基于多源信号融合与智能聚焦显示的大规模电磁阀寿命测量方法与流程

本发明涉及电磁阀检测，具体涉及基于多源信号融合与智能聚焦显示的大规模电磁阀寿命测量方法。

背景技术：

1、电磁阀是自动化控制系统中的核心执行元件，广泛应用于智能制造、工业测控等关键领域，其工作可靠性直接影响整机设备的运行稳定性与安全性。随着工业测试场景向多通道、大批量、高精度、自动化评估方向发展，对电磁阀健康识别灵敏度、寿命评估一致性、大规模监测效率及系统扩展能力提出了更高要求。现有电磁阀状态检测与寿命评估技术仍存在明显技术短板，难以满足高精度、批量化、智能化检测需求。

2、现有技术普遍采用单一电气参数监测或动作次数统计的评估方式，检测维度单一、冗余性不足。仅依靠线圈电流等电气参数或简单计数模式，难以捕捉阀芯轻微磨损、局部卡滞、阻尼退化等早期故障特征，导致早期故障识别滞后、漏检率偏高。同时，单一信号缺乏互补冗余机制，测量结果鲁棒性较差，无法实现对电磁阀健康状态的全面、可靠评估，难以支撑预防性故障预警。

3、此外，在大批量同步测试工况下，传统监测界面无法完整展示全部通道实时状态数据，大规模测试场景漏检风险高。操作人员需人工遍历海量数据，监测负担大、针对性差，极易出现退化严重通道、异常故障通道发现不及时的问题，大幅降低了大批量同步测试的可靠性与监控效率。

4、综上所述，现有电磁阀检测技术存在监测维度单一、大规模监控效率低、系统拓展性差等诸多技术缺陷，无法适配工业领域高精度、智能化、大批量、可拓展的电磁阀健康检测与寿命评估需求。因此，亟需一种多源信号融合、抗干扰能力强、支持大规模智能聚焦监测且具备高可扩展性的电磁阀健康检测及寿命评估技术。

技术实现思路

1、本发明的目的在于，提供一种基于多源信号融合与智能聚焦显示的大规模电磁阀寿命测量方法及系统，可实现大批量电磁阀同步高精度信号采集、抗干扰特征提取、智能寿命推断及大规模通道可视化智能监测，解决现有技术单维度检测可靠性差、人工评估主观性强、多通道监测漏检率高、系统扩展成本高等技术问题。

2、针对现有技术的缺陷，本发明提供如下技术方案：

3、基于多源信号融合与智能聚焦显示的大规模电磁阀寿命测量方法，包括如下步骤：

4、步骤一、同步采集：通过基于ethercat通讯协议的测量输出板，同步获取多个电磁阀在每次动作过程中的线圈电流波形，以及由声音传感器采集的声音信号波形；

5、步骤二、特征联合提取：从所述线圈电流波形中提取时域特征参数，从所述声音信号波形中提取频域特征参数，形成多源联合特征向量；

6、步骤三、寿命推断：将所述多源联合特征向量输入至预先训练好的寿命推断模型中，得到每个电磁阀的剩余寿命或退化状态等级；所述寿命推断模型是由已知寿命标签的多源信号样本数据训练而成；

7、步骤四、智能聚焦显示：根据每个电磁阀的寿命推断结果、开路/短路状态，按预设的聚焦策略在人机交互界面上动态选择显示部分通道的详细状态信息。

8、作为优选，所述时域特征参数包括：

9、吸合阶段的峰值能量值e_peak与保持阶段的稳态功耗值p_hold的比值；

10、其中，e_peak为电磁阀从开始动作到阀芯完全吸合期间内的功率积分，p_hold为阀芯完全吸合后线圈处于稳定通电状态下的平均功率。

11、作为优选，所述阀芯完全吸合的判定方法为：

12、监测所述线圈电流波形，将电流从启动点爬升至吸合转折点，即电流极小值点的时间段，判定为所述吸合阶段。

13、作为优选，所述频域特征参数包括：

14、所述声音信号的梅尔频率倒谱系数(mfcc)、小波包能量谱特征。

15、作为优选，所述寿命推断模型为预先训练好的神经网络模型，其训练过程包括：

16、在电磁阀加速退化试验或历史运行数据中，获取包含不同退化程度的多组线圈电流波形和声音信号波形；

17、对每组数据提取所述多源联合特征向量，并标注对应的实际剩余寿命作为标签；

18、利用带标签的样本集对所述神经网络模型进行监督学习训练。

19、作为优选，所述智能聚焦显示步骤中的预设聚焦策略，包括以下至少一种：

20、退化严重度排序策略：将所有被测电磁阀按剩余寿命由短到长或退化等级由高到低降序排列，仅将排名前n的通道详细状态显示于主界面，n为单屏可容纳的最大通道显示数量，其余通道在后台持续监测；

