摘要

针对传统故障诊断模式在信号长距离传输过程中容易出现干扰、失真以及数据处理困难等问题,基于Zynq7020平台和深度学习算法设计了一种嵌入式轴承故障诊断系统。首先在硬件方面,设计了主控电路、信号采集电路、电源管理电路和通信电路,通过对数字信号或模拟信号的采集、预处理、特征提取和模式识别完成了对设备健康状况的评估,并且实现了诊断结果的可视化;其次在软件方面,采用卷积神经网络算法(CNN)嵌入,利用"端到端"的特点通过一个神经网络完成了特征提取、特征降维和分类器分类整套过程;最后,对"正常、外圈故障、内圈故障及转子故障"4种轴承状态进行了诊断分析,实验结果表明,基于深度学习的算法能够显著提高故障诊断的精度。并且,该系统降低了传统诊断系统的硬件配置难度、系统成本以及主机处理压力,弥补了传统诊断系统不能实时在线诊断的缺陷,在未来工程实践中具有广阔的应用前景。