KR101974347B1

KR101974347B1 - Fault diagnosis system for vehicle and data security method thereof

Info

Publication number: KR101974347B1
Application number: KR1020170033059A
Authority: KR
Inventors: 오남규; 이상현
Original assignee: 주식회사 만도
Priority date: 2017-03-16
Filing date: 2017-03-16
Publication date: 2019-09-05
Anticipated expiration: 2037-03-16
Also published as: KR20180105850A

Abstract

본 발명은 차량 고장 진단 시스템 및 그 진단 방법에 관한 것으로서, 다수의 차량으로부터 부품의 상태와 고장 여부에 대한 데이터를 수집하여 차량의 고장을 예상하기 위한 고장예상 기준데이터를 생성하는 진단서버; 차량에 설치되어 자차의 각 부품의 상태와 고장 여부에 대한 데이터를 수집하여 진단서버로 제공하고, 진단서버로부터 제공된 고장예상 기준데이터와 자차에 대한 데이터를 비교하여 자차의 고장을 예상하는 차량진단장치;를 포함한다. 이에 의해, 자차의 고장 시기를 정확하게 예상할 수 있으므로, 운전자가 고장이 예측되는 장치나 부품을 미리 점검할 수 있도록 한다. 이로 인해, 갑작스런 고장으로 인한 운전자의 불편함을 방지하고, 고장에 의해 발생하는 사고를 방지할 수 있다. The present invention relates to a vehicle failure diagnosis system and a diagnosis method thereof, comprising: a diagnostic server configured to collect data on a state and a failure state of parts from a plurality of vehicles and generate failure prediction reference data for predicting a failure of a vehicle; Vehicle diagnosis device installed in the vehicle to collect data on the status and failure status of each part of the vehicle and provide it to the diagnostic server. It includes; As a result, since the failure time of the own vehicle can be accurately predicted, the driver can check in advance the device or the part in which the failure is predicted. As a result, it is possible to prevent the driver's discomfort due to a sudden failure and to prevent an accident caused by the failure.

Description

Vehicle failure diagnosis system and its diagnosis method {FAULT DIAGNOSIS SYSTEM FOR VEHICLE AND DATA SECURITY METHOD THEREOF}

본 발명은 차량 고장 진단 시스템 및 그 진단방법에 관한 것으로서, 보다 상세하게는, 다수의 차량으로부터 수집된 차량 상태와 고장에 대한 데이터를 머신러닝하여 고장예상 기준데이터를 생성하고, 각 차량에서 고장예상 기준데이터를 이용하여 고장을 미리 예상할 수 있도록 하는 차량 고장 진단 시스템 및 그 진단방법에 관한 것이다. The present invention relates to a vehicle failure diagnosis system and a diagnosis method thereof, and more particularly, to predict the failure state in each vehicle by machine learning the vehicle state and the data collected from a plurality of vehicles, the failure prediction data The present invention relates to a vehicle failure diagnosis system and a diagnosis method for predicting a failure in advance using reference data.

최근 차량들은 점점 더 전자적인 기능들이 증가하고 있으며, 이에 따라, 차량에는 다양한 전자장치들이 설치되어 사용되고 있다. 이러한 전자장치들은 기존에 차량에 있던 기능들을 대체하는 경우도 있지만, 새로운 기능의 구현을 위해 설치되는 경우가 더 많다. 따라서, 차량에는 기존의 기계장치들과 함께 전자장치들이 부가됨에 따라, 고장이 발생할 수 있는 부품들이 크게 늘어나고 있다. In recent years, vehicles have increasingly increased electronic functions. Accordingly, various electronic devices are installed and used in vehicles. While these electronic devices may replace functions existing in the vehicle, they are often installed to implement new functions. Therefore, as electronic devices are added to the vehicle along with existing machinery, there are a large number of parts that may cause a failure.

이러한 부품의 증가에 따라, 전자장치들이나 기계장치들 중 일부 기능들의 고장을 자동으로 진단할 수 있는 고장진단용 전자제품들이 출시되어 사용되고 있다. 그러나, 이러한 전자제품들은 일부 부품들의 진단만 가능할 뿐만 아니라, 고장이 발생한 이후에 고장이 발생하였음을 알리게 된다. 또한, 엔진오일, 미션오일, 점화플러그, 타이밍 벨트 등 일반적으로 교환주기가 설정된 차량 소모품의 교환주기를 알려주는 것이 전부이다. With the increase of such components, troubleshooting electronic products that can automatically diagnose failures of some functions of electronic devices or mechanical devices have been introduced and used. However, these electronic products are not only capable of diagnosing some parts, but also indicate that a failure has occurred after the failure has occurred. In addition, it is all to inform the replacement period of the vehicle consumables in which the replacement period is generally set such as engine oil, mission oil, spark plug, timing belt, and the like.

이에 따라, 차량이 고장나기 전까지 차량의 고장 징후를 발견하기 어렵기 때문에, 차량에 고장이 발생하여 도로에 멈추거나 사고를 유발할 수도 있다. 또한 아직 사용이 가능한 소모품들을 교환하게 되는 일들이 발생하였다. Accordingly, since it is difficult to detect a failure sign of the vehicle until the vehicle breaks down, a failure may occur in the vehicle to stop on the road or cause an accident. There has also been a shift in the exchange of consumables that are still available.

따라서, 고장이 발생할 것을 미리 예상할 수 있는 고장 진단 시스템을 개발할 필요가 있다. Therefore, there is a need to develop a failure diagnosis system that can predict in advance that a failure will occur.

본 발명은, 차량의 고장 발생을 미리 예상할 수 있도록 하는 차량 고장 진단법을 시스템 및 그 진단방법을 제안한다. The present invention proposes a system and method for diagnosing a vehicle failure diagnosis method which can predict the occurrence of a failure of a vehicle in advance.

상기 목적은, 다수의 차량으로부터 부품의 상태와 고장 여부에 대한 데이터를 수집하여 차량의 고장을 예상하기 위한 고장예상 기준데이터를 생성하는 진단서버; 및 상기 차량에 설치되어 자차의 각 부품의 상태와 고장 여부에 대한 데이터를 수집하여 상기 진단서버로 제공하고, 상기 진단서버로부터 제공된 고장예상 기준데이터와 상기 자차에 대한 데이터를 비교하여 상기 자차의 고장을 예상하는 차량진단장치;를 포함하는 차량 고장 진단 시스템에 의해 달성될 수 있다.The object of the present invention is to diagnose the failure state of the vehicle by collecting data on the state of the parts and whether the failure from a plurality of vehicles generating a diagnostic reference data for predicting the failure of the vehicle; And installed in the vehicle to collect data on the state of each part of the vehicle and whether there is a failure, and provide the diagnostic server, and compare the failure prediction reference data provided from the diagnosis server with the data on the vehicle to break down the vehicle. It can be achieved by a vehicle failure diagnosis system comprising; a vehicle diagnostic device for predicting.

