252927 Automatyczna skrzynia biegów AL4 Czujnik ciśnienia przełącznika DPO

1. Typowe metody diagnostyki usterek czujników

Wraz z rozwojem nauki i technologii pojawia się coraz więcej metod diagnostyki usterek czujników, które w zasadzie mogą zaspokoić potrzeby codziennego użytku. W szczególności powszechne metody diagnozowania usterek czujników obejmują głównie:

1.1 Diagnostyka usterek w oparciu o model

Najwcześniej opracowana technologia diagnostyki usterek czujników oparta na modelu opiera się na redundancji analitycznej, a nie fizycznej, a informacje o usterkach uzyskuje głównie poprzez porównanie ich ze zmierzonymi wartościami wyprowadzanymi przez system estymacji. Obecnie tę technologię diagnozowania można podzielić na trzy kategorie: metoda diagnostyki usterek oparta na estymacji parametrów, metoda diagnostyki usterek na podstawie stanu i metoda diagnostyki przestrzeni równoważnej. Generalnie parametry charakterystyczne elementów tworzących układ fizyczny definiujemy jako parametry materii, a równania różniczkowe lub różnicowe opisujące układ sterowania jako parametry modułowe. Gdy czujnik w systemie ulegnie awarii na skutek uszkodzenia, awarii lub pogorszenia wydajności, można to bezpośrednio wyświetlić jako zmianę parametrów materiałowych, co z kolei powoduje zmianę parametrów modułu, w którym zawarte są wszystkie informacje o usterce. I odwrotnie, znając parametry modułu, można obliczyć zmianę parametru, aby określić wielkość i stopień uszkodzenia czujnika. Obecnie technologia diagnostyki czujników oparta na modelach jest szeroko stosowana, a wyniki jej badań koncentrują się na układach liniowych, jednak badania nad układami nieliniowymi wymagają wzmocnienia.

1.2 Diagnostyka usterek oparta na wiedzy

W odróżnieniu od wyżej wymienionych metod diagnostyki usterek, diagnostyka usterek oparta na wiedzy nie wymaga ustanawiania modelu matematycznego, który przezwycięży niedociągnięcia lub defekty diagnostyki usterek opartej na modelu, ale brakuje jej zestawu dojrzałych podstaw teoretycznych. Wśród nich metoda sztucznej sieci neuronowej jest przedstawicielem diagnostyki opartej na wiedzy. Tak zwana sztuczna sieć neuronowa, w języku angielskim, w skrócie ANN, opiera się na ludzkim rozumieniu sieci neuronowej mózgu i realizuje określoną funkcję poprzez sztuczną konstrukcję. Sztuczna sieć neuronowa może przechowywać informacje w sposób rozproszony oraz realizować nieliniową transformację i mapowanie za pomocą topologii sieci i rozkładu wag. Natomiast metoda sztucznej sieci neuronowej nadrabia braki w diagnostyce usterek w oparciu o model w układach nieliniowych. Metoda sztucznych sieci neuronowych nie jest jednak doskonała, opiera się jedynie na kilku praktycznych przypadkach, nie wykorzystuje efektywnie zgromadzonego doświadczenia w określonych dziedzinach i łatwo ulega wpływowi doboru próby, stąd wyciągane z niej wnioski diagnostyczne nie są interpretowalne.