252927 Snímač tlaku spínače automatické převodovky AL4 DPO

1. Běžné metody diagnostiky poruch snímače

S rozvojem vědy a techniky se stále více objevují metody diagnostiky poruch senzorů, které mohou v podstatě uspokojit potřeby každodenního používání. Mezi běžné metody diagnostiky chyb snímače konkrétně patří zejména následující:

1.1 Diagnostika chyb na základě modelu

Nejstarší vyvinutá technologie diagnostiky poruch senzorů založená na modelu bere jako svou hlavní myšlenku analytickou redundanci namísto fyzické redundance a získává informace o poruchách především jejich porovnáním s naměřenými hodnotami, které vystupuje systém odhadu. V současné době lze tuto diagnostickou technologii rozdělit do tří kategorií: metoda diagnostiky poruch založená na odhadu parametrů, metoda diagnostiky poruch založená na stavu a metoda ekvivalentní prostorové diagnostiky. Obecně definujeme charakteristické parametry komponent, které tvoří fyzikální systém, jako parametry hmoty a diferenciální nebo diferenční rovnice, které popisují řídicí systém, jako parametry modulu. Když senzor v systému selže v důsledku poškození, poruchy nebo snížení výkonu, může se to přímo zobrazit jako změna parametrů materiálu, což zase způsobí změnu parametrů modulu, který obsahuje všechny informace o poruše. Naopak, když jsou známy parametry modulu, lze změnu parametru vypočítat, aby se určila velikost a stupeň poruchy snímače. V současné době je široce používána technologie diagnostiky senzorů založená na modelu a výsledky jejího výzkumu se zaměřují na lineární systémy, ale výzkum nelineárních systémů je třeba posílit.

1.2 Diagnostika chyb založená na znalostech

Na rozdíl od výše uvedených metod diagnostiky chyb nepotřebuje znalostní diagnostika chyb vytvářet matematický model, který překonává nedostatky nebo vady modelové diagnostiky chyb, ale postrádá soubor vyspělé teoretické podpory. Mezi nimi je metoda umělé neuronové sítě představitelem diagnostiky chyb založené na znalostech. Takzvaná umělá neuronová síť je v angličtině zkrácena jako ANN, která vychází z lidského chápání mozkové neuronové sítě a realizuje určitou funkci prostřednictvím umělé konstrukce. Umělá neuronová síť může ukládat informace distribuovaným způsobem a realizovat nelineární transformaci a mapování pomocí topologie sítě a rozložení váhy. Naproti tomu metoda umělé neuronové sítě kompenzuje nedostatek modelové diagnostiky chyb v nelineárních systémech. Metoda umělé neuronové sítě však není dokonalá a spoléhá se pouze na některé praktické případy, které nevyužívají efektivně nasbírané zkušenosti ve speciálních oborech a jsou snadno ovlivnitelné výběrem vzorku, takže diagnostické závěry z ní vyvozené nejsou interpretovatelné.