工程应用中,在不脱离工况的情况下对元件进行检测和健康管理有着非常重要的作用。如果有检测设备能够提示元件的异常情况或预测元件可能发生的故障,就可以提前安排维护或更换新零件,以减少元件失效带来的损失和危害。因此,本文的目的是开发一套检测系统,对正在工作的气动电磁阀进行故障检测。为此,本文提出了通过间接法获取气动电磁阀动态特性,并根据动态特性变化来预警电磁阀故障的思想。为了降低失误操作造成的危害,本文提出以电流信号取代常用的电压信号作为间接测试动态特性的输入,并分别提出了直流电流信号和交流电流信号的处理算法。在此基础上,为了完成电磁阀健康状态的管理,提出了基于LSTM预测的电磁阀故障风险预测算法,其核心方法为参考预测值来预警异常。为了方便地在工程应用中使用这一检测系统,实现检测系统的信息化,本文基于蓝牙4.0技术、Android智能设备和云数据库技术搭建了星型拓扑结构的无线通信网络,其中Android智能设备为蓝牙通信主机,可与多台蓝牙从机同时通信,并实时将数据上传至云端数据库中。由于本文设计的检测设备功耗极低,可以使用锂电池供电,本文提出就近利用气路能量为锂电池进行充电的方案。本文设计了微小气动涡轮充电装置作为检测装置的辅助配件,并运用GrEA多目标优化算法对其进行优化设计,尽可能提高发电功率、效率和电池寿命。基于Android操作系统开发的应用软件是本系统中人机交互的核心,它不仅是无线传感网络的网关,还是检测系统的操作面板,可同时运行多个测试工程,实现数据可视化。完成测试系统软硬件的搭建后,本文对检测系统的瞬态响应时间计算算法性能做出了评估,用实际数据对故障风险预测算法进行验证,并测试了微小涡轮供电系统的效能。测试结果表明,本文设计的检测系统能够实现对处于工作状态中的电磁阀进行故障检测和健康管理。