머신러닝으로 자동차 센서 열화 대응하기

차량이 레거시 시스템에서 최첨단 기술로 진화함에 따라, 유도 위치 센서가 홀 효과 센서를 대체할 전망이다. 이 전환의 핵심은 자동차 센서 열화의 우수한 관리에 있다.

마이크로칩 테크놀로지는 스로틀 바디, 트랜스미션 기어 감지, 전자식 파워 스티어링, 액셀러레이터 페달 등 주요 자동차 애플리케이션에 맞춘 유도 위치 센서를 출시했다. 이 센서들은 유도 자기장에 면역인 위치 데이터를 제공하며 외부 자석이 필요 없다.

엔지니어는 넓은 온도 범위에서 센서 성능을 보장해야 하지만, 기계적 변형과 자석 열화가 정확도를 떨어뜨릴까 우려한다. 자석 대신 금속 요소를 사용하는 유도 센서는 시간이 지나도 노화가 훨씬 적어 이 핵심 문제를 해결한다.

"센서 열화는 IC 내부든 외부 환경이든 모니터링해야 할 핵심 요소입니다."라고 마이크로칩의 시니어 마케팅 매니저 마크 스미스는 말했다. 그는 유도 위치 센서 배치 시 PCB 수명이 주요 관심사라고 강조했다.

마이크로칩의 유도 위치 센서(LX3301A, LX3302A, LX34050)는 ASIL-B 인증 요건을 충족하여 시스템 설계자가 모든 단일점 고장의 ≥90%를 탐지할 수 있게 한다. 그림 1은 LX3302A의 확장된 EEPROM을 보여주며, 8개 교정 포인트를 지원해 측정 정확도를 유지한다. 출처: 마이크로칩

그림 1. LX3302A 유도 위치 센서의 더 큰 EEPROM 공간이 정밀 측정을 위한 8개 교정 포인트를 지원한다. 출처: 마이크로칩

센서 열화 관리

현재 업계 관행은 ASIL 표준을 만족시키기 위해 바닥부터 센서 열화를 다룬다. 엔지니어는 잠재적 트랜지스터 고장이나 회로 오작동을 예측하고 그 영향을 평가해야 한다. "결정론적이고 시간 소모적인 접근법입니다."라고 스미스는 지적했다.

타겟 실험으로 커버리지 비율을 검증하고, 업계 표준의 신뢰도 차트로 엔지니어들이 고장 탐지 가능성을 확인한다. "엔지니어들이 효율적으로 다룰 수 있는 비교적 단순한 시스템입니다."라고 그는 덧붙였다.

현대 차량은 일반적으로 약 50개의 위치 센서를 사용하므로, 홀 효과에서 유도 센서로의 전환은 열화 관리의 중대한 전환점이다. 내구성 있는 소재 선택을 넘어, 엔지니어들은 첨단 전략, 특히 머신러닝을 탐구하여 열화 모니터링을 간소화하고 있다.

스미스는 머신러닝 모델이 고장 발현 전 패턴 인식을 수행할 수 있다고 설명했다. "자동차 엔지니어는 5개 다른 센서의 데이터를 분석해 시스템 레벨 고장과 열화를 더 높은 차원에서 감지할 수 있습니다."라고 그는 말했다.

머신러닝이 미래다

자동차 업계가 전통적으로 센서 열화에 결정론적으로 접근해왔지만, 첨단 컴퓨팅 기법 활용의 상당한 잠재력이 있다. 머신러닝은 열화 분석을 더 효율적으로 수행할 수 있으나, 접근법은 아직 초기 단계이며 상당한 컴퓨팅 자원을 요구한다.

그림 2. 센서 레벨에서 부상하는 머신러닝이 자동차 센서 열화를 모델링하고 완화할 수 있다. (출처: MathWorks)

광범위한 데이터를 수집해 머신러닝 모델에 공급하고 임박한 고장의 시그니처를 탐색함으로써 엔지니어들은 문제를 예측할 수 있다. 이 접근법은 이미 자율주행차 설계에 채택되고 있다. "머신러닝이 센서 레벨에서 부상하여 열화 측정을 단순화하고 완화 효율을 높이고 있습니다."라고 스미스는 말했다.

자동차 센서 열화는 머신러닝이 상당한 신뢰성 향상과 비용 절감을 제공할 수 있는 또 다른 영역이다.

» 이 기사는 자매 사이트 EDN에 처음 게재되었습니다.