상기 목적은, 다수의 차량으로부터 부품의 상태와 고장 여부에 대한 데이터를 수집하는 데이터 수집단계; 상기 데이터를 외부의 진단서버로 전송하는 단계; 상기 진단서버에서 상기 데이터를 머신러닝하여 차량의 고장을 예상하기 위한 고장예상 기준데이터를 생성하는 데이터 생성단계; 및 상기 진단서버에서 생성된 상기 고장예상 기준데이터와 자차에 대해 수집된 상기 데이터를 비교하여 상기 자차의 고장을 예상하는 고장 예상단계;를 포함하는 차량 고장 진단 방법에 의해서도 달성될 수 있다. The object is a data collection step of collecting data on the status and failure of the parts from a plurality of vehicles; Transmitting the data to an external diagnosis server; A data generation step of generating a predictive failure reference data for predicting a failure of a vehicle by machine learning the data in the diagnosis server; And a failure estimating step of estimating a failure of the own vehicle by comparing the failure prediction reference data generated by the diagnosis server with the data collected for the own vehicle.

본 발명에 따르면, 자차의 고장 시기를 정확하게 예상할 수 있으므로, 운전자가 고장이 예측되는 장치나 부품을 미리 점검할 수 있도록 한다. 이로 인해, 갑작스런 고장으로 인한 운전자의 불편함을 방지하고, 고장에 의해 발생하는 사고를 방지할 수 있다. According to the present invention, it is possible to accurately predict the failure time of the host vehicle, so that the driver can check in advance the device or parts for which the failure is predicted. As a result, it is possible to prevent the driver's discomfort due to a sudden failure and to prevent an accident caused by the failure.

도 1은 본 발명에 따른 차량 고장 진단 시스템의 개략적 구성도이다.
도 2는 도 1의 차량 고장 진단 시스템의 차량진단장치의 구성블럭도이다.
도 3은 도 1의 차량 고장 진단 시스템의 진단서버의 구성블럭도이다.
도 4는 본 발명에 따른 차량 고장 진단 시스템에서 고장예상 기준데이터를 생성하는 과정을 보인 흐름도이다.
도 5는 본 발명에 따른 차량 고장 진단 시스템에서 고장예상 기준데이터를 이용하여 차량의 고장을 예상하는 과정을 보인 흐름도이다. 1 is a schematic configuration diagram of a vehicle failure diagnosis system according to the present invention.
FIG. 2 is a block diagram illustrating a vehicle diagnostic apparatus of the vehicle failure diagnosis system of FIG. 1.
3 is a block diagram illustrating a diagnosis server of the vehicle failure diagnosis system of FIG. 1.
4 is a flowchart illustrating a process of generating failure prediction reference data in a vehicle failure diagnosis system according to the present invention.
5 is a flowchart illustrating a process of estimating a failure of a vehicle using failure prediction reference data in a vehicle failure diagnosis system according to the present invention.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성 요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.Hereinafter, some embodiments of the present invention will be described in detail through exemplary drawings. In adding reference numerals to the components of each drawing, it should be noted that the same reference numerals are assigned to the same elements as much as possible even though they are shown in different drawings. In addition, in describing the present invention, when it is determined that the detailed description of the related well-known configuration or function may obscure the gist of the present invention, the detailed description thereof will be omitted.

또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.In addition, in describing the component of this invention, terms, such as 1st, 2nd, A, B, (a), (b), can be used. These terms are only for distinguishing the components from other components, and the nature, order or order of the components are not limited by the terms. If a component is described as being "connected", "coupled" or "connected" to another component, that component may be directly connected to or connected to that other component, but there may be another configuration between each component. It is to be understood that the elements may be "connected", "coupled" or "connected".

도 1은 본 발명에 따른 차량 고장 진단 시스템의 개략적 구성도이다.1 is a schematic configuration diagram of a vehicle failure diagnosis system according to the present invention.

본 발명에 따른 차량 고장 진단 시스템(1)은, 다수의 차량으로부터 차량의 상태와 고장 여부 등에 대한 데이터를 수집하여 이를 기반으로 차량의 고장을 미리 예상할 수 있도록 한다. The vehicle fault diagnosis system 1 according to the present invention collects data on a state of a vehicle and whether there is a fault from a plurality of vehicles, and predicts a failure of the vehicle in advance.

이를 위해, 본 차량 고장 진단 시스템(1)은, 다수의 차량으로부터 부품의 상태와 고장 여부에 대한 데이터를 수집하여 고장을 예상하기 위한 고장예상 기준데이터를 생성하는 진단서버(100)와, 차량에 설치되어 차량의 각 부품의 상태를 수집하여 진단서버(100)로 제공하고 진단서버(100)로부터 제공된 고장예상 기준데이터를 이용하여 자차의 고장을 예상하는 차량진단장치(10)를 포함할 수 있다. To this end, the vehicle failure diagnosis system 1 includes a diagnostic server 100 that collects data on the state and failure of parts from a plurality of vehicles and generates failure reference data for predicting a failure, It may include a vehicle diagnostic device 10 installed to collect the state of each part of the vehicle to provide to the diagnostic server 100 and to predict the failure of the own vehicle using the failure prediction reference data provided from the diagnostic server 100. .

차량진단장치(10)는, 도 2에 도시된 바와 같이, 각 부품의 상태에 대한 데이터를 수집하는 데이터 수집모듈(20), 데이터 수집모듈(20)에서 수집된 데이터를 저장하는 메모리(30), 데이터 수집모듈(20)에서 수집된 데이터와 진단서버(100)로부터 제공된 맞춤형 고장예상 기준데이터를 비교하여 자차의 고장을 예상하는 예상진단부(40), 운전자에 의한 데이터의 입출력 또는 차량진단장치(10)의 데이터 입출력을 위한 디스플레이부(50), 진단서버(100)와의 통신을 위한 차량통신부(60)를 포함할 수 있다. As shown in FIG. 2, the vehicle diagnostic apparatus 10 may include a data collection module 20 for collecting data on a state of each component, and a memory 30 for storing data collected by the data collection module 20. Predictive diagnosis unit 40 to predict the failure of the vehicle by comparing the data collected by the data collection module 20 and the customized failure prediction reference data provided from the diagnostic server 100, input and output of the data by the driver or vehicle diagnostic device The display unit 50 for data input and output of the 10 and the vehicle communication unit 60 for communication with the diagnostic server 100 may be included.

