252927 Automātiskās pārnesumkārbas AL4 DPO slēdža spiediena sensors

1. Izplatītākās sensoru bojājumu diagnostikas metodes

Attīstoties zinātnei un tehnoloģijām, arvien vairāk tiek izmantotas sensoru bojājumu diagnostikas metodes, kas pamatā var apmierināt ikdienas lietošanas vajadzības. Konkrēti, izplatītās sensoru kļūdu diagnostikas metodes galvenokārt ietver šādas:

1.1. Uz modeli balstīta kļūdu diagnostika

Agrākā izstrādātā, uz modeļiem balstītā sensoru kļūdu diagnostikas tehnoloģija par savu pamatideju izmanto analītisko dublēšanos, nevis fizisko atlaišanu, un informāciju par kļūmēm iegūst galvenokārt, salīdzinot to ar izmērītajām vērtībām, ko izvada novērtēšanas sistēma. Pašlaik šo diagnostikas tehnoloģiju var iedalīt trīs kategorijās: uz parametru novērtēšanu balstīta kļūdu diagnostikas metode, uz stāvokli balstīta kļūdu diagnostikas metode un līdzvērtīga kosmosa diagnostikas metode. Kopumā mēs definējam fizisko sistēmu veidojošo komponentu raksturīgos parametrus kā matērijas parametrus un diferenciālvienādojumus vai diferenciālos vienādojumus, kas apraksta vadības sistēmu kā moduļa parametrus. Kad sensors sistēmā sabojājas bojājuma, atteices vai veiktspējas pasliktināšanās dēļ, to var tieši attēlot kā materiāla parametru izmaiņas, kas savukārt izraisa moduļa parametru maiņu, kas satur visu defektu informāciju. Gluži pretēji, ja ir zināmi moduļa parametri, var aprēķināt parametra izmaiņas, lai noteiktu sensora bojājuma lielumu un pakāpi. Šobrīd plaši tiek izmantota uz modeļiem balstīta sensoru diagnostikas tehnoloģija, un tās pētījumu rezultāti koncentrējas uz lineārām sistēmām, taču ir jāpastiprina pētījumi par nelineārajām sistēmām.

1.2. Uz zināšanām balstīta kļūdu diagnostika

Atšķirībā no iepriekš minētajām kļūdu diagnostikas metodēm, uz zināšanām balstītai kļūdu diagnostikai nav nepieciešams izveidot matemātisku modeli, kas novērš uz modeļiem balstītas kļūdu diagnostikas nepilnības vai defektus, bet trūkst nobrieduša teorētiskā atbalsta kopuma. Starp tiem mākslīgā neironu tīkla metode ir uz zināšanām balstītas kļūdu diagnostikas pārstāvis. Tā sauktais mākslīgais neironu tīkls angļu valodā ir saīsināts kā ANN, kas balstās uz cilvēka izpratni par smadzeņu neironu tīklu un īsteno noteiktu funkciju, izmantojot mākslīgo konstrukciju. Mākslīgais neironu tīkls var uzglabāt informāciju sadalītā veidā un realizēt nelineāru transformāciju un kartēšanu, izmantojot tīkla topoloģiju un svara sadalījumu. Turpretim mākslīgā neironu tīkla metode kompensē uz modeli balstītas kļūdu diagnostikas trūkumu nelineārās sistēmās. Tomēr mākslīgā neironu tīkla metode nav perfekta, un tā balstās tikai uz atsevišķiem praktiskiem gadījumiem, kas efektīvi neizmanto uzkrāto pieredzi īpašās jomās un ir viegli ietekmējama ar paraugu atlasi, tāpēc no tās izdarītie diagnostiskie secinājumi nav interpretējams.