252927 Automaattivaihteisto AL4 DPO -kytkimen paineanturi

1. Yleiset anturin vian diagnoosimenetelmät

Tieteen ja tekniikan kehityksen myötä anturin vikadiagnoosin menetelmät ovat yhä runsaampia, mikä pystyy periaatteessa vastaamaan päivittäisen käytön tarpeita. Erityisesti yleinen anturin vikadiagnoosimenetelmät sisältävät pääasiassa seuraavat:

1.1 Mallipohjainen vikadiagnoosi

Varhaisin kehitetty mallipohjainen anturin vikadiagnoositekniikka ottaa analyyttisen redundanssin fyysisen redundanssin sijasta sen ydinideana ja saa vikatietoja pääasiassa vertaamalla sitä arviointijärjestelmän tuottamiin mitattuihin arvoihin. Tällä hetkellä tämä diagnoositekniikka voidaan jakaa kolmeen luokkaan: parametrien estimointipohjainen vikadiagnoosimenetelmä, tilapohjainen vikadiagnoosimenetelmä ja vastaava avaruusdiagnoosimenetelmä. Yleisesti ottaen määrittelemme fysikaalisen järjestelmän muodostavien komponenttien ominaisparametrit aineparametreiksi ja differentiaali- tai eroyhtälöiksi, jotka kuvaavat ohjausjärjestelmää moduulin parametreiksi. Kun järjestelmän anturi epäonnistuu vaurioiden, vikaantumisen tai suorituskyvyn heikkenemisen vuoksi, se voidaan näyttää suoraan materiaaliparametrien muutoksena, mikä puolestaan ​​aiheuttaa moduulin parametrien muutoksen, joka sisältää kaikki vikatiedot. Päinvastoin, kun moduuliparametrit tunnetaan, parametrin muutos voidaan laskea, jotta anturin vian koon ja asteen määrittämiseksi voidaan määrittää. Tällä hetkellä mallipohjaista anturidiagnoositekniikkaa on käytetty laajasti, ja sen tutkimustulokset keskittyvät lineaarisiin järjestelmiin, mutta epälineaarisia järjestelmiä koskevaa tutkimusta on vahvistettava.

1.2 Tietopohjainen vikadiagnoosi

Erilainen edellä mainituista vikadiagnoosimenetelmistä, tietopohjaisen vikadiagnoosin ei tarvitse muodostaa matemaattista mallia, joka ylittää mallipohjaisen vikadiagnoosin puutteet tai puutteet, mutta puuttuu joukko kypsää teoreettista tukea. Niistä keinotekoinen hermoverkkomenetelmä edustaa tietopohjaista vikadiagnoosia. Niin kutsuttu keinotekoinen hermoverkosto lyhennetään englanniksi Annina, joka perustuu aivojen hermoverkoston ihmisen ymmärtämiseen ja toteuttaa tietyn toiminnon keinotekoisen rakenteen avulla. Keinotekoinen hermoverkko voi tallentaa tietoa hajautetulla tavalla ja toteuttaa epälineaarisen muutoksen ja kartoituksen verkon topologian ja painon jakelun avulla. Sitä vastoin keinotekoinen hermoverkkomenetelmä korvaa mallipohjaisen vikadiagnoosin puutteen epälineaarisissa järjestelmissä. Keinotekoinen hermoverkkomenetelmä ei kuitenkaan ole täydellinen, ja se perustuu vain joihinkin käytännön tapauksiin, joissa ei käytetä erityistä kokemusta erityisissä aloilla ja että näytteen valinta vaikuttaa helposti, joten siitä tehdyt diagnostiset päätelmät eivät ole tulkittavissa.