技术特征：
1.一种基于多源数据融合的电磁阀寿命预测装置，其特征在于，包括均衡控制模块、数据采集模块和寿命预测模块；均衡控制模块，通过制动控制单元对均衡风缸的目标压力和传感器反馈的实时压力进行比较，利用pwm脉宽调制方式控制电磁阀的充排风，实现均衡风缸压力的精准控制，并与数据采集模块电连接；数据采集模块，利用传感器采集均衡风缸的压力信号、电磁阀组的电流信号；寿命预测模块，利用采集到的数据提取特征指标，并采用自组织映射算法对特征进行融合，求解得到最小量化误差作为电磁阀的健康指标，以此健康指标和其对应的寿命状态作为自回归模型和支持向量回归模型两个寿命预测子模块的输入，分别预测电磁阀剩余使用寿命；将两个寿命预测子模块的预测结果线性混合，利用粒子群优化算法对两个寿命预测子模块的权重参数进行调整进行电磁阀寿命的预测。2.根据权利要求1所述的一种基于多源数据融合的电磁阀寿命预测装置，其特征在于，所述均衡控制模块包括制动控制单元、充风阀、排风阀、均衡风缸和压力传感器；所述制动控制单元与充风阀、排风阀、压力传感器的连接是电路连接；所述均衡风缸与充风阀、排风阀、压力传感器的连接是气路连接；所述风源与充风阀的连接是气路连接；所述制动控制单元根据均衡风缸目标压力和实时压力的差值，采用pid控制算法控制充风阀和排风阀的充排风。3.根据权利要求1所述的一种基于多源数据融合的电磁阀寿命预测装置，其特征在于，所述数据采集模块包括电磁阀组、电流传感器、均衡风缸压力传感器和数据采集卡；所述充风阀电流传感器与充风阀相连，用于采集充风阀的驱动电流；所述排风阀电流传感器与排风阀相连，用于采集排风阀的驱动电流；所述均衡风缸压力传感器与均衡风缸相连，用于采集均衡风缸的实时压力；所述数据采集卡是型号为usb4222的高速采集卡，采样频率设置为10khz；充风阀电流传感器、排风阀电流传感器和均衡风缸压力传感器均与数据采集卡相连。4.根据权利要求1所述的一种基于多源数据融合的电磁阀寿命预测装置，其特征在于，所述寿命预测模块包括特征提取模块、特征融合模块、第一寿命预测子模块、第二寿命预测子模块、寿命预测综合模块；特征提取模块，用于通过电流传感器和压力传感器进行物理指标提取，并与特征融合模块电连接；特征融合模块，用于基于自组织映射算法对特征提取层提取的特征进行融合，求解得到最小量化误差作为电磁阀的健康指标，并与寿命预测子模块1和寿命预测子模块2电连接；第一寿命预测子模块，用于基于自回归模型对电磁阀进行寿命预测，并与寿命预测模块电连接；第二寿命预测子模块，用于基于支持向量回归模型对电磁阀进行寿命预测，并与寿命预测模块电连接；寿命预测综合模块，用于对第一寿命预测子模块和第二寿命预测子模块的结果进行联合分析，以对电磁阀进行寿命预测。
5.一种基于多源数据融合的电磁阀寿命预测方法，其特征在于，步骤s1：采用电流传感器和压力传感器提取表征电磁阀动作状态的物理指标；步骤s2：采用自组织映射算法对利用不同传感器提取的物理指标进行融合，并求解健康指标；步骤s3：将健康指标作为模型的输入，分别采用自回归模型和支持向量回归模型对电磁阀的寿命进行预测；步骤s4：基于粒子群优化算法混合自回归模型和支持向量回归模型，对权重参数进行调整，实现电磁阀寿命的精准预测。6.根据权利要求5所述的一种基于多源数据融合的电磁阀寿命预测方法，其特征在于，步骤s1所述物理指标包括：时域特征：最大值、均值、平均幅值、方根、幅值、均方值、均方根植、方差、标准差、偏斜度、峭度、波形因子、峰值因子、脉冲因子、裕度指标、峭度指标、偏度指标；频域特征：平均频率、中心频率、均方频率、频率方差、平方根频率、幅值方差、幅值偏度指标、幅值峭度指标、频率标准差、频率歪度、频率峭度、平方根比率；时频域特征：将原始信号通过集成经验模态分解，计算得imf1-imf8能量特征；对每个子序列的均衡风缸压力信号、充风阀电流信号和排风阀电流信号提取上述时域、频域和时频域特征，形成特征向量。7.根据权利要求5所述的一种基于多源数据融合的电磁阀寿命预测方法，其特征在于，步骤s2所述健康指标的计算包括：利用自组织映射算法求得最小量化误差，对最小量化误差进行了db5小波包分解，并将低维趋势项作为健康指标。8.根据权利要求5所述的一种基于多源数据融合的电磁阀寿命预测方法，其特征在于，步骤s3所述自回归模型参数的确定：所述自回归模型需要确定模型阶数p和自回归系数α
j
,j＝1,2,
…
，p，通过akaike信息准则确定模型阶数，具体计算方法为：式中，n为样本数，p为阶数，为所拟合模型的残差方差；通过yule-walker方法估计ar模型的自回归系数α
j
，具体计算方法如下：式中，τ为时间延迟，r
x
(τ)为互相关系数。9.根据权利要求5所述的一种基于多源数据融合的电磁阀寿命预测方法，其特征在于，步骤s4：若自回归模型和支持向量模型预测值分别为y1和y2，组合预测为ω1y1+ω2y2,则预测值与真值之间的偏差表示为z
i
＝ω1y1(i)+ω2y2(i)-x
i
(i＝1，2，
…
n)
式中，n为样本数，x
i
为真实值；由此确定适应度函数为预测误差的平方和为：s.t.ω1+ω2＝1ω1≥0，ω2≥0通过粒子群优化算法对权重参数进行调整，实现混合模型对电磁阀剩余使用寿命的准确预测。
技术总结
本发明提供了一种基于多源数据融合的电磁阀寿命预测装置及方法。所述装置包括：均衡风缸控制模块、数据采集模块和寿命预测模块。所述均衡控制模块通过制动控制单元对均衡风缸的目标压力和传感器反馈的实时压力进行比较，利用PWM脉宽调制方式控制电磁阀的充排风，实现均衡风缸压力的精准控制；所述数据采集模块使用数据采集卡采集均衡风缸的压力信号、电磁阀组的电流信号；所述寿命预测模块利用采集到的数据分别训练两个寿命预测模型，通过融合不同的模型预测结果以对电磁阀进行寿命预测。本发明可以准确地对电磁阀进行寿命预测，降低维修成本并提高电磁阀利用效率。维修成本并提高电磁阀利用效率。维修成本并提高电磁阀利用效率。
技术研发人员：彭军 刘航 杨迎泽 刘伟荣 黄志武 蒋富 李烁 高凯 李恒 张晓勇 彭辉 闫立森 樊云生
受保护的技术使用者：中南大学
技术研发日：2022.03.08
技术公布日：2022/7/1