252927 Automata sebességváltó AL4 DPO kapcsoló nyomásérzékelő

1. Általános szenzorhiba-diagnosztikai módszerek

A tudomány és a technika fejlődésével egyre bőségesebbek a szenzorhiba-diagnosztikai módszerek, amelyek alapvetően a napi használat igényeit is kielégíthetik. Az általános érzékelőhiba-diagnosztikai módszerek főként a következőket foglalják magukban:

1.1 Modell alapú hibadiagnosztika

A legkorábban kifejlesztett, modell alapú szenzorhiba-diagnosztikai technológia a fizikai redundancia helyett az analitikai redundanciát veszi alapötletének, és a hibainformációkat főként a becslési rendszer által kibocsátott mért értékekkel való összehasonlítás útján szerzi meg. Jelenleg ez a diagnosztikai technológia három kategóriába sorolható: paraméterbecslésen alapuló hibadiagnosztikai módszer, állapotalapú hibadiagnosztikai módszer és egyenértékű térdiagnosztikai módszer. Általában a fizikai rendszert alkotó komponensek jellemző paramétereit anyagparaméterként, a vezérlőrendszert leíró differenciál- vagy differenciálegyenleteket pedig modulparaméterként definiáljuk. Ha a rendszerben egy érzékelő meghibásodik sérülés, meghibásodás vagy teljesítményromlás miatt, az közvetlenül az anyagparaméterek változásaként jeleníthető meg, ami viszont az összes hibainformációt tartalmazó modulus paraméterek változását okozza. Ellenkezőleg, ha a modul paraméterei ismertek, a paraméter változása kiszámítható, így meghatározható az érzékelő hiba nagysága és mértéke. Jelenleg a modell alapú szenzordiagnosztikai technológiát széles körben alkalmazzák, kutatási eredményei a lineáris rendszerekre fókuszálnak, de a nemlineáris rendszerek kutatását erősíteni kell.

1.2 Tudásalapú hibadiagnosztika

A fent említett hibadiagnosztikai módszerektől eltérően a tudásalapú hibadiagnosztika nem igényli olyan matematikai modell felállítását, amely kiküszöböli a modell alapú hibadiagnosztika hiányosságait vagy hibáit, de hiányzik egy kiforrott elméleti alátámasztás. Ezek közül a mesterséges neurális hálózati módszer a tudásalapú hibadiagnosztika képviselője. Az úgynevezett mesterséges neurális hálózatot angolul ANN-ként rövidítik, amely az agy neurális hálózatának emberi megértésén alapul, és egy bizonyos funkciót mesterséges felépítéssel valósít meg. A mesterséges neurális hálózat képes elosztott módon tárolni az információkat, és megvalósítani a nemlineáris transzformációt és leképezést hálózati topológia és súlyeloszlás segítségével. Ezzel szemben a mesterséges neurális hálózat módszere pótolja a nemlineáris rendszerek modellalapú hibadiagnosztikájának hiányát. A mesterséges neurális hálózat módszere azonban nem tökéletes, és csak néhány gyakorlati esetre támaszkodik, amely nem hasznosítja hatékonyan a speciális területeken felhalmozott tapasztalatokat, és könnyen befolyásolható a mintaválasztással, így az ebből levont diagnosztikus következtetések nem értelmezhető.