252927 ناقل حركة أوتوماتيكي AL4 DPO مستشعر ضغط التبديل

1. طرق تشخيص أخطاء أجهزة الاستشعار الشائعة

مع تطور العلوم والتكنولوجيا، أصبحت طرق تشخيص أخطاء المستشعر أكثر وفرة، والتي يمكن أن تلبي بشكل أساسي احتياجات الاستخدام اليومي. على وجه التحديد، تتضمن طرق تشخيص أخطاء المستشعر الشائعة بشكل أساسي ما يلي:

1.1 تشخيص الأخطاء على أساس النموذج

تعتمد تقنية تشخيص أخطاء أجهزة الاستشعار المعتمدة على النموذج الأقدم على التكرار التحليلي بدلاً من التكرار المادي كفكرتها الأساسية، وتحصل على معلومات الأخطاء بشكل أساسي من خلال مقارنتها بالقيم المقاسة الناتجة عن نظام التقدير. في الوقت الحاضر، يمكن تقسيم تقنية التشخيص هذه إلى ثلاث فئات: طريقة تشخيص الأخطاء القائمة على تقدير المعلمة، وطريقة تشخيص الأخطاء على أساس الحالة، وطريقة تشخيص المساحة المكافئة. بشكل عام، نحدد المعلمات المميزة للمكونات التي تشكل النظام الفيزيائي كمعلمات المادة، والمعادلات التفاضلية أو التفاضلية التي تصف نظام التحكم كمعلمات وحدة. عندما يفشل جهاز استشعار في النظام بسبب تلف أو فشل أو تدهور الأداء، يمكن عرضه مباشرة كتغيير في معلمات المادة، والذي يؤدي بدوره إلى تغيير معلمات المعامل، والتي تحتوي على جميع معلومات الخطأ. على العكس من ذلك، عندما تكون معلمات الوحدة معروفة، يمكن حساب تغيير المعلمة، وذلك لتحديد حجم ودرجة خطأ المستشعر. في الوقت الحاضر، يتم استخدام تقنية تشخيص المستشعرات القائمة على النماذج على نطاق واسع، وتركز نتائج أبحاثها على الأنظمة الخطية، ولكن البحث في الأنظمة غير الخطية يحتاج إلى تعزيز.

1.2 تشخيص الأخطاء على أساس المعرفة

يختلف تشخيص الأخطاء القائم على المعرفة عن طرق تشخيص الأخطاء المذكورة أعلاه، ولا يحتاج إلى إنشاء نموذج رياضي يتغلب على أوجه القصور أو العيوب في تشخيص الأخطاء القائم على النموذج، ولكنه يفتقر إلى مجموعة من الدعم النظري الناضج. من بينها، تمثل طريقة الشبكة العصبية الاصطناعية تشخيص الأخطاء القائم على المعرفة. يتم اختصار ما يسمى بالشبكة العصبية الاصطناعية باسم ANN باللغة الإنجليزية، والتي تعتمد على فهم الإنسان للشبكة العصبية الدماغية وتحقق وظيفة معينة من خلال البناء الاصطناعي. يمكن للشبكة العصبية الاصطناعية تخزين المعلومات بطريقة موزعة، وتحقيق التحول غير الخطي ورسم الخرائط بمساعدة طوبولوجيا الشبكة وتوزيع الوزن. في المقابل، فإن طريقة الشبكة العصبية الاصطناعية تعوض النقص في تشخيص الأخطاء القائم على النموذج في الأنظمة غير الخطية. إلا أن طريقة الشبكة العصبية الاصطناعية ليست مثالية، وتعتمد فقط على بعض الحالات العملية، مما لا يحقق الاستفادة الفعالة من الخبرة المتراكمة في مجالات خاصة ويتأثر بسهولة باختيار العينة، وبالتالي فإن الاستنتاجات التشخيصية المستخلصة منها ليست كذلك. قابلة للتفسير.