KR101974347B1

KR101974347B1 - 차량 고장 진단 시스템 및 그 진단방법

Info

Publication number: KR101974347B1
Application number: KR1020170033059A
Authority: KR
Inventors: 오남규; 이상현
Original assignee: 주식회사 만도
Priority date: 2017-03-16
Filing date: 2017-03-16
Publication date: 2019-09-05
Also published as: KR20180105850A

Abstract

본 발명은 차량 고장 진단 시스템 및 그 진단 방법에 관한 것으로서, 다수의 차량으로부터 부품의 상태와 고장 여부에 대한 데이터를 수집하여 차량의 고장을 예상하기 위한 고장예상 기준데이터를 생성하는 진단서버; 차량에 설치되어 자차의 각 부품의 상태와 고장 여부에 대한 데이터를 수집하여 진단서버로 제공하고, 진단서버로부터 제공된 고장예상 기준데이터와 자차에 대한 데이터를 비교하여 자차의 고장을 예상하는 차량진단장치;를 포함한다. 이에 의해, 자차의 고장 시기를 정확하게 예상할 수 있으므로, 운전자가 고장이 예측되는 장치나 부품을 미리 점검할 수 있도록 한다. 이로 인해, 갑작스런 고장으로 인한 운전자의 불편함을 방지하고, 고장에 의해 발생하는 사고를 방지할 수 있다.

Description

차량 고장 진단 시스템 및 그 진단방법{FAULT DIAGNOSIS SYSTEM FOR VEHICLE AND DATA SECURITY METHOD THEREOF}

본 발명은 차량 고장 진단 시스템 및 그 진단방법에 관한 것으로서, 보다 상세하게는, 다수의 차량으로부터 수집된 차량 상태와 고장에 대한 데이터를 머신러닝하여 고장예상 기준데이터를 생성하고, 각 차량에서 고장예상 기준데이터를 이용하여 고장을 미리 예상할 수 있도록 하는 차량 고장 진단 시스템 및 그 진단방법에 관한 것이다.

최근 차량들은 점점 더 전자적인 기능들이 증가하고 있으며, 이에 따라, 차량에는 다양한 전자장치들이 설치되어 사용되고 있다. 이러한 전자장치들은 기존에 차량에 있던 기능들을 대체하는 경우도 있지만, 새로운 기능의 구현을 위해 설치되는 경우가 더 많다. 따라서, 차량에는 기존의 기계장치들과 함께 전자장치들이 부가됨에 따라, 고장이 발생할 수 있는 부품들이 크게 늘어나고 있다.

이러한 부품의 증가에 따라, 전자장치들이나 기계장치들 중 일부 기능들의 고장을 자동으로 진단할 수 있는 고장진단용 전자제품들이 출시되어 사용되고 있다. 그러나, 이러한 전자제품들은 일부 부품들의 진단만 가능할 뿐만 아니라, 고장이 발생한 이후에 고장이 발생하였음을 알리게 된다. 또한, 엔진오일, 미션오일, 점화플러그, 타이밍 벨트 등 일반적으로 교환주기가 설정된 차량 소모품의 교환주기를 알려주는 것이 전부이다.

이에 따라, 차량이 고장나기 전까지 차량의 고장 징후를 발견하기 어렵기 때문에, 차량에 고장이 발생하여 도로에 멈추거나 사고를 유발할 수도 있다. 또한 아직 사용이 가능한 소모품들을 교환하게 되는 일들이 발생하였다.

따라서, 고장이 발생할 것을 미리 예상할 수 있는 고장 진단 시스템을 개발할 필요가 있다.

본 발명은, 차량의 고장 발생을 미리 예상할 수 있도록 하는 차량 고장 진단법을 시스템 및 그 진단방법을 제안한다.

상기 목적은, 다수의 차량으로부터 부품의 상태와 고장 여부에 대한 데이터를 수집하여 차량의 고장을 예상하기 위한 고장예상 기준데이터를 생성하는 진단서버; 및 상기 차량에 설치되어 자차의 각 부품의 상태와 고장 여부에 대한 데이터를 수집하여 상기 진단서버로 제공하고, 상기 진단서버로부터 제공된 고장예상 기준데이터와 상기 자차에 대한 데이터를 비교하여 상기 자차의 고장을 예상하는 차량진단장치;를 포함하는 차량 고장 진단 시스템에 의해 달성될 수 있다.

