252927 Sensor de pressão do interruptor de transmissão automática AL4 DPO

1. Métodos comuns de diagnóstico de falhas de sensores

Com o desenvolvimento da ciência e da tecnologia, os métodos de diagnóstico de falhas de sensores são cada vez mais abundantes, podendo basicamente atender às necessidades do uso diário. Especificamente, os métodos comuns de diagnóstico de falhas de sensores incluem principalmente o seguinte:

1.1 Diagnóstico de falhas baseado em modelo

A primeira tecnologia de diagnóstico de falhas de sensores baseada em modelo desenvolvida toma a redundância analítica em vez da redundância física como sua ideia central e obtém informações de falhas principalmente comparando-as com os valores medidos gerados pelo sistema de estimativa. Atualmente, esta tecnologia de diagnóstico pode ser dividida em três categorias: método de diagnóstico de falhas baseado em estimativa de parâmetros, método de diagnóstico de falhas baseado em estado e método de diagnóstico de espaço equivalente. Em geral, definimos os parâmetros característicos dos componentes que constituem o sistema físico como parâmetros de matéria, e as equações diferenciais ou diferenças que descrevem o sistema de controle como parâmetros de módulo. Quando um sensor no sistema falha devido a danos, falhas ou degradação de desempenho, ele pode ser exibido diretamente como a alteração dos parâmetros do material, o que por sua vez causa a alteração 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. Actualmente, a tecnologia de diagnóstico de sensores baseada em modelos tem sido amplamente utilizada e os resultados da sua investigação centram-se em sistemas lineares, mas a investigação em sistemas não lineares precisa de ser reforçada.

1.2 Diagnóstico de falhas baseado em conhecimento

Diferente dos métodos de diagnóstico de falhas mencionados acima, o diagnóstico de falhas baseado no conhecimento não precisa estabelecer um modelo matemático que supere as deficiências ou defeitos do diagnóstico de falhas baseado em modelo, mas carece de um conjunto de suporte teórico maduro. Entre eles, o método da 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 na compreensão humana da rede neural do cérebro e realiza uma determinada função por meio da construção artificial. A rede neural artificial pode armazenar informações de forma distribuída e realizar transformação e mapeamento não linear com a ajuda da topologia de rede e distribuição de peso. Em contraste, o método de rede neural artificial compensa a deficiência do diagnóstico de falhas baseado em modelo em sistemas não lineares. No entanto, o método da rede neural artificial não é perfeito e depende apenas de alguns casos práticos, o que não aproveita eficazmente a experiência acumulada em campos especiais e é facilmente influenciado pela seleção da amostra, pelo que as conclusões diagnósticas extraídas dele não são interpretável.