252927 TRANSMISSION AUTOMATIQUE Capteur de pression de commutation AL4 DPO
Introduction du produit
1. Méthodes de diagnostic de défaut de capteur commun
Avec le développement de la science et de la technologie, les méthodes de diagnostic de défaut de capteur sont de plus en plus abondantes, ce qui peut essentiellement répondre aux besoins de l'utilisation quotidienne. Plus précisément, les méthodes de diagnostic de défaut de capteur commun incluent principalement les éléments suivants:
1.1 Diagnostic de défaut basé sur un modèle
La technologie de diagnostic de défaut de capteur basée sur un modèle développée prend la redondance analytique au lieu de la redondance physique comme idée de base, et obtient des informations sur les défauts principalement en la comparant aux valeurs mesurées de sortie par le système d'estimation. À l'heure actuelle, cette technologie de diagnostic peut être divisée en trois catégories: méthode de diagnostic des défauts basée sur l'estimation des paramètres, méthode de diagnostic des défauts basée sur l'État et méthode de diagnostic de l'espace équivalent. En général, nous définissons les paramètres caractéristiques des composants qui constituent le système physique comme paramètres de matière, et les équations différentielles ou de différence qui décrivent le système de contrôle comme des paramètres du module. Lorsqu'un capteur du système échoue en raison des dommages, de la défaillance de l'échec ou des performances, il peut être affiché directement comme le changement de paramètres du matériau, ce qui provoque à son tour le changement de paramètres du module, qui contient toutes les informations de défaut. Au contraire, lorsque les paramètres du module sont connus, le changement du paramètre peut être calculé, de manière à déterminer la taille et le degré du défaut du capteur. À l'heure actuelle, la technologie de diagnostic des capteurs basée sur des modèles a été largement utilisée et ses résultats de recherche se concentrent sur les systèmes linéaires, mais les recherches sur les systèmes non linéaires doivent être renforcées.
1.2 Diagnostic de défaut basée sur la connaissance
Différente des méthodes de diagnostic de défaut susmentionnées, le diagnostic des défauts basé sur la connaissance n'a pas besoin d'établir un modèle mathématique, qui surmonte les lacunes ou les défauts du diagnostic de défaut basé sur un modèle, mais n'a pas un ensemble de soutien théorique mature. Parmi eux, la méthode du réseau neuronal artificiel est le représentant du diagnostic de défaut basé sur la connaissance. Le soi-disant réseau de neurones artificiels est abrégé comme Ann en anglais, qui est basé sur la compréhension humaine du réseau neuronal du cerveau et réalise une certaine fonction à travers la construction artificielle. Le réseau neuronal artificiel peut stocker des informations de manière distribuée et réaliser une transformation et une cartographie non linéaires à l'aide de la topologie du réseau et de la distribution de poids. En revanche, la méthode du réseau neuronal artificiel compense la carence en diagnostic de défaut basé sur un modèle dans les systèmes non linéaires. Cependant, la méthode du réseau neuronal artificiel n'est pas parfaite, et elle ne s'appuie que sur certains cas pratiques, qui n'utilise pas efficacement l'expérience accumulée dans des domaines spéciaux et est facilement influencé par la sélection des échantillons, de sorte que les conclusions diagnostiques tirées de celui-ci ne sont pas interprétables.
Image du produit


Détails de l'entreprise







Avantage de l'entreprise

Transport

FAQ