데이터 수집모듈(20)은, 차량내의 다양한 데이터들을 수집할 수 있으며, 마이크(21), 차량내의 각 전자제어유닛(ECU: Electronic Control Unit)으로부터 데이터를 수집하는 CAN 수집부(23), 네비게이션(25), 고장데이터 수집부(27) 등을 포함할 수 있다. 데이터 수집모듈(20)은 다양하게 구성될 수 있으며, 본 발명의 권리범위는 데이터 수집모듈(20)의 종류에 한정되지 아니한다. The data collection module 20 may collect various data in the vehicle, and collects data from the microphone 21, each electronic control unit (ECU) in the vehicle, and a CAN collector 23 and a navigation ( 25, the failure data collection unit 27 and the like. The data collection module 20 may be configured in various ways, and the scope of the present invention is not limited to the type of the data collection module 20.

마이크(21)는 차량내의 소음을 발생시키는 복수의 장소에 설치될 수 있다. 예를 들면, 엔진, 머플러, 타이어, 벨트 등 소음을 발생시키는 다양한 위치에 설치될 수 있다. 각 위치에서는 통상시에는 표준 소음이 발생하지만, 이상이 발생하기 시작하면 정상적인 소음과는 다른 소음이 발생하기 시작한다. 마이크(21)를 통해 수집된 소음은, 소음이 기록된 위치에 대한 정보와 함께 수집될 수 있다. 또한 마이크(21)를 통해 기록된 소음은 차량의 운행거리와 매칭되어 수집될 수도 있으며, 이 경우, 차량이 신차일때의 소음을 별도로 수집하여 진단서버에서 기준 소음으로 사용하도록 할 수도 있다. The microphone 21 may be installed at a plurality of places that generate noise in the vehicle. For example, the engine, muffler, tires, belts, etc. can be installed in various locations that generate noise. In each position, standard noise is normally generated, but when abnormality starts, noise starts to be different from normal noise. The noise collected through the microphone 21 may be collected along with information about the location where the noise is recorded. In addition, the noise recorded through the microphone 21 may be collected and matched with the traveling distance of the vehicle. In this case, the noise when the vehicle is a new car may be separately collected and used as a reference noise in the diagnostic server.

CAN 수집부(23)는, 차량용 통신 프로토콜인 CAN(Controller Area Network)을 이용하여 데이터를 수집할 수 있다. 차량내에는 다수의 전자제어유닛(ECU: Electronic Control Unit)이 설치되어 있으며, 전자제어유닛은 차량내에 설치된 다양한 전자장치들을 제어하고 관리하는 기능을 가진 제어장치로서, CAN을 이용하여 상호 데이터를 교환할 수 있다. The CAN collector 23 may collect data using a controller area network (CAN) that is a vehicle communication protocol. A number of electronic control units (ECUs) are installed in the vehicle, and the electronic control unit is a control unit that controls and manages various electronic devices installed in the vehicle, and exchanges data with each other using CAN. can do.

CAN 수집부(23)는, CAN 통신을 이용하여 각 전자제어유닛으로부터 데이터를 수집할 수 있으며, CAN 수집부(23)는 엔진 전자제어유닛, 브레이크 전자제어유닛, 스티어링 전자제어유닛, 서스펜션 전자제어유닛 등 다양한 전자제어유닛으로부터 직접 데이터를 수집할 수도 있고, OBD(On-board Diagnosis) 단자를 통해 각 전자제어유닛과 각종 센서에 대한 정보를 수집할 수도 있다. The CAN collecting unit 23 may collect data from each electronic control unit using CAN communication, and the CAN collecting unit 23 may include an engine electronic control unit, a brake electronic control unit, a steering electronic control unit, and a suspension electronic control unit. Data can be collected directly from various electronic control units such as units, and information about each electronic control unit and various sensors can be collected through an on-board diagnosis (OBD) terminal.

예를 들어, CAN 수집부(23)는 스티어링 전자제어유닛으로부터 운전자가 스티어링을 돌리는 각도와, 스티어링을 돌리는 속도를 제공받아 수집할 수 있고, 브레이크 전자제어유닛으로부터 브레이크를 밟은 횟수, 운전자가 브레이크를 밟는 특징 등을 제공받아 수집할 수 있다. 또한, CAN 수집부(23)는 서스펜션 전자제어유닛으로부터 서스펜션의 작동 범위나 작동 횟수 등에 대한 정보를 수집할 수 있다. For example, the CAN collector 23 may receive and collect the angle at which the driver turns the steering and the speed at which the driver turns the steering from the steering electronic control unit, and the number of times the driver presses the brake from the brake electronic control unit and the driver may apply the brake. Can collect and receive the characteristics of the foot. In addition, the CAN collection unit 23 may collect information on the operating range of the suspension, the number of operations, and the like from the suspension electronic control unit.

차량용 통신 프로토콜로는 LIN (Local Interconnect Network)이나 Flexray 중 하나를 사용할 수도 있으며, 이 경우, LIN이나 Flexray를 이용하여 각 전자제어유닛으로부터 데이터를 수집할 수도 있다. The vehicle communication protocol may use either a LIN (Local Interconnect Network) or Flexray. In this case, the LIN or Flexray may be used to collect data from each electronic control unit.

네비게이션(25)은, 차량이 운행한 도로의 정보를 수집하며, 차량이 비포장도로나 오르막길 등을 주행하는지에 대한 정보를 제공할 수 있다. 차량이 비포장도로나 오르막길을 주로 운행하는 경우 트랜스미션에 고장이 발생할 확률이 높아질 수 있다. 한편, 트랜스미션은 기어변속 횟수나 기어변속에 대한 운전자의 습관에 따라 고장이 발생할 확률이 달라질 수 있으며, 이러한 정보도 수집되어 진단서버(100)로 제공될 수 있다. The navigation 25 collects information on a road on which the vehicle has traveled and may provide information on whether the vehicle travels on a dirt road or an uphill road. If the vehicle is driven primarily on dirt roads or uphill roads, the transmission can be more likely to fail. On the other hand, the transmission may vary according to the number of gear shifts or the habits of the driver for the gear shift, the probability of occurrence of a failure, such information may also be collected and provided to the diagnostic server (100).

고장데이터 수집부(27)는, 차량에 발생한 고장 데이터를 수집할 수 있다. 고장데이터 수집부(27)에서 수집된 데이터를 이용하면 차량의 고장이력을 생성할 수도 있고, 다른 정보들과 함께 사용하여 어떤 조건에서 해당 부품에 고장이 발생하는지 파악할 수도 있다. 이러한 고장데이터 수집부(27)는 DTC(Diagnostic Trouble Codes) 코드를 이용하여 고장데이터를 수집할 수도 있다. The failure data collection unit 27 may collect failure data generated in the vehicle. Using the data collected by the fault data collection unit 27 may generate a fault history of the vehicle, or may be used together with other information to determine under what conditions a fault occurs in the part. The fault data collection unit 27 may collect fault data using Diagnostic Trouble Codes (DTC) codes.