상기 목적은, 다수의 차량으로부터 부품의 상태와 고장 여부에 대한 데이터를 수집하는 데이터 수집단계; 상기 데이터를 외부의 진단서버로 전송하는 단계; 상기 진단서버에서 상기 데이터를 머신러닝하여 차량의 고장을 예상하기 위한 고장예상 기준데이터를 생성하는 데이터 생성단계; 및 상기 진단서버에서 생성된 상기 고장예상 기준데이터와 자차에 대해 수집된 상기 데이터를 비교하여 상기 자차의 고장을 예상하는 고장 예상단계;를 포함하는 차량 고장 진단 방법에 의해서도 달성될 수 있다.

본 발명에 따르면, 자차의 고장 시기를 정확하게 예상할 수 있으므로, 운전자가 고장이 예측되는 장치나 부품을 미리 점검할 수 있도록 한다. 이로 인해, 갑작스런 고장으로 인한 운전자의 불편함을 방지하고, 고장에 의해 발생하는 사고를 방지할 수 있다.

도 1은 본 발명에 따른 차량 고장 진단 시스템의 개략적 구성도이다.
도 2는 도 1의 차량 고장 진단 시스템의 차량진단장치의 구성블럭도이다.
도 3은 도 1의 차량 고장 진단 시스템의 진단서버의 구성블럭도이다.
도 4는 본 발명에 따른 차량 고장 진단 시스템에서 고장예상 기준데이터를 생성하는 과정을 보인 흐름도이다.
도 5는 본 발명에 따른 차량 고장 진단 시스템에서 고장예상 기준데이터를 이용하여 차량의 고장을 예상하는 과정을 보인 흐름도이다.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성 요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.

도 1은 본 발명에 따른 차량 고장 진단 시스템의 개략적 구성도이다.

본 발명에 따른 차량 고장 진단 시스템(1)은, 다수의 차량으로부터 차량의 상태와 고장 여부 등에 대한 데이터를 수집하여 이를 기반으로 차량의 고장을 미리 예상할 수 있도록 한다.

이를 위해, 본 차량 고장 진단 시스템(1)은, 다수의 차량으로부터 부품의 상태와 고장 여부에 대한 데이터를 수집하여 고장을 예상하기 위한 고장예상 기준데이터를 생성하는 진단서버(100)와, 차량에 설치되어 차량의 각 부품의 상태를 수집하여 진단서버(100)로 제공하고 진단서버(100)로부터 제공된 고장예상 기준데이터를 이용하여 자차의 고장을 예상하는 차량진단장치(10)를 포함할 수 있다.

차량진단장치(10)는, 도 2에 도시된 바와 같이, 각 부품의 상태에 대한 데이터를 수집하는 데이터 수집모듈(20), 데이터 수집모듈(20)에서 수집된 데이터를 저장하는 메모리(30), 데이터 수집모듈(20)에서 수집된 데이터와 진단서버(100)로부터 제공된 맞춤형 고장예상 기준데이터를 비교하여 자차의 고장을 예상하는 예상진단부(40), 운전자에 의한 데이터의 입출력 또는 차량진단장치(10)의 데이터 입출력을 위한 디스플레이부(50), 진단서버(100)와의 통신을 위한 차량통신부(60)를 포함할 수 있다.

데이터 수집모듈(20)은, 차량내의 다양한 데이터들을 수집할 수 있으며, 마이크(21), 차량내의 각 전자제어유닛(ECU: Electronic Control Unit)으로부터 데이터를 수집하는 CAN 수집부(23), 네비게이션(25), 고장데이터 수집부(27) 등을 포함할 수 있다. 데이터 수집모듈(20)은 다양하게 구성될 수 있으며, 본 발명의 권리범위는 데이터 수집모듈(20)의 종류에 한정되지 아니한다.

마이크(21)는 차량내의 소음을 발생시키는 복수의 장소에 설치될 수 있다. 예를 들면, 엔진, 머플러, 타이어, 벨트 등 소음을 발생시키는 다양한 위치에 설치될 수 있다. 각 위치에서는 통상시에는 표준 소음이 발생하지만, 이상이 발생하기 시작하면 정상적인 소음과는 다른 소음이 발생하기 시작한다. 마이크(21)를 통해 수집된 소음은, 소음이 기록된 위치에 대한 정보와 함께 수집될 수 있다. 또한 마이크(21)를 통해 기록된 소음은 차량의 운행거리와 매칭되어 수집될 수도 있으며, 이 경우, 차량이 신차일때의 소음을 별도로 수집하여 진단서버에서 기준 소음으로 사용하도록 할 수도 있다.

