252927 Automatski mjenjač AL4 DPO senzor pritiska

1. Načini dijagnostike uobičajene senzorske greške

Uz razvoj nauke i tehnologije, metode dijagnoze grešaka senzora su sve više i više obilnije, što u osnovi mogu ispunjavati potrebe svakodnevne upotrebe. Konkretno, metode dijagnostičke dijagnostike greške u zajednici uglavnom uključuju sljedeće:

1.1 Dijagnoza o grešci na modelu

Najranija tehnologija razvijene dijagnostike senzora zasnovane na modelu uzima analitičku višku umjesto fizičkog viška kao njegova osnovna ideja i dobiva informacije o grešci uglavnom uspoređujući ga sa izmjerenim vrijednostima izrezom. Trenutno se ta tehnologija dijagnostike može podijeliti u tri kategorije: metoda dijagnostike promjene promjene kvačice zasnovanu na parametru, metoda dijagnostike na stanju na državi i ekvivalentna metoda dijagnostike prostora. Općenito, definiramo karakteristične parametre komponenti koje čine fizički sustav kao parametre materije, te različite ili razlike jednadžbe koje opisuju kontrolni sustav kao parametre modula. Kad senzor u sustavu ne uspije zbog oštećenja, neuspjeha ili degradacije performansi, može se izravno prikazati kao promjena materijalnih parametara, koji zauzvrat uzrokuje promjenu parametara modula koji sadrže sve informacije o modulu, koje sadrže sve informacije o kvaru. Naprotiv, kada su poznati parametri modula, može se izračunati promjena parametra kako bi se odredila veličina i stupanj greške senzora. Trenutno je široko korištena tehnologija senzora zasnovana na modelu, a njeni rezultati istraživanja fokusira se na linearne sustave, ali istraživanje nelinearnih sistema treba ojačati.

1.2 Dijagnoza greške na osnovu znanja

Različite od gore navedenih metoda dijagnostike greške, dijagnoza greške na temelju znanja ne treba uspostaviti matematički model, koji prevladava nedostatke ili nedostatke dijagnoze kvara modela, ali nedostaje se skup zrele teorijske podrške. Među njima je metoda umjetne neuronske mreže predstavnik dijagnoze greške na osnovu znanja. Takozvana umjetna neuronska mreža skraćena je kao Ann na engleskom jeziku, koja se zasniva na ljudskom razumijevanju neuronske mreže mozga i realizira određenu funkciju kroz umjetnu izgradnju. Umjetna neuronska mreža može pohraniti informacije na distribuirani način i ostvariti nelinearnu transformaciju i mapiranje uz pomoć mrežne topologije i distribucije težine. Nasuprot tome, metoda umjetne neuronske mreže nadoknađuje nedostatak dijagnoze na modelu u nelinearnim sistemima. Međutim, metoda umjetne neuronske mreže nije savršena, a na neke praktične slučajeve se oslanja na neke praktične slučajeve, što ne daje efikasnu upotrebu akumuliranog iskustva na posebnim poljima i lako se utječe odabira uzorka, tako da su dijagnostički zaključci izvučeni iz njega ne tumačni.