메모리(30)에는 데이터 수집모듈(20)에서 수집된 데이터가 저장되며, 데이터의 종류에 따라 분류되어 저장될 수 있다. 예를 들어, CAN 수집부(23)를 통해 수집된 데이터, 네비게이션(25)을 통해 수집된 데이터, 고장데이터 수집부(27)를 통해 수집된 데이터가 분류되어 메모리(30)에 저장되며, CAN 수집부(23)에서 수집된 데이터는 각 전자제어유닛 별로 분류되어 저장될 수 있다. The data collected by the data collection module 20 may be stored in the memory 30, and may be classified and stored according to the type of data. For example, data collected through the CAN collector 23, data collected through the navigation 25, and data collected through the fault data collector 27 may be classified and stored in the memory 30. Data collected by the collection unit 23 may be classified and stored for each electronic control unit.

예상진단부(40)는, 진단서버(100)로부터 제공된 맞춤형 고장예상 기준데이터와, 메모리(30)에 저장된 데이터를 비교하여 자차의 고장을 예상할 수 있다. The predicted diagnosis unit 40 may predict the failure of the host vehicle by comparing the customized failure prediction reference data provided from the diagnosis server 100 with the data stored in the memory 30.

맞춤형 고장예상 기준데이터는, 차량의 각 부품에 대한 사용연한, 차량의 각운전부품에 대한 고장 전의 징후들, 운전자의 운전습관에 따른 변수, 차량 고유의 특징에 의한 변수 등을 포함할 수 있다. The customized failure prediction reference data may include a service life of each part of the vehicle, signs before failure of each driving part of the vehicle, variables according to driver's driving habits, variables due to unique characteristics of the vehicle, and the like.

예상진단부(40)는, 맞춤형 고장예상 기준데이터와 자차의 데이터를 비교하여 일정 기간이내에 고장이 예상되는 부품이 발견되면, 해당 부품에 대한 고장예상 정보를 생성하고, 생성된 고장예상 정보를 디스플레이부(50)로 전달하여 표시되도록 한다. The predictive diagnosis unit 40 compares the customized failure prediction reference data with the data of the own vehicle, and if a part is expected to be found within a certain period of time, the failure diagnosis information is generated for the corresponding part, and the generated failure prediction information is displayed. Transfer to section 50 to be displayed.

예를 들어, 마이크(21)를 통해 수집한 자차의 소음 데이터와, 고장예상 기준데이터로서 고장이 발생할 때 생성되는 소음 데이터를 제공받은 경우, 예상진단부(40)는 양 소음 데이터를 상호 비교하게 된다. 비교결과, 마이크(21)를 통해 수집된 자차의 소음과, 고장 발생시 생성되는 일정 주파수의 소음과 일정 % 이상 매칭되면, 예상진단부(40)는 해당 부품에 고장이 발생할 확률이 있다고 판단할 수 있다. For example, when the noise data of the own vehicle collected through the microphone 21 and the noise data generated when a failure occurs as the predicted failure reference data are provided, the predicted diagnosis unit 40 may compare both noise data with each other. do. As a result of the comparison, if the noise of the own vehicle collected through the microphone 21 and the noise of a certain frequency generated when a failure occurs more than a certain percentage, the predicted diagnosis unit 40 may determine that there is a possibility that a failure occurs in the part. have.

한편, 예상진단부(40)는, 운전자가 해당 부품에 대한 수리를 하지 않을 경우, 미리 설정된 일정 시간마다 운전자에게 해당 부품의 수리가 요청된다는 경보를 제공할 수 있다. 경보는 디스플레이부(50)를 통해서 제공될 수도 있고, 음성으로 지원될 수도 있다. On the other hand, when the driver does not repair the part, the expected diagnosis unit 40 may provide an alert that the driver is requested to repair the part at a predetermined time. The alarm may be provided through the display unit 50 or may be supported by voice.

디스플레이부(50)는 정보를 입출력하여 운전자와의 커뮤니케이션 기능을 제공하며, 운전자는 디스플레이부(50)를 통해 부품의 고장예상 정보를 제공받을 수 있다. The display unit 50 inputs / outputs information to provide a communication function with the driver, and the driver may be provided with failure prediction information of the component through the display unit 50.

차량통신부(60)는 진단서버(100)와의 통신을 지원할 수 있다. The vehicle communication unit 60 may support communication with the diagnosis server 100.

차량이 진단서버(100)와 통신을 하기 위해서는 V2X(Vehicle to Everything)을 이용해야 한다. V2X는 V2V (Vehicle to Vehicle), V2I (Vehicle to Infrastructure), V2N (Vehicle to Nomadice device)를 포함하는 기술로서, 이 중 차량이 진단서버(100)와 통신을 하기 위해서는 V2I 기술, 즉 도로주변에 설치되어 차량과 소통하는 노변장치(200) (RSU: Road-Side Unit)을 이용하여야 한다. In order for the vehicle to communicate with the diagnostic server 100, a vehicle to everything (V2X) must be used. V2X includes V2V (Vehicle to Vehicle), V2I (Vehicle to Infrastructure), and V2N (Vehicle to Nomadice device). Among them, in order for the vehicle to communicate with the diagnosis server 100, V2I technology, that is, around the road A roadside unit 200 (RSU: Road-Side Unit) installed to communicate with the vehicle should be used.

차량통신부(60)는 도로주변에 설치된 노변장치(200)들과 통신하여 네트워크를 형성할 수 있으며, 노변장치(200)를 통해 진단서버(100)와 통신할 수 있다. The vehicle communication unit 60 may form a network by communicating with roadside devices 200 installed around a road, and may communicate with the diagnosis server 100 through the roadside device 200.

노변장치(200)와 무선으로 통신함에 따라, 차량통신부(60)는 자차와 노변장치(200)와의 무선통신을 지원하며, 차량통신부(60)에서는 WiFi, Wibro 등의 무선통신방식을 이용할 수 있다. 이러한 차량통신부(60)는 정확도가 높고 순간적인 통신속도가 빠른 5.8 GHz 대역의 근거리 통신(DSRC: Dedicated Short Range Communication) 방식을 이용할 수도 있다.As the wireless communication with the roadside device 200, the vehicle communication unit 60 supports wireless communication between the vehicle and the roadside device 200, the vehicle communication unit 60 may use a wireless communication method such as WiFi, Wibro. . The vehicle communication unit 60 may use a Dedicated Short Range Communication (DSRC) method of the 5.8 GHz band with high accuracy and rapid instantaneous communication speed.

한편, 노변장치(200)는 진단서버(100)와 무선 또는 유선으로 통신할 수 있으며, 무선으로 통신할 경우에는 WiFi, Wibro, DSRC 중 어느 하나의 통신방식을 이용할 수 있고, 유선으로 통신할 경우에는 TCP/IP 프로토콜 기반의 통신을 지원할 수 있다. 본 발명에서 노변장치(200)는, 차량과 진단서버(100)와의 통신을 지원하는 역할만을 하므로, 노변장치(200)의 상세한 구조나 기능에 대한 설명은 생략하기로 한다. On the other hand, the roadside device 200 may communicate with the diagnostic server 100 by wireless or wired, and when communicating wirelessly may use any one of the WiFi, Wibro, DSRC communication method, when communicating by wire TCP / IP protocol-based communication can be supported. In the present invention, since the roadside device 200 only serves to support communication between the vehicle and the diagnostic server 100, a detailed description of the structure and function of the roadside device 200 will be omitted.

