252927 자동 변속기 AL4 DPO 스위치 압력 센서

1. 일반적인 센서 결함 진단 방법

과학과 기술의 발전으로 센서 결함 진단 방법은 점점 더 풍부하여 기본적으로 매일 사용의 요구를 충족시킬 수 있습니다. 구체적으로, 일반적인 센서 결함 진단 방법은 주로 다음을 포함합니다.

1.1 모델 기반 결함 진단

최초의 개발 된 모델 기반 센서 결함 진단 기술은 핵심 아이디어로서 물리적 중복성 대신 분석 중복성을 취하며 주로 추정 시스템에 의해 측정 된 값 출력과 비교하여 결함 정보를 얻습니다. 현재이 진단 기술은 매개 변수 추정 기반 결함 진단 방법, 상태 기반 결함 진단 방법 및 동등한 공간 진단 방법의 세 가지 범주로 나눌 수 있습니다. 일반적으로 물리적 시스템을 물질 매개 변수로 구성하는 구성 요소의 특성 매개 변수와 제어 시스템을 모듈 매개 변수로 설명하는 차등 또는 차이 방정식을 정의합니다. 손상, 고장 또는 성능 저하로 인해 시스템의 센서가 실패하면 재료 매개 변수의 변경으로 직접 표시 될 수 있으며, 이는 모든 결함 정보를 포함하는 모듈러스 매개 변수의 변경을 유발합니다. 반대로, 모듈 매개 변수가 알려진 경우, 센서 결함의 크기와 정도를 결정하기 위해 매개 변수의 변화를 계산할 수 있습니다. 현재 모델 기반 센서 진단 기술이 널리 사용되었으며 연구 결과는 선형 시스템에 중점을 두었지만 비선형 시스템에 대한 연구를 강화해야합니다.

1.2 지식 기반 결함 진단

위에서 언급 한 결함 진단 방법과는 달리, 지식 기반 결함 진단은 수학적 모델을 설정할 필요가 없으며, 이는 모델 기반 결함 진단의 단점 또는 결함을 극복하지만 성숙한 이론적 지원이 부족합니다. 그중에서도 인공 신경망 방법은 지식 기반 결함 진단을 대표합니다. 소위 인공 신경 네트워크는 영어로 된 ANN으로 축약되며, 이는 뇌 신경망에 대한 인간의 이해를 기반으로하며 인공 구조를 통한 특정 기능을 실현합니다. 인공 신경망은 분산 된 방식으로 정보를 저장하고 네트워크 토폴로지 및 중량 분포를 통해 비선형 변환 및 매핑을 실현할 수 있습니다. 대조적으로, 인공 신경망 방법은 비선형 시스템에서 모델 기반 결함 진단의 결핍을 보완합니다. 그러나 인공 신경 네트워크 방법은 완벽하지 않으며, 일부 실제 사례에만 의존하여 특수 분야에서 누적 된 경험을 효과적으로 사용하지 않으며 샘플 선택에 의해 쉽게 영향을 받기 때문에 그로 인한 진단 결론은 해석 할 수 없습니다.