KR20240060018A - System for Predicting Failure of Automobile Parts - Google Patents

System for Predicting Failure of Automobile Parts Download PDF

Info

Publication number
KR20240060018A
KR20240060018A KR1020220141197A KR20220141197A KR20240060018A KR 20240060018 A KR20240060018 A KR 20240060018A KR 1020220141197 A KR1020220141197 A KR 1020220141197A KR 20220141197 A KR20220141197 A KR 20220141197A KR 20240060018 A KR20240060018 A KR 20240060018A
Authority
KR
South Korea
Prior art keywords
sensor
control arm
failure
electric field
detected
Prior art date
Application number
KR1020220141197A
Other languages
Korean (ko)
Inventor
이상열
곽성옥
이석용
정재호
Original Assignee
황성공업 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 황성공업 주식회사 filed Critical 황성공업 주식회사
Priority to PCT/KR2022/016704 priority Critical patent/WO2024090625A1/en
Priority to KR1020220141197A priority patent/KR20240060018A/en
Publication of KR20240060018A publication Critical patent/KR20240060018A/en

Links

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
    • G01M17/04—Suspension or damping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G7/00—Pivoted suspension arms; Accessories thereof
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • 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
    • 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)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

차량 부품 고장 예측 시스템은 컨트롤암에 부착된 센서 모듈로부터 측정된 복수의 센서 데이터를 조합하여 해석하고, 이를 통하여 컨트롤암의 고장 유무나 잔존 수명 정보를 예측함으로써 컨트롤암의 고장으로 차량의 파손이나 인명 피해를 방지할 수 있는 효과가 있다.
본 발명은 현가장치의 구성부품인 컨트롤암에 센서 모듈을 탈부착시켜 컨트롤암의 고장 유무를 쉽게 감지하여 컨트롤암이 고장난 상태로 운행되는 것을 방지할 수 있어 안전 사고를 예방할 수 있는 효과가 있다.The vehicle component failure prediction system combines and interprets multiple sensor data measured from the sensor module attached to the control arm, and predicts the presence or absence of a failure or remaining life information of the control arm through this, thereby preventing damage to the vehicle or human life due to a failure of the control arm. It has the effect of preventing damage.
The present invention has the effect of preventing safety accidents by easily detecting whether the control arm is broken by attaching and detaching a sensor module to the control arm, which is a component of the suspension system, and preventing the control arm from operating in a broken state.

Description

차량 부품 고장 예측 시스템{System for Predicting Failure of Automobile Parts}System for Predicting Failure of Automobile Parts}

본 발명은 차량 부품 고장 예측 시스템에 관한 것으로서, 더욱 상세하게는 컨트롤암에 부착된 센서 모듈로부터 측정된 복수의 센서 데이터를 조합하여 해석하고, 이를 통하여 컨트롤암의 고장 유무나 잔존 수명 정보를 예측할 수 있는 차량 부품 고장 예측 시스템에 관한 것이다.The present invention relates to a vehicle component failure prediction system. More specifically, it is possible to combine and interpret a plurality of sensor data measured from a sensor module attached to a control arm, and predict the presence or absence of a failure or remaining life information of the control arm through this. It is about a vehicle component failure prediction system.

차량은 주행 중 차륜을 통하여 노면으로부터 진동이나 충격을 끊임없이 받는다. 이러한 문제점을 해결하기 위하여 차량은 차체와 차축 사이에 완충 장치인 현가장치를 설치하여 충격이나 진동이 직접 차체에 전달되는 것을 방지하여 승차감을 향상시키고, 바퀴의 불규칙한 진동을 억제함으로써 주행 안정성을 향상시킨다.While driving, a vehicle constantly receives vibration or shock from the road surface through the wheels. To solve this problem, the vehicle installs a suspension device, a shock absorber, between the car body and axles to prevent shocks or vibrations from being transmitted directly to the car body, improving ride comfort, and improving driving stability by suppressing irregular vibration of the wheels. .

현가장치(Suspension)는 차축과 차체를 연결하여 주행할 때 차축이 노면에서 받는 진동이나 충격이 차체에 직접 전달되지 않도록 함으로써 차체나 화물의 손상을 방지하고 승차감을 좋게 하는 장치이다.Suspension is a device that connects the axle and the car body to prevent damage to the car body or cargo and improve riding comfort by preventing vibration or shock received from the road surface by the axle when driving.

도 1은 종래 기술의 차량에 결합한 현가장치를 나타낸 도면이고, 도 2는 종래 기술에 따른 현가장치의 일례를 확대한 모습을 나타낸 도면이다.Figure 1 is a diagram showing a suspension system coupled to a vehicle of the prior art, and Figure 2 is a diagram showing an enlarged view of an example of a suspension system according to the prior art.

도 1에 도시된 바와 같이, 종래 차량(10)의 현가장치(20)는 앞바퀴와 뒷바퀴의 각각에 설치되어 차량 바퀴의 진동을 감소시켜 승차감을 향상시킨다.As shown in FIG. 1, the suspension device 20 of a conventional vehicle 10 is installed on each of the front and rear wheels to improve riding comfort by reducing vibration of the vehicle wheels.

도 2에 도시된 바와 같이, 종래 기술의 현가장치(20)는 휠의 수직 중심선이 정확하게 유지될 수 있도록 도와주고, 휠의 상하 움직임을 조절하는 역할을 담당하는 현가장치의 구성 부품인 (Control Arm)이라 한다.As shown in FIG. 2, the suspension device 20 of the prior art helps ensure that the vertical center line of the wheel is accurately maintained, and the (Control Arm) component of the suspension device plays a role in controlling the up and down movement of the wheel. ).

컨트롤암은 현가장치(20)의 방식에 따라 현가장치(20)의 상하에 모두 설치되는 상부 컨트롤암(100)과 하부 컨트롤암(110)이 있고, 현가장치(20)의 하부에 하부 컨트롤암(110)만 설치되는 형태도 있다.The control arm has an upper control arm (100) and a lower control arm (110) installed on both the top and bottom of the suspension device (20) depending on the type of suspension device (20), and the lower control arm is located at the bottom of the suspension device (20). There is also a form in which only (110) is installed.

종래 기술의 현가장치(20)는 상부 컨트롤암(100)과 하부 컨트롤암(110), 조향륜(미도시)의 회전 운동을 차륜에 전달하는 타이로드(23) 및 하부 컨트롤암(110)의 하단이 지지되어 노면으로부터 충격을 흡수하여 진동을 감쇠시키는 쇽 업소버 조립체(25)로 구성된다.The suspension device 20 of the prior art includes an upper control arm 100, a lower control arm 110, a tie rod 23 that transmits the rotational movement of the steering wheel (not shown) to the wheel, and a lower control arm 110. It consists of a shock absorber assembly (25) whose lower end is supported to absorb shock from the road surface and dampen vibration.

상부 컨트롤암(100)과 하부 컨트롤암(110)은 조향 너클(21)과 서브 프레임(26)의 상하부에 체결된다. 이러한 상부 컨트롤암(100)과 하부 컨트롤암(110)은 조향 너클(21)의 상하부 각각에 볼 조인트(22, 24)에 의해 체결된다.The upper control arm 100 and lower control arm 110 are fastened to the upper and lower parts of the steering knuckle 21 and the subframe 26. The upper control arm 100 and the lower control arm 110 are fastened to the upper and lower parts of the steering knuckle 21 by ball joints 22 and 24, respectively.

한편, 진동을 감쇠시키는 쇽 업소버 조립체(25)는 쇽 업소버(25d), 코일 스프링(25b) 및 코일 스프링(25b)을 일정한 힘으로 고정시키는 상부 스프링 시트(25a)와 하부 스프링 시트(25c)로 이루어진다.On the other hand, the shock absorber assembly 25, which dampens vibration, consists of a shock absorber 25d, a coil spring 25b, and an upper spring sheet 25a and a lower spring sheet 25c that secure the coil spring 25b with a constant force. It comes true.

컨트롤암이 고장난 상태에서, 차량 주행 중 요철을 통과하면, 찌그덕 찌그덕하는 소음이 발생하고, 주행 중 차량 롤링 및 쏠림으로 불안정한 증상이 발생하고, 타이어에 불규칙한 마모 증상이 발생한다.When the control arm is broken and the vehicle passes over bumps while driving, a crackling noise is generated, symptoms of instability occur due to vehicle rolling and tilting while driving, and symptoms of irregular wear occur on the tires.

컨트롤암은 볼조인트를 부싱이 감싸고 있으며, 그 안에 구리스가 들어 있다.The control arm has a bushing surrounding the ball joint, and grease is contained within it.

컨트롤암이 고장난 채로 계속 운행하는 경우, 부싱이 찢어지게 되면, 구리스가 새나가서 윤활 작용을 해주지 못하여 차량이 움직일 때마다 마찰이 일어나 볼조인트가 닳게 된다.If you continue to drive with the control arm broken and the bushing is torn, the grease will leak out and cannot provide lubrication, causing friction every time the vehicle moves, causing the ball joint to wear out.

컨트롤암은 부싱 부분들이 노화되면, 부싱이 깨지거나 눌려서 역할을 못하게 되어 스티어링 휠의 유격이 커지면, 소음뿐만 아니라 휠얼라인먼트가 어긋나 차량 쏠림이나 출렁거림, 타이어 편마모의 원인이 된다. 이렇게 스티어링 휠의 유격이 점점 커져서 타이어 편마모가 발생되고, 핸들링이 불안정해지고 휠얼라인먼트가 점점 크게 어긋나 차량의 정상적인 주행이 어렵게 된다.When the control arm's bushing parts age, the bushing is broken or pressed and cannot function, causing the steering wheel's clearance to increase, which not only causes noise but also causes wheel alignment to be misaligned, causing the vehicle to tilt or roll, and uneven tire wear. As the clearance of the steering wheel gradually increases, uneven tire wear occurs, handling becomes unstable, and wheel alignment becomes increasingly misaligned, making normal driving of the vehicle difficult.

한국 공개실용신안 제20-2000-0013586호Korean Public Utility Model No. 20-2000-0013586

이와 같은 문제점을 해결하기 위하여, 본 발명은 컨트롤암에 부착된 센서 모듈로부터 측정된 복수의 센서 데이터를 조합하여 해석하고, 이를 통하여 컨트롤암의 고장 유무나 잔존 수명 정보를 예측할 수 있는 차량 부품 고장 예측 시스템을 제공하는데 그 목적이 있다.In order to solve this problem, the present invention combines and interprets a plurality of sensor data measured from a sensor module attached to the control arm, and through this, vehicle component failure prediction that can predict the presence or absence of a failure or remaining life information of the control arm. The purpose is to provide a system.

상기 목적을 달성하기 위한 본 발명의 특징에 따른 차량 부품 고장 예측 시스템은,A vehicle component failure prediction system according to the characteristics of the present invention to achieve the above object,

차량 바퀴에 설치되는 현가장치의 구성부품으로서 상부면에 일정 깊이로 파진 오목홈을 형성하는 컨트롤암; 상기 컨트롤암의 오목홈에 끼워져 탈부착되고, 복수의 센서로 구비하고, 상기 복수의 센서로부터 상기 컨트롤암로부터 발생되는 각각의 센싱 신호를 발생시키는 센서 모듈; 및 상기 센서 모듈로부터 수신한 상기 각각의 센싱 신호를 분석하여 상기 컨트롤암의 고장 유무를 판단하고, 상기 컨트롤암의 잔존 수명 정보를 예측하는 고장 예측 장치를 포함한다.A control arm that is a component of a suspension system installed on a vehicle wheel and forms a concave groove dug at a certain depth on the upper surface; a sensor module that is inserted into and detachable from the concave groove of the control arm, includes a plurality of sensors, and generates respective sensing signals generated from the control arm from the plurality of sensors; and a failure prediction device that analyzes each of the sensing signals received from the sensor module to determine whether the control arm has a failure and predicts information on the remaining lifespan of the control arm.

