[发明专利]基于分布式架构的装备退化状态故障预测系统

权利要求书

1.一种基于分布式架构的装备退化状态故障预测系统，其特征在于包括，

Zynq-7020硬件平台数据处理模块，用于根据目标装备的实时采集数据获得装备性能退化特征；

故障预测模块，用于根据装备性能退化特征构建健康因子，并通过故障预测模型预测目标装备的剩余寿命；所述故障预测模型通过带标签的数据进行预训练后建立；

所述Zynq-7020硬件平台数据处理模块包括，

PS模块，用于对实时采集数据进行平滑去噪预处理获得预处理后数据；

PL模块，用于通过编辑代码构建特征提取模型对预处理后数据进行逐层特征提取，获得装备性能退化特征；

所述PS模块通过AXI总线与PL模块互联；

所述故障预测模块包括，

健康因子构建单元，用于由所述装备性能退化特征中筛选得到目标特征，将所述目标特征进行融合构建健康因子；

由所述装备性能退化特征中筛选得到目标特征包括，采用相关性、单调性和鲁棒性指标作为评价标准筛选得到目标特征；

所述故障预测模块还包括，

退化状态识别单元，用于根据健康因子确定退化的时间点，并在确定时间点后，使故障预测模型进行目标装备的剩余寿命预测；

所述PS模块和PL模块配置为可重复配置参数的层级加速器模式；

PS模块中采用DDR存储器存放从外部读取的实时采集数据以及预处理后数据；所述预处理后数据和特征提取模型参数通过AXI_Lite传递至PL模块的层级加速器，进行逐层特征提取与特征提取模型参数的更新；PS模块中采用DDR控制器将当前层的输入特征值通过4个HP口连接AXI互联矩阵，AXI互联矩阵将输入特征值转换成无地址的高速数据流格式，载入到层级加速器的各个片上缓存区，层级加速器内部多个计算引擎对输入特征值并行流水计算后获得输出特征值，通过输出缓存区将所述输出特征值由DMA写回DDR控制器中；

所述预处理后数据作为层级加速器最顶层的输入，经过特征提取模型的逐层特征提取，直到在最底层获得装备性能退化特征值输出；逐层重复上述过程直到层级加速器的整个模型网络推理完毕，最后在PS模块输出性能退化特征；

所述PS模块与PL模块之间通过ACP端口提供低延时路径；

在PL模块中，选择需要实现加速的特征提取代码，包括C/C++代码，在HLS工具中进行C层次代码功能仿真；完成仿真后，针对PL模块进行特征提取采用的算法结构特征进行优化设计，并将C层次代码进行综合编译，转化为RTL电路；再通过逻辑仿真器进行C/RTL联合仿真，并通过时序图完成功能仿真验证；将联合仿真生成的RTL电路导出封装为IP核，获得硬件加速器；

将所述硬件加速器导入Vivado设计工具之中，完成硬件平台的整体架构设计。

2.根据权利要求1所述的基于分布式架构的装备退化状态故障预测系统，其特征在于，所述目标装备包括装备的滚动轴承；

所述实时采集数据包括五个振动传感器采集的滚动轴承五路振动信号；

在PS模块中采用小波滤波器对五路振动信号进行平滑去噪预处理，获得预处理后振动信号；

在PL模块中对预处理后振动信号进行时域、频域和时频域特征的提取，获得表征滚动轴承的性能退化特征；

将表征滚动轴承的性能退化特征输入至故障预测模块，故障预测模块中的健康因子构建单元采用相关性、单调性和鲁棒性指标作为评价标准由表征滚动轴承的性能退化特征中筛选得到目标特征，将所述目标特征进行融合构建健康因子；

在故障预测模块中构建双指数模型，并确定模型参数；

以模型参数为状态变量，以健康因子为观测变量，采用无迹卡尔曼滤波算法更新状态变量和观测变量，计算当前达到失效阈值时刻的时间间隔作为滚动轴承的剩余寿命。