맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

차량의 복합 고장을 예측하기 위한 장치 및 방법

  • 기술번호 : KST2016000944
  • 담당센터 :
  • 전화번호 :
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 차량의 복합 고장을 예측하기 위한 장치 및 방법을 제공한다. 차량 복합고장 예측장치는 복합 고장을 예측하려는 차량으로부터 전달된 복수의 차량 네트워크 데이터들에 대한 임계값 범위를 고려한 정규화 변환을 수행하여 정규화 변환값을 생성하는 데이터 정규화부, 차량에서 이전에 발생한 복합 고장에 대한 정보인 학습 데이터 집합에 기초하여 차량의 특성에 따라 생성된 다중 인공신경망 모델 및 정규화 변환값을 이용하여 차량의 복합 고장을 예측하여 신경망 고장 예측값을 생성하는 신경망 고장 예측부 및 신경망 고장 예측값과 차량에서 이전에 생성된 이전 신경망 고장 예측값을 분석하여 신경망 고장 예측값의 변화에 따라 발생할 수 있는 복합 고장에 대한 추이변화를 예측하는 추이변화 예측부를 포함한다.
Int. CL G06F 19/00 (2011.01)
CPC B60W 50/0205(2013.01) B60W 50/0205(2013.01) B60W 50/0205(2013.01)
출원번호/일자 1020110025497 (2011.03.22)
출원인 한국전자통신연구원, 충북대학교 산학협력단
등록번호/일자
공개번호/일자 10-2012-0107774 (2012.10.04) 문서열기
공고번호/일자 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 발송처리완료
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2015.09.15)
심사청구항수 9

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국전자통신연구원 대한민국 대전광역시 유성구
2 충북대학교 산학협력단 대한민국 충청북도 청주시 서원구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 윤은일 대한민국 충청북도 청주시 흥덕구
2 이신경 대한민국 대전광역시 유성구
3 신현일 대한민국 충청북도 청주시 흥덕구
4 편광범 대한민국 충청북도 청주시 흥덕구
5 이정우 대한민국 대전광역시 유성구
6 권오천 대한민국 경기도 수원시 권선구
7 오현서 대한민국 대전광역시 서구
8 양흥모 대한민국 충청북도 청주시 상당구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 한양특허법인 대한민국 서울특별시 강남구 논현로**길 **, 한양빌딩 (도곡동)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국전자통신연구원 대한민국 대전광역시 유성구
2 충북대학교 산학협력단 대한민국 충청북도 청주시 서원구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2011.03.22 수리 (Accepted) 1-1-2011-0210379-75
2 [대리인사임]대리인(대표자)에 관한 신고서
[Resignation of Agent] Report on Agent (Representative)		 2012.02.07 수리 (Accepted) 1-1-2012-0098845-89
3 [대리인선임]대리인(대표자)에 관한 신고서
[Appointment of Agent] Report on Agent (Representative)		 2012.02.07 수리 (Accepted) 1-1-2012-0098856-81
4 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2014.08.28 수리 (Accepted) 4-1-2014-5103343-45
5 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2015.02.02 수리 (Accepted) 4-1-2015-0006137-44
6 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2015.06.17 수리 (Accepted) 4-1-2015-5081402-70
7 [심사청구]심사청구(우선심사신청)서
[Request for Examination] Request for Examination (Request for Preferential Examination)		 2015.09.15 수리 (Accepted) 1-1-2015-0897907-00
8 선행기술조사의뢰서
Request for Prior Art Search		 2016.08.11 수리 (Accepted) 9-1-9999-9999999-89
9 선행기술조사보고서
Report of Prior Art Search		 2016.09.09 수리 (Accepted) 9-1-2016-0039156-14
10 의견제출통지서
Notification of reason for refusal		 2016.10.05 발송처리완료 (Completion of Transmission) 9-5-2016-0714966-73
11 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2016.12.05 수리 (Accepted) 1-1-2016-1189454-14
12 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2016.12.05 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2016-1189456-16
13 등록결정서
Decision to grant		 2016.12.09 발송처리완료 (Completion of Transmission) 9-5-2016-0889066-55
14 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2018.05.15 수리 (Accepted) 4-1-2018-5086612-26
15 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.07.06 수리 (Accepted) 4-1-2020-5149268-82
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
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
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 US20120245791 US 미국 FAMILY

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 US2012245791 US 미국 DOCDBFAMILY
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 지식경제부 한국전자통신연구원, 충북대학교 산학협력단 산업원천기술개발사업(산업기술) 차량-IT용 공통 컴포넌트 및 Repository 기술 개발(총괄과제:차량-IT융합 플랫폼 개발)