Kegagalan sensor termasuk empat kategori utama: kegagalan kegagalan lengkap, kegagalan sisihan tetap, kegagalan sisihan drift dan kemerosotan ketepatan.
Kegagalan kegagalan merujuk kepada kegagalan secara tiba -tiba pengukuran sensor, nilai yang diukur telah tetap; Kegagalan sisihan terutamanya merujuk kepada nilai diukur sensor dan nilai sebenar perbezaan malar antara kelas kesalahan, seperti yang dilihat dalam angka, terdapat kesalahan dalam pengukuran pengukuran pengukuran selari dengan pengukuran tidak ada kesalahan ;; The
Kesalahan drift adalah kesalahan di mana perbezaan antara nilai diukur sensor dan nilai sebenar meningkat dari masa ke masa.
Degradasi ketepatan merujuk kepada kemerosotan keupayaan pengukuran sensor dan ketepatan yang rendah. Apabila tahap ketepatan berkurangan, nilai purata pengukuran tidak berubah, tetapi varians perubahan pengukuran.
Kesalahan sisihan tetap dan kesilapan drift adalah kesalahan yang tidak mudah untuk mengesan dan menyebabkan satu siri masalah yang tidak dijangka dalam perjalanan kesalahan, menjadikan sistem kawalan tidak dapat berfungsi dengan baik untuk jangka masa yang panjang.
Cara klasifikasi kegagalan sensor
1, mengikut tahap klasifikasi kegagalan sensor
Menurut saiz tahap kegagalan sensor boleh dibahagikan kepada kegagalan keras dan kegagalan lembut.
Kegagalan keras merujuk kepada struktur kerosakan yang disebabkan oleh kegagalan, amplitud umum perubahan besar dan tiba -tiba; Kegagalan lembut merujuk kepada ciri -ciri variasi, amplitud adalah perubahan kecil, perlahan.
Kegagalan keras, juga dikenali sebagai kegagalan lengkap, kegagalan lengkap apabila nilai yang diukur tidak berubah dengan perubahan sebenar, sentiasa mengekalkan bacaan tertentu. Biasanya nilai malar ini biasanya sifar atau bacaan maksimum. Nilai yang diukur dari kesalahan adalah kira -kira garis lurus mendatar.
Kesalahan lembut termasuk sisihan data, drift, dan degradasi tahap ketepatan. Kesalahan lembut agak kecil, sukar ditemui, jadi, dalam erti kata, kesalahan lembut membahayakan daripada kesalahan keras bahaya lebih besar, dan bahayanya secara beransur -ansur menarik perhatian.
2, menurut kegagalan klasifikasi prestasi
Menurut prestasi kesalahan boleh dibahagikan kepada kesalahan sekejap dan kesalahan kekal.
Kegagalan sekejap adalah baik atau buruk; Kegagalan kegagalan kekal, tidak boleh dipulihkan kepada normal.
3, menurut kegagalan, perkembangan proses klasifikasi
Menurut proses kejadian kesalahan, pembangunan boleh dibahagikan kepada kesalahan mutasi dan kesalahan perubahan perlahan.
Kadar isyarat kesalahan mutant adalah besar; Kadar isyarat kesalahan perubahan perlahan adalah kecil.
4, mengikut punca klasifikasi kesalahan
Menurut punca kesalahan itu boleh dibahagikan kepada kesalahan sisihan, kesalahan kesan, kesalahan litar terbuka, kesalahan drift, kesalahan litar pintas, gangguan berkala, kesalahan zon mati tak linear.
Punca -punca kesalahan sisihan adalah: Bias semasa atau voltan bias, dan sebagainya; dan
Punca kesalahan kesalahan inrush adalah: gangguan rawak dalam bekalan kuasa dan tanah, lonjakan, pelepasan percikan, burrs dalam penukar D/A, dan sebagainya; dan
Punca Kesalahan Kesalahan Litar Terbuka: Garis isyarat pecah, pin cip tidak disambungkan, dll.
Punca kesalahan drift: suhu, dan sebagainya; Kesalahan litar pintas: pencemaran.
Kesalahan Punca kesalahan litar pintas: Kakisan jambatan yang disebabkan oleh pencemaran, kekurangan garis, dll.
Kegagalan gangguan kitaran Punca: Bekalan kuasa 50 Hz Gangguan, dan lain -lain ;; dan
Punca kesalahan kesalahan deadband nonlinear: ketepuan penguat, yang mengandungi pautan tak linear, dll.
Di samping itu, dari sudut pandangan pemodelan dan simulasi, ia boleh dibahagikan kepada kesalahan berbilang dan aditif. Untuk kesalahan bias, isyarat asal ditambah isyarat kecil yang tetap atau rawak; Untuk gangguan kejutan, boleh ditumpukan pada isyarat asal isyarat nadi; Untuk kesalahan litar pintas, isyarat hampir sifar; Kesalahan litar terbuka, isyarat hampir dengan maksimum output sensor; Kesalahan drift, isyarat pada kadar tertentu diimbangi dari isyarat asal; Kesalahan gangguan kitaran, isyarat asal ditumpukan pada isyarat frekuensi tertentu.
