252927 Автоматски менувач AL4 DPO прекинувач Сензор за притисок

1. Заеднички методи за дијагностицирање на дефекти на сензорот

Со развојот на науката и технологијата, методите за дијагностицирање на дефекти на сензорот се сè пообилни, кои во основа можат да ги задоволат потребите за секојдневна употреба. Поточно, заедничките методи за дијагностицирање на дефекти на сензорот главно го вклучуваат следново:

1.1 Дијагноза на дефекти базирани на модел

Најраната развиена технологија за дијагностицирање на дефекти на сензорот заснована на модел го зема аналитичкиот вишок наместо физичкиот вишок како основна идеја и ги добива информациите за дефекти главно споредувајќи ги со измерените вредности што ги дава системот за проценка. Во моментов, оваа дијагностичка технологија може да се подели во три категории: метод за дијагностицирање на дефекти базиран на проценка на параметри, метод за дијагностицирање на дефекти базиран на состојба и метод за дијагноза на еквивалентен простор. Општо земено, ние ги дефинираме карактеристичните параметри на компонентите што го сочинуваат физичкиот систем како параметри на материјата, а диференцијалните или равенките за разлика кои го опишуваат контролниот систем како параметри на модулот. Кога сензорот во системот откажува поради оштетување, дефект или деградација на перформансите, тој може директно да се прикаже како промена на параметрите на материјалот, што пак предизвикува промена на параметрите на модулот, што ги содржи сите информации за дефекти. Напротив, кога се познати параметрите на модулот, може да се пресмета промената на параметарот за да се одреди големината и степенот на дефект на сензорот. Во моментов, технологијата за дијагностика на сензори базирана на модели е широко користена, а резултатите од нејзините истражувања се фокусираат на линеарни системи, но истражувањето за нелинеарни системи треба да се зајакне.

1.2 Дијагноза на грешки заснована на знаење

Различно од горенаведените методи за дијагностицирање на дефекти, дијагнозата на дефекти базирана на знаење не треба да воспостави математички модел, кој ги надминува недостатоците или дефектите на дијагнозата на дефекти базирана на модел, но нема збир на зрела теоретска поддршка. Меѓу нив, методот на вештачка невронска мрежа е претставник на дијагнозата на дефекти базирана на знаење. Таканаречената вештачка невронска мрежа е скратено како ANN на англиски, што се заснова на човечкото разбирање за мозочната невронска мрежа и остварува одредена функција преку вештачка конструкција. Вештачката невронска мрежа може да складира информации на дистрибуиран начин и да реализира нелинеарна трансформација и мапирање со помош на мрежната топологија и дистрибуција на тежина. Спротивно на тоа, методот на вештачка невронска мрежа го надополнува недостатокот на дијагноза на дефекти базирана на модел во нелинеарни системи. Сепак, методот на вештачка невронска мрежа не е совршен и се потпира само на некои практични случаи, кои не го користат ефективно акумулираното искуство во посебни области и лесно се под влијание на изборот на примерок, така што дијагностичките заклучоци извлечени од него не се интерпретабилна.