KR950009238A - 자동차부품의 고장진단방법 - Google Patents

자동차부품의 고장진단방법 Download PDF

Info

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
Application number
KR1019930019892A
Other languages
English (en)
Other versions
KR960012078B1 (ko
Inventor
모종운
신준
Original Assignee
정몽원
만도기계 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 정몽원, 만도기계 주식회사 filed Critical 정몽원
Priority to KR1019930019892A priority Critical patent/KR960012078B1/ko
Publication of KR950009238A publication Critical patent/KR950009238A/ko
Application granted granted Critical
Publication of KR960012078B1 publication Critical patent/KR960012078B1/ko

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

자동차부품의 고장진단방법
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)

  1. 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.
  2. 제1항에 있어서, 상기 인공신경망은 역전파회로망인 자동차부품의 고장진단방법.
  3. 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.
  4. 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.
  5. 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.
KR1019930019892A 1993-09-27 1993-09-27 자동차부품의 고장진단방법 KR960012078B1 (ko)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Cited By (6)

* Cited by examiner, † Cited by third party
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