1.一种基于FPGA的玻尔兹曼机投票网络的分布式故障诊断方法，其特征在于，所述分布式故障诊断方法包括以下步骤：步骤A，准备n+1块FPGA，将其中一块FPGA定义为核心FPGA，其余n块FPGA定义为非核心FPGA；以n块非核心FPGA分别表征n个传感器节点，结合空调传感器对应的约束等式连接节点，构建玻尔兹曼机投票网络平台；n为大于1的正整数；

步骤B，基于空调传感器的训练数据集，在核心FPGA 中对玻尔兹曼机投票网络平台进行训练，将获得的最优可信度矩阵发送至n块非核心FPGA；

步骤C，采用n块非核心FPGA分别调用相应的可信度向量与激活函数计算出的投票值相乘，以获得传感器节点之间的投票边权值，将投票边权值发送给核心FPGA；

步骤D，利用核心FPGA将所有投票边权值整合成投票值矩阵，对投票值矩阵对称化处理后得到对称化玻尔兹曼机，迭代玻尔兹曼机状态，得到玻尔兹曼机每个传感器节点的状态值，将每个传感器节点的状态值发送给对应传感器节点的非核心FPGA，使非核心FPGA接收状态值后，调用工具库函数对状态值进行显示。

2.根据权利要求1所述的基于FPGA的玻尔兹曼机投票网络的分布式故障诊断方法，其特征在于，步骤B中，采用pynq‑z2的PS端双ARM Cortex‑A9内核调用的JupyterNotebook，将玻尔兹曼机神经网络的.py文件和空调传感器的训练数据集上传至JupyterNotebook中；在核心FPGA I0中执行玻尔兹曼机神经网络.py文件，对玻尔兹曼机投票网络平台进行训练。

3.根据权利要求1所述的基于FPGA的玻尔兹曼机投票网络的分布式故障诊断方法，其特征在于，步骤B中，基于空调传感器的训练数据集，在核心FPGA 中对玻尔兹曼机投票网络平台进行训练的过程包括以下步骤：步骤B1，计算第k个故障特征  的平均值 ，标准差

；其中 是训练集中对应正常状态下数据的第k个故障

特征的第i个采样， 是第k个故障特征的正常状态下的数据的样本数；

步骤B2，采用3‑sigma统计控制方法获得第k个故障特征的置信区间上界；使用激活函数 将故障特征转化为传感器节点之间的投票值；

步骤B3，采用n*n可信度矩阵C表示不同传感器节点之间的投票的可信度，其中矩阵中的第i行第j列的元素 表示从传感器节点i到传感器节点j的投票可信度；令可信度矩阵C的初始值为 ；

步骤B4，将步骤B2中的激活函数代入置信区间的值后通过公式 (t)  =

得到t时刻传感器节点i对传感器节点j的投票值 (t)，其中 是所有与

传感器节点i和传感器节点j都相关的故障特征的集合； 是基于故障特征k的投票值； 是所有与传感器节点i和传感器节点j都相关的故障特征的个数；

步骤B5，采用投票值组合成投票矩阵V(t)= ，并乘

上可信度值C，作为玻尔兹曼机的边权值；

步骤B6，对投票矩阵V(t)进行对称化处理，令W=V，经过对称化处理后的矩阵为，则新玻尔兹曼机的输入为：；得到新

增节点的边权值 ，将新增节点的边权值代入投票矩阵W中得到相应

的对称玻尔兹曼机；

式中，wi,j表示传感器节点i对传感器节点j的投票结果，i=1,2,…,n，j=1,2,…,n； 为传感器节点i分别与新玻尔兹曼机中其余各节点彼此间相互投票结果；vi为传感器节点i对应的状态值；表示令各节点的偏移向量 i均等于0所构成的节点偏差向量矩阵； 表示结合新节点的状态值等于1所构成的新玻尔兹曼机对应的状态值矩阵；

步骤B7，对对称玻尔兹曼机的传感器节点进行状态迭代，直至迭代收敛；

步骤B8，将可信度矩阵C作为决策变量，采用粒子群算法，不断更新可信度矩阵，重复步骤B4至步骤B7，得到故障诊断精度和最优可信度矩阵C，并将数据以csv格式储存在核心FPGA上。

4.根据权利要求1所述的基于FPGA的玻尔兹曼机投票网络的分布式故障诊断方法，其特征在于，步骤B中，基于UDP通信的数据传输方法将获得的最优可信度矩阵发送至n块非核心FPGA，发送过程包括以下步骤：导入numpy库，使用ravel()函数将最优可信度矩阵转化成列向量；

服务端绑定目标IP地址和端口号，并设定待发送的浮点数列表；服务端创建UDP套接字，用于网络通信；

设置分片后数据包长度为IPv4头部长度、UDP头部长度以及对应节点的投票值列向量；

定义UDP数据包头，UDP数据包头包括源地址端口号、目的地址口号、数据包长度以及校验和；

定义数据负载和顺序戳，使用python的struct库的pack()函数将数据负载和待传输的投票值列向量数据进行打包，设定数据按照大端字节序传输；

对原始矩阵数据中的20个浮点数进行二进制格式的解码，并按照字节顺序打包；

输入源地址和目标地址的IP和端口号，使用socket库的sendto()函数将UDP数据包头和数据负载打包生成UDP数据包，并将UDP数据包发送至对应目标地址的非核心FPGA中。

5.根据权利要求1所述的基于FPGA的玻尔兹曼机投票网络的分布式故障诊断方法，其特征在于，在JupyterNotebook环境中，使用Python的socket模块进行网络通信；具体地，在每个FPGA上创建一个socket对象，设定其协议类型为UDP，并将其绑定到为每个FPGA分配的特定地址和端口；利用sendto()和recvfrom()函数，为每个传感器节点Ii发送和接收权重向量vij数据，使数据传输至相应的非核心FPGA。

6.根据权利要求1所述的基于FPGA的玻尔兹曼机投票网络的分布式故障诊断方法，其特征在于，步骤C中，第i个非核心FPGA收到数据之后，根据激活函数公式 =算出投票值，调用对应的可信度向量中的第j个可信度相乘，算出第i个非核心FPGA到第j个非核心FPGA的玻尔兹曼机边权值mij，并将边权值mij整合为1*n的矩阵mi绑定第i个非核心FPGA的IP地址和端口号，将UDP数据包通过sendto()函数发送给核心FPGA；

式中，x表示第k个故障特征基于当前故障特征的绝对值， 表示第k个故障特征的故障特征绝对值 所对应的当前置信区间上限。

7.根据权利要求1所述的基于FPGA的玻尔兹曼机投票网络的分布式故障诊断方法，其特征在于，步骤D中，得到玻尔兹曼机每个传感器节点的状态值的过程包括以下步骤：对玻尔兹曼机的传感器节点进行状态迭代，得到玻尔兹曼机每个传感器节点的状态值S，其中，第i个非核心FPGA的状态值Si，Si= ，i=1,2,3,…n。

8.根据权利要求1所述的基于FPGA的玻尔兹曼机投票网络的分布式故障诊断方法，其特征在于，步骤D中，核心FPGA将每个传感器节点的状态值发送给对应传感器节点的非核心FPGA，调用烧录在pynq‑z2中LCDpackage.py文件，通过 PYNQ 板上的 Arduino 接口与液晶显示屏进行交互实现初始化 LCD、显示 IP 地址、LCD 通信和清除 LCD的功能过程；其中，将LCDpackage库调用时命名为lcd，使用lcd.lcd_string()函数将每个非核心FPGA的状态值Si在其对应的液晶显示屏上进行显示。