예측 진단 알고리즘을 이용한 스마트 카 지능형 휠 허브 베어링 임베디드 시스템 개발
Development of smart car intelligent wheel hub bearing embedded system using predictive diagnosis algorithm
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
자동차의 주요 부품인 휠 베어링에 결함이 생기면 교통사고등 문제를 발생시켜 이를 해결하기위해 빅데이터를 수집해서 예측진단 및 관리 기술을 통한 휠 베어링의 고장 유무 및 고장 유형을조기에 알려 주는 알고리즘과 모니터링 시스템 개발이 필요하다. 본 논문에서는 이러한 지능형 휠 허브 베어링 정비 시스템 구현을 위해 신뢰성 및 건전성에 대한모니터링용 센서 및 예측 진단하는 알고리즘이 탑재된 임베디드 시스템을 개발하였다. 사용된 알고리즘은 휠 베어링에 설치된 가속도 센서로부터 진동 신호를 취득하고 이를 신호 처리기법, 결함주파수분석, 건전성 특징 인자정의 등의 과정을 빅데이터 기술을 통해 고장을 예측하고 진단할 수 있다. 구현된 알고리즘은 진동 주파수 성분들은 최소화하고 휠 베어링에서 발생하는 진동 성분을 극대화할 수있는 안정 신호 추출 알고리즘을 적용하고, 필터를 활용한 노이즈 제거에서는 인공지능 기반의 건전성추출 알고리즘을 적용하였으며, FFT를 통한 결함 주파수를 분석하여 고장 특성인자 추출을 통한 고장을 진단하였다. 본 시스템의 성능 목표는 12,800ODR 이상으로 시험 결과를 통해 목표치를 만족하였다.
Abstract
If there is a defect in the wheel bearing, which is a major part of the car, it can cause problems such as traffic accidents. In order to solve this problem, big data is collected and monitoring is conducted to provide early information on the presence or absence of wheel bearing failure and type of failure through predictive diagnosis and management technology. System development is needed. In this paper, to implement such an intelligent wheel hub bearing maintenance system, we develop an embedded system equipped with sensors for monitoring reliability and soundness and algorithms for predictive diagnosis. The algorithm used acquires vibration signals from acceleration sensors installed in wheel bearings and can predict and diagnose failures through big data technology through signal processing techniques, fault frequency analysis, and health characteristic parameter definition. The implemented algorithm applies a stable signal extraction algorithm that can minimize vibration frequency components and maximize vibration components occurring in wheel bearings. In noise removal using a filter, an artificial intelligence-based soundness extraction algorithm is applied, and FFT is applied. The fault frequency was analyzed and the fault was diagnosed by extracting fault characteristic factors. The performance target of this system was over 12,800 ODR, and the target was met through test results.
참고문헌 (15)
- Shen Zhang, "Deep Learning Algorithms for Bearing Fault Diagnostics—A Comprehensive Review", IEEE Access, 8, pp.29857~29881 (2020), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- Yang Xing, "Driver Activity Recognition for Intelligent Vehicles: A Deep Learning Approach", IEEE Transactions on Vehicular Technology, 68(6), pp.5379~5390 (2019), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- Dingfei Guo, "A hybrid feature model and deep learning based fault diagnosis for unmanned aerial vehicle sensors", Neurocomputing, 319, pp.155~163 (2018), Elsevier BV[DOI]
- 정익주, "단일칩 능동 소음 제어기 및 평가 시스템 개발", 대한임베디드공학회논문지, 16(6), pp.241~246 (2021), 대한임베디드공학회[DOI]
- H. N. Cho, "A study on road detection and CDC control algorithm for accelerometer sensor integrated wheel bearing", Korean Society of Automotive Engineers Autumn Conference, pp.472~473 (2018)
- 임종순, "차량 주행 상태에서 허브 베어링 이상을 진단할 수 있는 장치 개발", 한국자동차공학회 논문집, 19(2), pp.72~77 (2011), 한국자동차공학회
- 손창관, "CAN, CAN FD, FlexRay를 이용한 자동차용 진단시스템에 관한 연구", 한국인터넷방송통신학회 논문지, 16(6), pp.311~318 (2016), 한국인터넷방송통신학회[DOI]
- M. Kessler, "Introducing the Automotive Audio Bus", Audio Engineering Society Conference: 2017 AES International Conference on Automotive Audio.. Audio Engineering Society
- Armando Rodríguez Rodríguez, "Implementation of an OBD-II diagnostics tool over CAN-BUS with Arduino", Sistemas y Telemática, 16(45) (2018), Universidad Icesi[DOI]
- Ahmad Rahbar Ranji, "Recent Advances in MEMS-Based 3D Hemispherical Resonator Gyroscope (HRG)—A Sensor of Choice", Micromachines, 13(10), pp.1676~ (2022), MDPI AG[DOI]
- 황재용, "차량용 휠 베어링의 결함 예측을 위한 센서 모듈 및 진단 연구", 한국융합학회논문지, 11(11), pp.47~53 (2020), 한국융합학회[DOI]
- 강태욱, "CAN 버스를 이용한 다중 UART 통신", 전기전자학회논문지, 24(4), pp.1184~1187 (2020), 한국전기전자학회[DOI]
- 유창현, "OBD-II 시스템을 활용한 자동차 고장진단 프로그램 개발", 한국자동차공학회 논문집, 23(3), pp.271~278 (2015), 한국자동차공학회[DOI]
- K. Mohana Sundaram, "Deep Learning for Fault Diagnostics in Bearings, Insulators, PV Panels, Power Lines, and Electric Vehicle Applications—The State-of-the-Art Approaches", IEEE Access, 9, pp.41246~41260 (2021), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- KyungDeuk Kim, "A Deep Learning Part-diagnosis Platform(DLPP) based on an In-vehicle On-board gateway for an Autonomous Vehicle", KSII Transactions on Internet and Information Systems, 13(8), pp.4123~4141 (2019), 한국인터넷정보학회