Kaedah diagnosis kesalahan sensor
Dari perspektif yang berbeza, klasifikasi kaedah diagnosis kesalahan tidak sama. Kaedah diagnosis kesalahan hanya dibahagikan kepada: kaedah berdasarkan model matematik analisis dan kaedah yang tidak bergantung pada model matematik.
1. Kaedah berdasarkan model matematik analisis
Menurut pelbagai bentuk sisa, kaedah berdasarkan model matematik analisis boleh dibahagikan kepada: kaedah anggaran parameter, kaedah anggaran negeri dan kaedah ruang yang setara.
Kaedah diagnosis kesalahan berasaskan model adalah salah satu kaedah diagnostik terawal yang dibangunkan, tetapi juga salah satu kaedah diagnostik yang paling banyak dikaji dan digunakan.
Kelebihannya adalah bahawa mekanisme model jelas, strukturnya mudah, mudah direalisasikan, mudah dianalisis, dan boleh didiagnosis dalam masa nyata. Ia mempunyai kedudukan penting dalam bidang diagnosis kesalahan, dan masih menjadi arah penyelidikan utama kaedah diagnosis kesalahan sensor dalam perkembangan masa depan.
Kelemahannya adalah jumlah pengiraan yang besar, kerumitan sistem; kewujudan kesilapan pemodelan, kebolehsuaian model yang lemah; kebolehpercayaan yang lemah, terdedah kepada penggera palsu, ketinggalan dan fenomena lain; Kekukuhan gangguan luaran, sistem tidak sensitif terhadap bunyi dan gangguan.
Pada masa ini, hasil penyelidikan kaedah diagnostik ini masih tertumpu pada sistem linear, yang sangat penting bagi kajian mendalam mengenai teknik diagnostik kesalahan umum untuk sistem tak linear, dan pada masa yang sama, masalah keteguhan juga nilai penyelidikan yang tinggi. Jadual L menerangkan kelebihan dan kekurangan beberapa kaedah diagnosis kesalahan dalam kaedah pemodelan.
2. Kaedah diagnosis kesalahan yang tidak bergantung pada model matematik
Pada masa ini, sistem kawalan menjadi semakin kompleks, kerana fakta bahawa sukar untuk mewujudkan model matematik analitik yang tepat sistem kawalan dalam amalan, apabila terdapat ralat pemodelan, kaedah diagnosis kesalahan berasaskan model akan menjadi palsu Penggera, ketinggalan dan fenomena lain, jadi kaedah diagnosis kesalahan bebas model telah sangat bernilai.
Kelebihan kaedah bebas model matematik adalah bahawa mereka tidak memerlukan model objek yang tepat dan sangat mudah disesuaikan. Kelemahannya ialah strukturnya adalah rumit dan sukar untuk direalisasikan.
Kaedah diagnosis kesilapan model sistem sedemikian boleh dikategorikan kepada kaedah diagnosis kesalahan berdasarkan pendekatan yang didorong oleh data, kaedah diagnosis kesalahan berasaskan pengetahuan, dan kaedah berasaskan peristiwa diskret.
2.1 Kaedah yang didorong oleh data
Terdapat dua kategori utama kaedah yang didorong oleh data: kaedah pemprosesan isyarat dan kaedah statistik.
Beberapa kaedah diagnosis kesalahan pemprosesan isyarat yang biasa digunakan adalah: ujian nilai mutlak dan ujian trend, pengesanan kesalahan menggunakan kriteria maklumat kullb ack, kaedah pengesanan kesalahan berdasarkan penapis kisi gelongsor adaptif, kaedah pengesanan kesalahan berdasarkan kaedah analisis korelasi anggaran modal, analisis wavelet, analisis wavelet, analisis wavelet, analisis wavelet, analisis wavelet, analisis wavelet, analisis wavelet Kaedah dan kaedah gabungan maklumat.
2.2 Kaedah berasaskan pengetahuan
Kaedah diagnosis kesalahan berasaskan pengetahuan boleh dikategorikan secara serentak kepada dua jenis: kaedah diagnosis kesalahan berasaskan gejala dan kaedah diagnosis kesalahan berasaskan model kualitatif.
2.3 Kaedah berasaskan acara diskret
Kaedah diagnosis kesalahan berasaskan peristiwa diskret adalah jenis kaedah diagnosis kesalahan baru yang dibangunkan dalam beberapa tahun kebelakangan ini. Idea asas ialah keadaan model peristiwa diskret mencerminkan keadaan normal dan keadaan kesalahan sistem.
Dengan kemajuan penyelidikan teoritis dan peningkatan berterusan tahap teknikal, kajian diagnosis kesalahan sensor akan cenderung lebih praktikal, dan beberapa masalah yang dihadapi dalam amalan akan secara beransur -ansur diselesaikan.