252927 انتقال خودکار AL4 DPO سنسور فشار سوئیچ
معرفی محصول
1. روشهای تشخیص گسل سنسور متداول
با توسعه علم و فناوری ، روشهای تشخیص گسل سنسور بیشتر و فراوان است که اساساً می تواند نیازهای استفاده روزانه را برآورده کند. به طور خاص ، روشهای تشخیص گسل سنسور مشترک عمدتاً موارد زیر را شامل می شود:
1.1 تشخیص گسل مبتنی بر مدل
اولین فناوری تشخیص گسل سنسور مبتنی بر مدل توسعه یافته به جای افزونگی فیزیکی به عنوان ایده اصلی خود ، افزونگی تحلیلی را انجام می دهد و اطلاعات گسل را عمدتاً با مقایسه آن با خروجی مقادیر اندازه گیری شده توسط سیستم تخمین به دست می آورد. در حال حاضر ، این فناوری تشخیص می تواند به سه دسته تقسیم شود: روش تشخیص گسل مبتنی بر تخمین پارامتر ، روش تشخیص گسل مبتنی بر حالت و روش تشخیص فضای معادل. به طور کلی ، ما پارامترهای مشخصه مؤلفه هایی را که سیستم فیزیکی را به عنوان پارامترهای ماده تشکیل می دهند ، و معادلات دیفرانسیل یا تفاوت که سیستم کنترل را به عنوان پارامترهای ماژول توصیف می کند ، تعریف می کنیم. هنگامی که یک سنسور در سیستم به دلیل آسیب ، خرابی یا تخریب عملکرد شکست می خورد ، می توان مستقیماً به عنوان تغییر پارامترهای مواد نمایش داده شد ، که به نوبه خود باعث تغییر پارامترهای مدول می شود ، که حاوی تمام اطلاعات گسل است. در مقابل ، هنگامی که پارامترهای ماژول شناخته شده است ، می توان تغییر پارامتر را محاسبه کرد ، به گونه ای که اندازه و درجه گسل سنسور را تعیین کند. در حال حاضر ، فناوری تشخیص سنسور مبتنی بر مدل به طور گسترده ای مورد استفاده قرار گرفته است ، و نتایج تحقیق آن بر روی سیستم های خطی متمرکز است ، اما تحقیقات در مورد سیستم های غیرخطی باید تقویت شود.
1.2 تشخیص گسل مبتنی بر دانش
متفاوت از روشهای تشخیص گسل فوق ، تشخیص گسل مبتنی بر دانش نیازی به ایجاد یک مدل ریاضی ندارد ، که بر کاستی ها یا نقص تشخیص گسل مبتنی بر مدل غلبه می کند ، اما فاقد مجموعه ای از پشتیبانی نظری بالغ است. در میان آنها ، روش شبکه عصبی مصنوعی نماینده تشخیص گسل مبتنی بر دانش است. شبکه عصبی به اصطلاح مصنوعی به عنوان ANN در انگلیسی به اختصار است که مبتنی بر درک انسان از شبکه عصبی مغز است و از طریق ساخت و ساز مصنوعی عملکرد خاصی را تحقق می بخشد. شبکه عصبی مصنوعی می تواند اطلاعات را به صورت توزیع شده ذخیره کند و با کمک توپولوژی شبکه و توزیع وزن ، تحول و نقشه برداری غیرخطی را تحقق بخشد. در مقابل ، روش شبکه عصبی مصنوعی کمبود تشخیص گسل مبتنی بر مدل در سیستم های غیرخطی را تشکیل می دهد. با این حال ، روش شبکه عصبی مصنوعی کامل نیست ، و فقط به برخی موارد عملی متکی است ، که استفاده مؤثر از تجربه انباشته شده در زمینه های خاص را انجام نمی دهد و به راحتی تحت تأثیر انتخاب نمونه قرار می گیرد ، بنابراین نتیجه گیری های تشخیصی حاصل از آن قابل تفسیر نیست.
تصویر


جزئیات شرکت







مزیت شرکت

حمل

پرسش