센서 모듈은 가속도 신호를 검출하여 검출한 가속도 신호를 진동 데이터로 변환하는 가속도 센서; 온도 및 습도를 검출하는 온습도 센서; 상기 컨트롤암의 주변의 소음 신호를 검출하는 사운드 센서; 상기 현가장치나 상기 컨트롤암으로부터 수신되는 신호의 전계 강도를 검출하는 전계 센서; 상기 가속도 센서에서 검출한 진동 데이터와, 상기 온습도 센서에서 검출한 온도값, 습도값과, 상기 사운드 센서에서 검출한 소음 신호와, 상기 전계 센서에서 검출한 전계 강도값을 통신모듈을 통해 상기 고장 예측 장치로 전송하는 센서 제어모듈을 더 포함한다.The sensor module includes an acceleration sensor that detects an acceleration signal and converts the detected acceleration signal into vibration data; A temperature and humidity sensor that detects temperature and humidity; a sound sensor that detects noise signals surrounding the control arm; an electric field sensor that detects the electric field strength of a signal received from the suspension device or the control arm; Predict the failure using the vibration data detected by the acceleration sensor, the temperature and humidity values detected by the temperature and humidity sensor, the noise signal detected by the sound sensor, and the electric field intensity value detected by the electric field sensor through a communication module. It further includes a sensor control module that transmits to the device.

고장 예측 장치는 특정한 진동 데이터에 대응하는 정상 상태의 소음 신호의 주파수 대역과, 상기 컨트롤암의 고장 상태를 나타내는 소음 신호의 주파수 대역이 설정되어 있는 센서 데이터베이스부; 및 상기 센서 데이터베이스부와 연동하여 상기 가속도 센서에서 검출한 진동 데이터와, 상기 사운드 센서에서 검출한 소음 신호의 주파수 대역을 조합하여 해석하면, 상기 컨트롤암의 고장 유무를 판단하는 제어부를 더 포함한다.The failure prediction device includes a sensor database unit in which a frequency band of a noise signal in a normal state corresponding to specific vibration data and a frequency band of a noise signal indicating a failure state of the control arm are set; And a control unit that determines whether the control arm is broken by combining and analyzing the vibration data detected by the acceleration sensor and the frequency band of the noise signal detected by the sound sensor in conjunction with the sensor database unit.

센서 데이터베이스부는 미리 정해진 컨트롤암의 고장이 발생했을 때 나타나는 복수의 고장 루틴 정보가 저장되어 있고, 각각의 고장 루틴 정보는 컨트롤암 고장 상황에 따라 진동 데이터, 온도값, 습도값, 소음 신호의 주파수 대역, 전계 강도값의 각각의 수치 범위를 다르게 설정한다.The sensor database stores a plurality of failure routine information that appears when a predetermined control arm failure occurs, and each failure routine information is divided into the frequency band of vibration data, temperature value, humidity value, and noise signal depending on the control arm failure situation. , each numerical range of the electric field intensity value is set differently.

제어부는 상기 가속도 센서에서 검출한 진동 데이터와, 상기 온습도 센서에서 검출한 온도값, 습도값과, 상기 사운드 센서에서 검출한 소음 신호의 주파수 대역과, 상기 전계 센서에서 검출한 전계 강도값을 상기 센서 데이터베이스부에 저장된 고장 루틴 정보와 비교하여 상기 컨트롤암의 고장을 진단하는 고장 예측부를 더 포함한다.The control unit sends the vibration data detected by the acceleration sensor, the temperature and humidity values detected by the temperature and humidity sensor, the frequency band of the noise signal detected by the sound sensor, and the electric field intensity value detected by the electric field sensor to the sensor. It further includes a failure prediction unit that diagnoses a failure of the control arm by comparing it with failure routine information stored in the database unit.

제어부는 진동 데이터가 정상 기준치 범위인 상태에서 소음 신호의 주파수 대역이 제1 고장 임계값 내지 제2 고장 임계값에 포함되고, 이 상태를 기설정된 소정 시간동안 계속 유지하는 경우, 상기 컨트롤암의 고장을 예측하는 고장 예측부를 더 포함한다.If the frequency band of the noise signal is included in the first failure threshold or the second failure threshold while the vibration data is within the normal reference range, and this state is maintained for a predetermined time, the control arm may fail. It further includes a failure prediction unit that predicts.

제어부는 진동 데이터가 정상 기준치 범위인 상태에서 소음 신호의 주파수 대역이 제2 고장 임계값 이상이라고 판단하고, 이 상태를 기설정된 소정 시간동안 계속 유지하는 경우, 상기 컨트롤암의 고장을 판정하는 고장 예측부를 더 포함한다.The control unit determines that the frequency band of the noise signal is above the second failure threshold while the vibration data is within the normal reference range, and when this state is maintained for a predetermined time, failure prediction to determine failure of the control arm. Includes more wealth.

제어부는 상기 가속도 센서에서 검출한 진동 데이터와, 상기 온습도 센서에서 검출한 온도값, 습도값과, 상기 사운드 센서에서 검출한 소음 신호의 주파수 대역과, 상기 전계 센서에서 검출한 전계 강도값을 비교하여 기설정된 정상 범위값을 넘어서는 센싱 신호값이 있는 경우, 해당 센서 자체의 고장을 판단하는 고장 예측부를 더 포함한다.The control unit compares the vibration data detected by the acceleration sensor, the temperature and humidity values detected by the temperature and humidity sensor, the frequency band of the noise signal detected by the sound sensor, and the electric field intensity value detected by the electric field sensor. If the sensing signal value exceeds a preset normal range, it further includes a failure prediction unit that determines a failure of the sensor itself.

제어부는 입력으로 상기 가속도 센서에서 검출한 진동 데이터와, 상기 사운드 센서에서 검출한 소음 신호의 주파수 대역과, 상기 전계 센서에서 검출한 전계 강도값, 센싱값 유지 시간을 입력하고, 출력으로 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간에 대응하는 상기 컨트롤암의 잔존 수명 정보를 출력하는 인공 신경망 엔진부로 이루어진 수명 예측부를 더 포함한다.The control unit inputs the vibration data detected by the acceleration sensor, the frequency band of the noise signal detected by the sound sensor, the electric field intensity value detected by the electric field sensor, and the sensing value maintenance time, and outputs vibration data, It further includes a life prediction unit consisting of an artificial neural network engine unit that outputs information on the remaining lifespan of the control arm corresponding to the frequency band of the noise signal, the electric field intensity value, and the maintenance time of the sensing value.

전술한 구성에 의하여, 본 발명은 현가장치의 구성부품인 컨트롤암에 센서 모듈을 탈부착시켜 컨트롤암의 고장 유무를 쉽게 감지하여 컨트롤암이 고장난 상태로 운행되는 것을 방지할 수 있어 안전 사고를 예방할 수 있는 효과가 있다.With the above-described configuration, the present invention can easily detect whether the control arm is broken by attaching and detaching a sensor module to the control arm, which is a component of the suspension system, and prevent the control arm from operating in a broken state, thereby preventing safety accidents. There is an effect.

본 발명은 센서 모듈을 이용하여 컨트롤암의 고장 및 잔존 수명을 예측함으로써 컨트롤암의 고장으로 차량의 파손이나 인명 피해를 방지할 수 있는 효과가 있다.The present invention has the effect of preventing damage to vehicles or casualties due to control arm failure by predicting the failure and remaining life of the control arm using a sensor module.

도 1은 종래 기술의 차량에 결합한 현가장치를 나타낸 도면이다.
도 2는 종래 기술에 따른 현가장치의 일례를 확대한 모습을 나타낸 도면이다.
도 3은 본 발명의 제1 실시예에 따른 컨트롤암에 결합된 센서 모듈의 구성을 나타낸 도면이다.
도 4는 본 발명의 제1 실시예에 따른 센서 모듈과 컨트롤암의 결합 모습을 나타낸 사시도이다.
도 5는 본 발명의 제1 실시예에 따른 센서 모듈과 컨트롤암의 측단면도를 나타낸 도면이다.
도 6은 본 발명의 제1 실시예에 따른 센서 모듈본체의 볼록부가 컨트롤암의 오목홈에 결합하는 모습을 나타낸 도면이다.
도 7은 본 발명의 제2 실시예에 따른 컨트롤암에 결합된 센서 모듈의 구성을 나타낸 도면이다.
도 8은 본 발명의 제2 실시예에 따른 센서 모듈과 컨트롤암의 결합 모습을 나타낸 사시도이다.
도 9는 본 발명의 제2 실시예에 따른 센서 모듈과 컨트롤암의 단면을 나타낸 도면이다.
도 10은 본 발명의 제3 실시예에 따른 센서 모듈과 컨트롤암의 단면을 나타낸 도면이다.
도 11은 본 발명의 실시예에 따른 센서 모듈과 고장 예측 장치의 연결 관계를 나타낸 도면이다.
도 12는 본 발명의 실시예에 따른 센서 모듈의 내부 구성을 나타낸 도면이다.
도 13은 본 발명의 실시예에 따른 고장 예측 장치의 내부 구성을 간략하게 나타낸 블록도이다.
도 14는 본 발명의 실시예에 따른 수명 예측부를 구성하는 인공 신경망 엔진부를 나타낸 도면이다.Figure 1 is a diagram showing a suspension system coupled to a vehicle of the prior art.
Figure 2 is an enlarged view of an example of a suspension device according to the prior art.
Figure 3 is a diagram showing the configuration of a sensor module coupled to a control arm according to the first embodiment of the present invention.
Figure 4 is a perspective view showing the combination of a sensor module and a control arm according to the first embodiment of the present invention.
Figure 5 is a side cross-sectional view of the sensor module and control arm according to the first embodiment of the present invention.
Figure 6 is a diagram showing the convex portion of the sensor module body being coupled to the concave groove of the control arm according to the first embodiment of the present invention.
Figure 7 is a diagram showing the configuration of a sensor module coupled to a control arm according to a second embodiment of the present invention.
Figure 8 is a perspective view showing the combination of a sensor module and a control arm according to a second embodiment of the present invention.
Figure 9 is a cross-sectional view of a sensor module and a control arm according to a second embodiment of the present invention.
Figure 10 is a cross-sectional view of a sensor module and a control arm according to a third embodiment of the present invention.
Figure 11 is a diagram showing the connection relationship between a sensor module and a failure prediction device according to an embodiment of the present invention.
Figure 12 is a diagram showing the internal configuration of a sensor module according to an embodiment of the present invention.
Figure 13 is a block diagram briefly showing the internal configuration of a failure prediction device according to an embodiment of the present invention.
Figure 14 is a diagram showing an artificial neural network engine unit constituting a lifespan prediction unit according to an embodiment of the present invention.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification, when a part is said to “include” a certain element, this means that it may further include other elements rather than excluding other elements, unless specifically stated to the contrary.

도 3은 본 발명의 제1 실시예에 따른 컨트롤암에 결합된 센서 모듈의 구성을 나타낸 도면이고, 도 4는 본 발명의 제1 실시예에 따른 센서 모듈과 컨트롤암의 결합 모습을 나타낸 사시도이고, 도 5는 본 발명의 제1 실시예에 따른 센서 모듈과 컨트롤암의 측단면도를 나타낸 도면이고, 도 6은 본 발명의 제1 실시예에 따른 센서 모듈본체의 볼록부가 컨트롤암의 오목홈에 결합하는 모습을 나타낸 도면이다.Figure 3 is a diagram showing the configuration of a sensor module coupled to a control arm according to the first embodiment of the present invention, and Figure 4 is a perspective view showing the combination of the sensor module and the control arm according to the first embodiment of the present invention. , Figure 5 is a side cross-sectional view of the sensor module and the control arm according to the first embodiment of the present invention, and Figure 6 shows the convex portion of the sensor module body according to the first embodiment of the present invention in the concave groove of the control arm. This is a drawing showing how it is combined.

