252927 Awtomatikong Transmisyon AL4 DPO Switch Pressure Sensor

1. Mga karaniwang pamamaraan ng diagnosis ng sensor fault

Sa pag-unlad ng agham at teknolohiya, ang mga pamamaraan ng sensor fault diagnosis ay higit pa at mas masagana, na maaaring karaniwang matugunan ang mga pangangailangan ng pang-araw-araw na paggamit. Sa partikular, ang mga karaniwang pamamaraan ng pag-diagnose ng fault ng sensor ay pangunahing kasama ang sumusunod:

1.1 Pag-diagnose ng pagkakamali batay sa modelo

Ang pinakaunang binuo na teknolohiyang sensor fault diagnosis na nakabatay sa modelo ay tumatagal ng analytical redundancy sa halip na pisikal na redundancy bilang pangunahing ideya nito, at nakakakuha ng fault information pangunahin sa pamamagitan ng paghahambing nito sa mga sinusukat na value na output ng sistema ng pagtatantya. Sa kasalukuyan, ang teknolohiyang ito ng diagnosis ay maaaring nahahati sa tatlong kategorya: pamamaraan ng pagsusuri ng kasalanan na nakabatay sa pagtatantya ng parameter, pamamaraan ng pagsusuri ng kasalanan na nakabatay sa estado at katumbas na paraan ng pagsusuri sa espasyo. Sa pangkalahatan, tinutukoy namin ang mga katangian na parameter ng mga bahagi na bumubuo sa pisikal na sistema bilang mga parameter ng bagay, at ang mga equation ng pagkakaiba o pagkakaiba na naglalarawan sa control system bilang mga parameter ng module. Kapag nabigo ang isang sensor sa system dahil sa pinsala, pagkabigo o pagkasira ng pagganap, maaari itong direktang ipakita bilang pagbabago ng mga parameter ng materyal, na nagiging sanhi ng pagbabago ng mga parameter ng modulus, na naglalaman ng lahat ng impormasyon ng kasalanan. Sa kabaligtaran, kapag ang mga parameter ng module ay kilala, ang pagbabago ng parameter ay maaaring kalkulahin, upang matukoy ang laki at antas ng sensor fault. Sa kasalukuyan, malawakang ginagamit ang teknolohiya ng diagnosis ng sensor na nakabatay sa modelo, at ang mga resulta ng pananaliksik nito ay nakatuon sa mga linear system, ngunit kailangang palakasin ang pananaliksik sa mga nonlinear system.

1.2 Pag-diagnose ng pagkakamali batay sa kaalaman

Naiiba sa mga nabanggit na pamamaraan ng pag-diagnose ng fault, hindi kailangan ng knowledge-based na fault diagnosis na magtatag ng isang mathematical model, na nagtagumpay sa mga pagkukulang o depekto ng fault diagnosis na nakabatay sa modelo, ngunit kulang ng isang set ng mature na theoretical na suporta. Kabilang sa mga ito, ang artipisyal na paraan ng neural network ay ang kinatawan ng diagnosis ng kasalanan na nakabatay sa kaalaman. Ang tinatawag na artificial neural network ay dinaglat bilang ANN sa Ingles, na batay sa pag-unawa ng tao sa brain neural network at napagtanto ang isang tiyak na function sa pamamagitan ng artipisyal na konstruksyon. Ang artipisyal na neural network ay maaaring mag-imbak ng impormasyon sa isang distributed na paraan, at mapagtanto ang nonlinear na pagbabago at pagmamapa sa tulong ng network topology at pamamahagi ng timbang. Sa kabaligtaran, ang artipisyal na paraan ng neural network ay bumubuo sa kakulangan ng diagnosis ng fault na nakabatay sa modelo sa mga nonlinear system. Gayunpaman, ang paraan ng artipisyal na neural network ay hindi perpekto, at umaasa lamang ito sa ilang praktikal na mga kaso, na hindi epektibong gumagamit ng naipon na karanasan sa mga espesyal na larangan at madaling maimpluwensyahan ng pagpili ng sample, kaya ang mga diagnostic na konklusyon na nakuha mula dito ay hindi. maipaliwanag.