一种中性束注入系统打火瞬间电信号智能化数据采集系统

本发明涉及大型电物理设备信号数据采集，尤其涉及一种中性束注入系统打火瞬间电信号智能化数据采集系统。

背景技术：

1、全超导托卡马克装置设置有中性束注入系统，中性束注入系统的主要功能是通过将高能中性束注入到托卡马克装置中，与其本底等离子体发生碰撞进行能量交换，进而达到加热托卡马克装置本底等离子体的目的，中性束注入加热是托卡马克加热手段中物理机制最清晰，加热效果最明显的辅助加热手段。

2、现有的中性束注入数据采集系统设计落后，响应速度慢，采样率低。伴随着中性束注入实验的运行参数不断提高，打火事件发生的概率逐渐增加，威胁系统的正常稳定运行，为了分析打火原因，其对于打火瞬间电信号数据采集提出了要求。因此对于负离子源中性束注入打火瞬间电信号高速数据采集系统的设计与实施迫在眉睫。

3、在已经公开的申请号为202310444855.2的文件中，公开了一种中性束注入装置打火瞬间电信号高速数据采集系统，包括：系统硬件和系统软件。其中系统硬件包括高速数据采集板卡、多通道计数器板卡、采集控制器、采集机箱；系统软件包括数据采集模块、数据回放模块、数据存储模块。本发明采用模块化设计，实现对负离子源中性束实验中打火事件的高速数据采集，以精确表征打火瞬间各电信号变化。

4、以上方案在数据采集模块中，虽然有采集通道选择功能，但在面对复杂的负离子源中性束注入装置实验场景时，通道选择的灵活性和智能化程度不够高。例如，不能根据实时的实验条件自动调整采集通道，需要人工进行选择和配置。

5、数据存储模块中，虽然采用了 mdsplus 数据库进行数据存储，但对于大规模数据的存储和管理可能存在效率问题。随着实验的不断进行，数据量会不断增加，可能会影响数据的存储速度和访问效率。因此，本技术提出一种中性束注入系统打火瞬间电信号智能化数据采集系统。