센서 모듈(200)은 차량 바퀴별로 설치되는 컨트롤암(100)에 각각 탈부착할 수 있다.The sensor module 200 can be attached and detached to the control arm 100 installed for each wheel of the vehicle.

센서 모듈(200)은 상부 컨트롤암 및/또는 하부 컨트롤암의 어느 위치에도 결합할 수 있다.The sensor module 200 can be coupled to any position on the upper control arm and/or lower control arm.

센서 모듈(200)은 일정한 내부 공간부를 형성하는 센서 모듈본체(201)를 형성하고, 센서 모듈본체(201)의 하부면에는 일정 높이로 돌출된 볼록부(210, 220)를 일정 간격마다 형성한다.The sensor module 200 forms a sensor module body 201 that forms a constant internal space, and convex portions 210 and 220 protruding at a certain height are formed at regular intervals on the lower surface of the sensor module body 201. .

컨트롤암(100)의 상부면에는 볼록부(210, 220)와 매칭되는 일정 깊이로 파진 오목홈(120, 130)을 일정 간격마다 형성한다.On the upper surface of the control arm 100, concave grooves 120 and 130 dug at a certain depth matching the convex portions 210 and 220 are formed at regular intervals.

센서 모듈본체(201)는 하부면을 컨트롤암(100)의 상부면에 안착하면, 센서 모듈본체(201)의 볼록부(210, 220)가 컨트롤암(201)의 오목홈(120, 130)에 삽입되어 결합된다.When the lower surface of the sensor module body 201 is seated on the upper surface of the control arm 100, the convex portions 210 and 220 of the sensor module body 201 are aligned with the concave grooves 120 and 130 of the control arm 201. It is inserted into and combined with.

볼록부는 일정 형상의 제1 볼록부(210)를 형성하고, 제1 볼록부(210)와 일정 거리 이격되고, 제1 볼록부(210)와 크기가 다른 제2 볼록부(220)로 이루어져 있다.The convex part forms a first convex part 210 of a certain shape, is spaced a certain distance from the first convex part 210, and consists of a second convex part 220 that is different in size from the first convex part 210. .

제1 볼록부(210)는 센서 모듈본체(201)의 하부면에서 수직 방향으로 돌출된 제1 수직바(211)와, 제1 수직바(211)의 일단으로부터 90도 절곡되어 제1 길이로 형성된 제1 수평바(212)를 포함한다. 제1 수평바(212)는 상면 일측에 볼록하게 돌출된 제1 돌기(213)와, 하면 일측에 볼록하게 돌출된 제2 돌기(214)를 형성한다.The first convex portion 210 includes a first vertical bar 211 protruding in the vertical direction from the lower surface of the sensor module main body 201 and bent 90 degrees from one end of the first vertical bar 211 to a first length. It includes a first horizontal bar 212 formed. The first horizontal bar 212 forms a first protrusion 213 that protrudes convexly on one side of the upper surface and a second protrusion 214 that protrudes convexly on one side of the lower surface.

제2 볼록부(220)는 센서 모듈본체(201)의 하부면에서 수직 방향으로 돌출된 제2 수직바(221)와, 제2 수직바(221)의 일단으로부터 90도 절곡되어 제2 길이로 형성된 제2 수평바(222)를 포함한다. 제2 수평바(222)는 상면 일측에 볼록하게 돌출된 제3 돌기(223)와, 하면 일측에 볼록하게 돌출된 제4 돌기(224)를 형성한다.The second convex portion 220 includes a second vertical bar 221 protruding in the vertical direction from the lower surface of the sensor module main body 201, and is bent 90 degrees from one end of the second vertical bar 221 to a second length. It includes a second horizontal bar 222 formed. The second horizontal bar 222 forms a third protrusion 223 that protrudes convexly on one side of the upper surface and a fourth protrusion 224 that protrudes convexly on one side of the lower surface.

제2 수평바(222)의 제2 길이는 제1 수평바(212)의 제1 길이보다 길게 형성된다.The second length of the second horizontal bar 222 is formed to be longer than the first length of the first horizontal bar 212.

제2 수직바(221)의 길이는 제1 수직바(211)의 길이보다 길게 형성된다.The length of the second vertical bar 221 is formed to be longer than the length of the first vertical bar 211.

제1 볼록부(210)와 제2 볼록부(220)는 서로 높이와 길이가 다른 부재이다.The first convex portion 210 and the second convex portion 220 are members with different heights and lengths.

오목홈은 제1 볼록부(210)와 매칭되는 위치에 제1 볼록부(210)가 삽입되는 제1 오목홈(120)을 형성하고, 제2 볼록부(220)와 매칭되는 위치에 제2 볼록부(220)가 삽입되는 제2 오목홈(130)을 형성한다.The concave groove forms a first concave groove 120 into which the first convex part 210 is inserted at a position matching the first convex part 210, and a second concave groove 120 is inserted at a position matching the second convex part 220. A second concave groove 130 is formed into which the convex portion 220 is inserted.

제1 오목홈(120)은 제1 볼록부(210)와 같이, 대략 'ㄴ' 형태로 형성되고, 제1 볼록부(210)가 삽입되도록 제1 볼록부(210)의 제1 수평바(212)보다 크기가 크고, 수직 방향으로 일정 깊이로 파진 제1 수직홈(121)과, 제1 수직홈(121)으로부터 수평 방향으로 연통된 제1 수평홈(122)을 포함한다.The first concave groove 120 is formed in an approximately 'L' shape, like the first convex part 210, and the first horizontal bar of the first convex part 210 is inserted into the first convex part 210 212), and includes a first vertical groove 121 dug to a certain depth in the vertical direction, and a first horizontal groove 122 communicating in the horizontal direction from the first vertical groove 121.

제1 수직홈(121)의 내측벽면에는 고무와 같은 재질의 일정 형상의 제1 탄성 물질(121a)이 결합되어 있다.A first elastic material 121a of a certain shape made of rubber-like material is coupled to the inner wall of the first vertical groove 121.

제1 수평홈(122)은 제1 수평바(212)의 제1 돌기(213)와 대응되는 위치에 제1 돌기(213)가 삽입되는 제1 돌기홈(123)을 형성하고, 제1 수평바(212)의 제2 돌기(214)와 대응되는 위치에 제2 돌기(214)가 삽입되는 제2 돌기홈(124)을 형성한다.The first horizontal groove 122 forms a first protrusion groove 123 into which the first protrusion 213 is inserted at a position corresponding to the first protrusion 213 of the first horizontal bar 212, and A second protrusion groove 124 into which the second protrusion 214 is inserted is formed at a position corresponding to the second protrusion 214 of the bar 212.

제1 볼록부(210)는 제1 수직홈(121)에 연직 상방으로 삽입한 후, 수평 방향으로 제1 수평홈(122)에 슬라이딩 이동되면, 제1 돌기(213)가 제1 돌기홈(123)에 삽입되고, 제2 돌기(214)가 제2 돌기홈(124)에 삽입되어 결합한다.The first convex portion 210 is inserted vertically upward into the first vertical groove 121 and then slides in the first horizontal groove 122 in the horizontal direction, and the first protrusion 213 is formed in the first protrusion groove ( 123), and the second protrusion 214 is inserted into the second protrusion groove 124 and coupled thereto.

제1 탄성 물질(121a)은 제1 볼록부(210)가 제1 수직홈(121)에 연직 상방으로 삽입할 때, 눌려져 변형되었다가 탄성력으로 원래의 모양으로 되돌아가서 제1 수직홈(121)의 일정 부분을 채운다.When the first convex portion 210 is inserted vertically upward into the first vertical groove 121, the first elastic material 121a is pressed and deformed, and then returns to its original shape due to elastic force, forming the first vertical groove 121. Fill in a certain portion of .

제2 오목홈(130)은 제2 볼록부(220)와 같이, 대략 'ㄴ' 형태로 형성되고, 제2 볼록부(220)가 삽입되도록 제2 볼록부(220)의 제2 수평바(222)보다 크기가 크고, 수직 방향으로 일정 깊이로 파진 제2 수직홈(131)과, 제2 수직홈(131)으로부터 수평 방향으로 연통된 제2 수평홈(132)을 포함한다.The second concave groove 130 is formed in an approximately 'L' shape, like the second convex part 220, and the second horizontal bar of the second convex part 220 is inserted into the second convex part 220. 222) and includes a second vertical groove 131 dug to a certain depth in the vertical direction, and a second horizontal groove 132 communicating in the horizontal direction from the second vertical groove 131.

제2 수직홈(131)의 내측벽면에는 고무와 같은 재질의 일정 형상의 제2 탄성 물질(131a)이 결합되어 있다.A second elastic material 131a of a certain shape made of rubber-like material is coupled to the inner wall of the second vertical groove 131.

제2 수평홈(132)은 제2 수평바(222)의 제3 돌기(223)와 대응되는 위치에 제3 돌기(223)가 삽입되는 제3 돌기홈(133)을 형성하고, 제2 수평바(222)의 제4 돌기(224)와 대응되는 위치에 제4 돌기(224)가 삽입되는 제4 돌기홈(134)을 형성한다.The second horizontal groove 132 forms a third protrusion groove 133 into which the third protrusion 223 is inserted at a position corresponding to the third protrusion 223 of the second horizontal bar 222, and the second horizontal groove 132 A fourth protrusion groove 134 into which the fourth protrusion 224 is inserted is formed at a position corresponding to the fourth protrusion 224 of the bar 222.

제2 볼록부(220)는 제2 수직홈(131)에 연직 상방으로 삽입한 후, 수평 방향으로 제2 수평홈(132)에 슬라이딩 이동되면, 제3 돌기(223)가 제3 돌기홈(133)에 삽입되고, 제4 돌기(224)가 제4 돌기홈(134)에 삽입되어 결합한다.The second convex portion 220 is inserted vertically upward into the second vertical groove 131 and then slides in the second horizontal groove 132 in the horizontal direction, and the third protrusion 223 is formed in the third protrusion groove ( 133), and the fourth protrusion 224 is inserted into and coupled to the fourth protrusion groove 134.

제2 탄성 물질(131a)은 제2 볼록부(220)가 제2 수직홈(131)에 연직 상방으로 삽입할 때, 눌려져 변형되었다가 탄성력으로 원래의 모양으로 되돌아가서 제2 수직홈(131)의 일정 부분을 채운다.When the second convex portion 220 is inserted vertically upward into the second vertical groove 131, the second elastic material 131a is pressed and deformed, and then returns to its original shape due to elastic force, forming the second vertical groove 131. Fill in a certain portion of .

도 7은 본 발명의 제2 실시예에 따른 컨트롤암에 결합된 센서 모듈의 구성을 나타낸 도면이고, 도 8은 본 발명의 제2 실시예에 따른 센서 모듈과 컨트롤암의 결합 모습을 나타낸 사시도이고, 도 9는 본 발명의 제2 실시예에 따른 센서 모듈과 컨트롤암의 단면을 나타낸 도면이다.Figure 7 is a diagram showing the configuration of a sensor module coupled to a control arm according to a second embodiment of the present invention, and Figure 8 is a perspective view showing the combination of a sensor module and a control arm according to a second embodiment of the present invention. , Figure 9 is a cross-sectional view of the sensor module and control arm according to the second embodiment of the present invention.

센서 모듈(200)은 일정한 내부 공간부를 형성하는 센서 모듈본체(201)를 형성한다.The sensor module 200 forms a sensor module body 201 that forms a constant internal space.

