252927 स्वचालित प्रसारण Al4 GP4 DPO स्विच सेन्सर

1 सामान्य सेन्सर गल्ती निदान विधिहरू

विज्ञान र टेक्नोलोजीको विकासका साथ, सेन्सरल गल्ती निदानको विधिहरू अधिक र अधिक प्रशस्त छन्, जुन मूल रूपमा दैनिक प्रयोगको आवश्यकताहरू पूरा गर्न सक्दछ। विशेष गरी, साधारण सेन्सर गल्ती निदान विधिहरू मुख्यतया निम्न समावेश गर्दछ:

1.1 मोडेल-आधारित गल्ती निदान

प्रारम्भिक विकसित मोडेल-आधारित सेन्सर गल्तीले यसको मुख्य विचारको सट्टा एलेसोसन कतारको सट्टा विश्लेषणको सट्टा एलेसोसनल वास्तविकता लिन्छ, र अनुमान प्रणाली द्वारा मापन मानहरू आउटपुट प्राप्त गरेर। वर्तमानमा, यो निदान टेक्नोलोशन तीन वर्गमा विभाजन गर्न सकिन्छ: प्यारामिटर अनुमान विधि निदान विधि, राज्य-आधारित फलक निदान विधि र बराबर स्थान निदान विधि। सामान्यतया, हामी कम्पोनेन्टहरूको विशेष प्यारामिटरहरूलाई परिभाषित गर्दछौं जुन भौतिक प्रणालीको विषयमा हो किसान, र भिन्न वा भिन्नता समीकरणहरू वर्णन गर्दछ जुन मोड्युल प्यारामिटरहरूको रूपमा वर्णन गर्दछ। जब प्रणाली मा एक सेन्सर क्षति, असफलता वा प्रदर्शन गिरावट, यसलाई प्रत्यक्ष भौतिक प्यारामिटरहरूको परिवर्तन को रूप मा प्रदर्शित गर्न सकिन्छ, जसले परिमाण प्रमिटरहरू परिवर्तन गर्दछ, जसले सबै गल्ती जानकारी समावेश गर्दछ। यसको विपरित, जब मोड्युल प्यारामिटरहरू परिचित छन्, प्यारामिटरको परिवर्तन गणना गर्न सकिन्छ, ताकि सेन्सर गल्तीको आकार र डिग्री निर्धारण गर्न। वर्तमानमा मोडेल-आधारित सेन्सर निदान टेक्नोलोजी व्यापक रूपमा प्रयोग गरिएको छ, र यसका अनुसन्धान परिणामहरू लाइनर प्रणालीमा ध्यान केन्द्रित गरिएको छ, तर गैरकांत्री प्रणालीहरूमा अनुसन्धानलाई सुदृढ पार्न आवश्यक छ।

1.2 ज्ञान-आधारित गल्ती निदान

माथि उल्लिखित गल्ती निदान विधिहरू भन्दा फरक, ज्ञान-आधारित गल्ती निदानले एक गणितीय मोडेल स्थापना गर्नुपर्दैन, जसले कमजोरी-आधारित गल्ती निदानको सेटको अभाव गर्दछ। ती मध्ये कृत्रिम न्यूज नेटवर्क विधि ज्ञान-आधारित गल्ती निदान को प्रतिनिधि हो। तथाकथित कृत्रिम न्यूजल नेटवर्क अ English ्ग्रेजीमा एम्बरको रूपमा संक्षिप्त, जो मस्तिष्क नेटवर्कको मानवीय समझमा आधारित छ र कृत्रिम निर्माणको माध्यमबाट एक निश्चित प्रकार्यको अनुभव गर्दछ। कृत्रिम न्यूज नेटवर्कले एक वितरित तरिकामा जानकारी भण्डार गर्न सक्दछ, र गैरलाइन रूपान्तरण र नेटवर्क कोषविज्ञान र वजनको टोपोर्टीको साथ म्यापि। यसको विपरित, कृत्रिम न्यूज न्यूज नेटवर्क विधिले ननलाइनर प्रणालीहरूमा मोडेल-आधारित गल्ती निदानको लागि बनाउँदछ। यद्यपि, कृत्रिम न्यूज नेटवर्क विधि उत्तम छैन, र यो केवल केही व्यावहारिक केसहरूमा निर्भर गर्दछ, जसले नमूना चयनबाट सजिलैसँग मिल्दैन।