기계공학부 이은호 교수 연구팀 개발 기술, 현대모비스 기술이전 및 양산라인 적용

- 전기차모터 생산라인 헤어핀 코일의 실시간 물성예측시스템

▲ 심영대 박사과정생(왼쪽), 이은호 교수(오른쪽)

전기모터의 효율은 전기차의 성능에 매우 중요한 요소이다. 모터의 효율을 높이기 위해 많은 완성차 업체에서 ‘헤어핀 코일 권선 기법을 채택’하고 있다. 기존의 원형 구리 도선을 평각선으로 변경함으로써 동일 슬롯당 점적율이 높아져 높은 전력 공급이 가능하며, 동시에 열전도 효율도 높아져 열 손실을 최소화할 수 있다.

다만 평각선을 헤어핀 형태로 성형하기 위해서 기존모터의 생산방식과는 다르게 굽힘과 스탬핑과 같은 성형 공정이 들어가게 되는데, 이 때 평각선의 기계적 물성 편차가 발생하는 경우 스프링백과 같은 불량이 발생하여 모터 고정자의 슬롯에 삽입하지 못하고 생산성이 저하되는 문제가 있다. 이러한 불량을 잡아내기 위해서는 생산라인에서 기계적물성을 명확히 파악하여 공정을 설계해야 한다.

기계공학부 이은호 교수 연구팀은 헤어핀 코일용 평각선의 기계적 물성을 비접촉식으로 실시간 예측하는 시스템을 개발하였다. 연구팀은 재료의 기계적 물성과 센서의 전기적 임피던스 변화가 높은 상관관계를 가지는 것을 확인, 전자기-기계 연계 열역학적 모델링을 성공적으로 하였다. 더불어 이를 바탕으로 헤어핀 코일용 평각성의 항복강도를 생산라인에서 실시간으로 예측할 수 있는 알고리즘을 개발하였다.

▲ 와전류 기반 기계적 물성 예측 시스템

이은호 교수 연구팀은 개발된 알고리즘의 우수한 예측 정확성을 입증하여 현대모비스의 양산라인에 적용하는 기술이전을 진행하여(총액 2억원), 현대모비스의 전동화 공장에서 두 개의 양산라인에 시험 적용하였다. 양산 라인에서의 발생되는 환경 변수와 같은 노이즈들을 제거하기 위해 전기 임피던스 이외 온도, 형상 그리고 진동 데이터들을 추가적으로 수집하고 있어 생산분량의 원인을 명확하게 파악하고 위한 추가 연구를 진행중이다. 예측 정확성을 향상시키기 위해 물리적 변수와 환경 변수들로 학습시킨 머신러닝 알고리즘을 통해 기계적 물성을 실시간으로 예측을 진행하였고, 인장시험 결과와 비교하였을 때 예측치가 3.5% 오차 이내로 들어오는 것을 확인하였다.

▲ 생산라인에서 실시간 항복강도 예측 결과

이은호 교수 연구팀은 예측된 기계적 물성을 바탕으로 성형공정까지 실시간으로 제어하여 스프링백을 최소화하는 스마트 팩토리 연구로 발전시킬 계획이다.