CN112147436A - 基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法 - Google Patents

基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法 Download PDF

Info

Publication number
CN112147436A
CN112147436A CN202010916220.4A CN202010916220A CN112147436A CN 112147436 A CN112147436 A CN 112147436A CN 202010916220 A CN202010916220 A CN 202010916220A CN 112147436 A CN112147436 A CN 112147436A
Authority
CN
China
Prior art keywords
wave
current
current curve
electromagnetic valve
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010916220.4A
Other languages
English (en)
Other versions
CN112147436B (zh
Inventor
徐漫飞
郑文松
于洋
张婧
苏婷
李萌
孙超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Aerospace Yuanzheng Fluid Control Co Ltd
Original Assignee
Xian Aerospace Yuanzheng Fluid Control Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Aerospace Yuanzheng Fluid Control Co Ltd filed Critical Xian Aerospace Yuanzheng Fluid Control Co Ltd
Priority to CN202010916220.4A priority Critical patent/CN112147436B/zh
Publication of CN112147436A publication Critical patent/CN112147436A/zh
Application granted granted Critical
Publication of CN112147436B publication Critical patent/CN112147436B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Magnetically Actuated Valves (AREA)

Abstract

本发明公开了基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法,首先采集电磁阀驱动信号数据及其对应的电流曲线数据,在电磁阀驱动信号数据中寻找吸合段零点;根据电流曲线数据特征变化趋势搜寻电流曲线吸合段所有波峰波谷组;计算每组波峰波谷的峰谷差,将峰谷差最大波峰波谷组中的波谷对应时间点作为第一拐点,将第一拐点与电流曲线吸合段零点的差值作为电磁阀吸合时间;根据电流曲线数据特征变化趋势搜寻电流曲线释放段所有波峰波谷组,计算第二拐点,将第二拐点与电流曲线释放段零点的差值作为电磁阀释放时间。本发明以电磁阀电流曲线数据特征变化趋势来寻找吸合段和释放段的波峰波谷点,波形识别率高,抗干扰能力强。