진단서버(100)는, 도 3에 도시된 바와 같이, 차량으로부터 제공된 데이터를 저장하는 제1데이터베이스(110), 제1데이터베이스(110)에 저장된 데이터를 머신러닝하여 고장예상 기준데이터를 생성하는 머신러닝부(120), 머신러닝부(120)의 러닝결과인 고장예상 기준데이터가 저장된 제2데이터베이스(130), 진단서버(100)에 접속한 각 차량들에 부합되는 맞춤형 고장예상 기준데이터를 생성하는 맞춤데이터 생성부(140), 차량과의 통신을 위한 서버통신부(150), 진단서버(100)의 동작을 제어하고 맞춤데이터 생성부(140)에서 생성된 맞춤형 고장예상 기준데이터를 각 차량에 제공하는 서버제어부(160)를 포함할 수 있다. As illustrated in FIG. 3, the diagnostic server 100 may machine learning the data stored in the first database 110 and the first database 110 to store data provided from the vehicle, thereby generating failure prediction reference data. Generates the customized failure prediction reference data corresponding to each vehicle connected to the second database 130 and the diagnostic server 100 storing the failure prediction reference data which is the running result of the running unit 120 and the machine learning unit 120. To control the operation of the custom data generation unit 140, the server communication unit 150 for communication with the vehicle, the diagnostic server 100 and the customized failure prediction reference data generated by the custom data generation unit 140 to each vehicle It may include a server control unit 160 to provide.

제1데이터베이스(110)는 다수의 차량의 차량진단장치(10)에서 수집되어 노변장치(200)를 통해 진단서버(100)로 제공된 데이터를 저장할 수 있다. 이때, 제1데이터베이스(110)는 다양한 분류기준에 따라 데이터를 분류하여 저장할 수 있으며, 데이터는 차량의 종류, 엔진의 배기량, 차량의 연식에 따라 분류되어 저장될 수도 있고, 부품의 종류에 따라 분류되어 저장될 수도 있다. 또한, 데이터는 복수의 분류레벨에 따라 분류되어 저장될 수도 있다. 예를 들어, 데이터는 차량의 종류, 엔진이 배기량, 연식에 따라 1차 분류레벨로 분류된 다음, 2차 분류레벨로 엔진, 트랜스미션, 서스펜션, 스티어링 등 장치에 따라 분류되고, 3차 분류레벨로 각 장치에 포함되는 부품에 따라 분류될 수도 있다. The first database 110 may store data collected by the vehicle diagnostic apparatus 10 of the plurality of vehicles and provided to the diagnosis server 100 through the roadside apparatus 200. In this case, the first database 110 may classify and store data according to various classification criteria, and the data may be classified and stored according to the type of vehicle, the engine displacement, and the year of the vehicle. May be stored. In addition, data may be classified and stored according to a plurality of classification levels. For example, the data is classified into the primary classification level according to the type of vehicle, the engine displacement, and the year, and then the secondary classification level according to the engine, transmission, suspension, steering, etc., and the third classification level. It may be classified according to the parts included in each device.

머신러닝부(120)는, 제1데이터베이스(110)에 저장된 다수의 차량으로부터 제공된 데이터를 머신러닝하여 차량의 고장을 예상할 수 있는 고장예상 기준데이터를 생성할 수 있다. The machine learning unit 120 may generate failure prediction reference data that may predict failure of the vehicle by machine learning data provided from a plurality of vehicles stored in the first database 110.

머신러닝부(120)는, 차량의 종류, 엔진의 배기량, 차량의 연식 등 1차 분류레벨에 따라 분류된 데이터를 각각 머신러닝하여 차량의 종류, 엔진의 배기량, 차량의 연식에 따라 각 부품에 대한 별도의 고장예상 기준데이터를 생성할 수 있다. 또한, 머신러닝부(120)는 엔진, 트랜스미션, 서스펜션, 스티어링 등 장치에 따라 분류된 데이터를 각각 머신러닝하여 각 장치에 대한 고장예상 기준데이터를 생성할 수도 있다. The machine learning unit 120 machine-learns the data classified according to the primary classification level, such as the type of vehicle, the engine displacement, and the model year of the vehicle, respectively, according to the type of vehicle, the engine displacement, and the model year of the vehicle. Separate failure prediction reference data can be generated. In addition, the machine learning unit 120 may generate failure reference data for each device by machine learning data classified according to devices such as an engine, a transmission, a suspension, and a steering.

한편, 머신러닝부(120)는 차량의 종류, 엔진의 배기량, 차량의 연식에 상관없이 각 차량으로부터 제공된 데이터를 머신러닝하여 각 장치나 각 부품에 대한 고장예상 기준데이터를 생성할 수도 있다. On the other hand, the machine learning unit 120 may generate the failure prediction reference data for each device or each part by machine learning the data provided from each vehicle, regardless of the type of vehicle, engine displacement, vehicle age.

이때, 머신러닝부(120)는 다수의 차량으로부터 데이터를 제공받기 때문에 단순히 기존에 나와 있는 모든 차량에 적용되는 일반적인 기준이 아니라, 차량의 특성에 따른 상세한 맞춤형 데이터를 생성할 수 있다. In this case, since the machine learning unit 120 receives data from a plurality of vehicles, the machine learning unit 120 may generate detailed customized data according to the characteristics of the vehicle, not just general standards applied to all existing vehicles.

예를 들어, 일반적으로 브레이크 오일의 교환주기가 2년에 4만 킬로미터로 알려져 있다. 그러나, 머신러닝부(120)에 의해 생성된 고장예상 기준데이터는, 1500cc 배기량의 2010년산 A 차종의 경우, 브레이크 오일의 교환주기는 주로 고속도로를 운행하는 차량의 경우에는 2년에 32,000 킬로미터이고, 주로 도심을 운행하는 차량의 경우에는 2년에 41,000 킬로미터에 교환을 해야 한다고 생성될 수 있다. 보다 상세하게는, 고속도로를 운행한 킬로미터, 도심을 운행한 킬로미터, 차량이 오르막길과 내리막길을 운행한 킬로미터 등의 조건에 따라 고장예상 기준데이터가 각각 생성될 수도 있다. For example, it is generally known that the change interval of brake oil is 40,000 kilometers in two years. However, the predicted failure reference data generated by the machine learning unit 120 shows that, in the case of the 2010 Year A model of 1500cc displacement, the brake oil replacement cycle is 32,000 kilometers in two years for a vehicle driving on a highway, It can be created that a vehicle running mainly in the city would have to exchange at 41,000 kilometers in two years. More specifically, failure prediction reference data may be generated according to conditions such as a kilometer on a highway, a kilometer on a city center, and a kilometer on a vehicle uphill and downhill.

