PYNQ框架让端云结合预测性维护部署更便捷

背景介绍

在工业现场的设备运维管理，从第一代人工观测，到第二代的定期仪器检测，再到第三代的实时状态检测，直至现在过度到了利用云计算，大数据，人工智能技术主动的预测设备运营状态，根据各传感器信息和设备运行数据提前预测设备的更新和维护。

通过云计算，方便用户将边缘智能设备快速融入云端生态，从而实现远程维护。但考虑工业设备的实际运行环境，安全性，持续性，低延时性，往往又不能将所有传感器信息全部上传到云，处理完成后再反馈到设备端。这往往又在设备端具备一定的计算能力，并能低延时精确的处理数据，响应控制。

开源方案

为了实现这一目标，MakarenaLabs公司利用U96平台结合微软Azure云一起提供了一套开源的完整解决方案。该方案在PYNQ框架上便捷的部署了Azure IoT Edge，并快速的使用PYNQ-DPU在Jupyter上完成了数据预测分析，显示和设备响应控制。使其具备智能化控制、智能化计算及智能化检测等功能组件；随后使用MicrosoftAzure IoT Services对边缘设备节点进行远程智能化监测、管理和维护。用户可以使用该方案快速构建自己的IoT智能监测/驱动系统。

同时在硬件层，利用PYNQ框架，可以方便的实时基于Vitis HLS的电力驱动控制器设计，本案例中，就提供了开源的面向现场电力驱动控制的参考设计。所有IP均由HLS设计，可快速加载到PYNQ框架中。

方案实施

如图所示是开源设计的具体框架，Ultra96-V2板卡是边缘设备节点，在板卡的PL侧具备电机控制、数据采集、预测管理等多项硬件功能组件，实现对伺服电机系统的智能化监测、管理和控制。PS侧则部署了Xilinx PYNQ开源框架和Azure IoT Edge组件，PYNQ开源框架实现对硬件功能组件的驱动管理，Azure IoT Edge组件负责将该设备节点快速接入Azure IoT云平台。云端便可使用提供的控制、监测和预测等服务，对智能私服电机驱动系统进行端云融合。系统具有多种优点，例如：

对边缘端的实时确定性控制；

标准的传感器接口与快速融合；

远程数据收集；

边缘智能计算；

稳定云端连接。

部署流程

通过参考书设计，用户可以仅用5步即可完成系统部署

1. 在Ultra96-V2板卡上安装PYNQ2.6镜像：

2. 从GitHub上克隆Xilinx开源的智能伺服电机驱动系统镜像

3. 进入工程目录，执行命令chmod 755 init.sh和。/init.sh，初始化工程环境；

4. 进入pynq-dpu目录，运行预先提供的jupyternotebook

如果要使用Azure IoT Services，需要在pynq-foc-dpu-python-code目录下执行命令sudopython3 main.py。　

      审核编辑：彭静