252927 Automaatkäigukasti AL4 DPO lüliti rõhuandur

1. Ühised anduri rikke diagnoosimise meetodid

Teaduse ja tehnoloogia arenguga on anduri rikke diagnoosimise meetodeid üha rikkalikum, mis võib põhimõtteliselt vastata igapäevase kasutamise vajadustele. Täpsemalt hõlmavad ühised anduri rikke diagnoosimismeetodid peamiselt järgmist:

1.1 Mudelipõhine rikke diagnoosimine

Varaseim välja töötatud mudelipõhine anduri diagnoosimise tehnoloogia võtab oma põhiideena füüsilise koondamise asemel analüütilise koondamise ja saab tõrketeavet peamiselt, võrreldes seda hindamissüsteemi abil mõõdetud väärtustega. Praegu võib selle diagnoosimise tehnoloogia jagada kolme kategooriasse: parameetrite hindamisel põhineva rikke diagnoosimise meetod, olekupõhine rikke diagnoosimise meetod ja samaväärne ruumi diagnoosimise meetod. Üldiselt määratleme füüsikalise süsteemi moodustavate komponentide iseloomulikud parameetrid mateeria parameetritena ja diferentsiaal- või erinevusvõrrandid, mis kirjeldavad juhtimissüsteemi mooduli parameetritena. Kui süsteemis olev andur ebaõnnestub kahjustuste, rikke või jõudluse halvenemise tõttu, saab seda otse kuvada materiaalsete parameetrite muutumisena, mis omakorda põhjustab mooduli parameetrite muutumist, mis sisaldab kogu rikketeavet. Vastupidi, kui mooduli parameetrid on teada, saab parameetri muutuse arvutada, et määrata anduri rikke suurus ja aste. Praegu on laialdaselt kasutatud mudelipõhist anduri diagnoosimise tehnoloogiat ja selle uurimistulemused keskenduvad lineaarsetele süsteemidele, kuid mittelineaarsete süsteemide uurimistööd tuleb tugevdada.

1.2 Teadmistepõhine rikke diagnoosimine

Erinevalt ülalnimetatud rikke diagnoosimise meetoditest ei pea teadmistepõhine rikke diagnoosimine looma matemaatilist mudelit, mis ületab mudelipõhise rikke diagnoosimise puudusi või puudusi, kuid sellel puudub küpset teoreetilist tuge. Nende hulgas esindab kunstlik närvivõrgu meetod teadmistepõhise rikke diagnoosimise esindaja. Nn kunstlik närvivõrk on lühendatud inglise keeles ANN-na, mis põhineb aju närvivõrgustiku inimese mõistmisel ja mõistab kunstliku konstruktsiooni kaudu teatud funktsiooni. Kunstlik närvivõrk saab teavet hajutatud viisil salvestada ning mittelineaarset ümberkujundamist ja kaardistamist võrgu topoloogia ja kaalu jaotuse abil. Seevastu kunstlik närvivõrgu meetod korvab mudelipõhise rikke diagnoosimise puuduse mittelineaarsetes süsteemides. Kunstlik närvivõrgu meetod pole aga täiuslik ja see tugineb ainult mõnele praktilisele juhtumile, mis ei kasuta akumuleerunud kogemusi spetsiaalsetes väljades tõhusalt ja seda mõjutab proovide valik hõlpsasti, seega ei ole sellest tehtud diagnostilised järeldused tõlgendatavad.