1 |
1
복합 고장을 예측하려는 차량으로부터 전달된 복수의 차량 네트워크 데이터들에 대한 임계값 범위를 고려한 정규화 변환을 수행하여 정규화 변환값을 생성하는 데이터 정규화부;상기 차량에서 이전에 발생한 복합 고장에 대한 정보인 학습 데이터 집합에 기초하여 상기 차량의 특성에 따라 생성된 다중 인공신경망 모델 및 상기 정규화 변환값을 이용하여 상기 차량의 복합 고장을 예측하여 신경망 고장 예측값을 생성하는 신경망 고장 예측부; 및상기 신경망 고장 예측값과 상기 차량에서 이전에 생성된 이전 신경망 고장 예측값을 분석하여 상기 신경망 고장 예측값의 변화에 따라 발생할 수 있는 상기 복합 고장에 대한 추이변화를 예측하는 추이변화 예측부를 포함하며, 상기 임계값 범위는 최소 임계값과 최대 임계값 사이의 값으로 설정되며,상기 데이터 정규화부는,상기 차량 네트워크 데이터가 상기 최소 임계값 또는 상기 최대 임계값인 경우 상기 차량 네트워크 데이터를 제1 값으로 정규화 변환하며, 상기 차량 네트워크 데이터가 상기 최소 임계값과 상기 최대 임계값 사이의 중간값인 경우 상기 차량 네트워크 데이터를 상기 제1 값과 다른 제2 값으로 상기 정규화 변환하고, 상기 차량 네트워크 데이터가 상기 최소 임계값보다 크고 상기 중간값보다 작거나 또는 상기 차량 네트워크 데이터가 상기 중간값보다 크고 상기 최대 임계값보다 작은 경우, 상기 제2 값보다 크고 상기 제1 값보다 작은 제3 값으로 상기 정규화 변환을 수행하는 차량 복합고장 예측장치
|
2 |
2
청구항 1에 있어서,상기 신경망 고장 예측값과 기준 고장값을 비교한 결과에 따라 상기 복합 고장을 즉시 통지하거나 또는 상기 추이변화를 예측할 지의 여부를 결정하는 예측 결과 분석부를 포함하는 차량 복합고장 예측장치
|
3 |
3
청구항 2에 있어서,상기 예측 결과 분석부는,상기 신경망 고장 예측값이 상기 복합 고장을 즉시 통지하기 위한 기준 고장값을 초과하는 경우 상기 복합 고장을 즉시 통지하며,상기 신경망 고장 예측값이 상기 복합 고장에 대한 추이변화를 예측하기 위한 기준 고장값 범위에 포함되는 경우 상기 신경망 고장 예측값을 상기 추이변화 예측부로 전달하는 차량 복합고장 예측장치
|
4 |
4
청구항 2에 있어서,상기 다중 인공신경망 모델은 입력층, 은닉층 및 출력층을 포함하며,상기 신경망 고장 예측부는,상기 입력층과 상기 은닉층 사이에 인공 신경망 노드의 입력 가중치를 설정하고, 상기 학습 데이터 집합에 기초하여 상기 은닉층을 학습시켜 상기 다중 인공신경망 모델을 생성하는 차량 복합고장 예측장치
|
5 |
5
청구항 4에 있어서,상기 은닉층은,상기 학습 데이터 집합에 기초하여 상기 정규화 변환값 사이의 상관관계에 따라 상기 신경망 고장 예측값을 생성하는 차량 복합고장 예측장치
|
6 |
6
삭제
|
7 |
7
삭제
|
8 |
8
복합 고장을 예측하려는 차량에서 이전에 발생한 복합 고장에 대한 학습 데이터 집합에 기초하여 상기 차량의 특성에 따른 다중 인공신경망 모델을 생성하는 단계;상기 차량으로부터 전달된 복수의 차량 네트워크 데이터들에 대한 임계값 범위를 고려하여 정규화 변환값을 생성하는 단계;상기 다중 인공신경망 모델과 상기 정규화 변환값을 이용하여 상기 차량의 복합 고장을 예측하여 신경망 고장 예측값을 생성하는 단계; 및상기 신경망 고장 예측값과 기준 고장값을 비교한 결과에 따라 상기 복합 고장을 즉시 통지하거나 또는 추이변화를 예측할 지의 여부를 결정하는 단계를 포함하며, 상기 정규화 변환값을 생성하는 단계는,상기 차량 네트워크 데이터가 상기 임계값 범위의 최소 임계값 또는 최대 임계값인 경우 상기 차량 네트워크 데이터를 제1 값으로 정규화 변환하는 단계; 상기 차량 네트워크 데이터가 상기 최소 임계값과 상기 최대 임계값 사이의 중간값인 경우 상기 제1 값과 다른 제2 값으로 정규화 변환을 수행하는 단계; 및상기 차량 네트워크 데이터가 상기 최소 임계값보다 크고 상기 중간값보다 작거나 또는 상기 중간값보다 크고 상기 최대 임계값보다 작은 경우, 상기 제2 값보다 크고 상기 제1 값보다 작은 제3 값으로 상기 정규화 변환을 수행하는 단계;를 포함하는 차량 복합고장 예측 방법
|
9 |
9
청구항 8에 있어서,상기 다중 인공신경망 모델을 생성하는 단계는,상기 다중 인공신경망을 구성하는 입력층과 은닉층 사이에 인공 신경망 노드의 입력 가중치를 설정하는 단계; 및상기 학습 데이터 집합에 기초하여 상기 은닉층을 학습시켜 상기 다중 인공신경망 모델을 생성하는 단계를 포함하는 차량 복합고장 예측 방법
|
10 |
10
청구항 9에 있어서,상기 신경망 고장 예측값을 생성하는 단계는,상기 입력층으로 전달된 상기 정규화 변환값에 상기 인공 신경망 노드의 입력 가중치를 적용하여 상기 은닉층으로 전달하는 단계; 및상기 은닉층에 학습된 상기 학습 데이터 집합에 기초하여 상기 가중치가 적용된 상기 정규화 변환값 사이의 상관관계에 따른 상기 신경망 고장 예측값을 생성하는 단계를 포함하는 차량 복합고장 예측 방법
|
11 |
11
삭제
|
12 |
12
삭제
|
13 |
13
청구항 8에 있어서,상기 추이변화를 예측할 지의 여부를 결정하는 단계는,상기 신경망 고장 예측값이 상기 복합 고장을 즉시 통지하기 위한 기준 고장값을 초과하는 경우, 상기 복합 고장을 즉시 통지하는 단계; 및상기 신경망 고장 예측값이 상기 복합 고장에 대한 추이변화를 예측하기 위한 기준 고장값 범위에 포함되는 경우, 해당 신경망 고장 예측값의 변화에 따라 발생할 수 있는 상기 복합 고장에 대한 추이변화를 예측하는 단계를 포함하는 차량 복합고장 예측 방법
|