252927 ავტომატური ტრანსმისია AL4 DPO გადამრთველი წნევის სენსორი

1. სენსორის გაუმართაობის დიაგნოზის საერთო მეთოდები

მეცნიერებისა და ტექნოლოგიების განვითარებასთან ერთად, სენსორული ხარვეზის დიაგნოსტიკის მეთოდები სულ უფრო და უფრო უხვად ჩნდება, რაც, ძირითადად, შეუძლია დააკმაყოფილოს ყოველდღიური გამოყენების საჭიროებები. კერძოდ, სენსორის გაუმართაობის დიაგნოზის საერთო მეთოდები ძირითადად მოიცავს შემდეგს:

1.1 მოდელზე დაფუძნებული ხარვეზის დიაგნოზი

ყველაზე ადრე შემუშავებული მოდელის დაფუძნებული სენსორული ხარვეზის დიაგნოსტიკის ტექნოლოგია თავის ძირითად იდეად იღებს ანალიტიკურ ზედმეტობას ფიზიკური სიჭარბის ნაცვლად და ღებულობს შეცდომის ინფორმაციას ძირითადად შეფასების სისტემის მიერ გამოტანილ გაზომილ მნიშვნელობებთან შედარებით. ამჟამად, ეს დიაგნოსტიკური ტექნოლოგია შეიძლება დაიყოს სამ კატეგორიად: პარამეტრებზე დაფუძნებული ხარვეზის დიაგნოსტიკის მეთოდი, მდგომარეობაზე დაფუძნებული ხარვეზის დიაგნოზის მეთოდი და ექვივალენტური სივრცის დიაგნოსტიკის მეთოდი. ზოგადად, ჩვენ განვსაზღვრავთ კომპონენტების დამახასიათებელ პარამეტრებს, რომლებიც ქმნიან ფიზიკურ სისტემას, როგორც მატერიის პარამეტრებს, და დიფერენციალურ ან განსხვავებულ განტოლებებს, რომლებიც აღწერს საკონტროლო სისტემას, როგორც მოდულის პარამეტრებს. როდესაც სისტემაში სენსორი იშლება დაზიანების, უკმარისობის ან შესრულების დეგრადაციის გამო, ის შეიძლება პირდაპირ იყოს ნაჩვენები, როგორც მატერიალური პარამეტრების ცვლილება, რაც თავის მხრივ იწვევს მოდულის პარამეტრების ცვლილებას, რომელიც შეიცავს ყველა ხარვეზის ინფორმაციას. პირიქით, როდესაც მოდულის პარამეტრები ცნობილია, პარამეტრის ცვლილება შეიძლება გამოითვალოს ისე, რომ განისაზღვროს სენსორის გაუმართაობის ზომა და ხარისხი. ამჟამად, მოდელზე დაფუძნებული სენსორული დიაგნოსტიკის ტექნოლოგია ფართოდ გამოიყენება და მისი კვლევის შედეგები ფოკუსირებულია ხაზოვან სისტემებზე, მაგრამ არაწრფივი სისტემების კვლევა გაძლიერებას საჭიროებს.

1.2 ცოდნაზე დაფუძნებული ხარვეზის დიაგნოზი

ზემოაღნიშნული ხარვეზის დიაგნოსტიკის მეთოდებისგან განსხვავებით, ცოდნაზე დაფუძნებული ხარვეზის დიაგნოზს არ სჭირდება მათემატიკური მოდელის ჩამოყალიბება, რომელიც გადალახავს მოდელზე დაფუძნებული ხარვეზის დიაგნოსტიკის ნაკლოვანებებს ან დეფექტებს, მაგრამ მოკლებულია სექსუალურ თეორიულ მხარდაჭერას. მათ შორის, ხელოვნური ნერვული ქსელის მეთოდი ცოდნაზე დაფუძნებული ხარვეზის დიაგნოსტიკის წარმომადგენელია. ეგრეთ წოდებული ხელოვნური ნერვული ქსელი შემოკლებით არის ANN ინგლისურად, რომელიც ეფუძნება ადამიანის ტვინის ნერვულ ქსელის გაგებას და ახორციელებს გარკვეულ ფუნქციას ხელოვნური კონსტრუქციის მეშვეობით. ხელოვნურ ნერვულ ქსელს შეუძლია შეინახოს ინფორმაცია განაწილებული გზით და განახორციელოს არაწრფივი ტრანსფორმაცია და რუქა ქსელის ტოპოლოგიისა და წონის განაწილების დახმარებით. ამის საპირისპიროდ, ხელოვნური ნერვული ქსელის მეთოდი ავსებს მოდელზე დაფუძნებული ხარვეზის დიაგნოსტიკის დეფიციტს არაწრფივ სისტემებში. თუმცა, ხელოვნური ნერვული ქსელის მეთოდი არ არის სრულყოფილი და ეყრდნობა მხოლოდ ზოგიერთ პრაქტიკულ შემთხვევებს, რომლებიც ეფექტურად არ იყენებს დაგროვილ გამოცდილებას სპეციალურ სფეროებში და ადვილად ექვემდებარება ნიმუშების შერჩევის გავლენას, ამიტომ მისგან გამოტანილი დიაგნოსტიკური დასკვნები არ არის ინტერპრეტირებადი.