다른 예로서, 머신러닝부(120)에서 생성된 고장예상 기준데이터는, 하나의 부품에 대해 부품이 고장날 가능성이 있는 징후와 고장예상 시기에 대한 정보를 포함할 수 있다. 머신러닝부(120)는 네비게이션(25)으로부터 수집된 데이터와, 스티어링 전자제어유닛으로부터 수집된 스티어링휠의 회전각도 등에 대한 데이터를 이용하여 차량이 좌회전이나 우회전을 일정 횟수 이상 수행하거나 일정 각도 이상 수행한 적이 몇 번 이상인 경우, 스티어링휠이 언제쯤 고장날 가능성이 있다는 시기를 포함하는 고장예상 기준데이터를 생성할 수 있다. As another example, the failure prediction reference data generated by the machine learning unit 120 may include information about a sign that a component may be broken and a predicted failure time for one component. The machine learning unit 120 performs the left turn or the right turn more than a certain number of times or at least a certain angle by using data collected from the navigation 25 and data about the rotation angle of the steering wheel collected from the steering electronic control unit. If more than one time has occurred, it is possible to generate failure reference data, including when the steering wheel may fail at any time.

이렇게 머신러닝부(120)에서 생성되는 고장예상 기준데이터는 하나의 부품에 대해서도 다수개가 생성될 수 있다. 고장예상 기준데이터는 동일한 차종, 배기량, 연식인 경우에도, 운행 조건에 따라, 하나의 부품에 대해 다수개가 생성될 수 있다. 예를 들어, 운행 조건은 차량이 운행한 도로의 상태, 운전자의 운전 습관 등을 포함할 수 있으며, 이러한 운행 조건에 따라 하나의 부품에 대한 고장예상 기준데이터가 각각 생성될 수 있다.Thus, a plurality of failure prediction reference data generated by the machine learning unit 120 may be generated even for one component. Even in the case of the same vehicle type, displacement, and age, the predicted failure reference data may be generated in plural for one part depending on the driving conditions. For example, the driving condition may include a state of a road on which the vehicle has traveled, a driving habit of a driver, and the like, and failure prediction reference data for one part may be generated according to the driving condition.

제2데이터베이스(130)에는 머신러닝부(120)에서 생성된 고장예상 기준데이터가 차종, 엔진종류(배기량), 연식 등에 따라 분류되어 저장되어 있다. 또한, 고장예상 기준데이터는 운행 조건에 따라 동일한 차종, 배기량, 연식에 대해서도 분류되어 제2데이터베이스(130)에 저장될 수 있다. The failure prediction reference data generated by the machine learning unit 120 is classified and stored in the second database 130 according to a vehicle type, an engine type (exhaust amount), a year, and the like. In addition, the failure prediction reference data may be classified in the same vehicle type, displacement, and year according to a driving condition and stored in the second database 130.

맞춤데이터 생성부(140)는, 진단서버(100)에 접속하여 자차의 데이터를 업로드하고 고장예상 기준데이터를 요청하는 차량에 대한 맞춤형 고장예상 기준데이터를 생성할 수 있다. The custom data generation unit 140 may access the diagnosis server 100 to upload data of the own vehicle and generate customized failure prediction reference data for the vehicle requesting failure prediction reference data.

맞춤데이터 생성부(140)는, 진단서버(100)에 접속한 차량의 차종, 배기량, 연식을 확인하고, 차종, 배기량, 연식에 부합되는 맞춤형 고장예상 기준데이터를 제2데이터베이스(130)로부터 인출하여 해당 차량에 대한 맞춤형 고장예상 기준데이터를 생성할 수 있다. 이때, 맞춤데이터 생성부(140)는, 해당 차량의 차종, 배기량, 연식뿐만 아니라, 해당 차량이 제공한 상세한 운행조건에 부합되는 고장예상 기준데이터를 제2데이터베이스(130)로부터 인출하여 맞춤형 고장예상 기준데이터를 생성할 수도 있다. 예를 들어, 해당 차량이 주로 시내만 주행하는 경우, 맞춤데이터 생성부(140)는 해당 차량의 시내 주행 킬로미터에 부합되는 고장예상 기준데이터를 맞춤형 고장예상 기준데이터로 추출할 수 있다. The custom data generation unit 140 checks the vehicle model, the displacement, and the year of the vehicle connected to the diagnosis server 100, and withdraws the customized failure prediction reference data corresponding to the vehicle, the displacement, and the year from the second database 130. To generate customized failure prediction reference data for the vehicle. At this time, the customized data generation unit 140, as well as the vehicle model, the displacement, the model year of the vehicle, withdraw the failure prediction reference data that meets the detailed operating conditions provided by the vehicle from the second database 130, the customized failure prediction Reference data can also be generated. For example, when the vehicle mainly travels only in the city, the custom data generation unit 140 may extract failure prediction reference data corresponding to the downtown driving kilometer of the vehicle as the customized failure prediction reference data.

서버통신부(150)는 노변장치(200)와 통신을 지원함으로써, 노변장치(200)와 통신가능한 차량으로부터의 데이터를 수집할 수 있도록 한다. 서버통신부(150)는 노변장치(200)와 유선통신 또는 무선통신할 수 있으며, 무선으로 통신할 경우에는 WiFi, Wibro, DSRC 중 어느 하나의 통신방식을 이용할 수 있고, 유선으로 통신할 경우에는 TCP/IP 프로토콜 기반의 통신을 지원할 수 있다. The server communication unit 150 supports communication with the roadside device 200, thereby collecting data from a vehicle that can communicate with the roadside device 200. The server communication unit 150 may perform wired communication or wireless communication with the roadside device 200. When communicating wirelessly, any one of WiFi, Wibro, and DSRC communication methods may be used. / IP protocol based communication can be supported.

서버제어부(160)는, 서버통신부(150)를 통해 노변장치(200)로부터 수신되는 차량의 데이터를 제1데이터베이스(110)에 저장하는 한편, 머신러닝부(120)에서 생성된 고장예상 기준데이터를 제2데이터베이스(130)에 저장할 수 있다. 또한, 서버제어부(160)는 주기적으로 또는 차량의 차량진단장치(10)로부터 요청을 받으면, 맞춤데이터 생성부(140)를 동작시켜 해당 차량에 부합되는 맞춤형 고장예상 기준데이터를 생성하도록 하고, 생성된 맞춤형 고장예상 기준데이터를 해당 차량으로 노변장치(200)를 통해 제공되도록 서버통신부(150)를 제어할 수 있다. The server controller 160 stores the data of the vehicle received from the roadside device 200 through the server communication unit 150 in the first database 110, while predicting failure reference data generated by the machine learning unit 120. May be stored in the second database 130. In addition, the server controller 160 generates a customized failure prediction reference data corresponding to the vehicle by operating the custom data generator 140 periodically or upon receiving a request from the vehicle diagnostic apparatus 10 of the vehicle. The server communication unit 150 may be controlled to provide the customized failure prediction reference data to the vehicle through the roadside device 200.

