倍福現(xiàn)在可以提供機器學(xué)習(xí)(ML)解決方案,它可以被無縫集成到 TwinCAT 3 軟件中。TwinCAT 3 Machine Learning 基于成熟的標(biāo)準(zhǔn),讓機器學(xué)習(xí)應(yīng)用領(lǐng)域也能享受基于 PC 的控制系統(tǒng)的開放性優(yōu)勢。 此外,TwinCAT 解決方案還支持實時機器學(xué)習(xí),能夠處理運動控制等要求更嚴(yán)苛的任務(wù)。這些功能通過如預(yù)測性維護、過程自優(yōu)化和過程異常的自動檢測等功能,為設(shè)備制造商提升設(shè)備性能提供最佳基礎(chǔ)。
借助 TwinCAT 3 軟件,自動化專家們可以在熟悉的開發(fā)環(huán)境中挖掘新的機器學(xué) 習(xí)和深度學(xué)習(xí)的可能性。
機器學(xué)習(xí)的基本概念是不再遵循為特定任務(wù)設(shè)計解決方案然后將這些解決方案 轉(zhuǎn)化為算法的傳統(tǒng)工程思想,而是從樣板性的過程數(shù)據(jù)中學(xué)習(xí)所需的算法。通過這種替代方法來訓(xùn)練強大的機器學(xué)習(xí)模型,以提供更高級或性能更佳的解決方案。在自動化技術(shù)方面,這樣可以為許多領(lǐng)域開辟新的可能性和優(yōu)化潛力, 包括預(yù)測性維護和過程控制、異常檢測、協(xié)作機器人、全自動質(zhì)量控制及機器優(yōu)化。
需要學(xué)習(xí)的模型在機器學(xué)習(xí)框架(如 MATLAB?或 TensorFlow)中進行訓(xùn)練, 然后通過開放式神經(jīng)網(wǎng)絡(luò)交換(ONNX)格式導(dǎo)入到 TwinCAT 運行時,ONNX 是一個用于表示深度學(xué)習(xí)模型的標(biāo)準(zhǔn)化數(shù)據(jù)交換格式。TwinCAT 實時核為實現(xiàn) 此目的包含以下新功能:
- 用于傳統(tǒng)機器學(xué)習(xí)算法的 TwinCAT 3 Machine Learning Inference Engine,如支持向量機(SVM)和主成分分析(PCA)
- 用于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的 TwinCAT 3 Neural Network Inference Engine,如多層感知器(MLP)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)
可以實時直接執(zhí)行模型結(jié)果
TwinCAT TcCOM 對象可以實時直接執(zhí)行推理,即訓(xùn)練好的機器學(xué)習(xí)模型的執(zhí) 行。對于較小的網(wǎng)絡(luò),支持響應(yīng)時間小于 100 μs 的系統(tǒng),相對應(yīng)于 TwinCAT 周期時間 50 μs。可以通過 PLC、C/C ++ TcCOM 接口或循環(huán)任務(wù)調(diào)用模型。
通過與控制技術(shù)的無縫集成,TwinCAT 3 支持多核系統(tǒng)的特點也可用于機器學(xué)習(xí)應(yīng)用。這意味著,例如,不同的任務(wù)情境可以訪問某個特定的 TwinCAT 3 Inference Engine,而不會互相制約。也可以完全訪問 TwinCAT 中可用的所有 現(xiàn)場總線接口和數(shù)據(jù)。這使得機器學(xué)習(xí)解決方案可以使用大量數(shù)據(jù),例如,用于復(fù)雜的傳感器數(shù)據(jù)融合(數(shù)據(jù)合并),這也意味著可以使用致動器的實時接 口來實現(xiàn)最佳控制。