一种基于异构SoC的旋转部件健康监测方法及装置

本发明属于机械故障诊断，具体的说是基于异构soc的旋转部件健康监测方法及装置，应用于旋转机械设备中轴承故障的检测。

背景技术：

1、滚动轴承等旋转部件在工业生产中发挥着重要作用，确保了工业设备的正常运行。然而，滚动轴承通常在相对恶劣的工作环境中工作，因此容易发生机械故障，进而导致更严重的后果，如人员伤亡和财产损失，因此，及时准确地诊断轴承故障具有重要意义。

2、在传统的基于计算机技术的滚动轴承故障诊断方法中，研究人员首先提取轴承的故障特征，然后在此基础上诊断滚动轴承故障。这种方法有一定的效果，但也存在一些问题。首先，特征提取的效果高度依赖于研究人员的经验和专业知识，并直接影响最终的识别精度。其次，由于算法的局限性，它只能在单一工况下实现轴承的故障诊断，在复杂工况下难以准确诊断轴承故障。

3、随着神经网络技术，特别是深度学习技术的发展和进步，基于计算机技术的滚动轴承故障诊断方法已经从基于特征提取方法的诊断技术逐渐转变为基于深度学习的诊断技术。与传统方法相比，基于深度学习的方法不依赖于研究人员对滚动轴承力学知识的理解，具有一定的泛化能力。相关研究人员提出了一些基于深度学习的轴承故障诊断方法，但这些方法在噪声环境中相对较差，性能随着噪声的增强而急剧下降。

4、传统的神经网络部署方式特别是深度学习模型的部署方式多是基于配备了gpu的服务器，这种部署方式虽然难度较低，但是存在着体积大、功耗高、稳定性差的问题，难以在工业现场部署。而传统的工控主机性能较为一般，特别是在运行深度学习模型时与配备了gpu的服务器的差距更大，进而导致计算速度缓慢，甚至难以部署深度学习模型。

技术实现思路

1、根据上述提出的技术问题，本发明提出了一种基于异构soc的旋转部件健康监测方法及装置，选用arm+fpga的嵌入式异构平台，利用fpga在并行计算上的优势提高神经网络的运算速度，利用arm的高主频特性来完成非并行的计算任务，最终实现一种高效的旋转部件健康监测方法及装置。

2、本发明为实现上述目的所采用的技术方案是：

3、一种基于异构soc的旋转部件健康监测装置，包括：

4、传感数据预处理模块，用于对传感器采集的轴承振动信号数据进行预处理，并将预处理后的数据进行存储；

5、基于arm-fpga的故障诊断模块，用于通过卷积神经网络对预处理后的数据进行分析诊断，得到待检测轴承的故障诊断结果；

6、诊断结果可视化模块，用于将预处理后的数据和故障诊断结果进行可视化输出，实时输出轴承的运行状态。

7、所述传感数据预处理模块，包括：

8、传感数据转换子模块，用于对传感器采集到的数据进行快速傅里叶变换；

9、数据存储子模块，用于通过ddr和dma存储快速傅里叶变换后的数据，其中，数据存储在异构soc上的ddr中，通过dma进行读写控制。

10、所述基于arm-fpga的故障诊断模块，包括：

11、神经网络计算子模块，基于fpga实现，用于对神经网络中卷积结构、池化结构以及全连接结构进行计算；

12、神经网络参数存储子模块，基于arm-fpga实现，用于存储神经网络各种功能块的参数，将存储神经网络全部参数存储在ddr中，将存储神经网络当前使用参数存储在bram中；

