제12항에 있어서, 상기 제어부는, 상기 잠재공간의 2차원 산점도 그래프를 통해 특정 실내 음장 위치에서 특정 고유 모드의 음압 조건을 만족하는 패키지 트레이의 타공률과 타공 형상 설계안을 도출하여 제시하는 인공지능 기반 차량 실내 음장 예측 시스템.

차량의 3D 실제 음장 모델을 전처리하여 단순 음장 모델과 단순 패키지 트레이 모델을 생성하는 학습용 모델 생성부;인공신경망을 통해 상기 단순 패키지 트레이 모델의 타공률과 타공 형상에 따른 차실 음장의 고유 모드와 고유 주파수의 변화를 학습하는 인공지능(AI) 학습부; 상기 AI 학습부에서 학습된 예측모델 학습정보를 관리하는 데이터베이스(DB); 및 사용자로부터 특정 패키지 트레이의 타공 형상이 입력되면 상기 예측모델 학습정보를 기반으로 차실 음장의 고유 모드와 고유 주파수를 예측하여 사용자에게 제공하는 제어부;를 포함하는 인공지능 기반 차량 실내 음장 예측 시스템.

제1항에 있어서,상기 학습용 모델 생성부는, 상기 전처리시 상기 실제 음장 모델의 중심에서 차축방향으로 절단한 측 단면을 도출하는 단계하고, 상기 측 단면에서 복잡한 곡선을 단순화하여 직선요소로 변환하며, 단순화된 측 단면을 차폭 방향으로 일정 길이 연장시킨 복셀(Voxel) 단면을 생성하고, 생성된 복셀 단면을 차폭 방향으로 반복적으로 적층 하여 상기 단순 음장 모델을 생성하는 인공지능 기반 차량 실내 음장 예측 시스템.

제1항 또는 제2항에 있어서, 상기 학습용 모델 생성부는, 상기 학습의 효율성 확보를 위해 실제 패키지 트레이 모델을 이산화 처리하여 수치형 변수를 고려한 일정 설계 영역으로 구분된 단순 패키지 트레이 모델을 생성하는 인공지능 기반 차량 실내 음장 예측 시스템.

제3항에 있어서, 상기 학습용 모델 생성부는, 상기 이산화 처리시 실제 차량의 설계 데이터 기초한 실제 패키지 트레이 모델을 불러오는 단계, 상기 실제 패키지 트레이 모델을 토대로 설계 영역을 단순화하는 단계, 상기 설계 영역이 단순화된 단순 패키지 트레이 모델을 생성하는 단계, 및 상기 단순 패키지 트레이 모델의 설계 영역에 실제 패키지 트레이 모델의 타공 형상을 반영하는 단계를 수행하는 인공지능 기반 차량 실내 음장 예측 시스템.

제3항에 있어서, 상기 학습용 모델 생성부는, 저정된 일정 타공률을 기준으로 다양한 타공 형상이 적용된 패키지 트레이 모델을 이산화 하여 인공신경망 학습용 데이터를 생성하고 그 학습용 데이터를 정량화 하는 인공지능 기반 차량 실내 음장 예측 시스템.

제3항에 있어서, 상기 학습용 모델 생성부는, 상기 이산화 처리시 패키지 트레이의 타공률을 다르게 반영하기 위하여 상기 단순 음장 모델의 전체 면적을 다수개의 가상 격자형 그리드로 분할하는 인공지능 기반 차량 실내 음장 예측 시스템.

제6항에 있어서, 상기 학습용 모델 생성부는, 상기 단순 음장 모델의 전체 면적에 대하여 25mm x 25mm를 1픽셀(px)이 되도록 가로와 세로를 격자 형태로 분할하고, 상기 단순 패키지 트레이의 분할 면적을 3px × 4px로 묶어 구멍 여부를 부여하는 물성 기본 단위로 설정하는 인공지능 기반 차량 실내 음장 예측 시스템.

제7항에 있어서, 상기 학습용 모델 생성부는, 상기 물성 기본 단위를 설정한 단순 패키지 트레이의 전체 면적을 기반으로 LHS(Latin Hypercube Sampling) 기법을 활용한 타공률 별 구멍의 존재 위치와 크기에 따른 타공 형상을 생성하는 인공지능 기반 차량 실내 음장 예측 시스템.

제1항에 있어서, 상기 AI 학습부는, 상기 단순 패키지 트레이 모델의 타공 형상을 입력하는 입력 모듈;입력된 타공 형상에 따른 차실 음장의 고유 모드와 고유 주파수의 변화를 학습하는 인공신경망;상기 타공 형상 별 차실 음장의 고유 모드를 출력하는 제1 출력 모듈(Output 1), 및 상기 타공 형상 별 고유 모드에 대응하는 고유 주파수를 출력하는 제2 출력 모듈(Output 2);을 포함하는 인공지능 기반 차량 실내 음장 예측 시스템.

제9항에 있어서, 상기 인공신경망은, 엔코딩(Encoding)을 통해 잠재공간(Latent Space, Z)을 구축하며, 상기 잠재공간을 순차적으로 업샘플링(Upsampling) 하여 고유 모드를 추출하고 상기 고유 모드를 순차적으로 다운샘플링(Downsampling) 하여 고유 주파수를 추출하는 구조로 구성되는 것을 특징으로 하는 인공지능 기반 차량 실내 음장 예측 시스템.

제10항에 있어서, 상기 엔코딩은 상기 상기 단순 패키지 트레이 모델의 타공 형상을 입력 데이터로 받아 2차원 합성곱 계층(Convolutional Layer)을 활용하여 상기 입력 데이터의 사이즈를 축소하고, 상기 업샘플링은 잠재공간(Z)을 활용한 업샘플링을 통해 고유 모드를 추출하며, 상기 다운샘플링은 상기 고유 모드를 활용한 다운샘플링을 통해 고유 주파수를 추출하는 것을 특징으로 하는 인공지능 기반 차량 실내 음장 예측 시스템.

제1항 또는 제9항에 있어서, 상기 제어부는, 상기 인공신경망의 잠재공간(Z)을 2차원 산점도 그래프로 시각화하여 패키지 트레이 설계 단계에 활용하되, 상기 잠재공간의 2차원 산점도 그래프를 통해 특정 고유 주파수 조건을 만족하는 패키지 트레이의 타공률과 타공 형상 설계안을 도출하여 제시하는 인공지능 기반 차량 실내 음장 예측 시스템.

제12항에 있어서, 상기 제어부는, 상기 잠재공간의 2차원 산점도 그래프를 통해 특정 실내 음장 위치에서 다수의 차수 별 고유 모드의 음압 조건을 모두 만족하는 패키지 트레이의 타공률과 타공 형상 설계안을 도출하여 제시하는 인공지능 기반 차량 실내 음장 예측 시스템.

제12항에 있어서, 상기 제어부는, 상기 잠재공간의 2차원 산점도 그래프를 통해 실내 여러 위치의 음압 조건을 동시에 만족하는 패키지 트레이의 타공률과 타공 형상 설계안을 도출하여 제시하는 인공지능 기반 차량 실내 음장 예측 시스템.