252927 Automatyczna skrzynia biegów AL4 DPO Cieśnik

1. Wspólne metody diagnozowania błędów czujnika

Wraz z rozwojem nauki i technologii metody diagnozy uszkodzeń czujnika są coraz bardziej obfite, co może zasadniczo zaspokoić potrzeby codziennego użytku. W szczególności wspólne metody diagnozowania błędów czujnika obejmują głównie:

1.1 Diagnoza błędów oparta na modelu

Najwcześniejsza opracowana technologia diagnozy uszkodzenia czujnika oparta na modelu wymaga nadmiarowości analitycznej zamiast fizycznej redundancji jako podstawowej pomysłu, i uzyskuje informacje o błędach głównie poprzez porównanie go z wynikami mierzonymi wartościami przez system oszacowania. Obecnie tę technologię diagnozy można podzielić na trzy kategorie: metoda diagnostyki uszkodzenia oparta na oszacowaniu parametrów, metoda diagnostyki uszkodzeń oparta na państwie i równoważna metoda diagnozy przestrzeni. Ogólnie rzecz biorąc, definiujemy charakterystyczne parametry komponentów, które stanowią system fizyczny jako parametry materii oraz równania różnicowe lub różnicowe, które opisują system sterowania jako parametry modułu. Gdy czujnik w systemie zawiedzie z powodu uszkodzenia, awarii lub degradacji wydajności, można go bezpośrednio wyświetlić jako zmianę parametrów materiału, co z kolei powoduje zmianę parametrów modułu, która zawiera wszystkie informacje o błędach. Przeciwnie, gdy znane są parametry modułu, można obliczyć zmianę parametru, aby określić wielkość i stopień usterki czujnika. Obecnie szeroko stosowana była technologia diagnozy czujników opartą na modelu, a jej wyniki badań koncentrują się na systemach liniowych, ale badania nad systemami nieliniowymi należy wzmocnić.

1.2 Diagnoza błędów oparta na wiedzy

Odmienne od wyżej wymienionych metod diagnozowania błędów, diagnoza błędów oparta na wiedzy nie musi ustanawiać modelu matematycznego, który pokonuje niedociągnięcia lub wady diagnozy uszkodzeń opartych na modelu, ale brakuje zestawu dojrzałego wsparcia teoretycznego. Wśród nich metoda sztucznej sieci neuronowej jest reprezentantem diagnozy błędów opartej na wiedzy. Tak zwana sztuczna sieć neuronowa jest skrócona jako ANN w języku angielskim, która opiera się na ludzkim rozumieniu sieci neuronowej mózgu i realizuje pewną funkcję poprzez sztuczną konstrukcję. Sztuczna sieć neuronowa może przechowywać informacje w rozproszony sposób oraz realizować transformację i mapowanie nieliniową za pomocą topologii sieci i rozkładu wagi. Natomiast metoda sztucznej sieci neuronowej zrabia niedobór diagnozy uszkodzeń opartych na modelu w systemach nieliniowych. Jednak metoda sztucznej sieci neuronowej nie jest idealna i opiera się tylko na niektórych praktycznych przypadkach, które nie skutecznie wykorzystują skumulowanych doświadczeń w specjalnych dziedzinach i łatwo wpływa na wybór próby, więc wnioski diagnostyczne wyciągnięte z niej nie można interpretować.