본 연구는 Electric Parking Brake(EPB) 시스템의 핵심 구성요소인 자동차 브레이크 캘리퍼에서 제조 결함을 실시간으로 탐지하기 위한 비접촉 자동 충격-음향 측정 시스템(AIAMS)을 개발하고자 한다. 캘리퍼는 브레이크 패드를 디스크와 접촉시킨 상태로 고정하며, 반복 하중과 마찰로 인해 발생한 결함은 제동 성능 저하 및 비정상적인 진동과 소음을 초래할 수 있다. 이를 해결하기 위해 자동화된 임팩트 해머와 마이크로폰 기반 측정 시스템을 설계하고 구현하였다. 특징 추출은 Fast Fourier Transform(FFT)과 Principal Component Analysis(PCA)를 이용해 수행한 다음, Support Vector Machine(SVM), k-Nearest Neighbor(KNN), Decision Tree(DT) 등을 포함한 기계학습 알고리즘을 통해 결함 분류를 수행하였다. 실험은 5개의 정상 캘리퍼와 6개의 결함 캘리퍼 시편을 대상으로 진행하였고, 각 시편에 200회의 반복 측정을 실시하여 총 2200개의 데이터셋을 확보하였다. 12개의 통계 및 스펙트럼 특징을 추출하였으며, PCA 결과 Shannon Entropy(SE)가 가장 판별력이 높은 특징으로 나타났다. SE를 중심으로 한 특징 조합에 기반하여 SVM, KNN, DT 모델은 정상 및 결함 시편에 대해 각각 최소 99.2%/97.5%, 98.8%/98.0%, 99.2%/96.5%의 분류 정확도를 달성하였다. 또한 실시간 결함 식별 및 시각화를 가능하게 하기 위해 GUI 기반 소프트웨어(버전 1.0.0)를 구현하였다. 현장 시험에서도 결함 분류 평균 정확도가 95%를 초과하는 것으로 나타나, 이를 실시간 품질 관리 시스템으로 적용할 수 있음을 보여주었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.