252927 Αυτόματο κιβώτιο ταχυτήτων AL4 DPO Διακόπτης Αισθητήρας Πίεσης

1. Κοινές μέθοδοι διάγνωσης σφαλμάτων αισθητήρα

Με την ανάπτυξη της επιστήμης και της τεχνολογίας, οι μέθοδοι διάγνωσης σφαλμάτων αισθητήρων πληθαίνουν όλο και περισσότερο, οι οποίες βασικά μπορούν να καλύψουν τις ανάγκες της καθημερινής χρήσης. Συγκεκριμένα, οι κοινές μέθοδοι διάγνωσης σφαλμάτων αισθητήρα περιλαμβάνουν κυρίως τα ακόλουθα:

1.1 Διάγνωση σφαλμάτων βάσει μοντέλου

Η πιο πρώιμη ανεπτυγμένη τεχνολογία διάγνωσης σφαλμάτων αισθητήρα με βάση το μοντέλο έχει ως βασική ιδέα τον αναλυτικό πλεονασμό αντί για τον φυσικό πλεονασμό και λαμβάνει πληροφορίες για σφάλματα κυρίως συγκρίνοντάς τις με τις μετρούμενες τιμές που εξάγονται από το σύστημα εκτίμησης. Επί του παρόντος, αυτή η τεχνολογία διάγνωσης μπορεί να χωριστεί σε τρεις κατηγορίες: μέθοδος διάγνωσης βλαβών βάσει εκτίμησης παραμέτρων, μέθοδος διάγνωσης βλαβών βάσει κατάστασης και μέθοδος διάγνωσης ισοδύναμου χώρου. Γενικά, ορίζουμε τις χαρακτηριστικές παραμέτρους των στοιχείων που αποτελούν το φυσικό σύστημα ως παραμέτρους ύλης και τις διαφορικές εξισώσεις ή τις εξισώσεις διαφοράς που περιγράφουν το σύστημα ελέγχου ως παραμέτρους μονάδας. Όταν ένας αισθητήρας στο σύστημα αποτύχει λόγω βλάβης, αστοχίας ή υποβάθμισης της απόδοσης, μπορεί να εμφανιστεί απευθείας ως η αλλαγή των παραμέτρων του υλικού, η οποία με τη σειρά της προκαλεί την αλλαγή των παραμέτρων συντελεστή, η οποία περιέχει όλες τις πληροφορίες σφάλματος. Αντίθετα, όταν είναι γνωστές οι παράμετροι της μονάδας, μπορεί να υπολογιστεί η αλλαγή της παραμέτρου, ώστε να προσδιοριστεί το μέγεθος και ο βαθμός της βλάβης του αισθητήρα. Επί του παρόντος, η τεχνολογία διάγνωσης αισθητήρων που βασίζεται σε μοντέλα έχει χρησιμοποιηθεί ευρέως και τα ερευνητικά της αποτελέσματα επικεντρώνονται σε γραμμικά συστήματα, αλλά η έρευνα σε μη γραμμικά συστήματα πρέπει να ενισχυθεί.

1.2 Γνωσιακή διάγνωση σφαλμάτων

Διαφορετικά από τις προαναφερθείσες μεθόδους διάγνωσης σφαλμάτων, η διάγνωση σφαλμάτων με βάση τη γνώση δεν χρειάζεται να δημιουργήσει ένα μαθηματικό μοντέλο, το οποίο ξεπερνά τις ελλείψεις ή τα ελαττώματα της διάγνωσης βλαβών βάσει μοντέλου, αλλά δεν διαθέτει ένα σύνολο ώριμης θεωρητικής υποστήριξης. Μεταξύ αυτών, η μέθοδος τεχνητού νευρωνικού δικτύου είναι ο αντιπροσωπευτικός της διάγνωσης σφαλμάτων με βάση τη γνώση. Το λεγόμενο τεχνητό νευρωνικό δίκτυο συντομεύεται ως ANN στα αγγλικά, το οποίο βασίζεται στην ανθρώπινη κατανόηση του νευρωνικού δικτύου του εγκεφάλου και πραγματοποιεί μια συγκεκριμένη λειτουργία μέσω τεχνητής κατασκευής. Το τεχνητό νευρωνικό δίκτυο μπορεί να αποθηκεύσει πληροφορίες με κατανεμημένο τρόπο και να πραγματοποιήσει μη γραμμικό μετασχηματισμό και χαρτογράφηση με τη βοήθεια της τοπολογίας του δικτύου και της κατανομής βάρους. Αντίθετα, η μέθοδος τεχνητού νευρωνικού δικτύου αντισταθμίζει την ανεπάρκεια διάγνωσης σφαλμάτων βάσει μοντέλου σε μη γραμμικά συστήματα. Ωστόσο, η μέθοδος του τεχνητού νευρωνικού δικτύου δεν είναι τέλεια και βασίζεται μόνο σε ορισμένες πρακτικές περιπτώσεις, οι οποίες δεν αξιοποιούν αποτελεσματικά τη συσσωρευμένη εμπειρία σε ειδικά πεδία και επηρεάζονται εύκολα από την επιλογή δείγματος, επομένως τα διαγνωστικά συμπεράσματα που προκύπτουν από αυτήν δεν είναι ερμηνεύσιμο.