252927 Automatikus sebességváltó AL4 DPO kapcsolónyomás -érzékelő

1.

A tudomány és a technológia fejlődésével az érzékelőhibagnózis módszerei egyre gazdagabbak, amelyek alapvetően kielégíthetik a napi használat igényeit. Pontosabban, a közös érzékelő hibás diagnózis módszerei elsősorban a következőket foglalják magukban:

1.1 Modell alapú hiba diagnózis

A legkorábban kifejlesztett modell-alapú érzékelőhiba-diagnózis technológiája a fizikai redundancia helyett az analitikai redundanciát veszi igénybe, mint alapvető ötlete, és elsősorban a hibatinációkat kapja meg, ha összehasonlítja azt a becslési rendszer mért értékek kimenetével. Jelenleg ez a diagnosztikai technológia három kategóriába sorolható: paraméterbecslésen alapuló hiba-diagnózis módszer, állapot-alapú hibadiagnosztikai módszer és azzal egyenértékű űrdiagnosztikai módszer. Általában meghatározzuk az összetevők jellegzetes paramétereit, amelyek a fizikai rendszert alkotó paraméterekként alkotják, és a differenciál- vagy különbség -egyenleteket, amelyek a vezérlőrendszert modulparaméterekként írják le. Ha a rendszerben lévő érzékelő károsodás, meghibásodás vagy teljesítmény lebomlása miatt kudarcot vall, akkor közvetlenül megjeleníthető az anyagparaméterek megváltoztatásaként, ami viszont a modulus paraméterek megváltoztatását okozza, amely tartalmazza az összes hibatinációt. Éppen ellenkezőleg, ha a modul paramétereinek ismertek, a paraméter megváltoztatása kiszámítható az érzékelő hiba méretének és mértékének meghatározásához. Jelenleg a modellalapú érzékelő diagnosztikai technológiát széles körben alkalmazzák, és kutatási eredményei a lineáris rendszerekre összpontosítanak, de a nemlineáris rendszerek kutatását meg kell erősíteni.

1.2 Tudás-alapú hiba diagnózis

A fent említett hibadiagnosztikai módszerektől eltérően, a tudás-alapú hiba diagnózisnak nem kell létrehoznia egy matematikai modellt, amely legyőzi a modell-alapú hiba-diagnózis hiányosságait vagy hibáit, de hiányzik az érett elméleti támogatás. Közülük a mesterséges neurális hálózati módszer a tudás-alapú hibadiagnosztika reprezentatívja. Az úgynevezett mesterséges neurális hálózatot angolul rövidítik, amely az agyi neurális hálózat emberi megértésén alapul, és egy bizonyos funkciót a mesterséges konstrukció révén valósít meg. A mesterséges neurális hálózat elosztott módon tárolhatja az információkat, és megvalósíthatja a nemlineáris átalakulást és a feltérképezést a hálózati topológia és a súlyeloszlás segítségével. Ezzel szemben a mesterséges neurális hálózati módszer pótolja a nemlineáris rendszerek modell-alapú hibadiagnosztikájának hiányát. A mesterséges neurális hálózati módszer azonban nem tökéletes, és csak néhány gyakorlati esetre támaszkodik, amely nem használja ki hatékonyan a felhalmozott tapasztalatokat a speciális területeken, és könnyen befolyásolhatja a minta kiválasztása, így a tőle levont diagnosztikai következtetések nem értelmezhetők.