Improving Engine Sound Analysis in Hot-Test Environments via a RAB-U-Net (Residual Attention Block U-Net) Noise Removal Method

작성자

Haebom

카테고리

Empty

저자

Raheleh Mohseni, Mahdi Aliyari Shoorehdeli

💡 개요

본 연구는 생산 라인에서의 엔진 소음 분석 시 발생하는 배경 소음 문제를 해결하기 위해 잔차 주의 블록(Residual Attention Block)을 추가한 U-Net 기반의 딥러닝 모델(RAB-U-Net)을 제안합니다. 제안된 방법론은 기존의 수동 분석 방식보다 정확도를 크게 향상시키며, 실시간 생산 라인 환경에 적용 가능한 강력한 엔진 소음 진단 솔루션을 제공합니다. 이를 통해 자동차 산업에서 딥러닝 기반 엔진 진단 품질 향상에 기여할 것으로 기대됩니다.

🔑 시사점 및 한계

•

생산 라인 환경의 엔진 소음 분석에서 배경 소음 제거의 중요성을 강조하고, 딥러닝 기반의 효과적인 해결책을 제시합니다.

•

제안된 RAB-U-Net 모델이 기존 방식 대비 향상된 엔진 소음 탐지 정확도를 보여, 실제 산업 현장에 적용될 수 있는 가능성을 시사합니다.

•

본 연구는 배경 소음 제거에 초점을 맞추고 있으며, 엔진 자체의 다양한 이상 진단을 위한 추가적인 연구나 모델 개선이 필요할 수 있습니다.

PDF 보기

Made with Slashpage