252927 Outomatiese ratkas AL4 DPO -skakelaardruksensor

1. Algemene sensorfoutdiagnose -metodes

Met die ontwikkeling van wetenskap en tegnologie is die metodes van sensorfoutdiagnose meer en meer volop, wat basies aan die behoeftes van daaglikse gebruik kan voldoen. Spesifiek bevat die metodes van die gewone sensorfout hoofsaaklik die volgende:

1.1 Modelgebaseerde foutdiagnose

Die vroegste ontwikkelde model-gebaseerde sensorfoutdiagnose-tegnologie neem analitiese oortolligheid in plaas van fisiese oortolligheid as die kernidee daarvan, en verkry foutinligting hoofsaaklik deur dit met die gemete waardes-uitset deur die beramingstelsel te vergelyk. Hierdie diagnosetegnologie kan tans in drie kategorieë verdeel word: parameterberaming-gebaseerde foutdiagnose-metode, staatsgebaseerde foutdiagnose-metode en ekwivalente ruimtediagnose-metode. Oor die algemeen definieer ons die kenmerkende parameters van die komponente wat die fisiese stelsel as materieparameters vorm, en die differensiële of verskilvergelykings wat die beheerstelsel as moduleparameters beskryf. As 'n sensor in die stelsel misluk as gevolg van skade, mislukking of agteruitgang van die werkverrigting, kan dit direk vertoon word as die verandering van materiaalparameters, wat op sy beurt die verandering van modulusparameters veroorsaak, wat alle foutinligting bevat. Inteendeel, wanneer die moduleparameters bekend is, kan die verandering van die parameter bereken word om die grootte en graad van die sensorfout te bepaal. Op die oomblik is modelgebaseerde sensordiagnosetegnologie wyd gebruik, en die navorsingsresultate daarvan fokus op lineêre stelsels, maar die navorsing oor nie-lineêre stelsels moet versterk word.

1.2 Kennisgebaseerde foutdiagnose

Anders as die bogenoemde metodes vir foutdiagnose, hoef kennis-gebaseerde foutdiagnose nie 'n wiskundige model te vestig nie, wat die tekortkominge of defekte van modelgebaseerde foutdiagnose oorkom, maar het nie 'n stel volwasse teoretiese ondersteuning nie. Onder hulle is kunsmatige neurale netwerkmetode die verteenwoordiger van kennisgebaseerde foutdiagnose. Die sogenaamde kunsmatige neurale netwerk word in Engels afgekort, wat gebaseer is op die menslike begrip van die neurale netwerk van die brein en 'n sekere funksie deur kunsmatige konstruksie besef. Kunsmatige neurale netwerk kan inligting op 'n verspreide manier stoor en nie -lineêre transformasie en kartering met behulp van netwerktopologie en gewigsverspreiding besef. In teenstelling hiermee maak kunsmatige neurale netwerkmetode die tekort aan modelgebaseerde foutdiagnose in nie-lineêre stelsels. Die kunsmatige neurale netwerkmetode is egter nie perfek nie, en dit is slegs op sommige praktiese gevalle afhanklik, wat nie die opgehoopte ervaring in spesiale velde effektief gebruik nie en maklik deur steekproefkeuse beïnvloed word, dus is die diagnostiese gevolgtrekkings daaruit nie interpreteerbaar nie.