Description

基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法
技术领域
本发明属于姿控发动机电磁阀技术领域,涉及一种基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法。
背景技术
电磁阀是重要的控制部件,应用于各类航天飞行器以及多种工业设备中,电磁阀的可靠性及性能决定着发动机的成败与性能水平。姿控发动机正是由于采用了电磁阀,才实现了发动机的重复启动和脉冲工作,因此对电磁阀工作状态的检测十分关键,为保证电磁阀的可靠性及性能,需要对电磁阀的电流曲线及吸合释放时间进行测试。
姿控发动机单线圈电磁阀的吸合或释放过程的电流曲线通常只有一个峰值,对应其吸合时间或释放时间。现有的电流曲线吸合释放判读方法是首先以采集到的电磁阀驱动信号的状态切换时刻作为电磁阀吸合和释放零点,然后分别查找出电磁阀吸合段和释放段的所有波峰波谷,逐点连续对比,若某点后若干连续点单调变化,且变化幅度满足某设定阈值,则认为该点是波峰或波谷。最后将电磁阀吸合段波峰-波谷差最大的谷值对应的时间减去吸合段零点时间作为电磁阀的打开时间,将电磁阀释放段波峰-波谷差最大的峰值对应的时间减去释放段零点时间作为电磁阀的关闭时间。
上述电流曲线判读方法在姿控动力***总装检测或交付总体验收检测时,出现电磁阀吸合段零点提前或延后现象,进而造成电磁阀打开时间判读结果超出误差范围。其次,以数据连续单调变化搜寻峰谷,若阈值设置过大,则有效峰谷可能被忽略;若阈值设置过小,则会将干扰毛刺信号认为峰谷,因此带来漏检或误检峰谷问题。而且在电磁阀的批产过程中,电磁吸力衰减速度受到线圈电流、圆柱弹簧、碟簧和摩擦力等因素的影响,电磁阀在释放电流曲线上可能出现两个或两个以上波峰,上述方法找到的电流曲线释放段最大峰值可能位于第一个波峰,或第二个波峰,亦或其他波峰,因此无法识别单峰多峰情况,出现关闭时间误判现象。
发明内容
为解决现有技术中存在的不足,本发明提供了一种基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法,解决现有的电流曲线判读方法中零点定位不准确、波峰波谷漏检或误检、单峰多峰无法辨识、多峰时关闭时间误判的问题。
为了解决上述技术问题,本发明采用如下技术方案予以实现:
基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法,该方法用于获取单线圈电磁阀工作时的吸合时间和释放时间,该方法包括以下步骤:
步骤1,采集电磁阀驱动信号数据及其对应的电流曲线数据,获得电磁阀驱动信号数据和电流曲线数据;
其中,电流曲线数据包括电磁阀通电前的电流数据P1、电磁阀通电后的电流数据P2和电磁阀断电后的电流数据P3;
步骤2,在电磁阀驱动信号数据中寻找电流曲线吸合段零点;若找到电流曲线吸合段零点,进行步骤3,否则,结束寻找;
步骤3,在电磁阀驱动信号数据中寻找电流曲线释放段零点;若找到电流曲线释放段零点,进行步骤4,否则,结束寻找;
步骤4,在电磁阀通电后的电流数据P2中,根据电流曲线数据特征变化趋势搜寻电流曲线吸合段所有波峰波谷组,其中,相邻波峰波谷为一组,若存在波峰波谷组,进行步骤5,否则,结束寻找;
步骤5,计算每组波峰波谷的峰谷差,将峰谷差最大波峰波谷组中的波谷对应时间点作为第一拐点,将第一拐点与步骤2中电流曲线吸合段零点的差值作为电磁阀吸合时间;
步骤6,在电磁阀断电后的电流数据P3中,根据电流曲线数据特征变化趋势搜寻电流曲线释放段所有波峰波谷组,其中,相邻波峰波谷为一组;若存在波峰波谷组,进行步骤7,否则,结束寻找;
步骤7,若存在一组波峰波谷,将该组波峰波谷中波峰对应的时间点作为第二拐点;
若存在两组及以上的波峰波谷,依次判断第δ个波峰与第δ+1个波峰的时间差ΔTδ+1-δ;其中,δ为正整数;
若ΔTδ+1-δ<电磁阀衔铁释放运动时间,计算第δ个波峰电流码值与第δ+1个波峰的电流码值的均值
Figure BDA0002665108600000031
以及第δ个波峰和第δ+1个波峰对应的时间的均值
Figure BDA0002665108600000033
Figure BDA0002665108600000032
更新为的第δ个波峰波谷的波峰值,
Figure BDA0002665108600000034
更新为第δ个波峰波谷中波峰对应的时间,将第δ+1个波峰波谷中的波峰、波谷及时间均置为0;否则,不作处理;
