252927 ऑटोमैटिक ट्रांसमिशन AL4 DPO स्विच प्रेशर सेंसर

1। सामान्य सेंसर फॉल्ट डायग्नोसिस मेथड्स

विज्ञान और प्रौद्योगिकी के विकास के साथ, सेंसर दोष निदान के तरीके अधिक से अधिक प्रचुर मात्रा में हैं, जो मूल रूप से दैनिक उपयोग की जरूरतों को पूरा कर सकते हैं। विशेष रूप से, सामान्य सेंसर दोष निदान विधियों में मुख्य रूप से निम्नलिखित शामिल हैं:

1.1 मॉडल-आधारित दोष निदान

सबसे पहले विकसित मॉडल-आधारित सेंसर फॉल्ट डायग्नोसिस तकनीक भौतिक अतिरेक के बजाय अपने मूल विचार के रूप में विश्लेषणात्मक अतिरेक लेती है, और मुख्य रूप से अनुमानित प्रणाली द्वारा मापा मान आउटपुट के साथ तुलना करके गलती की जानकारी प्राप्त करती है। वर्तमान में, इस निदान तकनीक को तीन श्रेणियों में विभाजित किया जा सकता है: पैरामीटर अनुमान-आधारित दोष निदान विधि, राज्य-आधारित दोष निदान विधि और समकक्ष अंतरिक्ष निदान विधि। सामान्य तौर पर, हम उन घटकों के विशिष्ट मापदंडों को परिभाषित करते हैं जो भौतिक प्रणाली को पदार्थ मापदंडों के रूप में गठित करते हैं, और अंतर या अंतर समीकरण जो नियंत्रण प्रणाली को मॉड्यूल मापदंडों के रूप में वर्णित करते हैं। जब सिस्टम में एक सेंसर क्षति, विफलता या प्रदर्शन में गिरावट के कारण विफल हो जाता है, तो इसे सीधे सामग्री मापदंडों के परिवर्तन के रूप में प्रदर्शित किया जा सकता है, जो बदले में मापांक मापदंडों के परिवर्तन का कारण बनता है, जिसमें सभी गलती जानकारी होती है। इसके विपरीत, जब मॉड्यूल मापदंडों को जाना जाता है, तो पैरामीटर के परिवर्तन की गणना की जा सकती है, ताकि सेंसर दोष के आकार और डिग्री को निर्धारित किया जा सके। वर्तमान में, मॉडल-आधारित सेंसर निदान तकनीक का व्यापक रूप से उपयोग किया गया है, और इसके शोध परिणाम रैखिक प्रणालियों पर ध्यान केंद्रित करते हैं, लेकिन नॉनलाइनियर सिस्टम पर शोध को मजबूत करने की आवश्यकता है।

1.2 ज्ञान-आधारित दोष निदान

उपर्युक्त दोष निदान विधियों से अलग, ज्ञान-आधारित दोष निदान को एक गणितीय मॉडल स्थापित करने की आवश्यकता नहीं है, जो मॉडल-आधारित दोष निदान की कमियों या दोषों को पार करता है, लेकिन परिपक्व सैद्धांतिक समर्थन का एक सेट का अभाव है। उनमें से, कृत्रिम तंत्रिका नेटवर्क विधि ज्ञान-आधारित दोष निदान का प्रतिनिधि है। तथाकथित कृत्रिम तंत्रिका नेटवर्क को अंग्रेजी में एन के रूप में संक्षिप्त किया गया है, जो मस्तिष्क तंत्रिका नेटवर्क की मानवीय समझ पर आधारित है और कृत्रिम निर्माण के माध्यम से एक निश्चित कार्य का एहसास करता है। कृत्रिम तंत्रिका नेटवर्क एक वितरित तरीके से जानकारी संग्रहीत कर सकता है, और नेटवर्क टोपोलॉजी और वजन वितरण की मदद से नॉनलाइनियर परिवर्तन और मैपिंग का एहसास कर सकता है। इसके विपरीत, कृत्रिम तंत्रिका नेटवर्क विधि nonlinear सिस्टम में मॉडल-आधारित दोष निदान की कमी के लिए बनाती है। हालांकि, कृत्रिम तंत्रिका नेटवर्क विधि सही नहीं है, और यह केवल कुछ व्यावहारिक मामलों पर निर्भर करता है, जो विशेष क्षेत्रों में संचित अनुभव का प्रभावी उपयोग नहीं करता है और आसानी से नमूना चयन से प्रभावित होता है, इसलिए इससे खींचे गए नैदानिक ​​निष्कर्ष व्याख्याय नहीं हैं।