252927 Senzor tlaka samodejnega menjalnika AL4 DPO

1. Metode diagnoze napak v senzorju

Z razvojem znanosti in tehnologije so metode diagnoze senzorjev vse bolj obilne, kar lahko v bistvu ustreza potrebam po vsakodnevni uporabi. Konkretno, skupne metode diagnoze napak v senzorju vključujejo predvsem naslednje:

1.1 Diagnoza napak, ki temelji na modelu

Najzgodnejša razvita tehnologija diagnoze napak na senzorju senzorja je namenjena analitični odvečnosti namesto fizične odvečnosti kot svoje temeljne ideje in pridobi informacije o napakah predvsem tako, da jo primerja z izmerjenimi vrednostmi s sistemom ocenjevanja. Trenutno lahko to tehnologijo diagnoze razdelimo na tri kategorije: metoda diagnoze napak na podlagi parametrov, metoda diagnoze napak in enakovredna metoda diagnoze napak. Na splošno definiramo značilne parametre komponent, ki predstavljajo fizični sistem kot parametre snovi, in diferencialne ali razlike, ki opisujejo krmilni sistem kot parametri modula. Kadar senzor v sistemu ne uspe zaradi poškodb, okvare ali poslabšanja zmogljivosti, ga lahko neposredno prikažemo kot spremembo parametrov materiala, kar posledično povzroči spremembo parametrov modula, ki vsebuje vse informacije o napaki. Nasprotno, ko so znani parametri modula, lahko izračunamo spremembo parametra, tako da določimo velikost in stopnjo napake senzorja. Trenutno je bila široko uporabljena tehnologija diagnoze senzorjev na osnovi modela, njegovi rezultati raziskav pa se osredotočajo na linearne sisteme, vendar je treba okrepiti raziskave nelinearnih sistemov.

1.2 Diagnoza napak, ki temelji na znanju

Diagnoza na podlagi znanja, ki temelji na zgoraj omenjenih metodah diagnoze napak, ni treba vzpostaviti matematičnega modela, ki premaga pomanjkljivosti ali pomanjkljivosti diagnoze napak na osnovi modela, vendar nima nabora zrele teoretične podpore. Med njimi je metoda umetne nevronske mreže reprezentativna za diagnozo napak, ki temelji na znanju. Tako imenovana umetna nevronska mreža je skrajšana kot Ann v angleščini, ki temelji na človeškem razumevanju možganske nevronske mreže in uresničuje določeno funkcijo z umetno konstrukcijo. Umetno nevronsko omrežje lahko shranjuje informacije na porazdeljen način in uresniči nelinearno preobrazbo in preslikavo s pomočjo topologije omrežja in porazdelitve teže. Nasprotno pa metoda umetne nevronske mreže nadomešča pomanjkanje diagnoze napak, ki temelji na modelu, v nelinearnih sistemih. Vendar metoda umetnega nevronskega omrežja ni popolna in se opira le na nekatere praktične primere, ki ne izkoriščajo učinkovite uporabe nakopičene izkušnje na posebnih poljih in nanjo zlahka vpliva na izbiro vzorcev, zato diagnostične zaključke, ki jih izhaja iz nje, ni mogoče razlagati.