252927 Ավտոմատ փոխանցման տուփ AL4 DPO անջատիչ ճնշման սենսոր

1. Սենսորային անսարքության ախտորոշման ընդհանուր մեթոդներ

Գիտության և տեխնիկայի զարգացման հետ մեկտեղ սենսորային անսարքությունների ախտորոշման մեթոդներն ավելի ու ավելի շատ են դառնում, որոնք հիմնականում կարող են բավարարել ամենօրյա օգտագործման կարիքները: Մասնավորապես, սենսորային անսարքության ախտորոշման ընդհանուր մեթոդները հիմնականում ներառում են հետևյալը.

1.1 Մոդելի վրա հիմնված անսարքության ախտորոշում

Ամենավաղ մշակված մոդելի վրա հիմնված սենսորային անսարքությունների ախտորոշման տեխնոլոգիան իր հիմնական գաղափարն ընդունում է ֆիզիկական ավելորդության փոխարեն վերլուծական ավելորդությունը, և սխալի մասին տեղեկատվություն է ստանում հիմնականում՝ համեմատելով այն գնահատման համակարգի կողմից ստացված չափված արժեքների հետ: Ներկայումս ախտորոշման այս տեխնոլոգիան կարելի է բաժանել երեք կատեգորիայի՝ պարամետրերի գնահատման վրա հիմնված անսարքության ախտորոշման մեթոդ, վիճակի վրա հիմնված անսարքության ախտորոշման մեթոդ և համարժեք տարածության ախտորոշման մեթոդ: Ընդհանուր առմամբ, մենք սահմանում ենք ֆիզիկական համակարգը կազմող բաղադրիչների բնութագրական պարամետրերը որպես նյութի պարամետրեր, և դիֆերենցիալ կամ տարբերությունների հավասարումները, որոնք նկարագրում են կառավարման համակարգը որպես մոդուլի պարամետրեր: Երբ համակարգում սենսորը ձախողվում է վնասի, ձախողման կամ կատարողականի վատթարացման պատճառով, այն կարող է ուղղակիորեն ցուցադրվել որպես նյութի պարամետրերի փոփոխություն, որն իր հերթին առաջացնում է մոդուլի պարամետրերի փոփոխություն, որը պարունակում է սխալի բոլոր տեղեկությունները: Ընդհակառակը, երբ մոդուլի պարամետրերը հայտնի են, պարամետրի փոփոխությունը կարող է հաշվարկվել, որպեսզի որոշվի սենսորի անսարքության չափն ու աստիճանը: Ներկայումս մոդելի վրա հիմնված սենսորային ախտորոշման տեխնոլոգիան լայնորեն կիրառվում է, և դրա հետազոտության արդյունքները կենտրոնանում են գծային համակարգերի վրա, սակայն ոչ գծային համակարգերի հետազոտությունները պետք է ուժեղացվեն:

1.2 Գիտելիքի վրա հիմնված սխալների ախտորոշում

Ի տարբերություն վերը նշված անսարքությունների ախտորոշման մեթոդների, գիտելիքի վրա հիմնված անսարքության ախտորոշումը կարիք չունի ստեղծելու մաթեմատիկական մոդել, որը հաղթահարում է մոդելի վրա հիմնված անսարքության ախտորոշման թերությունները կամ թերությունները, սակայն չունի հասուն տեսական աջակցության մի շարք: Դրանց թվում արհեստական ​​նեյրոնային ցանցի մեթոդը գիտելիքի վրա հիմնված անսարքությունների ախտորոշման ներկայացուցիչն է։ Այսպես կոչված արհեստական ​​նեյրոնային ցանցը անգլերենում հապավում է որպես ANN, որը հիմնված է ուղեղի նեյրոնային ցանցի մարդկային պատկերացումների վրա և իրականացնում է որոշակի գործառույթ արհեստական ​​կառուցման միջոցով: Արհեստական ​​նեյրոնային ցանցը կարող է տեղեկատվություն պահել բաշխված ձևով և իրականացնել ոչ գծային փոխակերպում և քարտեզագրում ցանցի տոպոլոգիայի և քաշի բաշխման օգնությամբ: Ի հակադրություն, արհեստական ​​նեյրոնային ցանցի մեթոդը լրացնում է ոչ գծային համակարգերում մոդելի վրա հիմնված անսարքությունների ախտորոշման անբավարարությունը: Այնուամենայնիվ, արհեստական ​​նեյրոնային ցանցի մեթոդը կատարյալ չէ, և այն հենվում է միայն որոշ գործնական դեպքերի վրա, որոնք արդյունավետ չեն օգտագործում հատուկ ոլորտներում կուտակված փորձը և հեշտությամբ ենթարկվում են նմուշի ընտրության ազդեցությանը, ուստի դրանից բխող ախտորոշիչ եզրակացությունները չեն մեկնաբանելի։