252927 automatinės pavarų dėžės AL4 DPO jungiklio slėgio jutiklis

1. Dažni jutiklių gedimų diagnostikos metodai

Tobulėjant mokslui ir technologijoms, vis gausesni jutiklių gedimų diagnostikos metodai, kurie iš esmės gali patenkinti kasdienio naudojimo poreikius.Konkrečiai, įprasti jutiklių gedimų diagnostikos metodai daugiausia apima šiuos:

1.1 Modeliu pagrįsta gedimų diagnostika

Ankstyviausia sukurta modeliu pagrįsta jutiklių gedimų diagnostikos technologija laikosi analitinės, o ne fizinės perteklių, kaip savo pagrindinę idėją, o informaciją apie gedimus gauna daugiausia lyginant ją su išmatuotomis vertėmis, kurias išveda vertinimo sistema.Šiuo metu šią diagnostikos technologiją galima suskirstyti į tris kategorijas: parametrų įvertinimu pagrįstą gedimų diagnostikos metodą, būseną pagrįstą gedimų diagnostikos metodą ir lygiavertį erdvės diagnostikos metodą.Apskritai fizinę sistemą sudarančių komponentų charakteringus parametrus apibrėžiame kaip medžiagos parametrus, o diferencialines arba skirtumo lygtis, apibūdinančias valdymo sistemą kaip modulio parametrus.Kai sistemos jutiklis sugenda dėl pažeidimo, gedimo ar veikimo pablogėjimo, jis gali būti tiesiogiai rodomas kaip medžiagos parametrų pasikeitimas, o tai savo ruožtu sukelia modulio parametrų pasikeitimą, kuriame yra visa gedimo informacija.Priešingai, kai žinomi modulio parametrai, galima apskaičiuoti parametro pasikeitimą, kad būtų galima nustatyti jutiklio gedimo dydį ir laipsnį.Šiuo metu modeliais pagrįsta jutiklių diagnostikos technologija yra plačiai naudojama, jos tyrimų rezultatai orientuoti į tiesines sistemas, tačiau netiesinių sistemų tyrimus reikia stiprinti.

1.2 Žiniomis pagrįsta gedimų diagnostika

Skirtingai nuo minėtų gedimų diagnostikos metodų, žiniomis pagrįstai gedimų diagnostikai nereikia sukurti matematinio modelio, kuris pašalintų modeliu pagrįstos gedimų diagnostikos trūkumus ar defektus, tačiau trūksta brandžios teorinės paramos.Tarp jų dirbtinio neuroninio tinklo metodas yra žiniomis pagrįstos gedimų diagnostikos atstovas.Vadinamasis dirbtinis neuroninis tinklas anglų kalba yra sutrumpintas kaip ANN, kuris yra pagrįstas žmogaus supratimu apie smegenų neuroninį tinklą ir tam tikrą funkciją realizuoja dirbtiniu konstravimu.Dirbtinis neuroninis tinklas gali saugoti informaciją paskirstytu būdu ir realizuoti netiesinę transformaciją ir kartografavimą tinklo topologijos ir svorio paskirstymo pagalba.Priešingai, dirbtinio neuroninio tinklo metodas kompensuoja modeliu pagrįstos gedimų diagnostikos trūkumą netiesinėse sistemose.Tačiau dirbtinio neuroninio tinklo metodas nėra tobulas ir remiasi tik kai kuriais praktiniais atvejais, o tai neefektyviai panaudoja sukauptą specialiose srityse patirtį ir yra lengvai įtakojama mėginių atrankos, todėl iš jo padarytos diagnostinės išvados nėra interpretuojama.