252927 Cảm biến áp suất chuyển mạch hộp số tự động AL4 DPO

1. Các phương pháp chẩn đoán lỗi cảm biến thông dụng

Với sự phát triển của khoa học công nghệ, các phương pháp chẩn đoán lỗi cảm biến ngày càng phong phú, cơ bản có thể đáp ứng nhu cầu sử dụng hàng ngày.Cụ thể, các phương pháp chẩn đoán lỗi cảm biến phổ biến chủ yếu bao gồm:

1.1 Chẩn đoán lỗi dựa trên mô hình

Công nghệ chẩn đoán lỗi cảm biến dựa trên mô hình được phát triển sớm nhất lấy dự phòng phân tích thay vì dự phòng vật lý làm ý tưởng cốt lõi và thu được thông tin lỗi chủ yếu bằng cách so sánh nó với đầu ra giá trị đo được của hệ thống ước tính.Hiện tại, công nghệ chẩn đoán này có thể được chia thành ba loại: phương pháp chẩn đoán lỗi dựa trên ước tính tham số, phương pháp chẩn đoán lỗi dựa trên trạng thái và phương pháp chẩn đoán không gian tương đương.Nói chung, chúng tôi xác định các tham số đặc trưng của các thành phần cấu thành hệ thống vật lý là các tham số vật chất và các phương trình vi phân hoặc sai phân mô tả hệ thống điều khiển là các tham số mô-đun.Khi một cảm biến trong hệ thống bị hỏng do hư hỏng, hỏng hóc hoặc suy giảm hiệu suất, nó có thể được hiển thị trực tiếp dưới dạng thay đổi các thông số vật liệu, từ đó gây ra sự thay đổi các thông số mô đun, chứa tất cả thông tin lỗi.Ngược lại, khi biết các tham số mô-đun, sự thay đổi của tham số có thể được tính toán để xác định kích thước và mức độ của lỗi cảm biến.Hiện nay, công nghệ chẩn đoán cảm biến dựa trên mô hình đã được sử dụng rộng rãi và kết quả nghiên cứu của nó tập trung vào các hệ thống tuyến tính, nhưng nghiên cứu về hệ thống phi tuyến cần được tăng cường.

1.2 Chẩn đoán lỗi dựa trên kiến ​​thức

Khác với các phương pháp chẩn đoán lỗi nêu trên, chẩn đoán lỗi dựa trên kiến ​​thức không cần thiết lập mô hình toán học, khắc phục những thiếu sót hoặc khiếm khuyết của chẩn đoán lỗi dựa trên mô hình nhưng thiếu một bộ hỗ trợ lý thuyết trưởng thành.Trong số đó, phương pháp mạng nơ-ron nhân tạo là đại diện tiêu biểu cho việc chẩn đoán lỗi dựa trên tri thức.Cái gọi là mạng lưới thần kinh nhân tạo được viết tắt là ANN trong tiếng Anh, dựa trên sự hiểu biết của con người về mạng lưới thần kinh não và nhận ra một chức năng nhất định thông qua việc xây dựng nhân tạo.Mạng nơ-ron nhân tạo có thể lưu trữ thông tin theo cách phân tán và thực hiện chuyển đổi và ánh xạ phi tuyến với sự trợ giúp của cấu trúc liên kết mạng và phân bổ trọng số.Ngược lại, phương pháp mạng nơ-ron nhân tạo bù đắp cho sự thiếu sót trong chẩn đoán lỗi dựa trên mô hình trong các hệ thống phi tuyến.Tuy nhiên, phương pháp mạng nơ-ron nhân tạo không hoàn hảo, chỉ dựa vào một số trường hợp thực tế, không tận dụng hiệu quả kinh nghiệm tích lũy được trong các lĩnh vực đặc biệt và dễ bị ảnh hưởng bởi việc chọn mẫu nên kết luận chẩn đoán rút ra từ đó là không chính xác. có thể giải thích được.