이러한 구성에 의한 차량 고장 진단 시스템(1)에서 다수의 차량으로부터 데이터를 수집하여 고장예상 기준데이터를 생성하는 과정을 도 4를 참조하여 설명하면 다음과 같다. The process of generating data for predicting failure by collecting data from a plurality of vehicles in the vehicle failure diagnosis system 1 having such a configuration will be described below with reference to FIG. 4.

진단서버(100)는 노변장치(200)와 무선 또는 유선으로 통신하며, 서버제어부(160)는 노변장치(200)를 통해 다수의 차량으로부터 차량진단장치(10)에서 수집한 데이터를 수신할 수 있다(S400). The diagnostic server 100 communicates with the roadside apparatus 200 by wire or wirelessly, and the server controller 160 may receive data collected by the vehicle diagnosis apparatus 10 from a plurality of vehicles through the roadside apparatus 200. There is (S400).

데이터가 수신되면, 서버제어부(160)는 수집한 데이터를 미리 설정된 분류기준에 따라 분류하여 제1데이터베이스(110)에 저장할 수 있다. 그런 다음, 서버제어부(160)는 머신러닝부(120)를 동작시켜 제1데이터베이스(110)에 저장된 데이터를 머신러닝하여 각 장치 또는 각 부품에 대한 고장예상 기준데이터를 생성하도록 한다(S410). 서버제어부(160)는 생성된 고장예상 기준데이터를 제2데이터베이스(130)에 저장한다. When the data is received, the server controller 160 may classify the collected data according to a preset classification criteria and store the collected data in the first database 110. Thereafter, the server controller 160 operates the machine learning unit 120 to machine learn the data stored in the first database 110 to generate failure prediction reference data for each device or each component (S410). The server controller 160 stores the generated failure prediction reference data in the second database 130.

미리 설정된 일정 주기에 도달하거나, 차량진단장치(10)로부터 요청신호가 수신되면, 서버제어부(160)는 맞춤데이터 생성부(140)를 동작시켜 해당 차량의 차종, 배기량, 연식에 부합되는 맞춤형 고장예상 기준데이터를 생성하도록 한다(S420). 그런 다음, 서버제어부(160)는 해당 맞춤형 고장예상 기준데이터를 해당 차량에 전송할 수 있다(S430). When a predetermined period of time is reached or when a request signal is received from the vehicle diagnosis apparatus 10, the server controller 160 operates the custom data generator 140 so that a custom failure corresponding to the vehicle type, displacement, and age of the corresponding vehicle is performed. To generate the expected reference data (S420). Then, the server controller 160 may transmit the customized failure prediction reference data to the vehicle (S430).

이러한 구성에 의한 차량 고장 진단 시스템(1)에서 진단서버(100)로부터 제공된 맞춤형 고장예상 기준데이터를 이용하여 고장을 예상하는 과정을 도 5를 참조하여 설명하면 다음과 같다. Referring to FIG. 5, a process of estimating a failure using the customized failure prediction reference data provided from the diagnosis server 100 in the vehicle failure diagnosis system 1 having such a configuration will be described below.

차량진단장치(10)에서는 진단서버(100)로부터의 요청 또는 자발적으로 데이터 수집모듈(20)을 이용하여 차량내 다양한 장치와 부품에 대한 상태 데이터, 차량의 운행 데이터, 고장이력 데이터 등을 수집하고, 수집된 데이터를 노변장치(200)를 통해 진단서버(100)로 전송할 수 있다. The vehicle diagnostic apparatus 10 collects the status data, various vehicle driving data, failure history data, etc. for various devices and components in the vehicle by using the data collection module 20 voluntarily or by request from the diagnostic server 100. The collected data may be transmitted to the diagnosis server 100 through the roadside apparatus 200.

이러한 차량진단장치(10)에서는 진단서버(100)로부터 맞춤형 고장예상 기준데이터를 제공받을 수 있다(S500). 맞춤형 고장예상 기준데이터가 수신되면, 예상진단부(40)에서는 메모리(30)에 저장된 자차의 데이터를 인출하여 맞춤형 고장예상 기준데이터와 비교하여 매칭되는 정보를 인출할 수 있다(S510). In the vehicle diagnostic apparatus 10, a customized failure prediction reference data may be provided from the diagnosis server 100 (S500). When the customized failure prediction reference data is received, the prediction diagnosis unit 40 may withdraw the data of the own vehicle stored in the memory 30 and compare information with the customized failure prediction reference data (S510).

이때, 예상진단부(40)는 고장예상 기간이 미리 설정된 일정 기간 이하인 장치 또는 부품에 대한 정보를 인출하여 고장예상 정보를 생성할 수 있으며(S520), 해당 고장예상 정보를 디스플레이부(50) 또는 마이크(21)를 통해 출력할 수 있다(S530). In this case, the expected diagnosis unit 40 may generate failure prediction information by extracting information on a device or part whose failure prediction period is equal to or less than a predetermined period (S520), and displays the corresponding failure prediction information on the display unit 50 or It may be output through the microphone 21 (S530).

만약 운전자가 일정 시간내에 고장예상 정보에 따라 고장이 예상된다고 판단된 장치나 부품을 점검하거나 교체하지 않는 경우(S540), 예상진단부(40)는 주기적으로 해당 고장예상 정보를 디스플레이부(50) 또는 마이크(21)를 통해 출력하여 운전자를 환기시킬 수 있다(S550). If the driver does not check or replace a device or part determined to be faulty according to the fault prediction information within a predetermined time (S540), the predictive diagnosis unit 40 periodically displays the corresponding fault prediction information. Alternatively, the driver may be vented by outputting through the microphone 21 (S550).

이와 같이, 본 발명에 따른 차량 고장 진단 시스템(1)의 진단서버(100)에서는 다수의 차량으로부터 차량의 상태와 고장 여부 등에 대한 데이터를 수집하고, 데이터를 머신러닝하여 차량의 부품에 따른 고장시기를 판단할 수 있는 고장진단 기준데이터를 생성할 수 있다. 또한, 차량에 설치된 차량진단장치(10)에서는 고장진단 기준데이터를 이용하여 자차의 각 장치와 부품에 대한 고장을 미리 예상할 수 있다. As such, the diagnosis server 100 of the vehicle failure diagnosis system 1 according to the present invention collects data on a state of a vehicle and whether there is a failure from a plurality of vehicles, machine data to machine the failure time according to the parts of the vehicle. Fault diagnosis reference data can be generated. In addition, the vehicle diagnostic apparatus 10 installed in the vehicle may predict the failure of each device and components of the own vehicle in advance by using the failure diagnosis reference data.

