병렬 구조 기반 1차원 합성곱 신경망과 OpenMax를 이용한 인텔리전트 타이어 오픈셋 상태진단

키워드

확장요약문

본 연구는 주행 안정성과 차량 유지관리 효율을 향상시키기 위해 복합 센서를 적용한 지능형 타이어 시스템을 제안한다. 교통사고 사례 분석 결과, 전체 사고 중 약 10%가 타이어 관련 문제에서 기인하는 것으로 나타나 타이어 상태 관리의 중요성이 더욱 부각되고 있다. 기존의 시간 및 주파수 영역 기반 분석 기법은 결함 탐지에 활용될 수 있으나, 인공지능 기반 접근법과 비교할 때 성능 측면에서 한계를 보인다. 이를 개선하기 위해 본 연구에서는 딥러닝을 활용한 오픈셋 기반 타이어 결함 진단 기법을 개발하였다. 타이어 트레드 중앙부에 단축 가속도 센서를 설치하고, 벨트 및 비드 분리 등 다양한 결함 조건을 모사하여 학습 및 검증을 위한 데이터를 구성하였다. 제안 방법은 병렬 구조의 1 차원 합성곱 신경망을 기반으로 하며, 다중 스케일 특징을 효과적으로 통합하고 적응적 가중치를 적용하여 결함 식별 성능을 향상시키도록 설계되었다. 또한, 학습 과정에 포함되지 않은 복합결함 타이어를 미지 상태로 탐지하기 위해 OpenMax 를 적용하여 기존 결함 상태의 분류와 미지 결함 상태의 탐지를 동시에 수행할 수 있도록 하였다. 실험 결과, 제안된 모델은 학습된 결함 상태에 대해 높은 수준의 진단 정확도를 나타냈으며, 다양한 결함 유형을 안정적으로 구분할 수 있음을 확인하였다. 또한, OpenMax 를 통해 학습에 포함되지 않은 복합결함 타이어를 미지 상태로 탐지할 수 있음을 확인하였다. 본 연구는 기존의 폐쇄형 분류에서 나아가 학습되지 않은 타이어 결함 상태를 고려할 수 있는 오픈셋 진단 방법을 제시하며, 타이어 상태진단 기술의 고도화와 차량의 안전성 및 운용 신뢰성 향상에 기여할 것으로 기대된다.