센서 모듈본체(201)는 중심부에 구멍(201c)을 형성하고, 하부면에 일정 길이의 수직 기둥(202)이 돌출되어 있으며, 양쪽 단부에 각각 제1 날개부(201a)와 제2 날개부(201b)가 돌출되어 있다.The sensor module body 201 has a hole 201c formed in the center, a vertical pillar 202 of a certain length protrudes from the lower surface, and a first wing portion 201a and a second wing portion (201a) are formed at both ends, respectively. 201b) is protruding.

제1 날개부(201a)의 외부면에는 볼록하게 제1 돌기구(201d)가 돌출되어 있으며, 제2 날개부(201b)의 외부면에는 볼록하게 제2 돌기구(201e)가 돌출되어 있다.A first protrusion 201d protrudes convexly from the outer surface of the first wing 201a, and a second protrusion 201e protrudes convexly from the outer surface of the second wing 201b.

수직 기둥(202)은 내부가 비어 있는 통로(202a)를 형성하고, 통로(202a)가 센서 모듈본체(201)의 구멍(201c)과 연통하며, 외주면을 따라 볼록하게 돌출된 상부 돌출구(203a)와 하부 돌출구(203b)를 형성한다.The vertical pillar 202 forms an empty passage 202a, the passage 202a communicates with the hole 201c of the sensor module body 201, and an upper protrusion 203a protrudes convexly along the outer peripheral surface. and forms a lower protrusion 203b.

컨트롤암(100)의 상부면에는 중심부에 센서 모듈본체(201)의 수직 기둥(202)이 삽입되는 삽입홈(101)을 형성하고, 센서 모듈본체(201)를 회동시켜 센서 모듈본체(201)의 제1 날개부(201a)와 제2 날개부(201b)를 끼움 결합하는 제1 위치 고정부(140)와 제2 위치 고정부(150)를 형성한다.On the upper surface of the control arm 100, an insertion groove 101 is formed at the center into which the vertical pillar 202 of the sensor module body 201 is inserted, and the sensor module body 201 is rotated to insert the sensor module body 201. A first position fixing part 140 and a second position fixing part 150 are formed to fit and couple the first wing part 201a and the second wing part 201b.

삽입홈(101)은 수직 기둥(202)을 삽입하는 경우, 수직 기둥(202)의 상부 돌출구(203a)와 하부 돌출구(203b)에 대응하는 위치에 상부 돌출구(203a)와 하부 돌출구(203b)가 삽입되는 상부 개구부(102)와 하부 개구부(103)를 형성한다.When inserting the vertical pillar 202, the insertion groove 101 has an upper protrusion 203a and a lower protrusion 203b at positions corresponding to the upper protrusion 203a and the lower protrusion 203b of the vertical pillar 202. It forms an upper opening 102 and a lower opening 103 to be inserted.

수직 기둥(202)의 길이는 컨트롤암(100)의 삽입홈(101)의 개방단부터 하부 개구부(103)까지의 길이이다.The length of the vertical pillar 202 is from the open end of the insertion groove 101 of the control arm 100 to the lower opening 103.

삽입홈(101)은 하부 개구부(103)의 하부에 연통되어 내주면에 나사선(104a)을 형성한 홈(104)을 형성한다.The insertion groove 101 communicates with the lower part of the lower opening 103 and forms a groove 104 having a thread 104a on the inner peripheral surface.

제1 위치 고정부(140)와 제2 위치 고정부(150)는 컨트롤암(100)의 상부면에 형성되고, 삽입홈(101)을 기준으로 양쪽 방향으로 일정 거리 이격되어 형성된다.The first position fixing part 140 and the second position fixing part 150 are formed on the upper surface of the control arm 100 and are spaced a certain distance apart in both directions based on the insertion groove 101.

제1 위치 고정부(140)는 일측이 개방된 제1 개방구(143)가 형성하고, 타측이 막혀 있는 구조이고, 단면 형상이 'ㄱ' 형태이며, 컨트롤암(100)의 상부면으로부터 수직 방향으로 연장된 제1 면(141)과 제1 면(141)의 상부 끝단으로부터 90도 절곡된 제2 면(142)으로 형성된다.The first position fixing part 140 has a structure formed by a first opening 143 that is open on one side and closed on the other side, has a cross-sectional shape of 'L' shape, and is vertical from the upper surface of the control arm 100. It is formed of a first surface 141 extending in this direction and a second surface 142 bent at 90 degrees from the upper end of the first surface 141.

제2 위치 고정부(150)는 일측이 개방된 제2 개방구(153)가 형성하고, 타측이 막혀 있는 구조이고, 단면 형상이 'ㄱ' 형태이며, 컨트롤암(100)의 상부면으로부터 수직 방향으로 연장된 제3 면(151)과 제3 면(151)의 상부 끝단으로부터 90도 절곡된 제4 면(152)으로 형성된다.The second position fixing part 150 has a structure formed by a second opening 153 that is open on one side and closed on the other side, has a cross-sectional shape of 'L' shape, and is vertical from the upper surface of the control arm 100. It is formed of a third surface 151 extending in this direction and a fourth surface 152 bent at 90 degrees from the upper end of the third surface 151.

센서 모듈본체(201)는 수직 기둥(202)을 컨트롤암(100)의 삽입홈(101)에 삽입하여 컨트롤암(100)의 상부면에 안착한 상태에서, 센서 모듈본체(201)를 일방향으로 회동시켜 센서 모듈본체(201)의 제1 날개부(201a)를 제1 위치 고정부(140)의 제1 개방구(143)로 끼워지고, 센서 모듈본체(201)의 제2 날개부(201b)를 제2 위치 고정부(150)의 제2 개방구(153)로 끼워져 결합한다.The sensor module body 201 is seated on the upper surface of the control arm 100 by inserting the vertical pillar 202 into the insertion groove 101 of the control arm 100, and rotating the sensor module body 201 in one direction. The first wing part 201a of the sensor module main body 201 is inserted into the first opening 143 of the first position fixing part 140, and the second wing part 201b of the sensor module main body 201 is inserted into the first opening 143 of the first position fixing part 140. is inserted and coupled into the second opening 153 of the second position fixing part 150.

제1 위치 고정부(140)는 제1 면(141)의 내측벽에 제1 날개부(201a)의 제1 돌기구(201d)가 오목 볼록 결합 방식으로 끼워지는 제1 돌기홈(144)을 형성한다.The first position fixing part 140 has a first protrusion groove 144 into which the first protrusion 201d of the first wing 201a is fitted in a concave-convex combination manner on the inner wall of the first surface 141. form

제2 위치 고정부(150)는 제3 면(151)의 내측벽에 제2 날개부(201b)의 제2 돌기구(201e)가 오목 볼록 결합 방식으로 끼워지는 제2 돌기홈(154)을 형성한다.The second position fixing part 150 has a second protrusion groove 154 into which the second protrusion 201e of the second wing 201b is fitted in a concave-convex combination manner on the inner wall of the third surface 151. form

수직 기둥(202)이 삽입홈(101)에 삽입한 상태에서, 일정한 길이의 나비볼트(30)는 센서 모듈본체(201)의 구멍(201c), 수직 기둥(202)의 통로(202a)를 관통하여 나사선(104a)을 형성한 홈(104)에 나비볼트(30)의 외주면에 형성된 나사산이 맞물려 회전 결합한다. 이로 인하여 센서 모듈(200)과 컨트롤암(100)이 서로 견고하게 결합된다.With the vertical column 202 inserted into the insertion groove 101, the butterfly bolt 30 of a certain length penetrates the hole 201c of the sensor module body 201 and the passage 202a of the vertical column 202. Thus, the threads formed on the outer peripheral surface of the butterfly bolt 30 engage with the grooves 104 forming the threads 104a and rotate. As a result, the sensor module 200 and the control arm 100 are firmly coupled to each other.

도 10은 본 발명의 제3 실시예에 따른 센서 모듈과 컨트롤암의 단면을 나타낸 도면이다.Figure 10 is a cross-sectional view of a sensor module and a control arm according to a third embodiment of the present invention.

센서 모듈(200)은 센서 모듈본체(201)의 하부면 일측에 외주면을 따라 나사산을 가진 나사구(204)를 형성한다.The sensor module 200 forms a screw hole 204 with threads along the outer peripheral surface on one side of the lower surface of the sensor module body 201.

컨트롤암(100)은 상부면 일측에 센서 모듈본체(201)을 결합하여 고정하는 결합 구조체(140)를 형성한다.The control arm 100 forms a coupling structure 140 that couples and secures the sensor module body 201 to one side of the upper surface.

결합 구조체(140)는 컨트롤암(100)의 상부면 일측으로부터 일정 깊이로 파져 있는 안착홈(141)을 형성하고, 안착홈(141)의 중심부에 센서 모듈본체(201)의 나사구(204)를 삽입하도록 일정 깊이로 파져 있는 나사홈(142)을 형성한다. 나사홈(142)은 내주면을 따라 나사선(142a)을 형성한다.The coupling structure 140 forms a seating groove 141 dug at a certain depth from one side of the upper surface of the control arm 100, and the screw hole 204 of the sensor module main body 201 is located in the center of the seating groove 141. A screw groove 142 is formed that is dug at a certain depth to insert the. The screw groove 142 forms a thread 142a along the inner peripheral surface.

안착홈(141)은 내주면 상단 양쪽에서 컨트롤암(100)의 내측으로 길이 방향의 제1 슬롯(143)과 제2 슬롯(144)을 수평 방향으로 형성한다. 제1 슬롯(143)과 제2 슬롯(144)은 가늘고 길게 형성된 홈을 나타낸다.The seating groove 141 forms a longitudinal first slot 143 and a second slot 144 in the horizontal direction inside the control arm 100 on both sides of the upper inner peripheral surface. The first slot 143 and the second slot 144 represent long and thin grooves.

수평 방향으로 일정한 길이와 형상을 가진 제1 슬라이딩 커버(145a)는 제1 슬롯(143)의 내부에서 안착홈(141)으로 슬라이딩 이동한다.The first sliding cover 145a, which has a constant length and shape in the horizontal direction, slides to the seating groove 141 inside the first slot 143.

수평 방향으로 일정한 길이와 형상을 가진 제2 슬라이딩 커버(146a)는 제2 슬롯(144)의 내부에서 안착홈(141)으로 슬라이딩 이동한다.The second sliding cover 146a, which has a constant length and shape in the horizontal direction, slides to the seating groove 141 inside the second slot 144.

제1 슬라이딩 커버(145a)는 일정한 길이로 형성되고, 하부면 일측으로 일정한 크기로 돌출된 제1 가압부재(145b)를 형성한다.The first sliding cover 145a is formed to have a certain length, and forms a first pressing member 145b protruding at a certain size on one side of the lower surface.

제1 슬라이딩 커버(145a)는 안착홈(141)으로 이탈하는 앞쪽 부분이 아닌 뒤쪽 부분에 제1 걸림부재(147)를 형성한다.The first sliding cover 145a forms a first locking member 147 at the rear portion rather than the front portion that leaves the seating groove 141.

제2 슬라이딩 커버(146a)는 일정한 길이로 형성되고, 하부면 일측으로 일정한 크기로 돌출된 제2 가압부재(146b)를 형성한다.The second sliding cover 146a is formed to have a constant length, and forms a second pressing member 146b protruding to a certain size on one side of the lower surface.

제2 슬라이딩 커버(146a)는 안착홈(141)으로 이탈하는 앞쪽 부분이 아닌 뒤쪽 부분에 제2 걸림부재(148)를 형성한다.The second sliding cover 146a forms a second locking member 148 at the rear portion rather than the front portion that leaves the seating groove 141.

