252927 Capteur de pression de commutateur de transmission automatique AL4 DPO

1. Méthodes courantes de diagnostic des défauts des capteurs

Avec le développement de la science et de la technologie, les méthodes de diagnostic des défauts des capteurs sont de plus en plus abondantes, ce qui peut essentiellement répondre aux besoins d'une utilisation quotidienne.Plus précisément, les méthodes courantes de diagnostic des défauts de capteur comprennent principalement les éléments suivants :

1.1 Diagnostic des défauts basé sur un modèle

La première technologie de diagnostic des défauts de capteur basée sur un modèle prend comme idée principale la redondance analytique plutôt que la redondance physique et obtient des informations sur les défauts principalement en les comparant aux valeurs mesurées émises par le système d'estimation.À l'heure actuelle, cette technologie de diagnostic peut être divisée en trois catégories : la méthode de diagnostic de défauts basée sur l'estimation des paramètres, la méthode de diagnostic de défauts basée sur l'état et la méthode de diagnostic d'espace équivalent.De manière générale, nous définissons les paramètres caractéristiques des composants qui constituent le système physique comme paramètres de matière, et les équations différentielles ou différentielles qui décrivent le système de contrôle comme paramètres de module.Lorsqu'un capteur du système tombe en panne en raison d'un dommage, d'une panne ou d'une dégradation des performances, cela peut être directement affiché sous forme de changement des paramètres du matériau, ce qui entraîne à son tour le changement des paramètres de module, qui contiennent toutes les informations de défaut.Au contraire, lorsque les paramètres du module sont connus, la modification du paramètre peut être calculée, de manière à déterminer l'ampleur et le degré du défaut du capteur.À l'heure actuelle, la technologie de diagnostic de capteurs basée sur des modèles est largement utilisée et ses résultats de recherche se concentrent sur les systèmes linéaires, mais la recherche sur les systèmes non linéaires doit être renforcée.

1.2 Diagnostic d'erreur basé sur la connaissance

Contrairement aux méthodes de diagnostic de pannes mentionnées ci-dessus, le diagnostic de pannes basé sur la connaissance n'a pas besoin d'établir un modèle mathématique, qui surmonte les lacunes ou les défauts du diagnostic de pannes basé sur un modèle, mais manque d'un ensemble de supports théoriques matures.Parmi elles, la méthode des réseaux neuronaux artificiels est représentative du diagnostic de pannes basé sur la connaissance.Le soi-disant réseau neuronal artificiel est abrégé en ANN en anglais, qui est basé sur la compréhension humaine du réseau neuronal cérébral et réalise une certaine fonction grâce à une 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 répartition du poids.En revanche, la méthode des réseaux neuronaux artificiels compense le manque de diagnostic de pannes basé sur un modèle dans les systèmes non linéaires.Cependant, la méthode des réseaux de neurones artificiels n'est pas parfaite et ne s'appuie que sur quelques cas pratiques, qui n'utilisent pas efficacement l'expérience accumulée dans des domaines particuliers et sont facilement influencées par la sélection d'échantillons, de sorte que les conclusions diagnostiques qui en sont tirées ne sont pas interprétable.