Penggerak linear ialah peranti yang menukar gerakan putaran motor kepada gerakan linear, digunakan secara meluas dalam pelbagai sistem automasi. Walau bagaimanapun, penggerak linear mungkin tidak berfungsi semasa operasi, menjejaskan prestasi dan keselamatan sistem. Oleh itu, diagnosis kesalahan penggerak linear adalah sangat penting. Artikel ini memperkenalkan kaedah diagnosis kerosakan penggerak linear berasaskan data dan kaedah diagnosis kerosakan penggerak linear berasaskan pemerhati adaptif.
Kaedah diagnosis kerosakan berasaskan data untuk penggerak linear
Kaedah ini menggunakan data pengukuran semasa dan kedudukan penggerak linear untuk mengekstrak ciri dan membina penunjuk kerosakan. Kelebihan kaedah ini ialah ia tidak memerlukan model fizikal atau sensor tambahan, tetapi hanya menggunakan data yang sudah ada dalam pengawal itu sendiri. Langkah-langkah khusus adalah seperti berikut:
Ekstrak ciri daripada data pengukuran semasa dan kedudukan. Ciri-ciri termasuk ciri-ciri dinamik sistem semasa operasi keadaan mantap dan sementara, seperti min semasa, puncak semasa, min kedudukan, puncak kedudukan, kadar perubahan kedudukan, dsb.
Gabungkan ciri ke dalam penunjuk kesalahan. Kuantiti petunjuk kerosakan ialah nilai berangka yang mencerminkan sama ada terdapat kerosakan dalam sistem dan keterukan kerosakan. Kaedah yang biasa digunakan ialah menggunakan Mesin Vektor Sokongan (SVM) untuk mengklasifikasikan ciri dan mendapatkan fungsi diskriminan untuk keadaan normal dan kesalahan.
Tetapkan ambang untuk petunjuk kesalahan. Ambang ialah nilai berangka yang digunakan untuk menentukan sama ada petunjuk kerosakan melebihi julat normal. Ambang boleh ditentukan berdasarkan data atau pengalaman sejarah, atau diselaraskan secara dinamik berdasarkan data masa nyata atau kaedah statistik.
Lakukan pengesanan dan diagnosis kerosakan berdasarkan kuantiti dan ambang petunjuk kerosakan. Sekiranya petunjuk kesalahan melebihi ambang, dianggap bahawa sistem telah tidak berfungsi, dan jenis dan lokasi kesalahan ditentukan berdasarkan saiz dan trend petunjuk kesalahan.