随着我国制造业的飞速发展,智能制造技术的应用更加广泛,工业生产环节和设备不同部分之间的联系更加紧密,设备在生产过程中发生故障不但会影响生产计划的完成,造成经济损失,而且会带来一定的安全隐患。现有的故障诊断系统存在灵活性不足、效率较低、扩展性较差和故障报警信息形式单一等问题。为了满足当前工业现场设备的故障诊断需求,本文设计了一种基于公有云的工业现场故障诊断系统,主要工作如下:(1)以臭氧发生器系统为研究对象,利用工业无线网络和PROFITNET协议将臭氧发生器系统的运行数据采集到本地监测端,实现臭氧发生器系统状态的实时显示。(2)对臭氧发生器系统的故障特征进行研究,建立故障诊断样本,利用MATLAB仿真实验确定神经网络的结构以及相关参数。利用离线方法对基于BP神经网络的故障诊断算法进行训练。(3)将基于BP神经网络的故障诊断算法部署在阿里云上,建立云诊断中心,利用本地监测端上传的系统运行数据,实现对臭氧发生器系统的故障诊断。(4)采用B/S架构搭建远程客户端,利用阿里云的DataV数据可视化及SendSms短信服务实现臭氧发生器系统的在线监测、历史曲线查询以及故障报警等功能。(5)对本文所设计的故障诊断系统相关功能进行了测试,验证了基于公有云的工业现场故障诊断系统的准确性和可行性。本文将故障诊断算法与公有云平台相结合,基于B/S架构,利用数据可视化、短信报警等服务,实现了一种基于公有云的工业现场故障诊断系统。该系统较好的解决了故障诊断效率较低、数据远程监测灵活性不足、故障报警形式单一等问题,可较明显缩短故障处理时间,减少企业经济损失,提高企业生产效率。