초록 ▼

□ 연구개발 목표 및 내용
◎ 최종 목표
o 최종목표
자동차 도로소음의 능동 저감 기술로 개발된 기존 RANC(Road ANC)의 소음 저감 성능이 차속과 노면종류에 따라 저하되거나 불안정해지는 현상이 있고, 이를 해결하기 위해서는 차속/노면 종류에 따라 제어 조건을 변경하는 다중 상태 RANC 알고리즘 개발이 필요함. 다양한 종류의 노면에 대한 차속별 진동/소음 데이터를 취득 및 분석하고, 진동/소음 데이터로부터 노면 상태 판단이 가능한 컨볼루션 신경망(CNN, Convolutional Neural Network)

□ 연구개발 목표 및 내용
◎ 최종 목표
o 최종목표
자동차 도로소음의 능동 저감 기술로 개발된 기존 RANC(Road ANC)의 소음 저감 성능이 차속과 노면종류에 따라 저하되거나 불안정해지는 현상이 있고, 이를 해결하기 위해서는 차속/노면 종류에 따라 제어 조건을 변경하는 다중 상태 RANC 알고리즘 개발이 필요함. 다양한 종류의 노면에 대한 차속별 진동/소음 데이터를 취득 및 분석하고, 진동/소음 데이터로부터 노면 상태 판단이 가능한 컨볼루션 신경망(CNN, Convolutional Neural Network) 기술을 개발하여 자동차 주행시 진동/소음 신호로부터 노면 상태를 실시간으로 파악함으로써 차속/노면 변화에 강건한 성능을 가지는 지능형 RANC 시스템을 개발함.

o 주관연구개발기관의 요구사항
- 노면 상태 판단 속도 500ms 이내
- 제어 주파수 영역 30~500Hz, 제어 알고리즘의 샘플링 주파수 4kHz
- 가속도센서, 마이크센서, 스피커 채널수는 각각 12, 8, 8 채널.
- 귀 위치의 소음 예측을 위한 가상 마이크 기술 적용
- 지능형 RANC(도로소음 능동저감) 성능 평균 4.5dB 이상

o 최종 개발기술
- 자동차 차속, 노면별 진동/소음 데이터 기반 빅데이터를 이용한 노면 판단, 컨볼루션 신경망 기술
- 다양한 차속/노면 상태에 적용 가능한 다중 상태 RANC 기술
- 성능 평가 기준 개발 및 실차 적용

o End Product
- 지능형 RANC 제어기 시제품 (HW)
- 지능형 RANC 알고리즘 (SW)

◎ 전체 내용
o 기술융합 도식도

o 연구개발 내용
- 자동차 차속, 노면별 진동/소음 데이터 기반 빅데이터 처리 기술
> 진동/소음 데이터 DB 설계
> 차속/노면별 진동/소음 데이터 취득
> 차속/노면별 진동/소음 데이터의 특징 정의 및 특징 분류 방안 개발
> 특징 추출 및 처리 기술 개발

- 자동차 진동/소음 데이터를 이용한 노면 판단 기술
> CNN+MLP 적용 Deep Neural Network 설계
> 차속/노면 상태에 대한 Multinomial Classification
> 노면 상태 판단을 위한 빅데이터 연계 Deep Learning 시스템 개발
> RANC 제어기 탑재용 노면 상태 판단 모듈 개발

- 다양한 차속/노면 상태에 적용 가능한 다중 상태 RANC 기술
> 차속/노면 상태에 따른 RANC Parameter 영향 분석 및 설계
> 차속/노면 상태 연동 Multi-status RANC 알고리즘 설계
> Multi-status RANC 알고리즘 구현 및 최적화

- 성능 평가 기준 개발 및 실차 적용
> 지능형 RANC 성능 평가 기준 개발
> 개발 기술과 연동하여 활용이 가능한 제어기 시작품 설계
> 제어시스템 시작품 개발
> 시험 차량 구축 및 실차 시스템 성능 검증

□ 연구개발성과
o 연구개발 성과
- 개발성과: 시제품 1건, 논문 2건, 사업화 매출 107백만원

ㅇ 기술적 성과
- 성능 목표 달성 내용
. 노명 판단 정확도 95% 이상 (97.5% 달성)
. 노면 판단 시간 500ms 이내 (50ms 달성)
. 평균 소음저감 성능 4.5dB 이상 (6.5dB 달성)
. 제어 Sampling Rate 4.000Hz (4,000Hz 달성)
. 최대 제어 주파수 500Hz (500Hz 달성)

□ 연구개발성과 활용계획 및 기대 효과
o 사업화 계획
- 제품 형태
. 지능형 RANC 시스템 커스터마이징 / 지능형 RANC 솔루션 (SW Library )
- 수요처: 완성차 제조사, 1차 벤더, 자동차/기계 관련 연구소
- 단가: 180백만원(커스터마이징 NRE), 20~24천원/대(SW Library)
- 매출 목표
. 2023년 : 3.6억 (솔루션 커스터마이징)
. 2024년 : 16.0억 (솔루션 커스터마이징 + SW Library)
. 2025년 : 15.6억 (SW Library)

o 기대효과
기존에 해결하지 못했던 자동차의 주행 상태에 따른 소음의 저감 성능의 저하 또는 불안정성 문제를 빅데이터, 딥러닝 기술을 활용 해결함으로써, 정해진 하나의 상태에 대한 기존 ANC 기술에서의 성능 문제를 극복하여 다양한 상태에 대응할 수 있는 지능형 ANC 기술과 제품이 확보 될 수 있음.

o 기술적 측면
- 다양한 노면에 대한 진동/소음 신호에 기반을 둔 빅데이터 처리 기술, 딥러닝 기술 확보
- 세계최초로 자동차 도로소음의 지능적 제어 기술 확보
- 향후 차량과 서버 사시의 무선 데이터 전송을 통한 노면 판단 딥러닝 고도화가 가능함
- 지능적이며 능동적인 소음 저감 기술의 가전, 건축, 스마트팩토리 등 다른 분야 파급 가능성 제시

o 경제적 측면
- 지능화된 능동소음제어 기술에 의한 신규 시장 창출
- 전 세계 자동차 시장에서 4조 8,000억원의 신규 시장에 대한 경쟁력 확보 가능
- 향후 무선 데이터 통신 환경을 이용한 노면 정보 서비스 등의 경제적 파급 효과 기대

o 사회적 측면
- 소음 문제로부터 자유롭고 정숙한 공간의 확대
- 운전자의 심리상태를 안정화하여 사고 가능성을 줄임

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요 약 문 ... 2
• 목차 ... 5
• 1. 연구개발과제의 개요 ... 6
• 1-1. 기술 및 목표 제품 개요 ... 6
• 1-2. 기술 및 목표 제품 개요 ... 9
• 1-3. 시장현황 ... 10
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 13
• 2-1. 기술개발 추진 전략·방법 ... 13
• 2-2. 기술개발 추진 체계·일정 ... 14
• 2-3. 기술개발 수행내용 ... 15
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 48
• 1) 연구수행 결과 ... 48
• 2) 목표 달성 수준 ... 52
• 4. 목표 미달 시 원인분석 ... 53
• 5. 연구개발성과의 활용 및 사업화 계획 ... 54
• 5-1. 사업화 계획 ... 54
• 5-2. 투자유치 현황/계획 및 해외시장 진출계획 ... 57
• 5-3. 기대효과 ... 58
• 끝페이지 ... 59