计算更新后的每组波峰波谷的峰谷差,比较峰谷差最大和峰谷差次大的波峰波谷组中波峰对应的两个时间点,将较大时间点作为第二拐点;
将第二拐点与步骤3得到的电流曲线释放段零点的差值作为电磁阀释放时间。
具体的,所述的步骤2中,零点的寻找过程为:遍历电磁阀驱动信号数据,将每个驱动信号值依次与第一阈值进行比较,当第μ个驱动信号值qμ后连续N个时间点的驱动信号值均小于第一阈值时,将qμ作为零点,其中,N=5~10;第一阈值为电磁阀驱动使能时驱动信号值与驱动禁止时驱动信号值差的1/5~1/3。
进一步的,所述的步骤2还包括:以步骤2获得的零点对应的时间点为起始点,在电流曲线数据中精准寻找电流曲线吸合段真零点,所述的真零点的搜寻过程具体包括:
判断电流曲线数据中起始点对应的电流码值与第二阈值的关系;
若起始点对应的电流码值小于第二阈值,依次对起始点后的电流码值与第二阈值进行比较;当起始点后的某一电流码值Pm后连续M个时间点的电流码值均大于等于第二阈值,将Pm对应的时间点作为电流曲线吸合段真零点,否则,结束寻找;其中,M=5~10;第二阈值为电磁阀通电前电流数据P1中前50%~80%数据的均值。
若起始点对应的电流码值大于等于第二阈值,依次对起始点前的电流码值与第二阈值进行比较;当起始点前某一电流码值Pl与第二阈值的绝对差小于第三阈值,将Pl对应的时间点作为电流曲线吸合段真零点,否则,结束寻找;其中,第三阈值为电磁阀通电前的电流数据P1中最大值与最小值之差的2/3~3/4。
具体的,所述的步骤3中,寻找电流曲线释放段零点方法为:遍历电磁阀驱动信号数据,将每个驱动信号值依次与第一阈值进行比较,当第ν个驱动信号值qν后连续N个时间点的驱动信号值均大于第一阈值时,将qν作为电流曲线释放段零点,其中,N=5~10;否则,结束寻找。
具体的,所述的步骤4具体包括:
判断电流数据P2中pn-1与pn的大小;若pn≥pn-1,则n+1,直至出现pn<pn-1,且pn后连续R个点的电流码值均小于pn-1,将pn-1作为波峰;从pn-1向后查找该波峰对应的波谷,若pn+i≤pn+i-1,则n+1,直至出现pn+i>pn+i-1,且pn+i后连续R个点的电流码值均大于pn+i-1,将pn+i-1作为波谷,得到一组波峰波谷;
其中,pn-1、pn、pn+i、pn+i-1分别为电流数据P2中第n-1个、第n个、第n+i个以及第n+i-1个电流码值;n为正整数,i为正整数;R=5~10;
按照上述过程依次向后搜寻下一组波峰波谷,直至找到电流曲线吸合段所有波峰波谷组。
具体的,所述的步骤6具体包括:
判断电流数据P3中pm-1与pm的大小;若pm≤pm-1,则m+1,直至出现pm>pm-1,且pm后连续R个点的电流码值均大于pm-1,将pm-1作为波谷;从pm-1向后查找该波谷对应的波峰,当pm+j≥pm+j-1,则m+1,直至出现pm+j<pm+j-1,且pm+j后连续R个点的电流码值均小于pm+j-1,将pm+j-1作为波峰,得到一组波谷波峰;
其中,pm-1、pm、pm+j、pn+j-1分别为电流数据P2中第m-1个、第m个、第m+j个以及第m+j-1个电流码值;m为正整数,j为正整数;R=5~10;
按照上述过程依次向后搜寻下一组波谷波峰,直至找到电流曲线释放段所有波谷波峰组。
进一步的,所述的步骤4和步骤6中,在寻找波峰波谷组前,对电流数据P2和电流数据P3均进行滤波处理。
与现有技术相比,本发明的有益效果是:
(1)本发明以电磁阀电流曲线数据特征变化趋势来寻找吸合段和释放段的波峰波谷点,波形识别率高,抗干扰能力强。
(2)本发明通过进一步的有效峰谷的筛选,得到第一拐点和第二拐点,增强了对单线圈电磁阀单峰多峰的自适应辨识能力,使之与姿控发动机单线圈电磁阀的实际情况相符。
(3)本发明利用电磁阀驱动信号数据进行吸合段和释放段初次零点寻找,然后使用电磁阀电流数据进行精确搜寻真零点,提升了零点寻找精度。
附图说明
图1是本发明实施例记载的电磁阀电流曲线判断方法流程图。
图2是本发明实施例记载的寻找电流曲线吸合段真零点流程图。
图3是本发明实施例记载的搜寻电流曲线吸合段所有波峰波谷流程图。
图4是本发明实施例记载的搜寻电流曲线释放段所有波峰波谷流程图。
图5是本发明实施例记载的搜寻第二拐点的流程图。
图6是本发明实施例记载的型号为NL55-0电磁阀的电流曲线和驱动数据曲线图。
图7是本发明实施例记载的型号为NL55-0电磁阀的电流曲线判读结果图。
图8是现有方法对型号为NL55-0电磁阀的电流曲线判读结果图。
具体实施方式
