252927 Sensor de presión del interruptor AL4 DPO de transmisión AL4

1. Métodos de diagnóstico de falla del sensor común

Con el desarrollo de la ciencia y la tecnología, los métodos del diagnóstico de fallas del sensor son cada vez más abundantes, lo que básicamente puede satisfacer las necesidades del uso diario. Específicamente, los métodos de diagnóstico de falla del sensor común incluyen principalmente lo siguiente:

1.1 Diagnóstico de fallas basado en modelos

La tecnología de diagnóstico de fallas de sensor basada en modelos más temprana toma la redundancia analítica en lugar de la redundancia física como su idea central, y obtiene información de fallas principalmente comparándola con los valores medidos que sale por el sistema de estimación. En la actualidad, esta tecnología de diagnóstico se puede dividir en tres categorías: método de diagnóstico de fallas basado en la estimación de parámetros, método de diagnóstico de fallas basado en el estado y método de diagnóstico de espacio equivalente. En general, definimos los parámetros característicos de los componentes que constituyen el sistema físico como parámetros de la materia, y las ecuaciones diferenciales o de diferencia que describen el sistema de control como parámetros del módulo. Cuando un sensor en el sistema falla debido al daño, falla o degradación del rendimiento, se puede mostrar directamente como el cambio de los parámetros del material, lo que a su vez causa el cambio de los parámetros del módulo, que contiene toda la información de falla. Por el contrario, cuando se conocen los parámetros del módulo, se puede calcular el cambio del parámetro para determinar el tamaño y el grado de la falla del sensor. En la actualidad, la tecnología de diagnóstico de sensores basada en modelos se ha utilizado ampliamente, y sus resultados de investigación se centran en los sistemas lineales, pero la investigación sobre sistemas no lineales debe fortalecerse.

1.2 Diagnóstico de fallas basado en el conocimiento

A diferencia de los métodos de diagnóstico de fallas mencionados anteriormente, el diagnóstico de fallas basado en el conocimiento no necesita establecer un modelo matemático, que supera las deficiencias o defectos del diagnóstico de fallas basado en el modelo, pero carece de un conjunto de apoyo teórico maduro. Entre ellos, el método de la red neuronal artificial es el representante del diagnóstico de fallas basado en el conocimiento. La llamada red neuronal artificial se abrevia como Ann en inglés, que se basa en la comprensión humana de la red neuronal cerebral y realiza una cierta función a través de la construcción artificial. La red neuronal artificial puede almacenar información de manera distribuida y realizar una transformación y mapeo no lineal con la ayuda de la topología de la red y la distribución del peso. En contraste, el método de red neuronal artificial compensa la deficiencia del diagnóstico de fallas basado en el modelo en sistemas no lineales. Sin embargo, el método de la red neuronal artificial no es perfecto, y solo se basa en algunos casos prácticos, lo que no hace un uso efectivo de la experiencia acumulada en campos especiales y está fácilmente influenciado por la selección de muestras, por lo que las conclusiones diagnósticas extraídas no son interpretables.