제1 슬롯(143)의 바닥면 일측에는 제1 스토퍼(147a)를 결합하고, 제1 스토퍼(147a)는 제1 슬라이딩 커버(145a)의 제1 걸림부재(147)가 제1 스토퍼(147a)에 걸려서 제1 슬라이딩 커버(145a)가 안착홈(141)으로 이탈하는 것을 방지한다.A first stopper (147a) is coupled to one side of the bottom surface of the first slot (143), and the first stopper (147a) is formed by attaching the first locking member (147) of the first sliding cover (145a) to the first stopper (147a). This prevents the first sliding cover 145a from leaving the seating groove 141.

제2 슬롯(144)의 바닥면 일측에는 제2 스토퍼(148a)를 결합하고, 제2 스토퍼(148a)는 제2 슬라이딩 커버(146a)의 제2 걸림부재(148)가 제2 스토퍼(148a)에 걸려서 제2 슬라이딩 커버(146a)가 안착홈(141)으로 이탈하는 것을 방지한다.A second stopper (148a) is coupled to one side of the bottom surface of the second slot 144, and the second stopper (148a) has a second locking member (148) of the second sliding cover (146a) connected to the second stopper (148a). It prevents the second sliding cover (146a) from leaving the seating groove (141).

결합 구조체(140)는 나사홈(142), 제1 슬라이딩 커버(145a), 제2 슬라이딩 커버(146a)를 모두 포함한다.The coupling structure 140 includes a screw groove 142, a first sliding cover 145a, and a second sliding cover 146a.

센서 모듈(200)은 센서 모듈본체(201)의 나사구(204)를 나사홈(142)에 삽입하여 나사 회전, 결합한 상태에서, 제1 슬라이딩 커버(145a)와 제2 슬라이딩 커버(146a)를 안착홈(141) 쪽으로 슬라이딩 이동시키면, 제1 가압부재(145b)와 제2 가압부재(146b)가 센서 모듈본체(201)의 상부면 일부를 커버하면서 가압한다. 이로 인하여 센서 모듈(200)은 안착홈(141)으로부터 외부 이탈을 방지할 수 있다.The sensor module 200 inserts the screw hole 204 of the sensor module body 201 into the screw groove 142, rotates the screw, and connects the first sliding cover 145a and the second sliding cover 146a. When sliding toward the seating groove 141, the first pressing member 145b and the second pressing member 146b cover a portion of the upper surface of the sensor module body 201 and pressurize it. Because of this, the sensor module 200 can be prevented from being externally separated from the seating groove 141.

도 11은 본 발명의 실시예에 따른 센서 모듈과 고장 예측 장치의 연결 관계를 나타낸 도면이다.Figure 11 is a diagram showing the connection relationship between a sensor module and a failure prediction device according to an embodiment of the present invention.

센서 모듈(200)은 복수의 센서로부터 센싱된 센싱 신호를 고장 예측 장치(300)로 전송하고, 고장 예측 장치(300)는 센싱 신호를 분석하여 컨트롤암(100)의 고장 정보와 잔존 수명 정보를 예측할 수 있다.The sensor module 200 transmits sensing signals sensed from a plurality of sensors to the failure prediction device 300, and the failure prediction device 300 analyzes the sensing signals to provide failure information and remaining life information of the control arm 100. It is predictable.

본 발명의 차량 부품 고장 예측 시스템은 컨트롤암(100), 센서 모듈(200) 및 고장 예측 장치(300)를 포함할 수 있다.The vehicle component failure prediction system of the present invention may include a control arm 100, a sensor module 200, and a failure prediction device 300.

도 12는 본 발명의 실시예에 따른 센서 모듈의 내부 구성을 나타낸 도면이다.Figure 12 is a diagram showing the internal configuration of a sensor module according to an embodiment of the present invention.

본 발명의 실시예에 따른 센서 모듈(200)은 가속도 센서(205), 온습도 센서(206), 사운드 센서(207), 전계 센서(208), 센서 제어모듈(209), ECU 연결부(209a) 및 통신모듈(209b)를 포함한다.The sensor module 200 according to an embodiment of the present invention includes an acceleration sensor 205, a temperature and humidity sensor 206, a sound sensor 207, an electric field sensor 208, a sensor control module 209, an ECU connection unit 209a, and Includes a communication module (209b).

가속도 센서(205)는 가속도 신호를 검출하여 검출한 가속도 신호를 진동 데이터로 변환하여 센서 제어모듈(209)로 전송한다.The acceleration sensor 205 detects an acceleration signal, converts the detected acceleration signal into vibration data, and transmits it to the sensor control module 209.

가속도 센서(205)는 컨트롤암(100)의 변형에 대한 유효 데이터를 측정하기 위한 것으로 진동 데이터를 검출하여 센서 제어모듈(209)로 전송한다.The acceleration sensor 205 is used to measure effective data about the deformation of the control arm 100, and detects vibration data and transmits it to the sensor control module 209.

온습도 센서(206)는 측정 대상의 온도 및 습도를 검출하는 센서이다. 이러한 온습도 센서(206)는 측정 대상의 온도를 검출하는 온도 센서, 측정 대상의 습도를 측정하는 습도 센서 및 센서들에 의해 측정된 아날로그 측정값을 디지털 측정값으로 변환하는 아날로그/디지털 컨버터 등을 포함한다.The temperature and humidity sensor 206 is a sensor that detects the temperature and humidity of the measurement object. This temperature and humidity sensor 206 includes a temperature sensor that detects the temperature of the measurement object, a humidity sensor that measures the humidity of the measurement object, and an analog/digital converter that converts the analog measurement values measured by the sensors into digital measurement values. do.

온습도 센서(206)는 온도값과 습도값을 센싱하여 센서 제어모듈(209)로 전송한다.The temperature and humidity sensor 206 senses the temperature and humidity values and transmits them to the sensor control module 209.

온습도 센서(206)는 다른 센서들의 내부 발열로 인한 영향을 평가하고, 컨트롤암(100)의 온습도 변화를 주기적으로 모니터링할 수 있다.The temperature and humidity sensor 206 can evaluate the influence of internal heat of other sensors and periodically monitor changes in temperature and humidity of the control arm 100.

예를 들어, 온도값이 40도 이상인 경우, 다른 센서들에 이상이 발생할 수 있으므로 온도 변화를 모니터링한다.For example, if the temperature value is above 40 degrees, monitor the temperature change because abnormalities may occur in other sensors.

사운드 센서(207)는 컨트롤암(100)의 주변의 소음 신호를 검출하여 가속도 센서의 진동 데이터를 해석하거나 가속도 센서(205)의 진동 데이터와 소음 신호를 조합하여 컨트롤암(100)의 고장 증상을 예측하는데 사용할 수 있다.The sound sensor 207 detects noise signals around the control arm 100 and interprets the vibration data of the acceleration sensor, or combines the vibration data and noise signal of the acceleration sensor 205 to detect symptoms of failure of the control arm 100. It can be used for prediction.

사운드 센서(207)는 컨트롤암(100)의 주변의 소음 신호를 검출하여 센서 제어모듈(209)로 전송한다.The sound sensor 207 detects noise signals around the control arm 100 and transmits them to the sensor control module 209.

전계 센서(208)는 현가장치(20)의 미세한 변화와 상태 변형을 감지하기 위한 센서로 현가장치(20)나 컨트롤암(100)으로부터 수신되는 신호의 전계 강도(RSSI)를 검출하고, 검출한 전계 강도값을 센서 제어모듈(209)로 전송한다.The electric field sensor 208 is a sensor for detecting subtle changes and state variations of the suspension device 20, and detects the electric field strength (RSSI) of the signal received from the suspension device 20 or the control arm 100. The electric field intensity value is transmitted to the sensor control module (209).

센서 제어모듈(209)는 가속도 센서(205)에서 검출한 진동 데이터와, 온습도 센서(206)에서 검출한 온도값, 습도값과, 사운드 센서(207)에서 검출한 소음 신호와, 전계 센서(208)에서 검출한 전계 강도값을 통신모듈(209b)을 통해 고장 예측 장치(300)로 전송한다.The sensor control module 209 includes vibration data detected by the acceleration sensor 205, temperature and humidity values detected by the temperature and humidity sensor 206, noise signals detected by the sound sensor 207, and electric field sensor 208. ) is transmitted to the failure prediction device 300 through the communication module 209b.

도 13은 본 발명의 실시예에 따른 고장 예측 장치의 내부 구성을 간략하게 나타낸 블록도이다.Figure 13 is a block diagram briefly showing the internal configuration of a failure prediction device according to an embodiment of the present invention.

본 발명의 실시예에 따른 고장 예측 장치(300)는 통신부(310), 센서 데이터베이스부(320), 고장 예측부(340)와 수명 예측부(350)로 이루어진 제어부(330)를 포함한다.The failure prediction device 300 according to an embodiment of the present invention includes a control unit 330 consisting of a communication unit 310, a sensor database unit 320, a failure prediction unit 340, and a lifespan prediction unit 350.

통신부(310)는 센서 모듈(200)과 통신하는 통신 인터페이스를 제공하며, 가속도 센서(205)에서 검출한 진동 데이터와, 온습도 센서(206)에서 검출한 온도값, 습도값과, 사운드 센서(207)에서 검출한 소음 신호와, 전계 센서(208)에서 검출한 전계 강도값을 주기적으로 수신한다.The communication unit 310 provides a communication interface for communicating with the sensor module 200, and includes vibration data detected by the acceleration sensor 205, temperature and humidity values detected by the temperature and humidity sensor 206, and the sound sensor 207. ) and the electric field intensity value detected by the electric field sensor 208 are periodically received.

제어부(330)는 수신한 진동 데이터, 온도값, 습도값과, 소음 신호, 전계 강도값을 센서 데이터베이스부(320)에 저장한다.The control unit 330 stores the received vibration data, temperature value, humidity value, noise signal, and electric field strength value in the sensor database unit 320.

센서 데이터베이스부(320)는 진동 데이터, 온도값, 습도값, 소음 신호, 전계 강도값에 대하여 각각 기설정된 기준 임계값을 설정되어 있다.The sensor database unit 320 sets preset reference threshold values for vibration data, temperature value, humidity value, noise signal, and electric field intensity value, respectively.

고장 예측부(340) 가속도 센서(205)에서 검출한 진동 데이터와, 온습도 센서(206)에서 검출한 온도값, 습도값과, 사운드 센서(207)에서 검출한 소음 신호와, 전계 센서(208)에서 검출한 전계 강도값을 주기적으로 수신하고, 진동 데이터, 온도값, 습도값, 소음 신호, 전계 강도값에 대하여 각각 기설정된 기준 임계값과 비교하며, 기준 임계값을 넘어서는 경우, 컨트롤암(100)의 이상이 발생했음을 판단한다.Failure prediction unit 340 vibration data detected by the acceleration sensor 205, temperature and humidity values detected by the temperature and humidity sensor 206, noise signals detected by the sound sensor 207, and electric field sensor 208 The electric field intensity value detected by the device is periodically received, and compared with preset reference threshold values for vibration data, temperature value, humidity value, noise signal, and electric field intensity value, respectively. When the reference threshold value is exceeded, the control arm (100 ) determines that an error has occurred.

고장 예측부(340)는 컨트롤암(100)의 이상 발생 신호를 생성하여 통신부(310)를 통하여 외부로 전송할 수 있다.The failure prediction unit 340 may generate a signal indicating an abnormality of the control arm 100 and transmit it to the outside through the communication unit 310.

진동 데이터는 정상적인 차량 상태인 경우, 소음 신호의 주파수 대역이 정해져 있다. 따라서, 제어부(209)는 진동 데이터와 소음 신호의 주파수 대역을 조합하여 해석하면, 컨트롤암(100)의 고장 유무를 판단할 수 있다.When vibration data is in a normal vehicle state, the frequency band of the noise signal is set. Accordingly, the control unit 209 can determine whether the control arm 100 is broken by combining and analyzing the frequency bands of the vibration data and the noise signal.