本发明中,电流曲线吸合段零点和电流曲线释放段零点均是指时间点。
本发明中采集的数据集中的数据均是以时序排列的。
以下给出本发明的具体实施例,需要说明的是,本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
本发明具体实施例中公开了一种基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法,该方法用于获取单线圈电磁阀工作时的吸合时间和释放时间,其主要流程如图1所示,该方法包括以下步骤:
步骤1,采集电磁阀驱动信号数据及其对应的电流曲线数据,具体的本实施例中,采样率为10K,转换器为16位。采集起始时间在电磁阀驱动启动之前,采集结束时间在电磁阀驱动关闭之后;然后将总数据集中的电磁阀电流曲线数据和电磁阀驱动信号数据拆分为单独的数据集,最终得到电流曲线数据和电磁阀驱动信号数据。
其中,电磁阀电流曲线数据包括电磁阀通电前的电流数据P1、电磁阀通电后的电流数据P2和电磁阀断电后的电流数据P3。在本实施例中,P1为时长50ms的采样数据,P2为时长200ms的采样数据,P3为时长300ms的采样数据。
本实施例中使用的电磁阀型号为NL55-0,驱动电压为28±3V,采集的曲线图如图6所示,其中,前4000个采样点是电流曲线,后4000个采样点是电磁阀驱动数据曲线。
步骤2,在电磁阀驱动信号数据中寻找电流曲线吸合段零点,将该零点作为参考零点;若找到电流曲线吸合段零点,进行步骤3,否则,结束寻找;本发明中,吸合段零点是指时间点。
本实施例寻找零点的具体过程包括:
遍历电磁阀驱动信号数据,将每个驱动信号值依次与第一阈值进行比较,当第μ个驱动信号值qμ后连续N个时间点的驱动信号值均小于第一阈值时,将qμ作为参考零点,其中,N=5~10,本实施例中N=10;第一阈值为电磁阀驱动使能时驱动信号值与驱动禁止时驱动信号值差的1/5~1/3,本实施例中,驱动信号值为电压码值;第一阈值的码值为34767。
作为本发明的优选实施例,为了提升了零点寻找精度,在寻找参考零点后,以步骤2获得的参考零点对应的时间点为起始点,在电流曲线数据中精准寻找电流曲线吸合段真零点,真零点的搜寻过程如图2所示,真零点的搜寻过程具体包括:
判断电流曲线数据中起始点对应的电流码值与第二阈值的关系,其中,第二阈值为电磁阀通电前电流数据P1中前50%~80%数据的均值,本实施例中,第二阈值的码值为32789。
若起始点对应的电流码值小于第二阈值,依次对起始点后的电流码值与第二阈值进行比较,当起始点后的某一电流码值Pm后连续M个时间点的电流码值均大于等于第二阈值,将Pm对应的时间点作为电流曲线吸合段真零点;否则,结束寻找。其中,M=5~10,本实施例中,M=5。
若起始点对应的电流码值大于等于第二阈值,依次对起始点前的电流码值与第二阈值进行比较,当起始点前某一电流码值Pl与第二阈值的绝对差小于第三阈值,将Pl对应的时间点作为电流曲线吸合段真零点;否则,结束寻找。
其中,第三阈值为电磁阀通电前的电流数据P1中最大值与最小值之差的2/3~3/4,如果第三阈值太小,则寻找到的电流码值可能会前移,若第三阈值太大,则寻找到的电流码值可能会后移,影响真零点的精确搜寻。本实施例中,第三阈值的码值为80。
步骤3,在电磁阀驱动信号数据中寻找电流曲线释放段零点;若找到电流曲线释放段零点,进行步骤4,否则,结束寻找。
本实施例中,寻找电流曲线释放段零点方法为:遍历电磁阀驱动信号数据,将每个驱动信号值依次与第一阈值进行比较,当第ν个驱动信号值qν后连续N个时间点的驱动信号值均大于第一阈值时,将qν作为电流曲线释放段零点,其中,N=5~10;否则,结束寻找。
在进行后续步骤搜寻波峰波谷前,对电流数据P2和电流数据P3均进行滤波处理。
步骤4,在电磁阀通电后的电流数据P2中,根据电流曲线数据特征变化趋势寻找电流曲线吸合段所有波峰波谷,若存在波峰波谷,进行步骤5,否则,结束寻找。本实施例中,基于电流曲线数据特征变化趋势搜寻吸合段波峰波谷的思路是:依次判断电流数据P2中相邻两个电流码值的大小,若在n点处找到一个波峰,然后从n点向后找波谷,记为一组波峰波谷,接着继续向后寻找下一组波峰波谷。
本实施例中,寻找电流曲线吸合段所有波峰波谷的方法为:
判断电流数据P2中pn-1与pn的大小;若pn≥pn-1,则n+1,直至出现pn<pn-1,且pn后连续R个点的电流码值均小于pn-1,将pn-1作为波峰;从pn-1向后查找该波峰对应的波谷,若pn+i≤pn+i-1,则n+1,直至出现pn+i>pn+i-1,且pn+i后连续R个点的电流码值均大于pn+i-1,将pn+i-1作为波谷,得到一组波峰波谷;
