腾讯会议：479-359-353
会议密码：0211
针对超过300台规模的CSNS加速器电源系统故障预测需求，本研究提出一种嵌入式AI驱动的实时故障预测与健康管理（PHM）系统架构。系统依托现有FPGA+ARM数字控制器硬件平台，构建多层级监测框架：在数据采集层，利用FPGA并行处理能力实时捕获电解电容纹波电流频谱、IGBT开关瞬态电压及结温等关键参数，开发自适应采样策略以平衡信号保真度与资源消耗；在边缘计算层，基于ARM核部署轻量化时序神经网络（如剪枝优化的LSTM模型），实现电容等效串联电阻（ESR）退化趋势预测与IGBT早期故障分类；在系统协同层，设计分布式通信协议实现多电源状态数据的聚合分析，评估故障风险。