의 시스템은 차량의 마이컴과 캔, SPI 통신을 통해 해당 정보를 제공할 수 있게 된다.

본 발명을 통해, 휠 베어링에 설치된 가속도 센서로부터 진동 신호를 취득하고 이를 신호처리기법, 결함주파수 분석, 건전성 특징 인자 정의 등의 과정을 통해 고장 예측진단 알고리즘을 제공함으로써, 휠 베어링의 고장 진단을 편리하게 수행할 수 있는 효과를 제공하게 된다.

또한, 부품 상태 및 예측에 대한 정보를 통하여 적기에 부품 교체가 가능하여 차량 안전성 향상 및 차량 점검 시간과 비용 손실을 줄일 수 있는 효과를 제공하게 된다.

상기와 같은 내용의 본 발명이 속하는 기술분야의 당업자는 본 발명의 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시된 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다.

100 : 휠속도측정센서
200 : 노이즈필터부
300 : 결함주파수분석부
400 : 고장진단부

Claims (1)

1. 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템에 있어서,
   ABS 휠의 진동 및 속도 신호를 측정하기 위한 휠속도측정센서(100)와,
   상기 측정된 진동 및 속도 신호에 대한 노이즈를 제거하기 위한 노이즈필터부(200)와,
   FFT를 이용하여 상기 노이즈 제거된 진동 및 속도 신호에 대한 결함 주파수를 분석하기 위한 결함주파수분석부(300)와,
   고장 특성인자를 추출하여 이를 통한 고장 진단을 수행하기 위한 고장진단부(400)를 포함하여 구성됨으로써, 휠 베어링 건전성 예측 진단을 수행하는 것을 특징으로 하는 휠 베어링 예측진단 알고리즘을 적용한 임베디드 시스템.
   

Images