센서 데이터베이스부(320)는 특정한 진동 데이터에 대응하는 정상 상태의 소음 신호의 주파수 대역과, 컨트롤암(100)의 고장 상태를 나타내는 소음 신호의 주파수 대역이 설정되어 있다.The sensor database unit 320 is set to a frequency band of a noise signal in a normal state corresponding to specific vibration data and a frequency band of a noise signal indicating a failure state of the control arm 100.

고장 예측부(340)는 온도값과 습도값이 기설정된 정상 임계값이 속하는지 판단하고, 온도값과 습도값이 기설정된 제1 기준 임계값 이상인 경우, 가속도 센서(205), 사운드 센서(207), 전계 센서(208)의 고장 가능성을 판단할 수 있다. 제1 기준 임계값은 센서가 오작동을 일으킬 수 있는 온도값과 습도값의 기준치를 나타낸다.The failure prediction unit 340 determines whether the temperature and humidity values fall within a preset normal threshold, and when the temperature and humidity values are greater than or equal to the preset first reference threshold, the acceleration sensor 205 and the sound sensor 207 ), the possibility of failure of the electric field sensor 208 can be determined. The first reference threshold represents reference values of temperature and humidity values that may cause the sensor to malfunction.

고장 예측부(340)는 온도값과 습도값이 기설정된 제2 기준 임계값 이상인 경우, 화재 발생에 가깝다고 판단하여 위험 경고 신호를 생성하여 통신부(310)를 통하여 외부로 전송한다.If the temperature and humidity values are higher than the preset second reference threshold, the failure prediction unit 340 determines that a fire is close to occurring, generates a danger warning signal, and transmits it to the outside through the communication unit 310.

고장 예측부(340)는 생성한 위험 경고 신호를 통신부(310)를 통해 센서 모듈(200)로 전송하고, 센서 모듈(200)은 센서 제어모듈(209)이 ECU 연결부(209a)로 제어 신호를 전송하여 ECU 연결부(250)에 의해 차량의 표시 디스플레이부에 컨트롤암(10)의 이상 발생을 출력할 수 있다.The failure prediction unit 340 transmits the generated danger warning signal to the sensor module 200 through the communication unit 310, and the sensor control module 200 transmits a control signal to the ECU connection unit 209a. By transmitting the information, the occurrence of an abnormality in the control arm 10 can be output to the display of the vehicle through the ECU connection unit 250.

센서 데이터베이스부(320)는 미리 정해진 컨트롤암(100)의 고장이 발생했을 때 나타나는 고장 루틴 정보가 복수개 저장되어 있다.The sensor database unit 320 stores a plurality of failure routine information that appears when a predetermined failure of the control arm 100 occurs.

여기서, 고장 루틴 정보는 컨트롤암(100)이 절단된 경우, 컨트롤암(100)의 부싱이 깨지거나 눌려 있는 경우, 부싱이 찢어진 경우 등 다양한 컨트롤암 고장 상황에 따라 진동 데이터, 온도값, 습도값, 소음 신호의 주파수 대역, 전계 강도값의 각각의 수치 범위를 다르게 설정되어 있다.Here, the failure routine information includes vibration data, temperature values, and humidity values depending on various control arm failure situations, such as when the control arm 100 is cut, when the bushing of the control arm 100 is broken or pressed, or when the bushing is torn. , the frequency band of the noise signal, and each numerical range of the electric field intensity value are set differently.

이에 따라, 고장 예측부(340)는 가속도 센서(205)에서 검출한 진동 데이터와, 온습도 센서(206)에서 검출한 온도값, 습도값과, 사운드 센서(207)에서 검출한 소음 신호의 주파수 대역과, 전계 센서(208)에서 검출한 전계 강도값을 센서 데이터베이스부(320)에 저장된 고장 루틴 정보와 비교하여 컨트롤암(100)의 고장을 진단할 수 있다.Accordingly, the failure prediction unit 340 determines the vibration data detected by the acceleration sensor 205, the temperature value and humidity value detected by the temperature and humidity sensor 206, and the frequency band of the noise signal detected by the sound sensor 207. And, a failure of the control arm 100 can be diagnosed by comparing the electric field intensity value detected by the electric field sensor 208 with the failure routine information stored in the sensor database unit 320.

고장 예측부(340)는 진동 데이터가 정상 기준치 범위인 상태에서 소음 신호의 주파수 대역이 제1 고장 임계값 내지 제2 고장 임계값에 포함되는 경우, 이러한 상태를 기설정된 소정 시간동안 계속 유지한다면, 컨트롤암(100)의 고장을 예측할 수 있다.If the frequency band of the noise signal is included in the first failure threshold or the second failure threshold while the vibration data is within the normal reference value range, the failure prediction unit 340 maintains this state for a predetermined time, Failure of the control arm 100 can be predicted.

고장 예측부(340)는 진동 데이터가 정상 기준치 범위인 상태에서 소음 신호의 주파수 대역이 제2 고장 임계값 이상이라고 판단하는 경우, 이러한 상태를 기설정된 소정 시간동안 계속 유지한다면, 컨트롤암(100)의 고장을 판정할 수 있다.If the failure prediction unit 340 determines that the frequency band of the noise signal is above the second failure threshold while the vibration data is within the normal reference range, and continues to maintain this state for a predetermined time, the control arm 100 Failure can be determined.

고장 예측부(340)는 가속도 센서(205)에서 검출한 진동 데이터와, 온습도 센서(206)에서 검출한 온도값, 습도값과, 사운드 센서(207)에서 검출한 소음 신호의 주파수 대역과, 전계 센서(208)에서 검출한 전계 강도값을 비교하여 기설정된 정상 범위값을 넘어서는 센싱 신호값이 있는 경우, 센서 자체 고장을 판단할 수 있다.The failure prediction unit 340 includes vibration data detected by the acceleration sensor 205, temperature and humidity values detected by the temperature and humidity sensor 206, the frequency band of the noise signal detected by the sound sensor 207, and the electric field. By comparing the electric field intensity value detected by the sensor 208, if the sensing signal value exceeds a preset normal range value, a failure of the sensor itself can be determined.

센서 데이터베이스부(320)는 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간을 분석하여 컨트롤암(100)의 잔존 수명 정보를 측정할 수 있다.The sensor database unit 320 can measure the remaining lifespan information of the control arm 100 by analyzing vibration data, the frequency band of the noise signal, the electric field intensity value, and the sensing value maintenance time.

도 14는 본 발명의 실시예에 따른 수명 예측부를 구성하는 인공 신경망 엔진부를 나타낸 도면이다.Figure 14 is a diagram showing an artificial neural network engine unit constituting a lifespan prediction unit according to an embodiment of the present invention.

수명 예측부(350)는 인공 신경망 엔진부(360)로 구성될 수 있다. 이를 위해 수명 예측부(350)는 인공 신경 처리망(362)을 학습시키는 알고리즘으로 구성된 학습부(361)를 더 포함할 수 있다.The lifespan prediction unit 350 may be composed of an artificial neural network engine unit 360. To this end, the lifespan prediction unit 350 may further include a learning unit 361 composed of an algorithm for training the artificial neural processing network 362.

본 발명의 실시예에 따른 인공 신경망 엔진부(360)는 학습부(361) 및 인공 신경 처리망(362)를 포함한다.The artificial neural network engine unit 360 according to an embodiment of the present invention includes a learning unit 361 and an artificial neural processing network 362.

인공 신경망 엔진부(360)는 입력으로 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간을 입력하고, 출력으로 컨트롤암(100)의 잔존 수명 정보를 출력할 수 있다.The artificial neural network engine unit 360 may input vibration data, the frequency band of the noise signal, the electric field intensity value, and the maintenance time of the sensing value as inputs, and output remaining life information of the control arm 100 as output.

센서 데이터베이스부(320)는 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간과, 이에 대응하는 컨트롤암(100)의 잔존 수명 정보를 학습 데이터로 저장하고 있다.The sensor database unit 320 stores vibration data, the frequency band of the noise signal, the electric field intensity value, the sensing value maintenance time, and the corresponding remaining life information of the control arm 100 as learning data.

학습부(361)는 센서 데이터베이스부(320)에 저장된 학습 데이터를 이용하여 인공 신경 처리망(362)을 통해 학습시킬 수 있다.The learning unit 361 can learn through the artificial neural processing network 362 using learning data stored in the sensor database unit 320.

학습부(361)는 학습 데이터로부터 특징점을 검출할 수 있으며, 검출한 특징점의 학습 결과에 기초하여 인공 신경 처리망(362)에 적용되는 연결 가중치를 조정할 수 있다.The learning unit 361 can detect feature points from the learning data and adjust the connection weight applied to the artificial neural processing network 362 based on the learning results of the detected feature points.

학습부(361)는 신경망의 출력층에서 생성된 출력값과 학습 데이터에 대한 원하는 기대 값을 비교하여 오류를 계산하고, 오류를 줄이는 방향으로 신경망의 인식 모델에 적용되는 연결 가중치를 조정할 수 있다.The learning unit 361 may calculate the error by comparing the output value generated from the output layer of the neural network with the desired expected value for the learning data, and adjust the connection weight applied to the recognition model of the neural network in a direction to reduce the error.

학습부(361)는 입력층, 히든층 및 출력층으로 구성되어 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간과, 이에 대응하는 컨트롤암(100)의 잔존 수명 정보를 출력층으로 출력되도록 인공 신경 처리망(362)을 학습시킬 수 있다.The learning unit 361 is composed of an input layer, a hidden layer, and an output layer, and transmits vibration data, the frequency band of the noise signal, the electric field intensity value, the sensing value maintenance time, and the corresponding remaining life information of the control arm 100 to the output layer. The artificial neural processing network 362 can be trained to output.

학습부(361)는 제어부(209)로부터 수신한 학습 데이터인 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간에서 특징점을 검출하고, 특징점을 이용하여 인공 신경 처리망(362)을 학습시킬 수 있다.The learning unit 361 detects feature points from the learning data received from the control unit 209, such as vibration data, frequency band of the noise signal, electric field intensity value, and sensing value retention time, and uses the feature points to connect the artificial neural processing network 362. can be learned.

학습부(361)는 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간에서 특징점을 검출하고, 특징점을 이용하여 인공 신경 처리망(362)을 학습시킬 수 있다.The learning unit 361 can detect feature points from vibration data, frequency bands of noise signals, electric field intensity values, and sensing value retention times, and train the artificial neural processing network 362 using the feature points.

다시 말해, 학습부(361)는 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간으로부터 특징 벡터들을 검출하고, 검출된 특징 벡터들을 이용하여 인공 신경 처리망(362)을 학습시킬 수 있다.In other words, the learning unit 361 detects feature vectors from vibration data, the frequency band of the noise signal, the electric field intensity value, and the sensing value retention time, and trains the artificial neural processing network 362 using the detected feature vectors. You can.

학습부(361)는 인공 신경 처리망(362)을 학습시켜 인공 신경 처리망(362)의 가중치가 조절되어 학습이 완료되면, 인공 신경 처리망(362)이 인공 신경망 엔진부(360)가 될 수 있다.The learning unit 361 trains the artificial neural processing network 362, and when the weights of the artificial neural processing network 362 are adjusted and learning is completed, the artificial neural processing network 362 becomes the artificial neural network engine unit 360. You can.

학습부(361)는 제어부(209)로부터 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간으로 이루어진 훈련 세트(Train Set)를 인공 신경 처리망(362)의 학습을 수행하고, 유형별 딥러닝 특징값을 이용하여 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간에 대응하는 컨트롤암(100)의 잔존 수명 정보를 학습한다.The learning unit 361 performs learning of the artificial neural processing network 362 on a training set consisting of vibration data, frequency band of the noise signal, electric field intensity value, and sensing value retention time from the control unit 209, Using deep learning feature values for each type, information on the remaining lifespan of the control arm 100 corresponding to vibration data, frequency band of noise signal, electric field intensity value, and sensing value retention time is learned.

