252927 Sensor de presión del interruptor DPO AL4 de transmisión automática

1. Métodos comúns de diagnóstico de avarías do sensor

Co desenvolvemento da ciencia e da tecnoloxía, os métodos de diagnóstico de fallos do sensor son cada vez máis abundantes, o que basicamente pode satisfacer as necesidades do uso diario. En concreto, os métodos comúns de diagnóstico de fallos do sensor inclúen principalmente os seguintes:

1.1 Diagnóstico de avarías baseado en modelos

A tecnoloxía de diagnóstico de avarías de sensor baseada en modelos desenvolvida máis antigamente toma como idea principal a redundancia analítica en lugar da redundancia física e obtén información sobre avarías principalmente comparándoa cos valores medidos emitidos polo sistema de estimación. Na actualidade, esta tecnoloxía de diagnóstico pódese dividir en tres categorías: método de diagnóstico de fallos baseado na estimación de parámetros, método de diagnóstico de fallos baseado no estado e método de diagnóstico espacial equivalente. En xeral, definimos os parámetros característicos dos compoñentes que constitúen o sistema físico como parámetros da materia, e as ecuacións diferenciais ou diferenciais que describen o sistema de control como parámetros de módulo. Cando un sensor do sistema falla debido a danos, fallos ou degradación do rendemento, pódese mostrar directamente como o cambio dos parámetros do material, o que á súa vez provoca o cambio dos parámetros do módulo, que contén toda a información sobre fallos. Pola contra, cando se coñecen os parámetros do módulo, pódese calcular o cambio do parámetro, para determinar o tamaño e o grao da falla do sensor. Na actualidade, a tecnoloxía de diagnóstico de sensores baseada en modelos utilizouse amplamente e os seus resultados de investigación céntranse en sistemas lineais, pero a investigación sobre sistemas non lineais debe ser reforzada.

1.2 Diagnóstico de avarías baseado no coñecemento

A diferenza dos métodos de diagnóstico de avarías mencionados anteriormente, o diagnóstico de avarías baseado no coñecemento non precisa establecer un modelo matemático, que supere as deficiencias ou defectos do diagnóstico de avarías baseado en modelos, pero carece dun conxunto de soporte teórico maduro. Entre eles, o método de rede neuronal artificial é o representante do diagnóstico de fallos baseado no coñecemento. A chamada rede neuronal artificial abreviase como ANN en inglés, que se basea na comprensión humana da rede neuronal do cerebro e realiza unha determinada función mediante a construción artificial. A rede neuronal artificial pode almacenar información de forma distribuída e realizar a transformación e mapeamento non lineal coa axuda da topoloxía da rede e da distribución de peso. Pola contra, o método de rede neuronal artificial compensa a deficiencia do diagnóstico de fallos baseado en modelos en sistemas non lineais. Non obstante, o método da rede neuronal artificial non é perfecto, e só se basea nalgúns casos prácticos, que non fai un uso efectivo da experiencia acumulada en campos especiais e é facilmente influenciado pola selección de mostras, polo que as conclusións diagnósticas extraídas non son. interpretable.