252927 Аутоматски мењач АЛ4 ДПО сензор притиска прекидача

1. Уобичајене методе дијагнозе грешке сензора

Са развојем науке и технологије, методе дијагнозе квара сензора су све бројније, које у основи могу задовољити потребе свакодневне употребе. Конкретно, уобичајене методе дијагнозе квара сензора углавном укључују следеће:

1.1 Дијагноза грешака заснована на моделу

Најраније развијена технологија дијагнозе грешака сензора заснована на моделу узима аналитичку редундантност уместо физичке редундансе као своју основну идеју и добија информације о грешци углавном тако што их упоређује са измереним вредностима које излазе из система за процену. Тренутно се ова технологија дијагнозе може поделити у три категорије: метод дијагнозе грешака заснован на процени параметара, метод дијагнозе грешке заснован на стању и метод дијагнозе еквивалентног простора. Генерално, дефинишемо карактеристичне параметре компоненти које чине физички систем као параметре материје, а диференцијалне или диференцијалне једначине које описују управљачки систем као параметре модула. Када сензор у систему откаже због оштећења, квара или деградације перформанси, то се може директно приказати као промена параметара материјала, што заузврат изазива промену параметара модула, који садржи све информације о грешци. Напротив, када су параметри модула познати, промена параметра се може израчунати како би се одредила величина и степен квара сензора. Тренутно се широко користи технологија за дијагностику сензора заснована на моделима, а њени резултати истраживања се фокусирају на линеарне системе, али истраживање нелинеарних система треба ојачати.

1.2 Дијагноза грешака заснована на знању

За разлику од горе наведених метода дијагнозе грешака, дијагноза грешака заснована на знању не мора да успостави математички модел, који превазилази недостатке или недостатке дијагнозе грешака засноване на моделу, али јој недостаје скуп зреле теоријске подршке. Међу њима, метод вештачке неуронске мреже је представник дијагнозе грешака засноване на знању. Такозвана вештачка неуронска мрежа је на енглеском скраћено АНН, која се заснива на људском разумевању неуронске мреже мозга и остварује одређену функцију кроз вештачку конструкцију. Вештачка неуронска мрежа може да складишти информације на дистрибуиран начин, и да реализује нелинеарну трансформацију и мапирање уз помоћ топологије мреже и расподеле тежине. Насупрот томе, метода вештачке неуронске мреже надокнађује недостатак дијагнозе грешака засноване на моделу у нелинеарним системима. Међутим, метода вештачке неуронске мреже није савршена и ослања се само на неке практичне случајеве, која не користи ефективно стечено искуство у посебним областима и на коју се лако утиче одабиром узорка, па се дијагностички закључци из ње извлаче нису интерпретабле.