EMD-LSTM을 이용한 차량 BSR 검출 및 평가 신호처리 연구

Abstract

본 논문에서는 차량 부품의 진동 성능 평가 중 발생하는 소음을 마이크로폰을 통해 계측한 데이터로부터 BSR(Buzz, Squeak, Rattle) 발생 유무를 판별하고 발생한 BSR 평가 지수를 제시하는 연구를 진행하였다. 차량 부품 중 파노라마 선루프에서 발생하는 BSR을 분석하기 위하여 무소음 가진기를 통해 다축 진동 모드 측정이 가능한 시스템 하에 크기가 다른 두 가진 형태로 진동 평가를 진행하였다. 이 때 선루프의 유리와 블라인드 위치를 변경하며 총 6가지의 상태를 설정하여 각 상태 마다 발생하는 부품의 구조 진동 소음과 BSR 음향 데이터, 진동 데이터를 측정하였다.

소음 성능 평가 시 부품의 진동으로 인해 방사되는 구조 진동 소음과 부품 간 물리적 접촉으로 인해 발생하는 BSR이 동시에 발생하게 된다. 파노라마 선루프에서 발생하는 BSR은 부품간 마찰에 의해 발생하는 Squeak과 충돌에 의해 발생하는 Rattle이 주를 이루며 500Hz이상의 고주파수에서 발생한다. 이 때 측정한 음향 데이터를 FFT(Fast Fourier Transform)를 통하여 변환 시 200Hz 이하에서 발생하는 주요 진동 모드에 의한 구조 진동 소음의 에너지가 BSR에 의한 고 주파수 에너지 보다 크기 때문에 단순히 계측 데이터의 크기만을 고려한 dB단위의 소음 관리 시 BSR발생 여부를 판단할 수 없다.

따라서 BSR 평가를 위해서는 측정 데이터로부터 필터를 통한 BSR 검출이 선행되어야 한다. 본 연구에서는 EMD(Empirical Mode Decomposition)를 통해 여러 종류의 신호가 합쳐진 신호를 각각의 진동 패턴 별 모드로 분리하였다. 분류된 모드는 고 주파수 대역의 패턴부터 저 주파수 대역의 패턴 신호로 분리되며 BSR 발생 음원의 경우 고 주파수 대역 모드에서 BSR성분이 검출되었고 BSR 미 발생 음원에서는 노이즈만 검출되었다. 저 주파수 대역의 모드에서는 두 가지 음원 모두에서 구조 진동 소음이 검출되었다.

이후 분류한 각각의 모드들에 포함된 성분이 BSR, 노이즈, 구조 진동 소음인지 판별하기 위하여 순환 신경망(Recurrent Neuron Network, RNN)의 일종인 장단기 메모리(Long Short Term Memory, LSTM)를 활용하였다. 학습 데이터로는 각 모드들의 STFT(Short-Time Fourier Transform)을 사용하였으며 그 결과 BSR 발생 음원을 검출하고 해당 음원의 BSR성분이 포함된 모드와 구조 진동 소음을 포함한 배경 소음 모드를 분리하였다.

분리한 모드들을 Prony’s Method를 통해 주파수 분석을 진행한 결과 BSR이 발생한 음원의 경우 고 주파수의 패턴을 갖는 모드에서 BSR 미 발생 음원 보다 높은 에너지를 갖고 있음이 확인되었다. 배경 소음 모드의 경우에는 상대적으로 저 주파수 대역의 크기가 높게 나타나게 되어 평가 음원의 저 주파수 모드의 에너지와 고 주파수 모드의 에너지 비율을 통해 구조 진동 크기 대비 발생하는 BSR 평가 인자를 제시하였다.