252927 آٹومیٹک ٹرانسمیشن AL4 DPO سوئچ پریشر سینسر

1. عام سینسر کی غلطی کی تشخیص کے طریقے

سائنس اور ٹیکنالوجی کی ترقی کے ساتھ، سینسر کی خرابی کی تشخیص کے طریقے زیادہ سے زیادہ پرچر ہیں، جو بنیادی طور پر روزمرہ کے استعمال کی ضروریات کو پورا کر سکتے ہیں۔ خاص طور پر، عام سینسر کی غلطی کی تشخیص کے طریقوں میں بنیادی طور پر درج ذیل شامل ہیں:

1.1 ماڈل پر مبنی غلطی کی تشخیص

ابتدائی طور پر تیار کردہ ماڈل پر مبنی سینسر کی غلطی کی تشخیص کرنے والی ٹیکنالوجی جسمانی فالٹ پن کی بجائے تجزیاتی فالتو پن کو اپنے بنیادی خیال کے طور پر لیتی ہے، اور بنیادی طور پر تخمینہ کے نظام کے ذریعہ پیمائش شدہ اقدار کے آؤٹ پٹ کے ساتھ اس کا موازنہ کرکے غلطی کی معلومات حاصل کرتی ہے۔ فی الحال، اس تشخیصی ٹیکنالوجی کو تین اقسام میں تقسیم کیا جا سکتا ہے: پیرامیٹر تخمینہ کی بنیاد پر غلطی کی تشخیص کا طریقہ، ریاست کی بنیاد پر غلطی کی تشخیص کا طریقہ اور مساوی جگہ کی تشخیص کا طریقہ۔ عام طور پر، ہم اجزاء کے خصوصیت کے پیرامیٹرز کی وضاحت کرتے ہیں جو جسمانی نظام کو مادے کے پیرامیٹرز کے طور پر تشکیل دیتے ہیں، اور تفریق یا فرق کی مساوات جو کنٹرول سسٹم کو ماڈیول پیرامیٹرز کے طور پر بیان کرتے ہیں۔ جب سسٹم میں کوئی سینسر نقصان، ناکامی یا کارکردگی میں کمی کی وجہ سے ناکام ہو جاتا ہے، تو اسے براہ راست مادی پیرامیٹرز کی تبدیلی کے طور پر ظاہر کیا جا سکتا ہے، جس کے نتیجے میں ماڈیولس پیرامیٹرز کی تبدیلی کا سبب بنتا ہے، جس میں تمام خرابی کی معلومات ہوتی ہیں۔ اس کے برعکس، جب ماڈیول کے پیرامیٹرز معلوم ہوتے ہیں، تو پیرامیٹر کی تبدیلی کا حساب لگایا جا سکتا ہے، تاکہ سینسر کی خرابی کے سائز اور ڈگری کا تعین کیا جا سکے۔ فی الحال، ماڈل پر مبنی سینسر تشخیصی ٹیکنالوجی کو بڑے پیمانے پر استعمال کیا گیا ہے، اور اس کے تحقیقی نتائج لکیری نظاموں پر مرکوز ہیں، لیکن نان لائنر سسٹمز پر تحقیق کو مضبوط بنانے کی ضرورت ہے۔

1.2 علم پر مبنی غلطی کی تشخیص

مندرجہ بالا غلطی کی تشخیص کے طریقوں سے مختلف، علم کی بنیاد پر غلطی کی تشخیص کے لیے ریاضیاتی ماڈل قائم کرنے کی ضرورت نہیں ہے، جو ماڈل پر مبنی غلطی کی تشخیص کی کوتاہیوں یا نقائص پر قابو پاتا ہے، لیکن اس میں پختہ نظریاتی معاونت کا فقدان ہے۔ ان میں سے، مصنوعی اعصابی نیٹ ورک کا طریقہ علم کی بنیاد پر غلطی کی تشخیص کا نمائندہ ہے۔ نام نہاد مصنوعی اعصابی نیٹ ورک کو انگریزی میں ANN کہا جاتا ہے، جو دماغی اعصابی نیٹ ورک کے بارے میں انسانی سمجھ پر مبنی ہے اور مصنوعی تعمیر کے ذریعے ایک خاص کام کا ادراک کرتا ہے۔ مصنوعی اعصابی نیٹ ورک تقسیم شدہ طریقے سے معلومات کو ذخیرہ کر سکتا ہے، اور نیٹ ورک ٹوپولوجی اور وزن کی تقسیم کی مدد سے نان لائنر ٹرانسفارمیشن اور میپنگ کا احساس کر سکتا ہے۔ اس کے برعکس، مصنوعی نیورل نیٹ ورک کا طریقہ نان لائنر سسٹمز میں ماڈل پر مبنی فالٹ تشخیص کی کمی کو پورا کرتا ہے۔ تاہم، مصنوعی اعصابی نیٹ ورک کا طریقہ کامل نہیں ہے، اور یہ صرف کچھ عملی صورتوں پر انحصار کرتا ہے، جو خاص شعبوں میں جمع کیے گئے تجربے کا موثر استعمال نہیں کرتے اور نمونے کے انتخاب سے آسانی سے متاثر ہوتے ہیں، اس لیے اس سے اخذ کردہ تشخیصی نتائج درست نہیں ہیں۔ قابل تشریح