CAN 수집부(23)는, 차량용 통신 프로토콜인 CAN(Controller Area Network)을 이용하여 데이터를 수집할 수 있다. 차량내에는 다수의 전자제어유닛(ECU: Electronic Control Unit)이 설치되어 있으며, 전자제어유닛은 차량내에 설치된 다양한 전자장치들을 제어하고 관리하는 기능을 가진 제어장치로서, CAN을 이용하여 상호 데이터를 교환할 수 있다.

CAN 수집부(23)는, CAN 통신을 이용하여 각 전자제어유닛으로부터 데이터를 수집할 수 있으며, CAN 수집부(23)는 엔진 전자제어유닛, 브레이크 전자제어유닛, 스티어링 전자제어유닛, 서스펜션 전자제어유닛 등 다양한 전자제어유닛으로부터 직접 데이터를 수집할 수도 있고, OBD(On-board Diagnosis) 단자를 통해 각 전자제어유닛과 각종 센서에 대한 정보를 수집할 수도 있다.

예를 들어, CAN 수집부(23)는 스티어링 전자제어유닛으로부터 운전자가 스티어링을 돌리는 각도와, 스티어링을 돌리는 속도를 제공받아 수집할 수 있고, 브레이크 전자제어유닛으로부터 브레이크를 밟은 횟수, 운전자가 브레이크를 밟는 특징 등을 제공받아 수집할 수 있다. 또한, CAN 수집부(23)는 서스펜션 전자제어유닛으로부터 서스펜션의 작동 범위나 작동 횟수 등에 대한 정보를 수집할 수 있다.

차량용 통신 프로토콜로는 LIN (Local Interconnect Network)이나 Flexray 중 하나를 사용할 수도 있으며, 이 경우, LIN이나 Flexray를 이용하여 각 전자제어유닛으로부터 데이터를 수집할 수도 있다.

네비게이션(25)은, 차량이 운행한 도로의 정보를 수집하며, 차량이 비포장도로나 오르막길 등을 주행하는지에 대한 정보를 제공할 수 있다. 차량이 비포장도로나 오르막길을 주로 운행하는 경우 트랜스미션에 고장이 발생할 확률이 높아질 수 있다. 한편, 트랜스미션은 기어변속 횟수나 기어변속에 대한 운전자의 습관에 따라 고장이 발생할 확률이 달라질 수 있으며, 이러한 정보도 수집되어 진단서버(100)로 제공될 수 있다.

고장데이터 수집부(27)는, 차량에 발생한 고장 데이터를 수집할 수 있다. 고장데이터 수집부(27)에서 수집된 데이터를 이용하면 차량의 고장이력을 생성할 수도 있고, 다른 정보들과 함께 사용하여 어떤 조건에서 해당 부품에 고장이 발생하는지 파악할 수도 있다. 이러한 고장데이터 수집부(27)는 DTC(Diagnostic Trouble Codes) 코드를 이용하여 고장데이터를 수집할 수도 있다.

메모리(30)에는 데이터 수집모듈(20)에서 수집된 데이터가 저장되며, 데이터의 종류에 따라 분류되어 저장될 수 있다. 예를 들어, CAN 수집부(23)를 통해 수집된 데이터, 네비게이션(25)을 통해 수집된 데이터, 고장데이터 수집부(27)를 통해 수집된 데이터가 분류되어 메모리(30)에 저장되며, CAN 수집부(23)에서 수집된 데이터는 각 전자제어유닛 별로 분류되어 저장될 수 있다.

예상진단부(40)는, 진단서버(100)로부터 제공된 맞춤형 고장예상 기준데이터와, 메모리(30)에 저장된 데이터를 비교하여 자차의 고장을 예상할 수 있다.

맞춤형 고장예상 기준데이터는, 차량의 각 부품에 대한 사용연한, 차량의 각운전부품에 대한 고장 전의 징후들, 운전자의 운전습관에 따른 변수, 차량 고유의 특징에 의한 변수 등을 포함할 수 있다.

예상진단부(40)는, 맞춤형 고장예상 기준데이터와 자차의 데이터를 비교하여 일정 기간이내에 고장이 예상되는 부품이 발견되면, 해당 부품에 대한 고장예상 정보를 생성하고, 생성된 고장예상 정보를 디스플레이부(50)로 전달하여 표시되도록 한다.

