| 1 |
1
차량에 장착된 타이어 주변의 음향신호를 취득하는 마이크로폰; 및제1 딥러닝 모델을 기반으로 상기 타이어 주변의 음향신호에 상응하는 노면의 상태와 종류 및 타이어 마모도를 추정하고, 제2 딥러닝 모델을 기반으로 상기 노면의 상태와 종류 및 타이어 마모도에 상응하는 마찰계수곡선의 피크 조정인자와 초기 기울기 조정인자를 추정하며, 상기 마찰계수곡선의 피크 조정인자와 초기 기울기 조정인자에 기초하여 마찰계수를 예측하는 제어부를 포함하는 노면의 마찰계수 예측 장치
|
| 2 |
2
제 1 항에 있어서,상기 제어부는,상기 타이어 주변의 음향신호를 이미지로 변환하고, 상기 이미지를 상기 제1 딥러닝 모델이 입력하여 상기 노면의 상태와 종류 및 타이어 마모도를 추정하는 것을 특징으로 하는 노면의 마찰계수 예측 장치
|
| 3 |
3
제 2 항에 있어서,상기 제어부는,상기 마이크로폰에 의해 취득된 타이어 주변의 음향신호를 기 설정된 시간 단위로 분할하고, 상기 분할된 음향신호를 이미지로 변환하며, 상기 이미지 내 관심영역을 기 설정된 크기의 이미지로 정규화하는 것을 특징으로 하는 노면의 마찰계수 예측 장치
|
| 4 |
4
제 3 항에 있어서,상기 제어부는,CWT(Continuous Wavelet Transform) 알고리즘에 기초하여 상기 분할된 음향신호를 이미지로 변환하는 것을 특징으로 하는 노면의 마찰계수 예측 장치
|
| 5 |
5
제 1 항에 있어서,상기 제어부는,상기 타이어 마모도에 상응하는 타이어의 표면 이미지를 생성하는 것을 특징으로 하는 노면의 마찰계수 예측 장치
|
| 6 |
6
제 5 항에 있어서,상기 제어부는,상기 제2 딥러닝 모델을 기반으로, 상기 노면의 상태와 종류 및 타이어의 표면 이미지에 상응하는 마찰계수곡선의 피크 조정인자와 초기 기울기 조정인자를 추정하는 것을 특징으로 하는 노면의 마찰계수 예측 장치
|
| 7 |
7
제 1 항에 있어서,상기 제어부는,상기 마찰계수곡선의 피크 조정인자와 초기 기울기 조정인자에 기초하여 마찰계수곡선을 생성하고, 상기 마찰계수곡선 상의 최대마찰계수를 예측하는 것을 특징으로 하는 노면의 마찰계수 예측 장치
|
| 8 |
8
제 1 항에 있어서,상기 노면의 상태는,건조한 상태(Dry), 젖은 상태(Wet), 눈이 온 상태(snow), 얼음이 얼은 상태(Ice) 중 적어도 하나를 포함하는 노면의 마찰계수 예측 장치
|
| 9 |
9
제 1 항에 있어서,상기 노면의 종류는,새로운 아스팔트, 오래된 아스팔트, 제1 콘크리트, 제2 콘크리트, 횡방향 그루브, 종방향 그루브 중 적어도 하나를 포함하는 노면의 마찰계수 예측 장치
|
| 10 |
10
제 1 항에 있어서,상기 마이크로폰은,상기 차량의 후륜에 배치된 휠 하우징의 전방에 장착되는 것을 특징으로 하는 노면의 마찰계수 예측 장치
|
| 11 |
11
마이크로폰이 차량에 장착된 타이어 주변의 음향신호를 취득하는 단계;제어부가 제1 딥러닝 모델을 기반으로, 상기 타이어 주변의 음향신호에 상응하는 노면의 상태와 종류 및 타이어 마모도를 추정하는 단계;상기 제어부가 제2 딥러닝 모델을 기반으로, 상기 노면의 상태와 종류 및 타이어 마모도에 상응하는 마찰계수곡선의 피크 조정인자와 초기 기울기 조정인자를 추정하는 단계; 및상기 제어부가 상기 마찰계수곡선의 피크 조정인자와 초기 기울기 조정인자에 기초하여 마찰계수를 예측하는 단계를 포함하는 노면의 마찰계수 예측 방법
|
| 12 |
12
제 11 항에 있어서,상기 노면의 상태와 종류 및 타이어 마모도를 추정하는 단계는,상기 타이어 주변의 음향신호를 이미지로 변환하는 단계; 및상기 이미지를 상기 제1 딥러닝 모델이 입력하여 상기 노면의 상태와 종류 및 타이어 마모도를 추정하는 단계를 포함하는 노면의 마찰계수 예측 방법
|
| 13 |
13
제 12 항에 있어서,상기 타이어 주변의 음향신호를 이미지로 변환하는 단계는,상기 마이크로폰에 의해 취득된 타이어 주변의 음향신호를 기 설정된 시간 단위로 분할하는 단계;상기 분할된 음향신호를 이미지로 변환하는 단계;상기 이미지 내 관심영역을 기 설정된 크기의 이미지로 정규화하는 단계를 포함하는 노면의 마찰계수 예측 방법
|
| 14 |
14
제 13 항에 있어서,상기 분할된 음향신호를 이미지로 변환하는 단계는,CWT(Continuous Wavelet Transform) 알고리즘에 기초하여 상기 분할된 음향신호를 이미지로 변환하는 단계를 포함하는 노면의 마찰계수 예측 방법
|
| 15 |
15
제 11 항에 있어서,상기 마찰계수곡선의 피크 조정인자와 초기 기울기 조정인자를 추정하는 단계는,상기 타이어 마모도에 상응하는 타이어의 표면 이미지를 생성하는 단계를 포함하는 노면의 마찰계수 예측 방법
|
| 16 |
16
제 15 항에 있어서,상기 예측하는 단계는,상기 제2 딥러닝 모델을 기반으로, 상기 노면의 상태와 종류 및 타이어의 표면 이미지에 상응하는 마찰계수곡선의 피크 조정인자와 초기 기울기 조정인자를 추정하는 단계를 포함하는 노면의 마찰계수 예측 방법
|
| 17 |
17
제 11 항에 있어서,상기 예측하는 단계는,상기 마찰계수곡선의 피크 조정인자와 초기 기울기 조정인자에 기초하여 마찰계수곡선을 생성하는 단계; 및상기 마찰계수곡선 상의 최대마찰계수를 예측하는 단계를 포함하는 노면의 마찰계수 예측 방법
|
| 18 |
18
제 11 항에 있어서,상기 노면의 상태는,건조한 상태(Dry), 젖은 상태(Wet), 눈이 온 상태(snow), 얼음이 얼은 상태(Ice) 중 적어도 하나를 포함하는 노면의 마찰계수 예측 방법
|
| 19 |
19
제 11 항에 있어서,상기 노면의 종류는,새로운 아스팔트, 오래된 아스팔트, 제1 콘크리트, 제2 콘크리트, 횡방향 그루브, 종방향 그루브 중 적어도 하나를 포함하는 노면의 마찰계수 예측 방법
|
| 20 |
20
제 11 항에 있어서,상기 마이크로폰은,상기 차량의 후륜에 배치된 휠 하우징의 전방에 장착되는 것을 특징으로 하는 노면의 마찰계수 예측 방법
|
