글로벌 인사이트


모빌리티, 자율주행, 전동화 등 자동차 관련 글로벌 정보를 제공합니다


인공지능을 이용한 차량 HVAC 사운드 디자인

한국자동차공학회
2023-09-03
조회수 827

량의 HVAC(Heat, Ventilation & Air Conditioning) 시스템은 <그림 1>과 같이 차 실내 열적 쾌적성(Thermal comfort) 달성을 위해 송풍기와 혼합 장치가 여러 덕트(Duct)에 결합되어 원하는 위치에 공기 유량(Air flowrate)을 제공하는 장치로, 송풍기 회전수에 관련된 맥동음과 난류음인 광대역 소음을 발생시킨다. 


일반적으로 공기 유량이 소음도의 주요 파라미터이지만 같은 유량에서도 시스템의 정압(Static parameter) 크기 및 다공성 덕트(Porous duct) 등 NVH 솔루션의 적용 유무가 공조기 소음의 크기 및 주파수 성분에 복합적으로 영향을 끼친다.


현재까지는 전산 유체역학(CFD simulation) 해석으로 토출구의 적정 유량을 결정하고, 덕트의 저항이 최대한 적도록 설계를 한 후 이를 바탕으로 대상 시험(Bench test)를 통해 시스템 레벨 성능 육성 후 실차에 적용하고, 열 성능 및 음향 성능을 모두 개발 목표에 만족하도록 조율하고 있다.


본 연구는 프랑스 르노 자동차 본사의 Data Powered Engineering 전략의 일환으로 초기 설계 단계에서부터 인공지능 기술을 기반으로, 기존 차량에서 축적된 설계 변수와 HVAC mode를 Input, 그에 따른 소음도를 Output으로 신경망 학습을 통한 차량의 HVAC 시스템에서 발생하는 소음도 및 그 음질을 예측하고, 설계 변수의 변경에 따른 소음도 평가가 가능하도록 하였다.

 

현재 본사에서는 로드 노이즈와 차량 방음 성능에 관한 연구를 다변수 회귀 분석을 이용하여 성능 예측을 하도록 연구가 진행되어 왔다. 하지만 르노코리아에서는 인하대학교와 산학 협력을 통해 인공지능을 이용하여 선형성에 의존하는 다변수 회귀 분석에 비해 성능 예측의 정확성을 한 단계 올린 것에 그 의의가 있다.


먼저, 인공지능을 이용한 HVAC 소음 예측을 위해서는 데이터 베이스 구축(Database Building) 및 데이터 마이닝(Data mining)이 필요하다. 이를 위해 약 1년의 기간에 걸쳐 41개의 자사 및 경쟁사 차량에 대한 데이터를 수집하였다. 


차량 정보(메이커, 차량 모델, 세그먼트 등), HVAC 유니트 정보(블로워 타입, 체적, 증발기, 에어 필터 등), 덕트 정보, 에어 벤트 정보 그리고 에어컨 시스템 정보 등의 157개의 설계 변수와 풍배, 내외기 모드, 풍량 정보 등의 4개의 HVAC 모드 파라메터를 입력 변수로, 총합소음도 및 1/3 옥타브 밴드 소음도의 29개 파라메터를 출력 변수로 방대한 양의 데이터 베이스 구축을 완료하였다.

 

그 이후 구축된 데이터 베이스를 이용하여 Input parameter와 Output간의 신경망 아키텍처를 구성하고 학습 프로세스를 통하여 주어진 변수에 따른 소음도를 예측하였다.


<그림 4>는 데이터 베이스 중 85%를 무작위로 학습시킨 후 나머지 15%의 설계 변수를 사용하여 예측된 소음(빨간색 실선)과 실제 측정값(파란색 실선)의 비교한 1/3 옥타브 소음 스펙트럼이다. 이 두 값들 사이의 상관계수 R은 0.99391로 아주 정확한 예측 능력을 보여주었다.


이러한 신뢰성 있는 예측 성능을 기반으로, 설계 변수를 변경하였을 때의 소음 레벨 예측도 가능하도록 하여 초기 콘셉트 단계에서 목표한 음향 성능을 만족시키는 설계가 가능하도록 하였다. GUI상 측정값과 인공지능을 활용한 예측 값 및 설계 변수를 변경하였을 때 예측 값을 동시에 비교 가능하다.


마지막으로, 프로그램 사용자가 예측된 소음을 바로 들을 수 있도록 사운드 재생 기능을 추가하였다. 설계 변수에 따른 소음도 증가 및 감소의 변화가 있을 때 바로 확인이 가능하도록 함이 목적이다. 협대역 주파수 스펙트럼(Narrow band frequency spectrum)에서 옥타브 밴드 스펙트럼(Octave band frequency spectrum)으로의 변환이 일반적이지만 여기서는 반대의 경우로 약간의 가정을 포함한 신호 처리가 필요하다. 인간의 가청 주파수(20Hz~20kHz)에서 1/3 옥타브 밴드의 데이터 개수는 30개이나, 협대역 주파수 밴드의 데이터 개수는 분해능이 1Hz일 때 19980로 확장이 필요하기 때문이다.


각 옥타브 밴드 별로 밴드폭(Bandwidth) 만큼 dB 평균하고 각 1/3 옥타브 밴드 상한 주파수와 하한 주파수 사이를 1차 선형 보간하였다. 측정 및 인공지능 예측값은 dBA로 사람의 주파수별 청감 특성이 포함된 값이기 때문에 재생시에는 청감 보정을 제거하여야 한다. 청감 보정을 제거한 진폭 및 난류음의 랜덤화된 위상을 이용, 푸리에 합성(Fourier synthesis)하여 시간 영역의 사운드를 계산하였다.


이와 같이 인공지능의 차량 NVH 적용을 HVAC 사운드의 예를 들어 설명하였다. 수많은 공수를 들여 측정한 테스트 결과를 버리지 않고, 데이터 베이스화 하여 인공지능의 도움을 받게 되면 작은 노력으로 신뢰도 높은 결과를 얻는 것이 가능할 것이다. 앞으로 그 적용 분야도 무궁무진하다 할 수 있겠다.


* 출처: 한국자동차공학회 제공, 오토저널 2023년 8월호


주소: (03157) 서울특별시 종로구 종로 19, 9층 914호(종로1가, 르메이에르 종로타운)
이메일: kaja@kaja.org 
Copyright 2019 KAJA(한국자동차기자협회). All rights reserved