예를 들어, 마이크(21)를 통해 수집한 자차의 소음 데이터와, 고장예상 기준데이터로서 고장이 발생할 때 생성되는 소음 데이터를 제공받은 경우, 예상진단부(40)는 양 소음 데이터를 상호 비교하게 된다. 비교결과, 마이크(21)를 통해 수집된 자차의 소음과, 고장 발생시 생성되는 일정 주파수의 소음과 일정 % 이상 매칭되면, 예상진단부(40)는 해당 부품에 고장이 발생할 확률이 있다고 판단할 수 있다.

한편, 예상진단부(40)는, 운전자가 해당 부품에 대한 수리를 하지 않을 경우, 미리 설정된 일정 시간마다 운전자에게 해당 부품의 수리가 요청된다는 경보를 제공할 수 있다. 경보는 디스플레이부(50)를 통해서 제공될 수도 있고, 음성으로 지원될 수도 있다.

디스플레이부(50)는 정보를 입출력하여 운전자와의 커뮤니케이션 기능을 제공하며, 운전자는 디스플레이부(50)를 통해 부품의 고장예상 정보를 제공받을 수 있다.

차량통신부(60)는 진단서버(100)와의 통신을 지원할 수 있다.

차량이 진단서버(100)와 통신을 하기 위해서는 V2X(Vehicle to Everything)을 이용해야 한다. V2X는 V2V (Vehicle to Vehicle), V2I (Vehicle to Infrastructure), V2N (Vehicle to Nomadice device)를 포함하는 기술로서, 이 중 차량이 진단서버(100)와 통신을 하기 위해서는 V2I 기술, 즉 도로주변에 설치되어 차량과 소통하는 노변장치(200) (RSU: Road-Side Unit)을 이용하여야 한다.

차량통신부(60)는 도로주변에 설치된 노변장치(200)들과 통신하여 네트워크를 형성할 수 있으며, 노변장치(200)를 통해 진단서버(100)와 통신할 수 있다.

노변장치(200)와 무선으로 통신함에 따라, 차량통신부(60)는 자차와 노변장치(200)와의 무선통신을 지원하며, 차량통신부(60)에서는 WiFi, Wibro 등의 무선통신방식을 이용할 수 있다. 이러한 차량통신부(60)는 정확도가 높고 순간적인 통신속도가 빠른 5.8 GHz 대역의 근거리 통신(DSRC: Dedicated Short Range Communication) 방식을 이용할 수도 있다.

한편, 노변장치(200)는 진단서버(100)와 무선 또는 유선으로 통신할 수 있으며, 무선으로 통신할 경우에는 WiFi, Wibro, DSRC 중 어느 하나의 통신방식을 이용할 수 있고, 유선으로 통신할 경우에는 TCP/IP 프로토콜 기반의 통신을 지원할 수 있다. 본 발명에서 노변장치(200)는, 차량과 진단서버(100)와의 통신을 지원하는 역할만을 하므로, 노변장치(200)의 상세한 구조나 기능에 대한 설명은 생략하기로 한다.

진단서버(100)는, 도 3에 도시된 바와 같이, 차량으로부터 제공된 데이터를 저장하는 제1데이터베이스(110), 제1데이터베이스(110)에 저장된 데이터를 머신러닝하여 고장예상 기준데이터를 생성하는 머신러닝부(120), 머신러닝부(120)의 러닝결과인 고장예상 기준데이터가 저장된 제2데이터베이스(130), 진단서버(100)에 접속한 각 차량들에 부합되는 맞춤형 고장예상 기준데이터를 생성하는 맞춤데이터 생성부(140), 차량과의 통신을 위한 서버통신부(150), 진단서버(100)의 동작을 제어하고 맞춤데이터 생성부(140)에서 생성된 맞춤형 고장예상 기준데이터를 각 차량에 제공하는 서버제어부(160)를 포함할 수 있다.

제1데이터베이스(110)는 다수의 차량의 차량진단장치(10)에서 수집되어 노변장치(200)를 통해 진단서버(100)로 제공된 데이터를 저장할 수 있다. 이때, 제1데이터베이스(110)는 다양한 분류기준에 따라 데이터를 분류하여 저장할 수 있으며, 데이터는 차량의 종류, 엔진의 배기량, 차량의 연식에 따라 분류되어 저장될 수도 있고, 부품의 종류에 따라 분류되어 저장될 수도 있다. 또한, 데이터는 복수의 분류레벨에 따라 분류되어 저장될 수도 있다. 예를 들어, 데이터는 차량의 종류, 엔진이 배기량, 연식에 따라 1차 분류레벨로 분류된 다음, 2차 분류레벨로 엔진, 트랜스미션, 서스펜션, 스티어링 등 장치에 따라 분류되고, 3차 분류레벨로 각 장치에 포함되는 부품에 따라 분류될 수도 있다.