其中,pn-1、pn、pn+i、pn+i-1分别为电流数据P2中第n-1个、第n个、第n+i个以及第n+i-1个电流码值;n为正整数,i为正整数;R=5~10;本实施例中,R=5。
按照上述过程依次向后搜寻下一组波峰波谷,直至找到电流曲线吸合段所有波峰波谷组。流程如图3所示。
步骤5,将两个相邻最近的波峰波谷作为一对波峰波谷,计算每对波峰波谷的峰谷差,将峰谷差最大的波峰波谷中的波谷对应的时间点作为第一拐点,将第一拐点与步骤2中电流曲线吸合段零点对应的时间点的差值作为电磁阀吸合时间。
步骤6,在电磁阀断电后的电流数据P3中,根据电流曲线数据特征变化趋势寻找电流曲线释放段所有波峰波谷;若存在波峰波谷,进行步骤7,否则,结束寻找。本实施例中,电流曲线释放段的波峰波谷的搜寻方法原理与吸合段类似。具体的,寻找电流曲线吸合段所有波峰波谷的方法为:
判断电流数据P3中pm-1与pm的大小;若pm≤pm-1,则m+1,直至出现pm>pm-1,且pm后连续R个点的电流码值均大于pm-1,将pm-1作为波谷;从pm-1向后查找该波谷对应的波峰,当pm+j≥pm+j-1,则m+1,直至出现pm+j<pm+j-1,且pm+j后连续R个点的电流码值均小于pm+j-1,将pm+j-1作为波峰,得到一组波谷波峰;
其中,pm-1、pm、pm+j、pn+j-1分别为电流数据P2中第m-1个、第m个、第m+j个以及第m+j-1个电流码值;m为正整数,j为正整数;R=5~10,本实施例中R=5。
按照上述过程依次向后搜寻下一组波谷波峰,直至找到电流曲线释放段所有波谷波峰组,流程如图4所示。
步骤7,本步骤中进一步对有效峰谷进行筛选,对峰谷进行允许误差处理,确定第二拐点,第二拐点的确定流程如图5所示,具体包括:
若存在一对波峰波谷,将该波峰波谷中波峰对应时间点作为第二拐点;
若存在一对以上的波峰波谷,依次判断第δ个波峰与第δ+1个波峰的时间差ΔTδ+1-δ;其中,δ为正整数;
若ΔTδ+1-δ<电磁阀衔铁释放运动时间,本实施例中采用的单位为ms。具体的,本实施例中,电磁阀衔铁释放运动时间为1.5ms。计算第δ个波峰电流码值与第δ+1个波峰的电流码值的均值
Figure BDA0002665108600000111
以及第δ个波峰和第δ+1个波峰对应的时间的均值
Figure BDA0002665108600000113
Figure BDA0002665108600000112
更新为的第δ个波峰波谷的波峰值,
Figure BDA0002665108600000114
更新为第δ个波峰波谷中波峰对应的时间,将第δ+1个波峰波谷中的波峰、波谷及时间均置为0;否则,不作处理;
计算更新后的每对波峰波谷的峰谷差,比较峰谷差最大和峰谷差次大的波峰波谷中波峰对应的两个时间点,将较大时间点作为第二拐点;
将第二拐点与步骤3得到的电流曲线释放段零点对应的时间点的差值作为电磁阀释放时间。
图7为本实例方法对多峰NL55-0的判读结果,无加速释放电路,可以看到,T_ON=5.5ms,T_ON=26.1ms,其中T_ON为电磁阀吸合时间,T_OFF为电磁阀释放时间。电磁阀吸合段零点真实反映了电磁阀打开时刻,同时电磁阀释放段在17ms和26ms附近有明显波峰,本实例释放时间锁定了多峰的后峰。
另外,本发明还使用了现有的电磁阀电流曲线判读方法来获取电磁阀吸合时间和释放时间,现有方法与本发明方法的主要区别为:在寻找零点时,在电磁阀驱动数据中搜寻电流曲线吸合段零点和释放段零点;在寻找波峰波谷时,采用拐点单调变化的方法寻找波峰波谷;在确定第一拐点和第二拐点时,将吸合段峰谷差最大的波谷对应时间点作为第一拐点,将释放段峰谷差最大的波峰对应的时间作为第二拐点。
图8为现有方法对多峰NL55-0的判读结果,有加速释放电路。此处需要说明的是,在液体火箭发动机电磁阀应用中,为了满足快响应的要求,实际电路设计中会考虑加速释放电路来加快电磁阀释放过程,缩短释放时间,但不影响电磁阀的单峰多峰特性。从图8中可以看到T_ON=6.1ms,现有方法搜寻的电磁阀吸合段零点提前,与真正的零点有偏差;T_OFF=10.5ms,电磁阀释放段在10ms和15ms附近有明显波峰,现有方法将峰谷差最大的波峰对应时间10.5ms作为释放时间,没有识别出双峰。
因此,本发明提高了吸合段零点的搜寻精度,增强了对单线圈电磁阀单峰多峰的自适应辨识能力,与姿控发动机单线圈电磁阀的实际情况相符。