학습부(361)는 유형별 딥러닝 특징값을 이용하여 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간에 대응하는 컨트롤암(100)의 잔존 수명 정보를 인공 신경 처리망(362)에서 학습한다.The learning unit 361 uses deep learning feature values for each type to obtain information about the remaining lifespan of the control arm 100 corresponding to the vibration data, frequency band of the noise signal, electric field intensity value, and sensing value maintenance time through the artificial neural processing network 362. ) to learn.

학습부(361)는 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간으로 이루어진 훈련 세트(Train Set)를 입력 벡터가 되며, 입력층, 은닉층, 출력층을 통과하면, 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간에 대응하는 컨트롤암(100)의 잔존 수명 정보를 출력 벡터로 생성하도록 지도 학습을 통해 학습된다.The learning unit 361 uses a training set consisting of vibration data, the frequency band of the noise signal, electric field intensity value, and sensing value retention time as an input vector, and when it passes through the input layer, hidden layer, and output layer, vibration data, Information on the remaining lifespan of the control arm 100 corresponding to the frequency band of the noise signal, the electric field intensity value, and the maintenance time of the sensing value is learned through supervised learning to generate an output vector.

학습부(361)는 센서 데이터베이스부(320)에 저장된 학습 데이터를 인공 신경 처리망(362)에 입력시켜 정답 데이터가 출력될 수 있게, 즉 손실 함수가 최소값이 되게 인공 신경 처리망(362)의 연결 가중치를 조절하는 역할을 수행하며, 이를 통해 생성된 것이 학습이 완료된 인공 신경 처리망(362)이 된다.The learning unit 361 inputs the learning data stored in the sensor database unit 320 into the artificial neural processing network 362 so that the correct answer data can be output, that is, the loss function of the artificial neural processing network 362 is set to the minimum value. It plays a role in adjusting the connection weight, and what is created through this becomes a fully learned artificial neural processing network (362).

학습부(361)는 업데이트된 연결 가중치를 가지는 인공 신경 처리망(362)에 학습 데이터, 테스트 데이터 또는 학습에 사용되지 않은 새 데이터가 입력되면, 입력층 - 은닉층 - 폴링 커넥티드 레이어부 - 출력층을 통해 출력된 결과를 획득하여 응답 데이터로 출력할 수 있다.When training data, test data, or new data not used for learning are input to the artificial neural processing network 362 with updated connection weights, the learning unit 361 divides the input layer - hidden layer - polling connected layer unit - output layer. The output result can be obtained and output as response data.

학습부(361)는 입력된 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간에 대응하는 컨트롤암(100)의 잔존 수명 정보의 예측 결과 여부를 기반으로 최적화를 통해 딥러닝 기반 인식 모델을 생성한다.The learning unit 361 optimizes deep learning based on the prediction result of the remaining life information of the control arm 100 corresponding to the input vibration data, the frequency band of the noise signal, the electric field intensity value, and the sensing value maintenance time. Create a recognition model.

학습이 완료된 인공 신경 처리망(362)은 딥러닝 기반 인식 모델을 이용하여 입력된 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간에 대응하는 컨트롤암(100)의 잔존 수명 정보를 예측할 수 있다.The trained artificial neural processing network 362 uses a deep learning-based recognition model to provide information on the remaining lifespan of the control arm 100 corresponding to the input vibration data, frequency band of the noise signal, electric field intensity value, and sensing value maintenance time. can be predicted.

인공 신경 처리망(362)은 학습부(361)로부터 신경망의 인식 모델을 생성하고, 학습부(361)로부터 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간을 수신하며, 신경망의 인식 모델을 이용하여 수신한 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간에 대응하는 컨트롤암(100)의 잔존 수명 정보를 예측한다.The artificial neural processing network 362 generates a recognition model of the neural network from the learning unit 361, receives vibration data, frequency band of the noise signal, electric field intensity value, and sensing value retention time from the learning unit 361, and neural network Using the recognition model, the remaining life information of the control arm 100 corresponding to the received vibration data, frequency band of the noise signal, electric field intensity value, and sensing value maintenance time is predicted.

인공 신경 처리망(362)은 수신한 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간을 양자화하여 특징점들을 추출하고, 추출된 특징점들을 학습부(361)에서 학습된 학습 데이터의 특징 벡터들과 비교하는 비교부의 역할을 수행하여, 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간에 대응하는 컨트롤암(100)의 잔존 수명 정보를 제어부(330)로 전송한다.The artificial neural processing network 362 extracts feature points by quantizing the received vibration data, the frequency band of the noise signal, the electric field intensity value, and the sensing value retention time, and uses the extracted feature points as the learning data learned in the learning unit 361. It serves as a comparison unit that compares feature vectors, and transmits the remaining life information of the control arm 100 corresponding to vibration data, frequency band of noise signal, electric field intensity value, and sensing value maintenance time to the control unit 330. .

인공 신경 처리망(362)은 테스트 데이터인 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간을 딥러닝 기반 인식 모델을 이용하여 응답 데이터의 결과값(컨트롤암(100)의 잔존 수명 정보 결과)으로 출력한다.The artificial neural processing network 362 uses the test data, vibration data, frequency band of the noise signal, electric field intensity value, and sensing value maintenance time, to determine the result of the response data (remaining value of the control arm 100) using a deep learning-based recognition model. output as life information result).

인공 신경 처리망(362)은 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간에 대응하여 컨트롤암(100)의 잔존 수명 정보의 결과 여부를 판단한다.The artificial neural processing network 362 determines whether the remaining life information of the control arm 100 is available in response to the vibration data, the frequency band of the noise signal, the electric field intensity value, and the sensing value maintenance time.

인공 신경 처리망(362)은 테스트 데이터인 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간을 딥러닝 기반 인식 모델을 이용하여 컨트롤암(100)의 잔존 수명 정보를 판단한다.The artificial neural processing network 362 determines the remaining life information of the control arm 100 using a deep learning-based recognition model based on test data such as vibration data, frequency band of the noise signal, electric field intensity value, and sensing value retention time.

본 명세서의 실시예에 따른 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터로 읽을 수 있는 프로그램 또는 코드가 저장되고 실행될 수 있다.Operations according to embodiments of the present specification can be implemented as a computer-readable program or code on a computer-readable recording medium. Computer-readable recording media include all types of recording devices that store data that can be read by a computer system. Additionally, computer-readable recording media can be distributed across networked computer systems so that computer-readable programs or codes can be stored and executed in a distributed manner.

실시예가 소프트웨어로 구현될 때, 상술한 기법은 상술한 기능을 수행하는 모듈(과정, 기능 등)로 구현될 수 있다. 모듈은 메모리에 저장되고, 프로세서에 의해 실행될 수 있다. 메모리는 프로세서 내부 또는 외부에 있을 수 있고, 잘 알려진 다양한 수단으로 프로세서와 연결될 수 있다.When the embodiment is implemented in software, the above-described techniques may be implemented as modules (processes, functions, etc.) that perform the above-described functions. Modules are stored in memory and can be executed by a processor. Memory may be internal or external to the processor and may be connected to the processor by a variety of well-known means.

또한, 컴퓨터가 읽을 수 있는 기록매체는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 프로그램 명령은 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.Additionally, computer-readable recording media may include hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, etc. Program instructions may include not only machine language code such as that created by a compiler, but also high-level language code that can be executed by a computer using an interpreter, etc.

본 발명의 일부 측면들은 장치의 문맥에서 설명되었으나, 그것은 상응하는 방법에 따른 설명 또한 나타낼 수 있고, 여기서 블록 또는 장치는 방법 단계 또는 방법 단계의 특징에 상응한다. 유사하게, 방법의 문맥에서 설명된 측면들은 또한 상응하는 블록 또는 아이템 또는 상응하는 장치의 특징으로 나타낼 수 있다. 방법 단계들의 몇몇 또는 전부는 예를 들어, 마이크로프로세서, 프로그램 가능한 컴퓨터 또는 전자 회로와 같은 하드웨어 장치에 의해(또는 이용하여) 수행될 수 있다. 몇몇의 실시예에서, 가장 중요한 방법 단계들의 하나 이상은 이와 같은 장치에 의해 수행될 수 있다.Although some aspects of the invention have been described in the context of an apparatus, it may also refer to a corresponding method description, where a block or device corresponds to a method step or feature of a method step. Similarly, aspects described in the context of a method may also be represented by corresponding blocks or items or features of a corresponding device. Some or all of the method steps may be performed by (or using) a hardware device, such as a microprocessor, programmable computer, or electronic circuit, for example. In some embodiments, one or more of the most important method steps may be performed by such an apparatus.

실시예들에서, 프로그램 가능한 로직 장치(예를 들어, 필드 프로그래머블 게이트 어레이)가 여기서 설명된 방법들의 기능의 일부 또는 전부를 수행하기 위해 사용될 수 있다. 실시예들에서, 필드 프로그래머블 게이트 어레이는 여기서 설명된 방법들 중 하나를 수행하기 위한 마이크로프로세서와 함께 작동할 수 있다. 일반적으로, 방법들은 어떤 하드웨어 장치에 의해 수행되는 것이 바람직하다.In embodiments, a programmable logic device (e.g., a field programmable gate array) may be used to perform some or all of the functionality of the methods described herein. In embodiments, a field programmable gate array may operate in conjunction with a microprocessor to perform one of the methods described herein. In general, the methods are preferably performed by some hardware device.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the present invention has been described above with reference to preferred embodiments, those skilled in the art may make various modifications and changes to the present invention without departing from the spirit and scope of the present invention as set forth in the claims below. You will understand that you can do it.

100: 컨트롤암 200: 센서 모듈
201: 센서 모듈본체 205: 가속도 센서
206: 온습도 센서 207: 사운드 센서
208: 전계 센서 209: 센서 제어모듈
209a: ECU 연결부 209b: 통신모듈
300: 고장 예측 장치100: control arm 200: sensor module
201: Sensor module body 205: Acceleration sensor
206: Temperature and humidity sensor 207: Sound sensor
208: electric field sensor 209: sensor control module
209a: ECU connection 209b: Communication module
300: Failure prediction device

Claims (10)