머신러닝부(120)는, 제1데이터베이스(110)에 저장된 다수의 차량으로부터 제공된 데이터를 머신러닝하여 차량의 고장을 예상할 수 있는 고장예상 기준데이터를 생성할 수 있다.

머신러닝부(120)는, 차량의 종류, 엔진의 배기량, 차량의 연식 등 1차 분류레벨에 따라 분류된 데이터를 각각 머신러닝하여 차량의 종류, 엔진의 배기량, 차량의 연식에 따라 각 부품에 대한 별도의 고장예상 기준데이터를 생성할 수 있다. 또한, 머신러닝부(120)는 엔진, 트랜스미션, 서스펜션, 스티어링 등 장치에 따라 분류된 데이터를 각각 머신러닝하여 각 장치에 대한 고장예상 기준데이터를 생성할 수도 있다.

한편, 머신러닝부(120)는 차량의 종류, 엔진의 배기량, 차량의 연식에 상관없이 각 차량으로부터 제공된 데이터를 머신러닝하여 각 장치나 각 부품에 대한 고장예상 기준데이터를 생성할 수도 있다.

이때, 머신러닝부(120)는 다수의 차량으로부터 데이터를 제공받기 때문에 단순히 기존에 나와 있는 모든 차량에 적용되는 일반적인 기준이 아니라, 차량의 특성에 따른 상세한 맞춤형 데이터를 생성할 수 있다.

예를 들어, 일반적으로 브레이크 오일의 교환주기가 2년에 4만 킬로미터로 알려져 있다. 그러나, 머신러닝부(120)에 의해 생성된 고장예상 기준데이터는, 1500cc 배기량의 2010년산 A 차종의 경우, 브레이크 오일의 교환주기는 주로 고속도로를 운행하는 차량의 경우에는 2년에 32,000 킬로미터이고, 주로 도심을 운행하는 차량의 경우에는 2년에 41,000 킬로미터에 교환을 해야 한다고 생성될 수 있다. 보다 상세하게는, 고속도로를 운행한 킬로미터, 도심을 운행한 킬로미터, 차량이 오르막길과 내리막길을 운행한 킬로미터 등의 조건에 따라 고장예상 기준데이터가 각각 생성될 수도 있다.

다른 예로서, 머신러닝부(120)에서 생성된 고장예상 기준데이터는, 하나의 부품에 대해 부품이 고장날 가능성이 있는 징후와 고장예상 시기에 대한 정보를 포함할 수 있다. 머신러닝부(120)는 네비게이션(25)으로부터 수집된 데이터와, 스티어링 전자제어유닛으로부터 수집된 스티어링휠의 회전각도 등에 대한 데이터를 이용하여 차량이 좌회전이나 우회전을 일정 횟수 이상 수행하거나 일정 각도 이상 수행한 적이 몇 번 이상인 경우, 스티어링휠이 언제쯤 고장날 가능성이 있다는 시기를 포함하는 고장예상 기준데이터를 생성할 수 있다.

이렇게 머신러닝부(120)에서 생성되는 고장예상 기준데이터는 하나의 부품에 대해서도 다수개가 생성될 수 있다. 고장예상 기준데이터는 동일한 차종, 배기량, 연식인 경우에도, 운행 조건에 따라, 하나의 부품에 대해 다수개가 생성될 수 있다. 예를 들어, 운행 조건은 차량이 운행한 도로의 상태, 운전자의 운전 습관 등을 포함할 수 있으며, 이러한 운행 조건에 따라 하나의 부품에 대한 고장예상 기준데이터가 각각 생성될 수 있다.

제2데이터베이스(130)에는 머신러닝부(120)에서 생성된 고장예상 기준데이터가 차종, 엔진종류(배기량), 연식 등에 따라 분류되어 저장되어 있다. 또한, 고장예상 기준데이터는 운행 조건에 따라 동일한 차종, 배기량, 연식에 대해서도 분류되어 제2데이터베이스(130)에 저장될 수 있다.

맞춤데이터 생성부(140)는, 진단서버(100)에 접속하여 자차의 데이터를 업로드하고 고장예상 기준데이터를 요청하는 차량에 대한 맞춤형 고장예상 기준데이터를 생성할 수 있다.