21、异常事件触发策略：在常态下显示系统总览视图，当任意电磁阀通道出现开路、短路、剩余寿命低于预设警戒阈值、或特征参数偏离正常范围时，自动弹出该通道的放大诊断视图，并高亮标注异常指标；

22、分组轮巡策略：将所有被测电磁阀按预设的物理区域或功能划分为多个通道组，界面提供分组导航控件，并支持按预设时间间隔自动轮巡显示各通道组的实时状态。

23、进一步地，所述异常事件触发策略中，所述特征参数偏离正常范围的情形包括：

24、当前能耗指纹的衰减率或增率超过预设失效阈值、或声音信号的频域特征与正常基线的偏离度超过预设声学异常阈值。

25、本发明另外提供了基于多源信号融合与智能聚焦显示的大规模电磁阀寿命测量系统，其特征在于，包括：

26、基于ethercat通讯协议的至少一个测量输出板，用于驱动多个电磁阀动作，并同步采集每个电磁阀的线圈电流波形、开路状态和短路状态，并将采集数据通过ethercat总线实时上传；

27、至少一个声音传感器，用于采集电磁阀动作时的声音信号；

28、控制器，接收所述测量输出板上传的电流波形及状态数据，以及所述声音传感器采集的声音信号波形，执行特征提取与寿命推断运算，并生成智能聚焦显示指令；以及

29、人机交互界面，接收所述智能聚焦显示指令，按预设聚焦策略动态显示部分通道的详细状态信息；

30、所述系统采用上述的测量方法。

31、进一步地，所述测量输出板包括：

32、ethercat从站控制器、至少一路电流采样电路、开路/短路检测电路，以及用于驱动电磁阀的功率输出级；所述电流采样电路与电磁阀线圈串联，所述开路/短路检测电路并联于输出回路。

33、进一步地，所述电流采样电路的采样率不低于10ks/s。

34、本发明与现有技术相对比，其有益效果在于：

35、1.多源融合提高测量可靠性：本发明通过同步采集线圈电流波形与声音信号波形，从电气特性与声学特性两个维度联合评估电磁阀的健康状态，相比单一依赖电气参数或单纯动作次数计数的传统方法，能够更早发现机械磨损、阀芯卡滞等早期故障征兆，且两种信号互为冗余，提高了测量结果的鲁棒性。

36、2.能耗指纹特征灵敏且抗干扰：本发明提取吸合阶段峰值能量e_peak与保持阶段稳态功耗p_hold的比值作为“能耗指纹”，该比值能灵敏反映阀芯运动阻尼的微小变化，且因采用比值形式，可自动抵消环境温度、电源电压波动等共模干扰因素，实现了更纯净的磨损表征。

37、3.智能推断替代人工经验判断：本发明采用基于已知寿命标签数据训练的神经网络模型进行寿命推断，将专家经验转化为可复用的数学模型，避免了人工听音判断的主观性和不一致性，实现了寿命评估的标准化与自动化。

38、4.大规模通道的智能聚焦显示：本发明针对128通道等大规模电磁阀同时测试时，人机界面无法全部显示的技术矛盾，提出了基于退化严重度排序、异常事件触发、分组轮巡等智能聚焦策略，确保操作人员第一时间关注到最可能失效的通道，显著降低了海量信息下的监控负担与漏检风险。

39、5.系统架构的可扩展性：本发明采用基于ethercat总线的分布式测量架构，测量输出板作为ethercat从站接入系统。当需要扩展测试电磁阀数量时，仅需在ethercat总线上级联新增的测量输出板从站设备，并通过总线固有的分布式时钟机制，保证扩展后的全部通道仍保持微秒级同步采集精度，无需更换控制器或增设模拟采集机箱，大幅降低了系统扩展成本与布线复杂度。