KR950009238A - 자동차부품의 고장진단방법 - Google Patents
자동차부품의 고장진단방법 Download PDFInfo
- Publication number
- KR950009238A KR950009238A KR1019930019892A KR930019892A KR950009238A KR 950009238 A KR950009238 A KR 950009238A KR 1019930019892 A KR1019930019892 A KR 1019930019892A KR 930019892 A KR930019892 A KR 930019892A KR 950009238 A KR950009238 A KR 950009238A
- Authority
- KR
- South Korea
- Prior art keywords
- diagnosis
- collected
- failure
- database
- artificial neural
- Prior art date
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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
진술한 목적은 달성하기 위한 본 발명의 자동차부품의 고장진단방법은 현재 진단하고자 하는 차량의 종류가 본 시스템에 의하여 진단가능한 지를 입력받는 단계와; 진단가능여부 판단단계에서 진단불가능이 입력된 경우에 이상이라고 예상되는 부품에 대하여 소음을 수집하고, 수집된 신호를 패턴처리하여 학습용 데이터베이스를 구축하고, 패턴처리된 데이타를 역전화인공신경망에 대입시켜서 가중치를 산출, 저장하는 단계 및 진단가능여부 판단단계에서 진단가능이 입력된 경우에 예상되는 부품에 대하여 소음을 수집하고, 수집된 신호를 패턴처리하여 진단용데이터베이스를 구축하고, 패턴처리된 데이타 및 기저장된 가중치를 역전파인공신경망에 대입시켜서 이상의 종류를 진단하는 단계로 이루어진다.
Description
본 내용은 요부공개 건이므로 전문내용을 수록하지 않았음
제1도는 본 발명에 따른 고장진단방법을 실현하기 위한 장치의 구성블록도
제2도 (A) 및 (B)는 본 발명의 고장진단방법을 개략적으로 보인 플로우챠트
제3도 (A) 및 (B)는 생체신경망과 인공신경망의 구조를 개략적으로 보인도
제4도 (A) 및 (C)는 인공신경망에 사용되는 활성화함수의 대표적인 예를 보인도
Claims (5)
- 진단하고자 하는 차종에 따른 진단가능 여부를 입력받는 단계와; 상기 진단가능여부 판단단계에서 「진단불가능」이 입력된 경우에, (1) 이상이 예상되는 부품에 대하여 소음을 수집하는 단계와; (2) 상기 수집된 신호를 패턴처리하여 학습용 데이터베이스를 구축하는 단계 및 (3) 상기 패턴처리된 데이터를 인공신경망에 대입시켜서 학습시킨후 가중치 및 임계치를 산출, 저장하는 단계 및 상기 진단가능여부 판단단계에서 「진단 가능」이 입력된 경우에, (4) 이상이 예상되는 부품에 대하여 소음을 수집하는 단계와; (5) 상기 수집된 신호를 패턴처리하여 진단용 데이터베이스를 구축하는 단계 및 (6) 상기 패턴처리된 데이타 및 미리 저장된 가중치 및 임계값을 인공신경망에 대입시켜서 이상의 종류를 진단하는 단계로 이루어진 자동차부품의 고장진단방법.
- 제1항에 있어서, 상기 인공신경망은 역전파회로망인 자동차부품의 고장진단방법.
- 제1항에 있어서, 상기 패턴처리는 상기 수집된 신호를 A/D변환하여 디지탈신호로 변환시키는 단계와; FFT법을 이용하여 주파수데이타로 변환시키는 단계 및 일정주파수범위까지의 데이타를 1/3 옥타브밴드법에 의하여 분류하는 단계로 이루어진 자동차부품의 고장진단방법.
- 제1항 내지 제3항 중 어느 한 항에 있어서, 차량의 연령을 입력받는 단계와; 상기 수집된 신호를 A/D변화하여 된 디지탈신호를 RMS변환시키는 단계 및 상기 차량의 연령에 따라 상기 변환된 RMS값에 상대적인 가중치를 부여한 후 고장유무에 대한 퍼지추론을 수행하는 단계를 더 구비한 자동차부품의 고장진단방법.