맞춤데이터 생성부(140)는, 진단서버(100)에 접속한 차량의 차종, 배기량, 연식을 확인하고, 차종, 배기량, 연식에 부합되는 맞춤형 고장예상 기준데이터를 제2데이터베이스(130)로부터 인출하여 해당 차량에 대한 맞춤형 고장예상 기준데이터를 생성할 수 있다. 이때, 맞춤데이터 생성부(140)는, 해당 차량의 차종, 배기량, 연식뿐만 아니라, 해당 차량이 제공한 상세한 운행조건에 부합되는 고장예상 기준데이터를 제2데이터베이스(130)로부터 인출하여 맞춤형 고장예상 기준데이터를 생성할 수도 있다. 예를 들어, 해당 차량이 주로 시내만 주행하는 경우, 맞춤데이터 생성부(140)는 해당 차량의 시내 주행 킬로미터에 부합되는 고장예상 기준데이터를 맞춤형 고장예상 기준데이터로 추출할 수 있다.

서버통신부(150)는 노변장치(200)와 통신을 지원함으로써, 노변장치(200)와 통신가능한 차량으로부터의 데이터를 수집할 수 있도록 한다. 서버통신부(150)는 노변장치(200)와 유선통신 또는 무선통신할 수 있으며, 무선으로 통신할 경우에는 WiFi, Wibro, DSRC 중 어느 하나의 통신방식을 이용할 수 있고, 유선으로 통신할 경우에는 TCP/IP 프로토콜 기반의 통신을 지원할 수 있다.

서버제어부(160)는, 서버통신부(150)를 통해 노변장치(200)로부터 수신되는 차량의 데이터를 제1데이터베이스(110)에 저장하는 한편, 머신러닝부(120)에서 생성된 고장예상 기준데이터를 제2데이터베이스(130)에 저장할 수 있다. 또한, 서버제어부(160)는 주기적으로 또는 차량의 차량진단장치(10)로부터 요청을 받으면, 맞춤데이터 생성부(140)를 동작시켜 해당 차량에 부합되는 맞춤형 고장예상 기준데이터를 생성하도록 하고, 생성된 맞춤형 고장예상 기준데이터를 해당 차량으로 노변장치(200)를 통해 제공되도록 서버통신부(150)를 제어할 수 있다.

이러한 구성에 의한 차량 고장 진단 시스템(1)에서 다수의 차량으로부터 데이터를 수집하여 고장예상 기준데이터를 생성하는 과정을 도 4를 참조하여 설명하면 다음과 같다.

진단서버(100)는 노변장치(200)와 무선 또는 유선으로 통신하며, 서버제어부(160)는 노변장치(200)를 통해 다수의 차량으로부터 차량진단장치(10)에서 수집한 데이터를 수신할 수 있다(S400).

데이터가 수신되면, 서버제어부(160)는 수집한 데이터를 미리 설정된 분류기준에 따라 분류하여 제1데이터베이스(110)에 저장할 수 있다. 그런 다음, 서버제어부(160)는 머신러닝부(120)를 동작시켜 제1데이터베이스(110)에 저장된 데이터를 머신러닝하여 각 장치 또는 각 부품에 대한 고장예상 기준데이터를 생성하도록 한다(S410). 서버제어부(160)는 생성된 고장예상 기준데이터를 제2데이터베이스(130)에 저장한다.

미리 설정된 일정 주기에 도달하거나, 차량진단장치(10)로부터 요청신호가 수신되면, 서버제어부(160)는 맞춤데이터 생성부(140)를 동작시켜 해당 차량의 차종, 배기량, 연식에 부합되는 맞춤형 고장예상 기준데이터를 생성하도록 한다(S420). 그런 다음, 서버제어부(160)는 해당 맞춤형 고장예상 기준데이터를 해당 차량에 전송할 수 있다(S430).

이러한 구성에 의한 차량 고장 진단 시스템(1)에서 진단서버(100)로부터 제공된 맞춤형 고장예상 기준데이터를 이용하여 고장을 예상하는 과정을 도 5를 참조하여 설명하면 다음과 같다.

차량진단장치(10)에서는 진단서버(100)로부터의 요청 또는 자발적으로 데이터 수집모듈(20)을 이용하여 차량내 다양한 장치와 부품에 대한 상태 데이터, 차량의 운행 데이터, 고장이력 데이터 등을 수집하고, 수집된 데이터를 노변장치(200)를 통해 진단서버(100)로 전송할 수 있다.