技术实现思路

1、本发明的目的是针对背景技术中存在采集通道选择功能的通道选择的灵活性和智能化程度不够高的问题，提出一种中性束注入系统打火瞬间电信号智能化数据采集系统。

2、本发明的技术方案：一种中性束注入系统打火瞬间电信号智能化数据采集系统，包括系统硬件和系统软件；

3、所述系统硬件包括高速数据采集板卡、计数器板卡、采集控制器；

4、所述系统软件包括数据采集模块、数据回放模块、数据存储模块；

5、系统针对负离子源中性束注入装置发生的打火事件进行高速数据采集，采用模块化设计，实现数据采集、存储及远程访问功能，且系统硬件与系统软件相匹配；

6、数据采集模块根据实时实验条件自动调整采集通道；

7、数据存储模块包括数据清理与归档模块以及对存储的数据进行质量监测的数据质量监测模块。

8、可选的，所述数据采集模块具体功能包括：

9、接收来自所述负离子源中性束注入装置的控制系统信号及现场模拟信号，控制数据采集时序并采集模拟输入信号，实现信号波形的实时显示与数据临时缓存；

10、包括采集通道选择功能、采集参数配置功能、波形实时显示功能、炮号实时更新功能和数据本地缓存功能；

11、采集通道选择功能根据实时实验条件自动调整采集通道；

12、采集参数配置功能用于负离子源中性束注入装置实验前配置高速数据采集板卡；

13、波形实时显示功能用于负离子源中性束注入装置实验中实时显示波形；

14、炮号实时更新功能用于更新显示实验最新炮号；

15、数据本地缓存功能用于将负离子源中性束注入装置实验数据保存于本地硬盘。

16、可选的，所述数据回放模块具体功能包括：

17、读取缓存功能，用于读取本地缓存文件；

18、回放参数配置功能，用于回放时控制波形显示；

19、回放历史参数功能，用于还原显示历史实验中采集参数配置；

20、回放历史波形功能，用于显示本地缓存文件中的数据波形。

21、可选的，所述数据存储模块具体功能包括：

22、系统时间轴同步功能，用于高速数据采集系统、低速数据采集系统的数据时间轴的对齐同步；

23、mdsplus数据存储功能，用于打火数据的组织管理与存储；

24、jscope远程访问功能，用于数据库数据的内外网请求与访问；

25、采用数据存储架构方案，具体包括：

26、选择合适的分布式文件系统和分布式数据库，将数据分散存储在多个存储节点上并通过数据冗余和副本机制提高数据可靠性；

27、选择合适的数据压缩算法，在数据存储过程中自动对数据进行压缩，在数据读取时自动解压缩数据；

28、当数据采集模块采集到实验数据后，将数据发送到分布式存储系统进行存储，同时接收来自负离子源中性束注入装置的控制系统信号，计算采集开始时间及打火发生时刻，并将这些时间信息与数据一起存储在分布式数据库中用于与低速数据采集系统的时间轴对齐，通过jscope数据访问软件实现对数据的远程访问。

29、可选的，数据采集模块还包括数据预处理优化功能：对收集到的历史实验数据进行预处理时，去除异常值和噪声，还进一步分析数据的相关性和趋势性，为机器学习算法提供更有价值的特征输入。

30、可选的，数据采集模块还包括多模型融合策略：在机器学习算法选择与训练过程中，采用多模型融合策略，将不同类型的机器学习模型进行融合，机器学习模型包括向量机、随机森林、深度学习模型。

31、可选的，数据采集模块还包括紧急情况自动切换通道功能：当系统检测到异常情况时，自动切换到备用采集通道或重新预测最适合的采集通道组合，确保数据采集的连续性和可靠性，避免因通道问题导致数据丢失或实验中断，异常情况包括某个采集通道出现故障或数据异常波动。

32、可选的，所述数据清理与归档模块包括：

33、定期对存储的数据进行清理，删除过期或无用的数据，释放存储空间；根据数据的重要性和使用频率，制定不同的数据清理策略；

34、对长期不使用但可能具有历史价值的数据进行归档，存储在存储介质中，存储介质包括磁带库、云存储的冷存储区域；

35、可选的，所述数据质量监测模块：

36、对存储的数据进行质量监测，检测数据中的错误、缺失值和异常值，建立数据质量指标体系，定期评估数据的质量，并采取相应的措施进行数据修复和改进；

37、与数据采集模块和数据处理模块进行集成，确保采集到的数据质量符合要求，并在数据存储过程中进行质量控制。

38、可选的，所述数据质量监测模块包括数据波动稳定化单元：

39、采用移动平均法对数据进行平滑处理，设置合适的窗口大小，计算窗口内数据的平均值作为平滑后的数据点，减少数据的短期波动；

40、根据历史数据的权重，对当前数据进行加权平均，赋予近期数据更高的权重：

41、分析环境因素对数据采集的影响，环境因素包括温度、湿度、磁场，建立环境因素与数据波动的关系模型，通过对环境因素的监测和补偿，减少环境因素对数据质量的影响，使用传感器对环境因素进行实时监测，并根据环境因素的变化对采集到的数据进行相应的调整。

42、与现有技术相比，本技术包括以下至少一种有益技术效果：

43、本发明能够根据实时实验条件自动调整采集通道，适应复杂实验场景，无需人工配置，提高了工作效率。具备采集参数配置、波形实时显示、炮号实时更新和数据本地缓存等功能，为实验提供全方位的数据支持。

44、数据预处理通过去除异常值和噪声，分析数据相关性和趋势性，为机器学习提供更有价值的输入，提升数据准确性。融合不同类型机器学习模型，提高数据采集精度和适应性。检测到异常时自动切换通道，确保数据采集连续性和可靠性，避免实验中断和数据丢失。

45、通过数据清理与归档模块定期清理无用数据，对有历史价值数据归档，提高存储管理效率。数据质量监测模块检测错误、缺失值和异常值，建立指标体系评估质量并改进，确保数据质量符合要求。数据波动稳定化单元通过多种方式减少数据波动和环境因素影响，实现高效的管理数据。

46、本发明采用模块化设计，硬件与软件相匹配，能根据实时实验条件自动调整采集通道，具备丰富的数据采集、回放、存储及远程访问功能，还包括数据预处理优化、多模型融合、紧急情况自动切换通道、数据清理与归档、质量监测及数据波动稳定化等功能，可提高数据采集的灵活性、智能化程度、可靠性与质量，方便对数据进行管理和分析。