252927 Transmisión automática AL4 Sensor de presión de conmutación DPO

1. Métodos de diagnóstico de fallos do sensor común

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

1.1 Diagnóstico de fallos baseado no modelo

A primeira tecnoloxía de diagnóstico de fallos de sensores baseada en modelos desenvolveu a redundancia analítica en lugar da redundancia física como a súa idea principal e obtén información de falla principalmente comparándoa cos valores medidos de saída polo sistema de estimación. Na actualidade, esta tecnoloxía de diagnóstico pódese dividir en tres categorías: método de diagnóstico de fallos baseado en parámetros, método de diagnóstico de fallos baseado no estado e método de diagnóstico de espazo equivalente. En xeral, definimos os parámetros característicos dos compoñentes que constitúen o sistema físico como parámetros de materia, e as ecuacións diferenciais ou diferenzas que describen o sistema de control como parámetros do módulo. Cando un sensor no sistema falla debido a danos, fallos ou degradación do rendemento, pódese amosar directamente como o cambio de parámetros do material, o que á súa vez provoca o cambio de parámetros do módulo, que contén toda a información de 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 foi moi utilizada e os seus resultados da investigación céntranse nos sistemas lineais, pero hai que reforzar a investigación sobre sistemas non lineais.

1.2 Diagnóstico de fallos baseado no coñecemento

Diferentes dos métodos de diagnóstico de fallos mencionados, o diagnóstico de fallos baseado no coñecemento non precisa establecer un modelo matemático, que supera as carencias ou defectos do diagnóstico de fallos baseados no modelo, pero carece dun conxunto de soporte teórico maduro. Entre eles, o método de rede neuronal artificial está o representante do diagnóstico de fallos baseado no coñecemento. A chamada rede neuronal artificial está abreviada como ANN en inglés, que se basea na comprensión humana da rede neuronal cerebral e realiza unha certa función a través da construción artificial. A rede neuronal artificial pode almacenar información de xeito distribuído e realizar unha transformación e mapeo non lineal coa axuda da topoloxía da rede e da distribución de peso. En contraste, o método de rede neuronal artificial compensa a deficiencia de diagnóstico de fallos baseados en modelos en sistemas non lineais. Non obstante, o método de rede neuronal artificial non é perfecto e só depende nalgúns casos prácticos, o que non fai un uso eficaz da experiencia acumulada en campos especiais e é facilmente influenciada pola selección de mostras, polo que as conclusións diagnósticas extraídas non son interpretables.