Solenoid valves are widely used in mechatronics, robotic systems and industrial occasions. An accurate model is very important for the design and control of a solenoid valve. The dynamical model of the solenoid valve is difficult to obtain due to the complexity of the structure and the interaction of multiple physical fields. This paper proposes two kinds of model of solenoid valve: grey box model and black box model, on the basis of experimental data. ARX model is selected as the basic structure of the grey box model. After clustering the data with the fuzzy c-means algorithm, the overall experimental data is divided into several local linear sub-models, and the model coefficients of the local linear model are obtained by partial least square regression. The overall expression of the model is obtained by combining the local sub-models with membership degree. For the black box model, support vector regression algorithm is used to identify. On the basis of selecting the appropriate parameters, we obtain the black box model of solenoid valve based on data. For the above two models, we carry out experimental verification and error analysis, and compare with the traditional modelling method. According to the results, it can be seen that on the basis of the experimental data, using the data-driven method to construct the model has many advantages, avoiding complex physical analysis, and has high accuracy. The model with high precision will be used in the accurate control and observing estimation of the solenoid valve.

电磁阀广泛用于机电一体化，机器人系统和工业场合。准确的模型对于电磁阀的设计和控制非常重要。由于结构的复杂性和多个物理场的相互作用，难以获得电磁阀的动力学模型。根据实验数据，提出了电磁阀的两种模型：灰箱模型和黑箱模型。选择ARX模型作为灰盒模型的基本结构。用模糊c均值算法对数据进行聚类后，将整体实验数据分为几个局部线性子模型，并通过偏最小二乘回归获得局部线性模型的模型系数。该模型的整体表达是通过将局部子模型与隶属度相结合而获得的。对于黑盒模型，使用支持向量回归算法进行识别。在选择合适的参数的基础上，我们基于数据获得了电磁阀的黑匣子模型。对于以上两个模型，我们进行了实验验证和误差分析，并与传统的建模方法进行了比较。从结果可以看出，在实验数据的基础上，采用数据驱动的方法构造模型具有很多优点，避免了复杂的物理分析，具有很高的准确性。高精度模型将用于电磁阀的精确控制和观测估计。支持向量回归算法用于识别。在选择合适的参数的基础上，我们基于数据获得了电磁阀的黑匣子模型。对于以上两个模型，我们进行了实验验证和误差分析，并与传统的建模方法进行了比较。从结果可以看出，在实验数据的基础上，采用数据驱动的方法构造模型具有很多优点，避免了复杂的物理分析，具有很高的准确性。高精度模型将用于电磁阀的精确控制和观测估计。支持向量回归算法用于识别。在选择合适的参数的基础上，我们基于数据获得了电磁阀的黑匣子模型。对于以上两个模型，我们进行了实验验证和误差分析，并与传统的建模方法进行了比较。从结果可以看出，在实验数据的基础上，采用数据驱动的方法构造模型具有很多优点，避免了复杂的物理分析，具有很高的准确性。高精度模型将用于电磁阀的精确控制和观测估计。并与传统的建模方法进行比较。从结果可以看出，在实验数据的基础上，采用数据驱动的方法构造模型具有很多优点，避免了复杂的物理分析，具有很高的准确性。高精度模型将用于电磁阀的精确控制和观测估计。并与传统的建模方法进行比较。从结果可以看出，在实验数据的基础上，采用数据驱动的方法构造模型具有很多优点，避免了复杂的物理分析，具有很高的准确性。高精度模型将用于电磁阀的精确控制和观测估计。