背景介紹

在工業現場的設備運維管理，從第一代人工觀測，到第二代的定期儀器檢測，再到第三代的實時狀態檢測，直至現在過度到了利用云計算，大數據，人工智能技術主動的預測設備運營狀態，根據各傳感器信息和設備運行數據提前預測設備的更新和維護。

通過云計算，方便用戶將邊緣智能設備快速融入云端生態，從而實現遠程維護。但考慮工業設備的實際運行環境，安全性，持續性，低延時性，往往又不能將所有傳感器信息全部上傳到云，處理完成后再反饋到設備端。這往往又在設備端具備一定的計算能力，并能低延時精確的處理數據，響應控制。

開源方案

為了實現這一目標，MakarenaLabs公司利用U96平臺結合微軟Azure云一起提供了一套開源的完整解決方案。該方案在PYNQ框架上便捷的部署了Azure IoT Edge，并快速的使用PYNQ-DPU在Jupyter上完成了數據預測分析，顯示和設備響應控制。使其具備智能化控制、智能化計算及智能化檢測等功能組件；隨后使用MicrosoftAzure IoT Services對邊緣設備節點進行遠程智能化監測、管理和維護。用戶可以使用該方案快速構建自己的IoT智能監測/驅動系統。

同時在硬件層，利用PYNQ框架，可以方便的實時基于Vitis HLS的電力驅動控制器設計，本案例中，就提供了開源的面向現場電力驅動控制的參考設計。所有IP均由HLS設計，可快速加載到PYNQ框架中。

方案實施

開源設計的具體框架，Ultra96-V2板卡是邊緣設備節點，在板卡的PL側具備電機控制、數據采集、預測管理等多項硬件功能組件，實現對伺服電機系統的智能化監測、管理和控制。PS側則部署了Xilinx PYNQ開源框架和Azure IoT Edge組件，PYNQ開源框架實現對硬件功能組件的驅動管理，Azure IoT Edge組件負責將該設備節點快速接入Azure IoT云平臺。云端便可使用提供的控制、監測和預測等服務，對智能私服電機驅動系統進行端云融合。系統具有多種優點，例如：

對邊緣端的實時確定性控制；

標準的傳感器接口與快速融合；

遠程數據收集；

邊緣智能計算；

穩定云端連接。

部署流程

通過參考書設計，用戶可以僅用5步即可完成系統部署

在 Ultra96-V2 板卡上安裝 PYNQ2.6 鏡像：

從 GitHub 上克隆 Xilinx 開源的智能伺服電機驅動系統鏡像

進入工程目錄，執行命令 chmod 755 init.sh和./init.sh，初始化工程環境；

進入 pynq-dpu 目錄，運行預先提供的 jupyternotebook

如果要使用 Azure IoT Services，需要在 pynq-foc-dpu-python-code 目錄下執行命令sudopython3 main.py

點擊"閱讀原文"跳轉到項目 Github，了解詳情。

原文標題：開源方案 | PYNQ 框架讓端云結合預測性維護部署更便捷

文章出處：【微信公眾號：XILINX技術社區】歡迎添加關注！文章轉載請注明出處。