13、神经网络控制子模块，基于arm实现，用于对神经网络的运行以及参数的存储和读取进行控制。

14、所述神经网络计算子模块中，使用fpga中的逻辑模块对卷积层电路进行复用设计，使不同大小的卷积核共用卷积层电路。

15、所述诊断结果可视化模块，包括：

16、数据可视化子模块，用于将传感数据预处理模块预处理后的数据转化成可视化的图形，并实时刷新；

17、诊断结果输出子模块，用于将基于arm-fpga的故障诊断模块输出的轴承的运行状态进行可视化。

18、一种基于异构soc的旋转部件健康监测方法，包括以下步骤：

19、传感数据预处理模块对传感器采集的轴承振动信号数据进行预处理，并将预处理后的数据进行存储；

20、基于arm-fpga的故障诊断模块通过卷积神经网络对预处理后的数据进行分析诊断，得到待检测轴承的故障诊断结果；

21、诊断结果可视化模块将预处理后的数据和故障诊断结果进行可视化输出，实时输出轴承的运行状态。

22、所述传感数据预处理模块，执行以下步骤：

23、传感数据转换子模块对传感器采集到的数据进行快速傅里叶变换；

24、数据存储子模块通过ddr和dma存储快速傅里叶变换后的数据，其中，数据存储在异构soc上的ddr中，通过dma进行读写控制。

25、所述基于arm-fpga的故障诊断模块，执行以下步骤：

26、神经网络计算子模块对神经网络中卷积结构、池化结构以及全连接结构进行计算；

27、神经网络参数存储子模块存储神经网络各种功能块的参数，将存储神经网络全部参数存储在ddr中，将存储神经网络当前使用参数存储在bram中；

28、神经网络控制子模块对神经网络的运行以及参数的存储和读取进行控制。

29、所述诊断结果可视化模块，执行以下步骤：

30、数据可视化子模块将传感数据预处理模块预处理后的数据转化成可视化的图形，并实时刷新；

31、诊断结果输出子模块将基于arm-fpga的故障诊断模块输出的轴承的运行状态进行可视化。

32、所述基于arm-fpga的故障诊断模块使用arm和fpga混合实现，在fpga上使用bram构成高速模块，并通过dma进行控制，在arm端使用ddr构成大容量模块，并使用arm端控制高速模块和大容量模块间的数据交换。

33、本发明具有以下有益效果及优点：

34、1.本发明建立了一种基于异构soc的旋转部件健康监测方法，主要是针对工业现场中基于深度学习的旋转部件健康监测模型部署难度大的问题。本发明提出的旋转部件健康监测方法，可以在复杂工业环境下实现对旋转部件健康状态的实时监测，同时本发明具有结构简单、实施难度低的优点。

35、2.本发明所述的一种基于异构soc的旋转部件健康监测方法及装置，传感数据预处理模块、基于arm-fpga的故障诊断模块和诊断结果可视化模块，构建起了一套基于异构soc的旋转部件健康监测方法及装置，能够实时在工业现场的部署，同时实现了对监测结果的可视化输出，让运维人员能够及时了解到旋转部件的运行状态并采取相应措施。

技术特征：

1.一种基于异构soc的旋转部件健康监测装置，其特征在于，包括：

2.根据权利要求1所述的一种基于异构soc的旋转部件健康监测装置，其特征在于，所述传感数据预处理模块，包括：

3.根据权利要求1所述的一种基于异构soc的旋转部件健康监测装置，其特征在于，所述基于arm-fpga的故障诊断模块，包括：

4.根据权利要求3所述的一种基于异构soc的旋转部件健康监测装置，其特征在于，所述神经网络计算子模块中，使用fpga中的逻辑模块对卷积层电路进行复用设计，使不同大小的卷积核共用卷积层电路。

5.根据权利要求1所述的一种基于异构soc的旋转部件健康监测装置，其特征在于，所述诊断结果可视化模块，包括：

6.一种基于异构soc的旋转部件健康监测方法，其特征在于，包括以下步骤：

7.根据权利要求6所述的一种基于异构soc的旋转部件健康监测方法，其特征在于，所述传感数据预处理模块，执行以下步骤：

8.根据权利要求1所述的一种基于异构soc的旋转部件健康监测方法，其特征在于，所述基于arm-fpga的故障诊断模块，执行以下步骤：

9.根据权利要求6所述的一种基于异构soc的旋转部件健康监测方法，其特征在于，所述诊断结果可视化模块，执行以下步骤：

10.根据权利要求6所述的一种基于异构soc的旋转部件健康监测方法，其特征在于，所述基于arm-fpga的故障诊断模块使用arm和fpga混合实现，在fpga上使用bram构成高速模块，并通过dma进行控制，在arm端使用ddr构成大容量模块，并使用arm端控制高速模块和大容量模块间的数据交换。

技术总结本发明设计了一种基于异构SoC的旋转部件健康监测方法及装置，包括传感数据预处理模块、基于ARM‑FPGA的故障诊断模块和诊断结果可视化模块。该方法在FPGA上采用快速傅里叶变换对传感器采集的数据进行处理，并存入存储子模块；然后使用基于ARM‑FPGA构建的故障诊断模块上的深度学习模型对处理后的数据进行计算，诊断出轴承的健康状态；最后通过诊断结果可视化模块对轴承的传感器数据和诊断结果进行可视化输出。该装置能够在工业生产现场进行部署，对旋转部件的健康状态进行实时监测，并将监测结果实时输出，让运维人员能够及时了解到旋转部件的运行状态并采取相应措施。本发明具有准确率高、结构简单、实施难度低的优点。技术研发人员：尹震宇,徐光远,郭锐锋,杨东升,张飞青,徐福龙,刘思宇受保护的技术使用者：中国科学院沈阳计算技术研究所有限公司技术研发日：技术公布日：2024/6/13