252927 Automaattivaihteisto AL4 DPO-kytkimen paineanturi

1. Yleiset anturivian diagnosointimenetelmät

Tieteen ja tekniikan kehityksen myötä anturivikadiagnoosin menetelmät ovat yhä runsaampia, ja ne voivat periaatteessa vastata päivittäisen käytön tarpeisiin. Erityisesti yleiset anturivian diagnoosimenetelmät sisältävät pääasiassa seuraavat:

1.1 Mallipohjainen vikadiagnoosi

Varhaisin kehitetty mallipohjainen anturivikadiagnoositekniikka ottaa ydinajatuksensa fyysisen redundanssin sijaan analyyttisen redundanssin ja saa vikatietoa pääasiassa vertaamalla sitä estimointijärjestelmän antamiin mittausarvoihin. Tällä hetkellä tämä diagnoositekniikka voidaan jakaa kolmeen luokkaan: parametriarviointiin perustuva vikadiagnoosimenetelmä, tilaperusteinen vikadiagnoosimenetelmä ja vastaava tiladiagnoosimenetelmä. Yleisesti määritellään aineparametreiksi fyysisen järjestelmän muodostavien komponenttien ominaisparametrit ja moduuliparametreiksi ohjausjärjestelmää kuvaavat differentiaali- tai differentiaaliyhtälöt. Kun järjestelmän anturi vioittuu vaurion, vian tai suorituskyvyn heikkenemisen vuoksi, se voidaan suoraan näyttää materiaaliparametrien muutoksena, mikä puolestaan ​​aiheuttaa moduuliparametrien muutoksen, joka sisältää kaikki vikatiedot. Päinvastoin, kun moduuliparametrit ovat tiedossa, parametrin muutos voidaan laskea anturivian koon ja asteen määrittämiseksi. Tällä hetkellä mallipohjaista anturidiagnostiikkatekniikkaa on käytetty laajalti, ja sen tutkimustulokset keskittyvät lineaarisiin järjestelmiin, mutta epälineaaristen järjestelmien tutkimusta on tehostettava.

1.2 Tietoon perustuva vianmääritys

Edellä mainituista vianmääritysmenetelmistä poiketen tietoon perustuvan vikadiagnoosin ei tarvitse muodostaa matemaattista mallia, joka voittaa mallipohjaisen vikadiagnoosin puutteet tai puutteet, mutta siltä puuttuu kypsä teoreettinen tuki. Näistä keinotekoinen hermoverkkomenetelmä edustaa tietoon perustuvaa vikadiagnoosia. Ns. keinotekoinen hermoverkko on englanninkielinen lyhenne ANN, joka perustuu ihmisen ymmärrykseen aivojen hermoverkosta ja toteuttaa tietyn toiminnon keinotekoisella rakentamisella. Keinotekoinen hermoverkko voi tallentaa tietoa hajautetusti ja toteuttaa epälineaarisia muunnoksia ja kartoituksia verkkotopologian ja painojakauman avulla. Sitä vastoin keinotekoinen hermoverkkomenetelmä korvaa epälineaaristen järjestelmien mallipohjaisen vikadiagnoosin puutteen. Keinotekoinen hermoverkkomenetelmä ei kuitenkaan ole täydellinen, ja se perustuu vain joihinkin käytännön tapauksiin, mikä ei hyödynnä tehokkaasti erikoisalojen kertynyttä kokemusta ja johon näytteen valinnalla on helppo vaikuttaa, joten siitä tehdyt diagnostiset johtopäätökset eivät ole tulkittavissa.