252927 Automaatkäigukasti AL4 DPO lüliti rõhuandur

1. Levinud anduri rikete diagnoosimise meetodid

Teaduse ja tehnoloogia arenedes on üha rohkem kasutusel andurite rikete diagnoosimise meetodid, mis suudavad põhimõtteliselt rahuldada igapäevase kasutuse vajadused. Täpsemalt hõlmavad levinumad andurite rikete diagnoosimise meetodid peamiselt järgmist:

1.1 Mudelipõhine rikete diagnostika

Varaseim välja töötatud mudelipõhine andurite rikete diagnoosimise tehnoloogia võtab oma põhiideeks füüsilise liiasuse asemel analüütilise liiasuse ja hangib veateavet peamiselt hindamissüsteemi poolt väljastatud mõõdetud väärtustega võrreldes. Praegu saab selle diagnostikatehnoloogia jagada kolme kategooriasse: parameetrite hinnangul põhinev rikkediagnostika meetod, olekupõhine rikkediagnostika meetod ja samaväärne ruumidiagnostika meetod. Üldjuhul defineerime aineparameetritena füüsikalist süsteemi moodustavate komponentide iseloomulikud parameetrid ning mooduliparameetritena juhtimissüsteemi kirjeldavad diferentsiaal- või diferentsiaalvõrrandid. Kui süsteemis olev andur ebaõnnestub kahjustuse, rikke või jõudluse halvenemise tõttu, saab seda otse kuvada materjali parameetrite muutusena, mis omakorda põhjustab mooduli parameetrite muutumise, mis sisaldab kogu veateavet. Vastupidi, kui mooduli parameetrid on teada, saab arvutada parameetri muutuse, et määrata anduri vea suurus ja aste. Praegu on laialdaselt kasutatud mudelipõhist sensordiagnostika tehnoloogiat, mille uurimistulemused keskenduvad lineaarsetele süsteemidele, kuid mittelineaarsete süsteemide uurimist tuleb tugevdada.

1.2 Teadmistepõhine rikete diagnostika

Erinevalt eelnimetatud rikete diagnoosimise meetoditest ei pea teadmistepõhine rikediagnostika koostama matemaatilist mudelit, mis ületaks mudelipõhise veadiagnostika puudused või puudused, kuid puudub küpse teoreetilise toe komplekt. Nende hulgas on tehisnärvivõrgu meetod teadmistepõhise rikete diagnoosimise esindaja. Nn tehisnärvivõrk kannab inglise keeles lühendit ANN, mis põhineb inimese arusaamal aju närvivõrgust ja realiseerib teatud funktsiooni kunstliku ehituse kaudu. Kunstlik närvivõrk suudab salvestada teavet hajutatud viisil ning teostada mittelineaarset teisendust ja kaardistamist võrgu topoloogia ja kaalujaotuse abil. Seevastu tehisnärvivõrgu meetod korvab mittelineaarsetes süsteemides mudelipõhise veadiagnostika puuduse. Tehisnärvivõrgu meetod ei ole aga täiuslik ja tugineb vaid mõnele praktilisele juhtumile, mis ei kasuta efektiivselt ära erivaldkondades kogutud kogemusi ning on kergesti mõjutatav valimivalikuga, mistõttu sellest tehtud diagnostilised järeldused ei ole tõlgendatav.