이러한 차량진단장치(10)에서는 진단서버(100)로부터 맞춤형 고장예상 기준데이터를 제공받을 수 있다(S500). 맞춤형 고장예상 기준데이터가 수신되면, 예상진단부(40)에서는 메모리(30)에 저장된 자차의 데이터를 인출하여 맞춤형 고장예상 기준데이터와 비교하여 매칭되는 정보를 인출할 수 있다(S510).

이때, 예상진단부(40)는 고장예상 기간이 미리 설정된 일정 기간 이하인 장치 또는 부품에 대한 정보를 인출하여 고장예상 정보를 생성할 수 있으며(S520), 해당 고장예상 정보를 디스플레이부(50) 또는 마이크(21)를 통해 출력할 수 있다(S530).

만약 운전자가 일정 시간내에 고장예상 정보에 따라 고장이 예상된다고 판단된 장치나 부품을 점검하거나 교체하지 않는 경우(S540), 예상진단부(40)는 주기적으로 해당 고장예상 정보를 디스플레이부(50) 또는 마이크(21)를 통해 출력하여 운전자를 환기시킬 수 있다(S550).

이와 같이, 본 발명에 따른 차량 고장 진단 시스템(1)의 진단서버(100)에서는 다수의 차량으로부터 차량의 상태와 고장 여부 등에 대한 데이터를 수집하고, 데이터를 머신러닝하여 차량의 부품에 따른 고장시기를 판단할 수 있는 고장진단 기준데이터를 생성할 수 있다. 또한, 차량에 설치된 차량진단장치(10)에서는 고장진단 기준데이터를 이용하여 자차의 각 장치와 부품에 대한 고장을 미리 예상할 수 있다.

따라서, 본 차량 고장 진단 시스템(1)에서는 일반적으로 사용되는 평균적인 데이터가 아니라 차량의 고유한 특성이나 운행조건에 정확하게 부합되는 고장진단 기준데이터를 생성할 수 있으므로, 이를 이용하여 정확한 고장시기를 예측할 수 있다. 이에 따라, 자차의 고장 시기를 정확하게 예상할 수 있으므로, 운전자가 고장이 예측되는 장치나 부품을 미리 점검할 수 있도록 한다. 이로 인해, 갑작스런 고장으로 인한 운전자의 불편함을 방지하고, 고장에 의해 발생하는 사고를 방지할 수 있다.

전술한 실시예에서 언급한 표준내용 또는 표준문서들은 명세서의 설명을 간략하게 하기 위해 생략한 것으로 본 명세서의 일부를 구성한다. 따라서, 위 표준내용 및 표준문서들의 일부의 내용을 본 명세서에 추가하거나 청구범위에 기재하는 것은 본 발명의 범위에 해당하는 것으로 해석되어야 한다.

이상의 설명은 본 발명의 기술사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술사상의 범위가 한정되는 것은 아니다. 본 발명의 보호범위는 아래의 청구범위에 의하여 해석되어야하며, 그와 동등한 범위내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

1 : 차량 고장 진단 시스템 10 : 차량진단장치
20 : 데이터 수집모듈 21 : 마이크
23 : CAN 수집부 25 : 네비게이션
27 : 고장데이터 수집부 30 : 메모리
40 : 예상진단부 50 : 디스플레이부
60 : 차량통신부 100 : 진단서버
110 : 제1데이터베이스 120 : 머신러닝부
130 : 제2데이터베이스 140 : 맞춤데이터 생성부
150 : 서버통신부 160 : 서버제어부

