휠 베어링 PHM 시스템 구축 사례: 주행 조건에 흔들리지 않는 고장 진단 체계 실현

자율주행 시대가 가까워질수록, 차량 스스로 이상을 감지하는 능력이 필수가 됐다

자율주행차와 차량 공유 시장이 빠르게 성장하면서 사람의 개입 없이 차량 스스로 상태를 진단하는 자율진단 기술에 대한 수요가 높아지고 있습니다. 그중 휠 베어링은 주행 중 노면 충격과 하중을 직접 받는 핵심 부품이지만, 실제 주행 환경에서는 속도 변화와 외부 노이즈가 복잡하게 섞여 정확한 이상 감지가 쉽지 않았습니다. 고가의 전용 센서 없이 저가 상용 센서만으로 신뢰도 높은 진단 체계를 만드는 것이 핵심 과제였습니다.

노이즈를 걷어내고 핵심 신호만 남겨, 어떤 주행 조건에서도 작동하는 진단 AI 구현

먼저 실제 차량 주행 환경에서 데이터를 수집하며 외부 노이즈의 패턴을 분석했습니다. 노이즈 필터링과 안정 신호 추출 기법을 개발해 주행 조건이 달라져도 일관된 신호를 확보할 수 있는 기반을 만들었고, 이를 바탕으로 물리 기반 인자와 데이터 기반 인자를 함께 추출해 베어링 건전성을 정량화했습니다. 최종적으로 AI 기반 분류 알고리즘을 적용해 고장 여부를 자동 판별하는 구조를 완성했습니다.

주행 조건에 관계없이 작동하는 자율진단 체계 실현

저가 센서로도 신뢰도 높은 진단 가능 고가의 전용 장비 없이 상용 MEMS 진동 센서만으로 휠 베어링 이상을 감지할 수 있게 됐습니다. 양산 차량에 적용 가능한 비용 수준에서 PHM 체계를 구현하면서, 실용성과 신뢰도를 함께 잡는 기반이 마련됐습니다.

복잡한 주행 환경에서도 일관된 진단 노이즈 필터링과 안정 신호 추출 기법 덕분에 속도 변화나 노면 상태가 달라지더라도 흔들리지 않는 진단 결과를 얻을 수 있습니다. 실험실이 아닌 실제 도로에서도 작동하는 알고리즘이라는 점에서 현장 적용 가능성을 직접 확인했습니다.

자율진단 차량 구현을 위한 기술 기반 확보 이번 사례는 단순한 고장 감지를 넘어, 차량이 스스로 부품 상태를 판단하고 이상을 알리는 자율진단 체계의 기술적 토대를 마련했다는 점에서 의미가 있습니다. 자율주행 시대를 향한 실질적인 한 걸음이 됐습니다.