검색 상세

소량 불균형 데이터 환경을 가정한 소리 기반 자동차 이상 검출

Acoustic Anomaly Detection for Vehicles with Limited and Imbalanced Data

  • 박종현 (아주대학교 IT융합대학원)

초록/요약

자동차 이상 소음 진단은 정비사의 경험과 주관적 판단에 크게 의존해 오 진과 과잉정비가 발생하기 쉽다. 또한 실제 고장 소리는 소량의 데이터로 인해 불균형한 특성을 보인다. 본 연구는 이러한 조건에서 신뢰성 있게 동작하는 소리 기반 이상음 검출 모델을 제안한다. 스마트폰 (Galaxy S23 Ultra, 48 kHz) 으로 실제 차량의 4개 소음원 퍼지펌프 작동음, 공조 터치패널 작동음, 흡기계통 누설음, 사이드미러 고장음을 수집하여 정상 484개와 비정상 187개 총 671개로 데이터셋을 구성하였다. 각 오디오에서 20차원 MFCC를 추출하고, Cohen’s d 로 변별력이 큰 특징을 선별하였다. 이를 바탕으로 CdWZ (Cohen’s d Weighted Z-Score Anomaly Detector)와 CdK-SVM (Cohen’s d Top-K Feature-Selected Linear SVM) 두 가지 제안 모델을 설계하였다. CdWZ는 정상 클래스의 평균, 표준편차로부터 계산한 Z-Score에 Cohen’s d 기반 가중치를 곱해 이상도를 계산 하는 통계 기반 검출기이고, CdK-SVM은 Cohen’s d로 선택한 최적 K개 MFCC 특징만 사용해 선형 SVM으로 검출하는 모델이다. 실험 결과, CdWZ의 평균 MCC Score는 0.78로 LSTM의 0.59대비 0.19높았으며, CdK-SVM은평균MCC Score는 0.81로 LSTM의 0.59 대비 0.22 높아 두 제안 모델 모두 LSTM보다 우수 함을 확인하였다. 다만 데이터 수집이 단일 기기에 기반하기 때문에 향후 다양한 기기 및 환경에서의 일반화 성능을 확인할 필요가 있다.

more

목차

제 1 장 서론 1
제 2 장 관련 연구 3
2.1 Engine Fault Detection by Sound Analysis and Machine Learning 3
2.2 Acoustic-Based Engine Fault Diagnosis Using WPT, PCA and Bayesian Optimization 5
2.3 Acoustic Feature Extraction and Classification Techniques for Anomaly Sound Detection in the Electronic Motor of Automotive EPS 9
2.4 성능지표 12
제 3 장 제안방법 14
3.1 제안방법1 14
3.1.1 Audio preprocessing 15
3.1.2 Feature Extraction 16
3.1.3 Computing Weighted Z-scores 16
3.1.4 Detection 28
3.2 제안 방법2 30
3.2.1 Audio Preprocessing 31
3.2.2 Feature Extraction 32
3.2.3 MFCC Based Linear SVM 32
3.2.4 Detection 35
제 4 장 실험 및 평가 36
4.1 데이터셋 36
4.2 평가 결과 38
4.2.1 퍼지펌프 작동음 38
4.2.2 흡기계통 누설음 39
4.2.3 공조 터치패널 작동음 39
4.2.4 사이드미러 고장음 40
제 5 장 결론 41
참고문헌 43
Abstract 45

more
반출 Meta View 목록