Claims (7)

1.基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法,该方法用于获取单线圈电磁阀工作时的吸合时间和释放时间,其特征在于,包括以下步骤:
步骤1,采集电磁阀驱动信号数据及其对应的电流曲线数据,获得电磁阀驱动信号数据和电流曲线数据;
其中,电流曲线数据包括电磁阀通电前的电流数据P1、电磁阀通电后的电流数据P2和电磁阀断电后的电流数据P3;
步骤2,在电磁阀驱动信号数据中寻找电流曲线吸合段零点;若找到电流曲线吸合段零点,进行步骤3,否则,结束寻找;
步骤3,在电磁阀驱动信号数据中寻找电流曲线释放段零点;若找到电流曲线释放段零点,进行步骤4,否则,结束寻找;
步骤4,在电磁阀通电后的电流数据P2中,根据电流曲线数据特征变化趋势搜寻电流曲线吸合段所有波峰波谷组,其中,相邻波峰波谷为一组,若存在波峰波谷组,进行步骤5,否则,结束寻找;
步骤5,计算每组波峰波谷的峰谷差,将峰谷差最大波峰波谷组中的波谷对应时间点作为第一拐点,将第一拐点与步骤2中电流曲线吸合段零点的差值作为电磁阀吸合时间;
步骤6,在电磁阀断电后的电流数据P3中,根据电流曲线数据特征变化趋势搜寻电流曲线释放段所有波峰波谷组,其中,相邻波峰波谷为一组;若存在波峰波谷组,进行步骤7,否则,结束寻找;
步骤7,若存在一组波峰波谷,将该组波峰波谷中波峰对应的时间点作为第二拐点;
若存在两组及以上的波峰波谷,依次判断第δ个波峰与第δ+1个波峰的时间差ΔTδ+1-δ;其中,δ为正整数;
若ΔTδ+1-δ<电磁阀衔铁释放运动时间,计算第δ个波峰电流码值与第δ+1个波峰的电流码值的均值
Figure FDA0002665108590000021
以及第δ个波峰和第δ+1个波峰对应的时间的均值
Figure FDA0002665108590000022
Figure FDA0002665108590000023
更新为的第δ个波峰波谷的波峰值,
Figure FDA0002665108590000024
更新为第δ个波峰波谷中波峰对应的时间,将第δ+1个波峰波谷中的波峰、波谷及时间均置为0;否则,不作处理;
计算更新后的每组波峰波谷的峰谷差,比较峰谷差最大和峰谷差次大的波峰波谷组中波峰对应的两个时间点,将较大时间点作为第二拐点;
将第二拐点与步骤3得到的电流曲线释放段零点的差值作为电磁阀释放时间。
2.如权利要求1所述的基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法,其特征在于,所述的步骤2中,零点的寻找过程为:遍历电磁阀驱动信号数据,将每个驱动信号值依次与第一阈值进行比较,当第μ个驱动信号值qμ后连续N个时间点的驱动信号值均小于第一阈值时,将qμ作为零点,其中,N=5~10;第一阈值为电磁阀驱动使能时驱动信号值与驱动禁止时驱动信号值差的1/5~1/3。
3.如权利要求1或2所述的基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法,其特征在于,所述的步骤2还包括:以步骤2获得的零点对应的时间点为起始点,在电流曲线数据中精准寻找电流曲线吸合段真零点,所述的真零点的搜寻过程具体包括:
判断电流曲线数据中起始点对应的电流码值与第二阈值的关系;
若起始点对应的电流码值小于第二阈值,依次对起始点后的电流码值与第二阈值进行比较;当起始点后的某一电流码值Pm后连续M个时间点的电流码值均大于等于第二阈值,将Pm对应的时间点作为电流曲线吸合段真零点,否则,结束寻找;其中,M=5~10;第二阈值为电磁阀通电前电流数据P1中前50%~80%数据的均值。
若起始点对应的电流码值大于等于第二阈值,依次对起始点前的电流码值与第二阈值进行比较;当起始点前某一电流码值Pl与第二阈值的绝对差小于第三阈值,将Pl对应的时间点作为电流曲线吸合段真零点,否则,结束寻找;其中,第三阈值为电磁阀通电前的电流数据P1中最大值与最小值之差的2/3~3/4。
4.如权利要求1所述的基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法,其特征在于,所述的步骤3中,寻找电流曲线释放段零点方法为:遍历电磁阀驱动信号数据,将每个驱动信号值依次与第一阈值进行比较,当第ν个驱动信号值qν后连续N个时间点的驱动信号值均大于第一阈值时,将qν作为电流曲线释放段零点,其中,N=5~10;否则,结束寻找。
5.如权利要求1所述的基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法,其特征在于,所述的步骤4具体包括:
判断电流数据P2中pn-1与pn的大小;若pn≥pn-1,则n+1,直至出现pn<pn-1,且pn后连续R个点的电流码值均小于pn-1,将pn-1作为波峰;从pn-1向后查找该波峰对应的波谷,若pn+i≤pn+i-1,则n+1,直至出现pn+i>pn+i-1,且pn+i后连续R个点的电流码值均大于pn+i-1,将pn+i-1作为波谷,得到一组波峰波谷;
其中,pn-1、pn、pn+i、pn+i-1分别为电流数据P2中第n-1个、第n个、第n+i个以及第n+i-1个电流码值;n为正整数,i为正整数;R=5~10;
按照上述过程依次向后搜寻下一组波峰波谷,直至找到电流曲线吸合段所有波峰波谷组。
6.如权利要求1所述的基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法,其特征在于,所述的步骤6具体包括:
判断电流数据P3中pm-1与pm的大小;若pm≤pm-1,则m+1,直至出现pm>pm-1,且pm后连续R个点的电流码值均大于pm-1,将pm-1作为波谷;从pm-1向后查找该波谷对应的波峰,当pm+j≥pm+j-1,则m+1,直至出现pm+j<pm+j-1,且pm+j后连续R个点的电流码值均小于pm+j-1,将pm+j-1作为波峰,得到一组波谷波峰;
其中,pm-1、pm、pm+j、pn+j-1分别为电流数据P2中第m-1个、第m个、第m+j个以及第m+j-1个电流码值;m为正整数,j为正整数;R=5~10;
按照上述过程依次向后搜寻下一组波谷波峰,直至找到电流曲线释放段所有波谷波峰组。
7.如权利要求1所述的基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法,其特征在于,所述的步骤4和步骤6中,在寻找波峰波谷组前,对电流数据P2和电流数据P3均进行滤波处理。
CN202010916220.4A 2020-09-03 2020-09-03 基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法 Active CN112147436B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010916220.4A CN112147436B (zh) 2020-09-03 2020-09-03 基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010916220.4A CN112147436B (zh) 2020-09-03 2020-09-03 基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法