따라서, 본 차량 고장 진단 시스템(1)에서는 일반적으로 사용되는 평균적인 데이터가 아니라 차량의 고유한 특성이나 운행조건에 정확하게 부합되는 고장진단 기준데이터를 생성할 수 있으므로, 이를 이용하여 정확한 고장시기를 예측할 수 있다. 이에 따라, 자차의 고장 시기를 정확하게 예상할 수 있으므로, 운전자가 고장이 예측되는 장치나 부품을 미리 점검할 수 있도록 한다. 이로 인해, 갑작스런 고장으로 인한 운전자의 불편함을 방지하고, 고장에 의해 발생하는 사고를 방지할 수 있다. Therefore, the vehicle failure diagnosis system 1 can generate failure diagnosis reference data that exactly matches the unique characteristics of the vehicle or the driving conditions, rather than the average data that is generally used. Can be. Accordingly, since the failure time of the own vehicle can be accurately predicted, the driver can check in advance the devices or parts that are predicted to have the failure. As a result, it is possible to prevent the driver's discomfort due to a sudden failure and to prevent an accident caused by the failure.

전술한 실시예에서 언급한 표준내용 또는 표준문서들은 명세서의 설명을 간략하게 하기 위해 생략한 것으로 본 명세서의 일부를 구성한다. 따라서, 위 표준내용 및 표준문서들의 일부의 내용을 본 명세서에 추가하거나 청구범위에 기재하는 것은 본 발명의 범위에 해당하는 것으로 해석되어야 한다. The standard contents or standard documents mentioned in the above embodiments are omitted to simplify the description of the specification and form a part of the present specification. Therefore, the addition of the contents of the standard and part of the standard documents to the specification or the description in the claims should be construed as falling within the scope of the present invention.

이상의 설명은 본 발명의 기술사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술사상의 범위가 한정되는 것은 아니다. 본 발명의 보호범위는 아래의 청구범위에 의하여 해석되어야하며, 그와 동등한 범위내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical spirit of the present invention, and those skilled in the art to which the present invention pertains may make various modifications and changes without departing from the essential characteristics of the present invention. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical spirit of the present invention but to explain, and the scope of the technical spirit of the present invention is not limited by these embodiments. The scope of protection of the present invention should be interpreted by the following claims, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of the present invention.

1 : 차량 고장 진단 시스템 10 : 차량진단장치
20 : 데이터 수집모듈 21 : 마이크
23 : CAN 수집부 25 : 네비게이션
27 : 고장데이터 수집부 30 : 메모리
40 : 예상진단부 50 : 디스플레이부
60 : 차량통신부 100 : 진단서버
110 : 제1데이터베이스 120 : 머신러닝부
130 : 제2데이터베이스 140 : 맞춤데이터 생성부
150 : 서버통신부 160 : 서버제어부1: vehicle failure diagnosis system 10: vehicle diagnostic device
20: data acquisition module 21: microphone
23: CAN collector 25: navigation
27: fault data collection unit 30: memory
40: expected diagnosis unit 50: display unit
60: vehicle communication unit 100: diagnostic server
110: first database 120: machine learning unit
130: second database 140: custom data generation unit
150: server communication unit 160: server control unit

Claims

A diagnostic server which collects data on a state of a part and whether there is a failure from a plurality of vehicles to generate failure prediction reference data for predicting a failure of the vehicle; And
It is installed in the vehicle and collects data on the status of each part of the vehicle and whether or not there is a failure to provide to the diagnostic server, and compare the failure prediction reference data provided from the diagnostic server with the data on the vehicle, the failure of the vehicle Among the expected devices or parts, a vehicle diagnostic device for displaying failure prediction information on a device or part having a predicted failure time below a predetermined schedule on a display of the own vehicle;
The diagnostic server,
The data provided from the vehicle diagnostic apparatus of the plurality of vehicles are classified into primary classification levels according to the type of vehicle, engine displacement, and age, and the data classified into the primary classification levels include engine, transmission, suspension, and steering. Machine learning for classifying the secondary classification level according to the devices, classifying it to the third classification level according to the components included in each of the devices, and then machine learning for each classification level to generate the failure prediction reference data, respectively. And a customized data generation unit for extracting customized failure prediction reference data corresponding to a driving condition of each vehicle among failure prediction reference data generated by the machine learning unit.
The vehicle diagnostic device,
A data collection module for measuring noise of a device or component in the vehicle to collect noise data on the state of the device or component, and the customized failure provided from the noise data collected by the data collection module and the custom data generator; And comparing the noise data corresponding to the expected reference data, and predicting failure of the device or the component when both noises match a predetermined percentage or more.

delete

The method of claim 1,
The data collection module,
And further collect data on the status and failure history of each part of the vehicle.

The method of claim 4, wherein
The data collection module may include at least one microphone for measuring noise of a device or a component in a vehicle, a CAN collector configured to collect data from a plurality of electronic control units installed in the vehicle, a navigation for collecting driving information of the vehicle, and Vehicle failure diagnosis system comprising at least one of a failure data collection unit for collecting a failure history of the vehicle.

delete

A data collection step of collecting data on a state of a part and a failure state from a plurality of vehicles;
Transmitting the data to an external diagnosis server;
A data generation step of generating a predictive failure reference data for predicting a failure of a vehicle by machine learning the data in the diagnosis server;
A failure estimating step of predicting a failure of the own vehicle by comparing the estimated failure reference data generated by the diagnosis server with the data collected for the own vehicle; And
Displaying failure prediction information on a display unit of the host vehicle; Including,
After the data generation step, further comprising a custom data extraction step of extracting the customized failure prediction reference data that meets the driving conditions of each vehicle of the failure prediction reference data,
The data collection step may measure the noise of the device or component in the vehicle to collect noise data on the state of the device or component,
The data generating step classifies the data provided from the vehicle diagnostic apparatuses of the plurality of vehicles into a primary classification level according to the type of vehicle, the engine displacement, and the year, and classifies the data classified into the primary classification level into the engine, transmission, and suspension. And classify it into the secondary classification level according to the devices including the steering, classify it into the third classification level according to the parts included in each of the devices, and machine-learn for each classification level to obtain the failure prediction reference data. Create each one,
The failure estimating step compares the collected noise data with noise data corresponding to the customized failure prediction reference data, and, as a result of the comparison, predicts a failure of the vehicle when both noises match a predetermined percentage or more. Way.

delete

The method of claim 7, wherein
The data collecting step may include at least one of collecting data from a plurality of electronic control units installed in the vehicle, collecting driving information of the vehicle, and collecting fault history of the vehicle. Way.

delete