252927 자동 변속기 AL4 DPO 스위치 압력 센서

1. 일반적인 센서 결함 진단 방법

과학과 기술이 발전함에 따라 센서 결함 진단 방법이 점점 더 풍부해지고 기본적으로 일상적인 사용 요구를 충족할 수 있습니다. 특히 일반적인 센서 결함 진단 방법에는 주로 다음이 포함됩니다.

1.1 모델 기반 결함 진단

가장 먼저 개발된 모델 기반 센서 결함 진단 기술은 물리적 이중화 대신 분석적 이중화를 핵심 아이디어로 삼고 주로 추정 시스템에서 출력되는 측정값과 비교하여 결함 정보를 얻는다. 현재 이 진단 기술은 매개변수 추정 기반 결함 진단 방법, 상태 기반 결함 진단 방법 및 등가 공간 진단 방법의 세 가지 범주로 나눌 수 있습니다. 일반적으로 물리적 시스템을 구성하는 구성 요소의 특성 매개변수를 물질 매개변수로 정의하고, 제어 시스템을 설명하는 미분 또는 차이 방정식을 모듈 매개변수로 정의합니다. 손상, 고장 또는 성능 저하로 인해 시스템의 센서에 오류가 발생하면 재료 매개변수의 변경으로 직접 표시될 수 있으며, 이로 인해 모든 오류 정보가 포함된 모듈러스 매개변수가 변경됩니다. 반대로, 모듈 매개변수를 알면 매개변수의 변화를 계산하여 센서 결함의 크기와 정도를 판단할 수 있습니다. 현재 모델 기반 센서 진단 기술이 널리 활용되고 있으며 그 연구 결과는 선형 시스템에 집중되어 있으나 비선형 시스템에 대한 연구를 강화할 필요가 있다.

1.2 지식 기반 고장 진단

위에서 언급한 결함 진단 방법과 달리 지식 기반 결함 진단은 모델 기반 결함 진단의 단점이나 결함을 극복하는 수학적 모델을 설정할 필요가 없지만 성숙한 이론적 지원이 부족합니다. 그 중 인공신경망 방식은 지식기반 고장진단의 대표적인 방법이다. 소위 인공신경망(Artificial Neural Network)은 영어로 ANN이라고 약칭하며, 뇌 신경망에 대한 인간의 이해를 바탕으로 인공적인 구축을 통해 특정 기능을 구현하는 기술이다. 인공 신경망은 정보를 분산 방식으로 저장할 수 있으며, 네트워크 토폴로지 및 가중치 분포를 통해 비선형 변환 및 매핑을 실현할 수 있습니다. 이에 비해 인공신경망 방식은 비선형 시스템에서 모델 기반 결함 진단의 부족한 부분을 보완한다. 그러나 인공신경망 방식은 완벽하지 않고, 일부 실제 사례에만 의존하고 있어, 특수 분야에서 축적된 경험을 효과적으로 활용하지 못하고, 표본 선택에 쉽게 영향을 받기 때문에 이를 통해 도출되는 진단적 결론이 도출되기는 어렵다. 해석 가능.