Claims

다수의 차량으로부터 부품의 상태와 고장 여부에 대한 데이터를 수집하여 차량의 고장을 예상하기 위한 고장예상 기준데이터를 생성하는 진단서버; 및
상기 차량에 설치되어 자차의 각 부품의 상태와 고장 여부에 대한 데이터를 수집하여 상기 진단서버로 제공하고, 상기 진단서버로부터 제공된 고장예상 기준데이터와 상기 자차에 대한 데이터를 비교하여 상기 자차의 고장이 예상되는 장치나 부품 중 고장예상 시기가 미리 설정된 일정 이하인 장치나 부품에 대한 고장예상 정보를 자차의 디스플레이부에 표시하는 차량진단장치;를 포함하되,
상기 진단서버는,
상기 다수의 차량의 차량진단장치로부터 제공된 데이터를 차량의 종류, 엔진의 배기량, 연식에 따른 1차 분류레벨로 분류하고, 1차 분류레벨로 분류된 데이터를 엔진, 트랜스미션, 서스펜션, 스티어링을 포함하는 장치들에 따라 2차 분류레벨로 분류하고, 상기 장치들 각각에 포함되는 부품에 따라 3차 분류레벨로 분류한 후, 각 분류레벨에 대하여 머신러닝하여 상기 고장예상 기준데이터를 각각 생성하는 머신러닝부와, 상기 머신러닝부에서 생성된 고장예상 기준데이터 중 각 차량의 운행조건에 부합되는 맞춤형 고장예상 기준데이터를 추출하는 맞춤데이터 생성부를 포함하고,
상기 차량진단장치는,
상기 차량 내의 장치나 부품의 소음을 측정하여 상기 장치나 부품의 상태에 대한 소음 데이터를 수집하는 데이터 수집모듈과, 상기 데이터 수집모듈에서 수집된 상기 소음 데이터와 상기 맞춤데이터 생성부로부터 제공된 상기 맞춤형 고장예상 기준데이터에 대응되는 소음 데이터를 비교하고, 비교결과, 양 소음이 일정 퍼센트(%) 이상 매칭되면 상기 장치나 부품의 고장을 예상하는 예상진단부를 포함하는 차량 고장 진단 시스템.
삭제
삭제
제1항에 있어서,
상기 데이터 수집모듈은,
상기 차량의 각 부품의 상태와 고장 이력에 대한 데이터를 더 수집하는 차량 고장 진단 시스템.
제4항에 있어서,
상기 데이터 수집모듈은, 차량내의 장치나 부품의 소음을 측정하는 적어도 하나의 마이크, 상기 차량내에 설치된 복수의 전자제어유닛으로부터 데이터를 수집하는 CAN 수집부, 상기 차량의 운행정보를 수집하는 네비게이션, 상기 차량의 고장이력을 수집하는 고장데이터 수집부 중 적어도 하나를 포함하는 차량 고장 진단 시스템.
삭제
다수의 차량으로부터 부품의 상태와 고장 여부에 대한 데이터를 수집하는 데이터 수집단계;
상기 데이터를 외부의 진단서버로 전송하는 단계;
상기 진단서버에서 상기 데이터를 머신러닝하여 차량의 고장을 예상하기 위한 고장예상 기준데이터를 생성하는 데이터 생성단계;
상기 진단서버에서 생성된 상기 고장예상 기준데이터와 자차에 대해 수집된 상기 데이터를 비교하여 상기 자차의 고장을 예상하는 고장 예상단계; 및
고장예상 정보를 자차의 디스플레이부에 표시하는 단계; 를 포함하되,
상기 데이터 생성단계 이후에, 상기 고장예상 기준데이터 중 각 차량의 운행조건에 부합되는 맞춤형 고장예상 기준데이터를 추출하는 맞춤데이터 추출단계를 더 포함하고,
상기 데이터 수집단계는 상기 차량 내의 장치나 부품의 소음을 측정하여 상기 장치나 부품의 상태에 대한 소음 데이터를 수집하고,
상기 데이터 생성단계는 상기 다수의 차량의 차량진단장치로부터 제공된 데이터를 차량의 종류, 엔진의 배기량, 연식에 따른 1차 분류레벨로 분류하고, 1차 분류레벨로 분류된 데이터를 엔진, 트랜스미션, 서스펜션, 스티어링을 포함하는 장치들에 따라 2차 분류레벨로 분류하고, 상기 장치들 각각에 포함되는 부품에 따라 3차 분류레벨로 분류한 후, 각 분류레벨에 대하여 머신러닝하여 상기 고장예상 기준데이터를 각각 생성하고,
상기 고장 예상단계는 상기 수집된 소음 데이터와 상기 맞춤형 고장예상 기준데이터에 대응되는 소음 데이터를 비교하고, 비교결과, 양 소음이 일정 퍼센트(%) 이상 매칭되면 상기 자차의 고장을 예상하는 차량 고장 진단 방법.
삭제
삭제
제7항에 있어서,
상기 데이터 수집단계는, 상기 차량내에 설치된 복수의 전자제어유닛으로부터 데이터를 수집하는 단계, 상기 차량의 운행정보를 수집하는 단계, 상기 차량의 고장이력을 수집하는 단계 중 적어도 하나를 포함하는 차량 고장 진단 방법.
삭제