차량 바퀴에 설치되는 현가장치의 구성부품으로서 상부면에 일정 깊이로 파진 오목홈을 형성하는 컨트롤암;
상기 컨트롤암의 오목홈에 끼워져 탈부착되고, 복수의 센서로 구비하고, 상기 복수의 센서로부터 상기 컨트롤암로부터 발생되는 각각의 센싱 신호를 발생시키는 센서 모듈; 및
상기 센서 모듈로부터 수신한 상기 각각의 센싱 신호를 분석하여 상기 컨트롤암의 고장 유무를 판단하고, 상기 컨트롤암의 잔존 수명 정보를 예측하는 고장 예측 장치를 포함하는 차량 부품 고장 예측 시스템.A control arm that is a component of a suspension system installed on a vehicle wheel and forms a concave groove dug at a certain depth on the upper surface;
a sensor module that is inserted into and detachable from the concave groove of the control arm, includes a plurality of sensors, and generates respective sensing signals generated from the control arm from the plurality of sensors; and
A vehicle component failure prediction system comprising a failure prediction device that analyzes each of the sensing signals received from the sensor module to determine whether the control arm has a failure and predicts remaining life information of the control arm. 청구항 1에 있어서,
상기 센서 모듈은,
가속도 신호를 검출하여 검출한 가속도 신호를 진동 데이터로 변환하는 가속도 센서;
온도 및 습도를 검출하는 온습도 센서;
상기 컨트롤암의 주변의 소음 신호를 검출하는 사운드 센서;
상기 현가장치나 상기 컨트롤암으로부터 수신되는 신호의 전계 강도를 검출하는 전계 센서;
상기 가속도 센서에서 검출한 진동 데이터와, 상기 온습도 센서에서 검출한 온도값, 습도값과, 상기 사운드 센서에서 검출한 소음 신호와, 상기 전계 센서에서 검출한 전계 강도값을 통신모듈을 통해 상기 고장 예측 장치로 전송하는 센서 제어모듈을 더 포함하는 차량 부품 고장 예측 시스템.In claim 1,
The sensor module is,
An acceleration sensor that detects an acceleration signal and converts the detected acceleration signal into vibration data;
A temperature and humidity sensor that detects temperature and humidity;
a sound sensor that detects noise signals surrounding the control arm;
an electric field sensor that detects the electric field strength of a signal received from the suspension device or the control arm;
Predict the failure using the vibration data detected by the acceleration sensor, the temperature and humidity values detected by the temperature and humidity sensor, the noise signal detected by the sound sensor, and the electric field intensity value detected by the electric field sensor through a communication module. A vehicle component failure prediction system further comprising a sensor control module transmitted to the device. 청구항 2에 있어서,
상기 고장 예측 장치는,
특정한 진동 데이터에 대응하는 정상 상태의 소음 신호의 주파수 대역과, 상기 컨트롤암의 고장 상태를 나타내는 소음 신호의 주파수 대역이 설정되어 있는 센서 데이터베이스부; 및
상기 센서 데이터베이스부와 연동하여 상기 가속도 센서에서 검출한 진동 데이터와, 상기 사운드 센서에서 검출한 소음 신호의 주파수 대역을 조합하여 해석하면, 상기 컨트롤암의 고장 유무를 판단하는 제어부를 더 포함하는 차량 부품 고장 예측 시스템.In claim 2,
The failure prediction device,
A sensor database unit in which a frequency band of a noise signal in a normal state corresponding to specific vibration data and a frequency band of a noise signal indicating a failure state of the control arm are set; and
A vehicle component further comprising a control unit that determines whether the control arm is broken when the vibration data detected by the acceleration sensor and the frequency band of the noise signal detected by the sound sensor are combined and analyzed in conjunction with the sensor database unit. Failure prediction system. 청구항 3에 있어서,
상기 센서 데이터베이스부는 미리 정해진 컨트롤암의 고장이 발생했을 때 나타나는 복수의 고장 루틴 정보가 저장되어 있고,
상기 각각의 고장 루틴 정보는 컨트롤암 고장 상황에 따라 진동 데이터, 온도값, 습도값, 소음 신호의 주파수 대역, 전계 강도값의 각각의 수치 범위를 다르게 설정하는 차량 부품 고장 예측 시스템.In claim 3,
The sensor database unit stores a plurality of failure routine information that appears when a predetermined control arm failure occurs,
A vehicle component failure prediction system in which each failure routine information sets different numerical ranges of vibration data, temperature value, humidity value, frequency band of noise signal, and electric field intensity value depending on the control arm failure situation. 청구항 3에 있어서,
상기 제어부는 상기 가속도 센서에서 검출한 진동 데이터와, 상기 온습도 센서에서 검출한 온도값, 습도값과, 상기 사운드 센서에서 검출한 소음 신호의 주파수 대역과, 상기 전계 센서에서 검출한 전계 강도값을 상기 센서 데이터베이스부에 저장된 고장 루틴 정보와 비교하여 상기 컨트롤암의 고장을 진단하는 고장 예측부를 더 포함하는 차량 부품 고장 예측 시스템.In claim 3,
The control unit outputs the vibration data detected by the acceleration sensor, the temperature and humidity values detected by the temperature and humidity sensor, the frequency band of the noise signal detected by the sound sensor, and the electric field intensity value detected by the electric field sensor. A vehicle component failure prediction system further comprising a failure prediction unit that diagnoses a failure of the control arm by comparing it with failure routine information stored in a sensor database unit. 청구항 3에 있어서,
상기 제어부는 진동 데이터가 정상 기준치 범위인 상태에서 소음 신호의 주파수 대역이 제1 고장 임계값 내지 제2 고장 임계값에 포함되고, 이 상태를 기설정된 소정 시간동안 계속 유지하는 경우, 상기 컨트롤암의 고장을 예측하는 고장 예측부를 더 포함하는 차량 부품 고장 예측 시스템.In claim 3,
The control unit controls the control arm when the frequency band of the noise signal is included in the first failure threshold or the second failure threshold while the vibration data is within the normal reference value range, and this state is maintained for a predetermined time. A vehicle component failure prediction system further comprising a failure prediction unit that predicts failure. 청구항 3에 있어서,
상기 제어부는 진동 데이터가 정상 기준치 범위인 상태에서 소음 신호의 주파수 대역이 제2 고장 임계값 이상이라고 판단하고, 이 상태를 기설정된 소정 시간동안 계속 유지하는 경우, 상기 컨트롤암의 고장을 판정하는 고장 예측부를 더 포함하는 차량 부품 고장 예측 시스템.In claim 3,
The control unit determines that the frequency band of the noise signal is above the second failure threshold while the vibration data is within the normal reference value range, and when this state is maintained for a predetermined period of time, the control unit determines failure of the control arm. A vehicle component failure prediction system further comprising a prediction unit. 청구항 3에 있어서,
상기 제어부는 상기 가속도 센서에서 검출한 진동 데이터와, 상기 온습도 센서에서 검출한 온도값, 습도값과, 상기 사운드 센서에서 검출한 소음 신호의 주파수 대역과, 상기 전계 센서에서 검출한 전계 강도값을 비교하여 기설정된 정상 범위값을 넘어서는 센싱 신호값이 있는 경우, 해당 센서 자체의 고장을 판단하는 고장 예측부를 더 포함하는 차량 부품 고장 예측 시스템.In claim 3,
The control unit compares the vibration data detected by the acceleration sensor, the temperature and humidity values detected by the temperature and humidity sensor, the frequency band of the noise signal detected by the sound sensor, and the electric field intensity value detected by the electric field sensor. A vehicle component failure prediction system further comprising a failure prediction unit that determines a failure of the sensor itself when a sensing signal value exceeds a preset normal range value. 청구항 3 내지 청구항 8 중 한 항에 있어서,
상기 제어부는 상기 컨트롤암의 고장이 진단되면, 위험 경고 신호를 생성하여 통신부를 통하여 외부 또는 상기 센서 모듈로 전송하고, 상기 센서 모듈은 ECU(Electronic Control Unit) 연결부로 제어 신호를 전송하여 상기 ECU 연결부를 통해 차량의 표시 디스플레이부에 상기 컨트롤암의 이상 발생을 출력하는 차량 부품 고장 예측 시스템.The method of any one of claims 3 to 8,
When a failure of the control arm is diagnosed, the control unit generates a danger warning signal and transmits it to the outside or the sensor module through a communication unit, and the sensor module transmits a control signal to the ECU (Electronic Control Unit) connection unit to connect the ECU connection unit. A vehicle component failure prediction system that outputs the occurrence of an abnormality in the control arm to the display panel of the vehicle through a vehicle component failure prediction system. 청구항 3에 있어서,
상기 제어부는 입력으로 상기 가속도 센서에서 검출한 진동 데이터와, 상기 사운드 센서에서 검출한 소음 신호의 주파수 대역과, 상기 전계 센서에서 검출한 전계 강도값, 센싱값 유지 시간을 입력하고, 출력으로 진동 데이터, 소음 신호의 주파수 대역, 전계 강도값, 센싱값 유지 시간에 대응하는 상기 컨트롤암의 잔존 수명 정보를 출력하는 인공 신경망 엔진부로 이루어진 수명 예측부를 더 포함하는 차량 부품 고장 예측 시스템.In claim 3,
The control unit inputs the vibration data detected by the acceleration sensor, the frequency band of the noise signal detected by the sound sensor, the electric field intensity value detected by the electric field sensor, and the sensing value maintenance time, and outputs vibration data. , A vehicle component failure prediction system further comprising a life prediction unit consisting of an artificial neural network engine unit that outputs remaining life information of the control arm corresponding to the frequency band of the noise signal, electric field intensity value, and sensing value maintenance time.
KR1020220141197A 2022-10-28 2022-10-28 System for Predicting Failure of Automobile Parts KR20240060018A (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/KR2022/016704 WO2024090625A1 (en) 2022-10-28 2022-10-28 Vehicle component failure prediction system
KR1020220141197A KR20240060018A (en) 2022-10-28 2022-10-28 System for Predicting Failure of Automobile Parts

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220141197A KR20240060018A (en) 2022-10-28 2022-10-28 System for Predicting Failure of Automobile Parts

Publications (1)

Publication Number Publication Date
KR20240060018A true KR20240060018A (en) 2024-05-08

Family

ID=90831080

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220141197A KR20240060018A (en) 2022-10-28 2022-10-28 System for Predicting Failure of Automobile Parts

Country Status (2)

Country Link
KR (1) KR20240060018A (en)
WO (1) WO2024090625A1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000013586U (en) 1998-12-28 2000-07-15 김덕중 Front wheel suspension

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1044734A (en) * 1996-07-31 1998-02-17 Suzuki Motor Corp Suspension controller
JP4935573B2 (en) * 2007-08-10 2012-05-23 トヨタ自動車株式会社 Suspension characteristics estimation device
US11413923B2 (en) * 2020-03-04 2022-08-16 Kawasaki Motors, Ltd. Utility vehicle
KR102262648B1 (en) * 2020-08-24 2021-06-10 주식회사 에이원자동차진단평가 Vehicle trouble diagnosis system
KR20220069700A (en) * 2020-11-20 2022-05-27 현대모비스 주식회사 Apparatus and method for diagnosing vehicle condition

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000013586U (en) 1998-12-28 2000-07-15 김덕중 Front wheel suspension

Also Published As

Publication number Publication date
WO2024090625A1 (en) 2024-05-02

Similar Documents

Publication Publication Date Title
US8700260B2 (en) Land vehicles and systems with controllable suspension systems
US7729829B2 (en) Suspension irregularity detecting system
US20130060423A1 (en) Land vehicles and systems with controllable suspension systems
JP7403527B2 (en) How to recognize degraded performance in vehicle suspension system
KR100528556B1 (en) Suspension
CN109484124B (en) System and method for determining abnormal situation in vehicle stabilizer system
CN103608198A (en) Method for monitoring and controlling pneumatic ride-height control system of chassis system
US20150105979A1 (en) Data-logging truck control system
US20080306649A1 (en) Vehicle Driving Safety Control Apparatus
KR20240060018A (en) System for Predicting Failure of Automobile Parts
CN105539284B (en) Automobile absorber failure detection and warning system
KR20240071447A (en) Sensor Apparatus for Control Arm
KR20240069876A (en) Sensor Apparatus for Control Arm
CA3112274C (en) Load sensing system for a railway truck assembly
US11745548B2 (en) Estimating an effective radius of a tire of a vehicle
US20230177891A1 (en) Evaluating a status of a vehicle
KR102413570B1 (en) Method of predicting life time of damper for vehicle
KR20090028250A (en) Vehicular suspension for detecting sensor fault
WO2024127990A1 (en) Sensor abnormality detecting device
Mai et al. Suspension Fault Diagnostics Using Vehicle Pitch and Roll Models
CN108665075A (en) Automobile maintenance system and its maintenance process
KR100851384B1 (en) Error Supervision Method of CDC Sensor Using ESC Signal
KR101734406B1 (en) Suspension control system for shock absorber of motorcycle
KR20100134240A (en) Air leakage monitoring method for air suspension
WO2015053681A1 (en) System and method for adjusting a vehicle's speed to the surface characteristics

Legal Events

Date Code Title Description
E902 Notification of reason for refusal