252927 Automatická převodovka AL4 DPO Switch Sensor

1.

S rozvojem vědy a technologie jsou metody diagnostiky poruch senzoru stále hojnější, což může v zásadě uspokojit potřeby každodenního používání. Konkrétně zahrnují metody diagnostiky společných senzorů hlavně následující:

1.1 Diagnóza poruch založená na modelu

Nejčasnější vyvinutá technologie diagnostiky poruch založená na modelu založená na modelu založená na analytickou redundanci namísto fyzické redundance jako její základní myšlenku získává a získává informace hlavně porovnáním s naměřeným hodnotovým výstupem systémem odhadu. V současné době lze tuto technologii diagnostiky rozdělit do tří kategorií: metoda diagnostické diagnostiky poruch založená na parametru, metoda diagnostiky poruch založená na stavu a ekvivalentní metoda diagnostiky prostoru. Obecně definujeme charakteristické parametry komponent, které tvoří fyzický systém jako parametry hmoty, a diferenciální nebo rozdílové rovnice, které popisují řídicí systém jako parametry modulu. Pokud senzor v systému selže v důsledku poškození, selhání nebo degradace výkonu, může být přímo zobrazen jako změna materiálových parametrů, což zase způsobuje změnu parametrů modulu, která obsahuje všechny informace o poruchách. Naopak, když jsou známy parametry modulu, lze vypočítat změnu parametru, aby se určila velikost a stupeň poruchy senzoru. V současné době byla široce používána technologie diagnostiky založené na modelu a její výsledky výzkumu se zaměřují na lineární systémy, ale výzkum nelineárních systémů je třeba posílit.

1.2 Diagnóza poruch založená na znalostech

Na rozdíl od výše uvedených metod diagnostiky poruch diagnózy založených na znalostech nemusí stanovit matematický model, který překonává nedostatky nebo defekty diagnostiky poruch založené na modelu, ale postrádá soubor zralé teoretické podpory. Mezi nimi je metoda umělé neuronové sítě reprezentativní pro diagnostiku poruch založené na znalostech. Takzvaná umělá neuronová síť je zkrácena jako Ann v angličtině, která je založena na lidském porozumění mozkové neuronové síti 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 distribuce hmotnosti. Naproti tomu metoda umělé neuronové sítě vyrovnává nedostatek diagnostiky poruch založené na modelu v nelineárních systémech. Metoda umělé neuronové sítě však není dokonalá a spoléhá pouze na některé praktické případy, které účinně nevyužívají akumulované zkušenosti ve zvláštních oborech a je snadno ovlivněna výběrem vzorku, takže diagnostické závěry z ní nejsou interpretovatelné.