252927 Transmissão automática AL4 DPO Sensor de pressão de comutação

1. Métodos de diagnóstico de falha de sensor comuns

Com o desenvolvimento da ciência e da tecnologia, os métodos de diagnóstico de falhas do sensor são cada vez mais abundantes, o que pode basicamente atender às necessidades do uso diário. Especificamente, os métodos de diagnóstico de falha do sensor comum incluem principalmente o seguinte:

1.1 Diagnóstico de falha baseado em modelo

A tecnologia de diagnóstico de falhas de sensores baseada em modelo mais antigo leva a redundância analítica em vez de redundância física como sua idéia principal e obtém informações de falha principalmente comparando-a com os valores medidos em saída pelo sistema de estimativa. Atualmente, essa tecnologia de diagnóstico pode ser dividida em três categorias: método de diagnóstico de falhas baseado em parâmetros baseado em estimativa, método de diagnóstico de falhas baseado em estado e método de diagnóstico espacial equivalente. Em geral, definimos os parâmetros característicos dos componentes que constituem o sistema físico como parâmetros de matéria e as equações diferenciais ou diferenciais que descrevem o sistema de controle como parâmetros do módulo. Quando um sensor no sistema falha devido a danos, falhas ou degradação do desempenho, ele pode ser exibido diretamente como a alteração dos parâmetros do material, que por sua vez causa a mudança dos parâmetros do módulo, que contém todas as informações de falha. Pelo contrário, quando os parâmetros do módulo são conhecidos, a alteração do parâmetro pode ser calculada, de modo a determinar o tamanho e o grau da falha do sensor. Atualmente, a tecnologia de diagnóstico de sensores baseada em modelo tem sido amplamente utilizada e seus resultados de pesquisa se concentram em sistemas lineares, mas a pesquisa sobre sistemas não lineares precisa ser fortalecida.

1.2 Diagnóstico de falha baseado no conhecimento

Diferente dos métodos de diagnóstico de falhas acima mencionados, o diagnóstico de falhas baseado no conhecimento não precisa estabelecer um modelo matemático, que supera as deficiências ou defeitos do diagnóstico de falhas baseado em modelo, mas não possui um conjunto de apoio teórico maduro. Entre eles, o método de rede neural artificial é o representante do diagnóstico de falhas baseado no conhecimento. A chamada rede neural artificial é abreviada como Ann em inglês, que se baseia no entendimento humano da rede neural do cérebro e realiza uma certa função através da construção artificial. A rede neural artificial pode armazenar informações de maneira distribuída e realizar transformação não linear e mapeamento com a ajuda da topologia de rede e distribuição de peso. Por outro lado, o método de rede neural artificial compensa a deficiência do diagnóstico de falhas baseado em modelo em sistemas não lineares. No entanto, o método de rede neural artificial não é perfeito e se baseia apenas em alguns casos práticos, o que não faz uso eficaz da experiência acumulada em campos especiais e é facilmente influenciada pela seleção de amostras; portanto, as conclusões de diagnóstico tiradas não são interpretáveis.