Publications (2)

Publication Number Publication Date
CN112147436A true CN112147436A (zh) 2020-12-29
CN112147436B CN112147436B (zh) 2023-06-23

Family

ID=73890587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010916220.4A Active CN112147436B (zh) 2020-09-03 2020-09-03 基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法

Country Status (1)

Country Link
CN (1) CN112147436B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111880089A (zh) * 2020-07-27 2020-11-03 深圳市宗泰电机有限公司 电磁铁动作状态测试方法以及装置
CN115508601A (zh) * 2022-08-29 2022-12-23 成都天地直方发动机有限公司 一种电磁阀驱动电流检测方法、***、设备及介质
CN116973563A (zh) * 2023-09-22 2023-10-31 宁波奥丞生物科技有限公司 一种基于正交锁相放大的免疫荧光层析测定方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101361652A (zh) * 2007-08-07 2009-02-11 深圳迈瑞生物医疗电子股份有限公司 自适应阈值的波形峰谷识别方法和装置
CN102506219A (zh) * 2011-12-08 2012-06-20 北京控制工程研究所 一种具有快速响应特性的永磁电磁阀
CN103336189A (zh) * 2013-05-24 2013-10-02 中国人民解放军第二炮兵工程大学 一种基于电流检测的电磁阀故障诊断方法
US20200217894A1 (en) * 2017-08-29 2020-07-09 Camozzi Automation S.p.A. Diagnostic device and method for solenoid valves

