对加速器运行过程中出现的故障进行准确分析，可有效提升加速器的可靠性及运行效率。而对于一些快速故障过程，必须依赖故障发生时刻存储的高度时间相关和高分辨率的数据，才能进行准确分析。设计了一种用于加速器的故障分析软件，可用于对快速故障进行可靠分析。在中国散裂中子源加速器中进行了应用，该系统非常准确地分析了此前无法定位的大部分束流丢失过程。该故障分析具有一定的通用性，可应用到其它加速器装置。

为了能在中国散裂中子源（CSNS）加速器的部分故障发生前发出预警信息，利用深度学习建立了基于CSNS加速器真空度和漂移管直线加速器（DTL）温度的特征模型，开发了一套CSNS加速器预警系统样机。该样机基于实验物理及工业控制系统（EPICS）架构搭建，主要由训练、识别和信息发布3部分组成，采用Python进行程序设计开发，实现了训练样本获取、深度学习网络设计和训练、在线识别和信息发布等功能。测试结果表明，该样机对基于CSNS加速器真空度和DTL温度历史数据生成的测试集的准确率达98.4%，且能根据实时数据识别出CSNS加速器真空度和DTL温度的异常，并能发出预警信息，证明了其可行性和有效性。

中国散裂中子源（CSNS）加速器真空控制系统负责真空数据采集、设备监控和闸板阀控制与联锁，是设备运行和故障诊断以及超高真空保持的重要保障。本文介绍了加速器真空需求，基于实验物理及工业控制系统EPICS软件框架的真空控制系统设计与实现，使用横河可编程逻辑控制器PLC控制与联锁设备，摩莎MOXA工控机监测真空状态，EPICS PV数据直接进入声音报警系统和历史数据库系统，为工作人员及时发现和处理问题、进行后续数据分析和机器研究等提供了便捷途径和可靠保障。目前，该系统已完成现场安装和调试，并已正式投入运行。运行结果表明，该系统具有稳定性好、可靠性高、人机交互友好的特点，很好地满足了加速器真空控制系统运行的需要。