252927 Automatisk växellåda AL4 DPO Switch Pressure Sensor

1. Vanliga sensorfeldiagnosmetoder

Med utvecklingen av vetenskap och teknik är metoderna för sensorfeldiagnos mer och mer rikligt, vilket i princip kan tillgodose behoven för daglig användning. Specifikt inkluderar de vanliga sensorfeldiagnosmetoderna främst följande:

1.1 Modellbaserad feldiagnos

Den tidigaste utvecklade modellbaserade sensorfeldiagnostekniken tar analytisk redundans istället för fysisk redundans som dess kärnidé och får felinformation främst genom att jämföra den med de uppmätta värdena utmatningen av uppskattningssystemet. För närvarande kan denna diagnosteknologi delas in i tre kategorier: parameteruppskattningsbaserad feldiagnosmetod, tillståndsbaserad feldiagnosmetod och motsvarande mellanslagsdiagnosmetod. I allmänhet definierar vi de karakteristiska parametrarna för komponenterna som utgör det fysiska systemet som materiaparametrar och de skillnads- eller skillnadsekvationerna som beskriver kontrollsystemet som modulparametrar. När en sensor i systemet misslyckas på grund av skador, fel eller nedbrytning av prestanda, kan det direkt visas som förändring av materialparametrar, vilket i sin tur orsakar förändring av modulparametrar, som innehåller all felinformation. Tvärtom, när modulparametrarna är kända, kan ändringen av parametern beräknas för att bestämma storleken och graden på sensorfelet. För närvarande har modellbaserad sensordiagnosteknologi använts i stor utsträckning, och dess forskningsresultat fokuserar på linjära system, men forskningen om icke-linjära system måste stärkas.

1.2 Kunskapsbaserad feldiagnos

Till skillnad från ovannämnda feldiagnosmetoder behöver kunskapsbaserad feldiagnos inte skapa en matematisk modell, som övervinner bristerna eller defekterna av modellbaserad feldiagnos, men saknar en uppsättning mogna teoretiska stöd. Bland dem är konstgjorda neurala nätverksmetoder representativ för kunskapsbaserad feldiagnos. Det så kallade konstgjorda neurala nätverket förkortas till Ann på engelska, som är baserad på mänsklig förståelse av hjärnneuralt nätverk och inser en viss funktion genom konstgjord konstruktion. Konstgjorda neurala nätverk kan lagra information på ett distribuerat sätt och realisera olinjär omvandling och kartläggning med hjälp av nätverkstopologi och viktfördelning. Däremot utgör konstgjord neural nätverksmetod för bristen på modellbaserad feldiagnos i olinjära system. Den konstgjorda neurala nätverksmetoden är emellertid inte perfekt, och den förlitar sig bara på vissa praktiska fall, som inte använder sig av den ackumulerade upplevelsen inom specialområden och påverkas lätt av provval, så de diagnostiska slutsatserna som dras av det kan inte tolkas.