252927 Otomatik Şanzıman AL4 DPO Anahtar Basınç Sensörü

1. Ortak sensör hatası tanı yöntemleri

Bilim ve teknolojinin geliştirilmesiyle, sensör hatası teşhisi yöntemleri gittikçe daha fazladır, bu da temel olarak günlük kullanım ihtiyaçlarını karşılayabilir. Özellikle, ortak sensör hatası tanı yöntemleri esas olarak aşağıdakileri içerir:

1.1 Model tabanlı hata teşhisi

En eski geliştirilmiş model tabanlı sensör hatası teşhis teknolojisi, temel fikri olarak fiziksel yedeklilik yerine analitik yedeklilik alır ve esas olarak tahmin sistemi tarafından ölçülen değer çıktısı ile karşılaştırarak hata bilgileri elde eder. Şu anda, bu tanı teknolojisi üç kategoriye ayrılabilir: parametre tahmin tabanlı hata teşhis yöntemi, durum tabanlı hata teşhis yöntemi ve eşdeğer alan tanı yöntemi. Genel olarak, fiziksel sistemi madde parametreleri olarak oluşturan bileşenlerin karakteristik parametrelerini ve kontrol sistemini modül parametreleri olarak tanımlayan diferansiyel veya fark denklemlerini tanımlarız. Sistemdeki bir sensör hasar, arıza veya performans bozulması nedeniyle başarısız olduğunda, doğrudan malzeme parametrelerinin değişikliği olarak görüntülenebilir, bu da tüm hata bilgilerini içeren modül parametrelerinin değişmesine neden olur. Aksine, modül parametreleri bilindiğinde, sensör hatasının boyutunu ve derecesini belirlemek için parametrenin değişikliği hesaplanabilir. Şu anda, model tabanlı sensör tanı teknolojisi yaygın olarak kullanılmaktadır ve araştırma sonuçları doğrusal sistemlere odaklanmaktadır, ancak doğrusal olmayan sistemler üzerindeki araştırmaların güçlendirilmesi gerekmektedir.

1.2 Bilgi Tabanlı Hata Teşhisi

Yukarıda belirtilen hata teşhis yöntemlerinden farklı olarak, bilgiye dayalı hata teşhisi, model tabanlı hata tanısının eksikliklerinin veya kusurlarının üstesinden gelen, ancak bir dizi olgun teorik desteğe sahip olmayan bir matematiksel model oluşturmaya gerek yoktur. Bunlar arasında yapay sinir ağı yöntemi, bilgiye dayalı hata teşhisinin temsilcisidir. Yapay sinir ağı, beyin sinir ağının insan anlayışına dayanan ve yapay yapı yoluyla belirli bir işlevi fark eden İngilizce olarak ANN olarak kısaltılır. Yapay sinir ağı bilgileri dağıtılmış bir şekilde saklayabilir ve ağ topolojisi ve ağırlık dağılımı yardımıyla doğrusal olmayan dönüşüm ve eşlemeyi gerçekleştirebilir. Buna karşılık, yapay sinir ağı yöntemi doğrusal olmayan sistemlerde model tabanlı hata tanısının eksikliğini oluşturur. Bununla birlikte, yapay sinir ağı yöntemi mükemmel değildir ve sadece özel alanlarda biriken deneyimi etkili bir şekilde kullanmayan ve örnek seçiminden kolayca etkilenen bazı pratik vakalara dayanır, bu nedenle ondan çıkarılan teşhis sonuçları yorumlanamaz.