水面机器人是继无人驾驶汽车、无人机后的工业界、学术界的又一关注热点,机舱作为水面机器人的控制和运行中枢,要求具备高度的智能化和自治化。基于边缘计算模式设计和实现了水面机器人机舱预测性维护系统,该系统具有机舱运行参数实时感知、故障诊断,估计剩余寿命,进而开展预测性维护的功能。论文给出基于边缘计算的预测性维护系统体系结构设计,以NVIDIA Tegra Parker深度学习Soc为核心的边缘网关架构设计,基于GRU门控循环单元神经网络学习算法的故障诊断、剩余寿命预测方法及预测性维护实现思路,最后在NASA的PCo E发动机退化模拟数据集上验证了系统设计的可行性及预测算法的有效性。