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101361652A (zh) * 2007-08-07 2009-02-11 深圳迈瑞生物医疗电子股份有限公司 自适应阈值的波形峰谷识别方法和装置
CN102506219A (zh) * 2011-12-08 2012-06-20 北京控制工程研究所 一种具有快速响应特性的永磁电磁阀
CN103336189A (zh) * 2013-05-24 2013-10-02 中国人民解放军第二炮兵工程大学 一种基于电流检测的电磁阀故障诊断方法
US20200217894A1 (en) * 2017-08-29 2020-07-09 Camozzi Automation S.p.A. Diagnostic device and method for solenoid valves

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111880089A (zh) * 2020-07-27 2020-11-03 深圳市宗泰电机有限公司 电磁铁动作状态测试方法以及装置
CN111880089B (zh) * 2020-07-27 2023-05-30 深圳市宗泰电机有限公司 电磁铁动作状态测试方法以及装置
CN115508601A (zh) * 2022-08-29 2022-12-23 成都天地直方发动机有限公司 一种电磁阀驱动电流检测方法、***、设备及介质
CN116973563A (zh) * 2023-09-22 2023-10-31 宁波奥丞生物科技有限公司 一种基于正交锁相放大的免疫荧光层析测定方法及装置
CN116973563B (zh) * 2023-09-22 2023-12-19 宁波奥丞生物科技有限公司 一种基于正交锁相放大的免疫荧光层析测定方法及装置

Also Published As

Publication number Publication date
CN112147436B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN112147436A (zh) 基于特征趋势的姿控发动机单线圈电磁阀电流曲线判读方法
CN112257521B (zh) 基于数据增强和时频分离的cnn水声信号目标识别方法
CN110826630A (zh) 基于深度卷积神经网络的雷达干扰信号特征级融合识别方法
JP2009121482A (ja) グリッチ検出器とグリッチ事象を検出する方法
CN110991424A (zh) 基于最小熵解卷积和堆叠稀疏自编码器的故障诊断方法
CN113221631B (zh) 基于卷积神经网络的序列脉冲抗干扰目标检测方法
US8483933B2 (en) Method for operating a fuel injector
Muscariello et al. Audio keyword extraction by unsupervised word discovery
CA2923908A1 (en) Methods and systems for searching logical patterns
CN106098079B (zh) 音频信号的信号提取方法与装置
CN112684329A (zh) 一种高压断路器机械故障智能诊断方法
CN108737318A (zh) 基于信号结构特性的ofdm信号识别方法及***
CN111060878B (zh) 适用于单脉冲的lfm雷达工作模式实时分类方法及装置
Cheng et al. A sequential metric-based audio segmentation method via the Bayesian information criterion.
DE102019105651A1 (de) Klassifikation von Signalobjekten innerhalb von Ultraschallempfangssignalen und komprimierten Übertragung von Symbolen als Repräsentanten dieser Signalobjekte an eine Rechnereinheit zur Objekterkennung
CN112528774A (zh) 一种复杂电磁环境下未知雷达信号智能分选***及方法
JP4760614B2 (ja) 信号識別装置の学習データの選択方法
EP3654249A1 (en) Dilated convolutions and gating for efficient keyword spotting
CN111429929B (zh) 一种语音去噪方法、语音识别方法及计算机可读存储介质
CN110288021B (zh) 一种多元工业时间序列数据的分段方法
Bai et al. Voice activity detection based on time-delay neural networks
CN116794634A (zh) 一种激光制导雷达的抗高重频干扰方法及装置
EP1634313A1 (en) A method of controlling the operation of a solenoid
Xu et al. Auto Parts Defect Detection Based on Few-shot Learning
Fuchs et al. Unsupervised word segmentation using temporal gradient pseudo-labels

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant