Flying Bull (Ningbo) Electronic Technology Co., Ltd.

252927 Sensor de pressió de transmissió automàtica AL4 DPO

Descripció curta:


  • Model:Ascensor
  • Oe núm. ::252927, 8201708662
  • Lloc d’origen ::Zhejiang, Xina
  • Nom de marca ::Bull Fyling
  • Tipus ::Sensor
  • Detall del producte

    Etiquetes de producte

    Introducció del producte

    1. Mètodes de diagnòstic de falles del sensor comú

     

    Amb el desenvolupament de la ciència i la tecnologia, els mètodes de diagnòstic de falles del sensor són cada cop més abundants, cosa que pot satisfer bàsicament les necessitats d’ús diari. Concretament, els mètodes de diagnòstic de falles del sensor comuns inclouen principalment els següents:

     

    1.1 Diagnòstic de falles basat en el model

     

    La tecnologia de diagnòstic de falles del sensor basada en el model basada en el model es fa una redundància analítica en lloc de la redundància física com a idea bàsica i obté informació de falles principalment comparant-la amb els valors mesurats la sortida del sistema d’estimació. Actualment, aquesta tecnologia de diagnòstic es pot dividir en tres categories: Mètode de diagnòstic de falles basat en l'estimació de paràmetres, mètode de diagnòstic de falles basat en l'estat i mètode de diagnòstic d'espai equivalent. En general, definim els paràmetres característics dels components que constitueixen el sistema físic com a paràmetres de matèria i les equacions diferencials o de diferència que descriuen el sistema de control com a paràmetres del mòdul. Quan un sensor del sistema falla per danys, fallades o degradació del rendiment, es pot mostrar directament com a canvi de paràmetres de material, que al seu torn provoca el canvi de paràmetres de mòdul, que conté tota la informació de falles. Per contra, quan es coneixen els paràmetres del mòdul, es pot calcular el canvi del paràmetre, de manera que determinar la mida i el grau de la falla del sensor. Actualment, la tecnologia de diagnòstic de sensors basada en models ha estat àmpliament utilitzada i els resultats de la investigació se centren en sistemes lineals, però cal reforçar la investigació sobre sistemes no lineals.

     

    1.2 Diagnòstic de falles basat en el coneixement

     

    Diferent dels mètodes de diagnòstic de falles esmentats anteriorment, el diagnòstic de falles basat en el coneixement no necessita establir un model matemàtic, que supera les mancances o defectes del diagnòstic de falles basat en el model, però no té un conjunt de suport teòric madur. Entre ells, el mètode de xarxa neuronal artificial és el representatiu del diagnòstic de falles basat en el coneixement. L’anomenada xarxa neuronal artificial s’abrevia com Ann en anglès, que es basa en la comprensió humana de la xarxa neuronal cerebral i realitza una certa funció mitjançant la construcció artificial. La xarxa neuronal artificial pot emmagatzemar informació de manera distribuïda i realitzar transformació i mapeig no lineals amb l’ajuda de la topologia de xarxa i la distribució de pes. En canvi, el mètode de xarxa neuronal artificial constitueix la deficiència de diagnòstic de falles basat en el model en sistemes no lineals. Tanmateix, el mètode de xarxa neuronal artificial no és perfecte i només es basa en alguns casos pràctics, que no fa un ús efectiu de l’experiència acumulada en camps especials i es veu fàcilment influenciat per la selecció de mostres, de manera que les conclusions diagnòstiques extretes d’ella no són interpretables.

    Imatge del producte

    40 (4)
    40 (5)

    Detalls de l'empresa

    01
    1683335092787
    0
    1683336010623
    1683336267762
    0
    07

    Avantatge de l'empresa

    1685178165631

    Transport

    0

    Cap

    1684324296152

    Productes relacionats


  • Anterior:
  • A continuació:

  • Productes relacionats