- 제4항에 있어서, 상기 이상종류진단단계에서 출력된 증상이 기존에 구축된 데이터베이스에 없는 증상인 경우에 (1) 소음수집단계, (2) 학습용 데이타베이스 구축단계, (3) 가중치 및 임계치 저장단계를 재차 수행하는 자동차부품의 고장진단방법.※ 참고사항 : 최초출원 내용에 의하여 공개하는 것임.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019930019892A KR960012078B1 (ko) | 1993-09-27 | 1993-09-27 | 자동차부품의 고장진단방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019930019892A KR960012078B1 (ko) | 1993-09-27 | 1993-09-27 | 자동차부품의 고장진단방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR950009238A true KR950009238A (ko) | 1995-04-21 |
KR960012078B1 KR960012078B1 (ko) | 1996-09-12 |
Family
ID=19364732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1019930019892A KR960012078B1 (ko) | 1993-09-27 | 1993-09-27 | 자동차부품의 고장진단방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR960012078B1 (ko) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19980036844A (ko) * | 1996-11-19 | 1998-08-05 | 이대원 | FFT(Fast Fourier Transform)알고리즘을 이용한 전기설비 고장진단 시스템 |
KR100471237B1 (ko) * | 2002-07-08 | 2005-03-08 | 현대자동차주식회사 | 차량 부품의 시뮬레이션 방법 |
KR20190088261A (ko) * | 2018-01-18 | 2019-07-26 | 동명대학교산학협력단 | 차량 엔진룸의 소음 저감방법 및 시스템 |
KR20210078903A (ko) * | 2019-12-19 | 2021-06-29 | 울산대학교 산학협력단 | 회전설비의 결함 진단장치 및 방법 |
KR20210081145A (ko) * | 2019-12-23 | 2021-07-01 | 시그널링크 주식회사 | 진동과 소음신호를 이용한 기계결함진단장치 및 그 신호를 이용한 빅데이터 기반의 스마트 센서 시스템 |
US11494643B2 (en) | 2018-12-13 | 2022-11-08 | Hyundai Motor Company | Noise data artificial intelligence apparatus and pre-conditioning method for identifying source of problematic noise |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200075133A (ko) | 2018-12-12 | 2020-06-26 | 현대자동차주식회사 | 빅데이터 정보 기반 문제소음 발생원 진단 방법 및 장치 |
-
1993
- 1993-09-27 KR KR1019930019892A patent/KR960012078B1/ko not_active IP Right Cessation
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19980036844A (ko) * | 1996-11-19 | 1998-08-05 | 이대원 | FFT(Fast Fourier Transform)알고리즘을 이용한 전기설비 고장진단 시스템 |
KR100471237B1 (ko) * | 2002-07-08 | 2005-03-08 | 현대자동차주식회사 | 차량 부품의 시뮬레이션 방법 |
KR20190088261A (ko) * | 2018-01-18 | 2019-07-26 | 동명대학교산학협력단 | 차량 엔진룸의 소음 저감방법 및 시스템 |
US11494643B2 (en) | 2018-12-13 | 2022-11-08 | Hyundai Motor Company | Noise data artificial intelligence apparatus and pre-conditioning method for identifying source of problematic noise |
KR20210078903A (ko) * | 2019-12-19 | 2021-06-29 | 울산대학교 산학협력단 | 회전설비의 결함 진단장치 및 방법 |
KR20210081145A (ko) * | 2019-12-23 | 2021-07-01 | 시그널링크 주식회사 | 진동과 소음신호를 이용한 기계결함진단장치 및 그 신호를 이용한 빅데이터 기반의 스마트 센서 시스템 |
Also Published As
Publication number | Publication date |
---|---|
KR960012078B1 (ko) | 1996-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6240343B1 (en) | Apparatus and method for diagnosing an engine using computer based models in combination with a neural network | |
US6301572B1 (en) | Neural network based analysis system for vibration analysis and condition monitoring | |
JPH10176949A (ja) | ニューラルネットワーク処理振動データ分析を用いる機械部品試験装置および方法 | |
Roemer et al. | Assessment of data and knowledge fusion strategies for prognostics and health management | |
US4649515A (en) | Methods and apparatus for system fault diagnosis and control | |
CN108445868B (zh) | 一种基于现代信号处理技术的汽车智能故障诊断系统及方法 | |
Staszewski et al. | Classification of faults in gearboxes—pre-processing algorithms and neural networks | |
KR20190042203A (ko) | 차량의 소음원인 진단방법 | |
CN107273585A (zh) | 一种有载分接开关故障检测方法及装置 | |
CN114036974A (zh) | 一种基于健康监测数据的桥梁冲刷动力识别方法 | |
EP0768584B1 (de) | Verfahren zur Überwachung einer Maschine oder Anlage | |
KR950009238A (ko) | 자동차부품의 고장진단방법 | |
US5257309A (en) | Dual tone multifrequency signal detection and identification methods and apparatus | |
JPH06186136A (ja) | 転がり軸受故障診断装置 | |
CN115876473A (zh) | 基于PWVD和DenseNet的轴承故障诊断方法 | |
CN114266197A (zh) | 一种水电站设备故障诊断方法 | |
CN112052712A (zh) | 一种电力设备状态监测与故障识别方法及系统 | |
Brotherton et al. | Applications of time-frequency and time-scale representations to fault detection and classification | |
US6493687B1 (en) | Apparatus and method for detecting glass break | |
CN116524273A (zh) | 一种发电站尾水管检测方法、装置、设备及存储介质 | |
Jaenisch et al. | Data Modeling for Fault Detection | |
JP3102998B2 (ja) | 自動車用コンポーネントの診断装置 | |
CN112834876B (zh) | 电缆状态检测方法、装置、设备以及计算机可读存储介质 | |
Yang et al. | Basis pursuit‐based intelligent diagnosis of bearing faults | |
CN109238728B (zh) | 一种车用发动机上零部件故障诊断的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
G160 | Decision to publish patent application | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
LAPS | Lapse due to unpaid annual fee |