252927 αυτόματο κιβώτιο ταχυτήτων AL4 DPO Αισθητήρας πίεσης διακόπτη DPO

1. Κοινές μεθόδους διάγνωσης σφάλματος αισθητήρα

Με την ανάπτυξη της επιστήμης και της τεχνολογίας, οι μέθοδοι διάγνωσης σφάλματος αισθητήρων είναι όλο και πιο άφθονες, οι οποίες μπορούν βασικά να ανταποκρίνονται στις ανάγκες της καθημερινής χρήσης. Συγκεκριμένα, οι μέθοδοι διάγνωσης σφαλμάτων κοινών αισθητήρων περιλαμβάνουν κυρίως τα εξής:

1.1 Διάγνωση σφάλματος βάσει μοντέλου

Η πρώιμη τεχνολογία διάγνωσης σφαλμάτων αισθητήρα που βασίζεται σε μοντέλο λαμβάνει αναλυτική απόλυση αντί για φυσική απόλυση ως βασική ιδέα της και λαμβάνει πληροφορίες σφάλματος κυρίως συγκρίνοντάς την με την έξοδο των μετρημένων τιμών από το σύστημα εκτίμησης. Επί του παρόντος, αυτή η τεχνολογία διάγνωσης μπορεί να χωριστεί σε τρεις κατηγορίες: Μέθοδος διάγνωσης σφαλμάτων βασισμένη στην εκτίμηση των παραμέτρων, μέθοδος διάγνωσης σφαλμάτων με βάση το κράτος και ισοδύναμη μέθοδος διάγνωσης χώρου. Γενικά, ορίζουμε τις χαρακτηριστικές παράμετροι των συστατικών που συνιστούν το φυσικό σύστημα ως παραμέτρους της ύλης και τις διαφορικές ή διαφορές εξισώσεις που περιγράφουν το σύστημα ελέγχου ως παραμέτρους της μονάδας. Όταν ένας αισθητήρας στο σύστημα αποτυγχάνει λόγω βλάβης, αποτυχίας ή υποβάθμισης της απόδοσης, μπορεί να εμφανιστεί άμεσα ως η αλλαγή των παραμέτρων του υλικού, οι οποίες με τη σειρά τους προκαλούν την αλλαγή των παραμέτρων του συντελεστή, οι οποίες περιέχουν όλες τις πληροφορίες σφάλματος. Αντίθετα, όταν είναι γνωστές οι παράμετροι της μονάδας, η αλλαγή της παραμέτρου μπορεί να υπολογιστεί, έτσι ώστε να προσδιοριστεί το μέγεθος και ο βαθμός του σφάλματος του αισθητήρα. Επί του παρόντος, η τεχνολογία διάγνωσης αισθητήρων με βάση το μοντέλο έχει χρησιμοποιηθεί ευρέως και τα ερευνητικά της αποτελέσματα επικεντρώνονται στα γραμμικά συστήματα, αλλά η έρευνα για τα μη γραμμικά συστήματα πρέπει να ενισχυθεί.

1.2 Διάγνωση σφαλμάτων βασισμένη στη γνώση

Διαφορετικά από τις προαναφερθείσες μεθόδους διάγνωσης σφαλμάτων, η διάγνωση σφαλμάτων που βασίζεται στη γνώση δεν χρειάζεται να δημιουργήσει ένα μαθηματικό μοντέλο, το οποίο ξεπερνά τις αδυναμίες ή τα ελαττώματα της διάγνωσης σφαλμάτων που βασίζεται στο μοντέλο, αλλά στερείται μιας σειράς ώριμης θεωρητικής υποστήριξης. Μεταξύ αυτών, η μέθοδος του τεχνητού νευρικού δικτύου είναι ο αντιπροσωπευτικός της διάγνωσης σφαλμάτων που βασίζεται στη γνώση. Το λεγόμενο τεχνητό νευρωνικό δίκτυο συντομεύεται ως Ann στα αγγλικά, η οποία βασίζεται στην ανθρώπινη κατανόηση του νευρικού δικτύου του εγκεφάλου και συνειδητοποιεί μια συγκεκριμένη λειτουργία μέσω της τεχνητής κατασκευής. Το τεχνητό νευρωνικό δίκτυο μπορεί να αποθηκεύσει πληροφορίες με έναν κατανεμημένο τρόπο και να συνειδητοποιήσει τον μη γραμμικό μετασχηματισμό και τη χαρτογράφηση με τη βοήθεια της τοπολογίας δικτύου και της κατανομής βάρους. Αντίθετα, η μέθοδος τεχνητού νευρικού δικτύου αντισταθμίζει την ανεπάρκεια της διάγνωσης σφαλμάτων που βασίζεται σε μοντέλο σε μη γραμμικά συστήματα. Ωστόσο, η μέθοδος τεχνητού νευρικού δικτύου δεν είναι τέλεια και βασίζεται μόνο σε ορισμένες πρακτικές περιπτώσεις, οι οποίες δεν κάνουν αποτελεσματική χρήση της συσσωρευμένης εμπειρίας σε ειδικούς τομείς και επηρεάζονται εύκολα από την επιλογή δείγματος, επομένως τα διαγνωστικά συμπεράσματα που προκύπτουν από αυτήν δεν είναι ερμηνευτικά.