新闻
Beckhoff介绍了用于自动化所有领域的机器学习
发布04/19/2019
TwinCAT 3机器学习软件为控制系统提供无缝集成、开放和实时的解决方案
野蛮的- Beckhoff Automation宣布了一台新的机器学习(ML)解决方案,它无缝集成到Twincat 3软件中。建立既定标准,TwinCAT 3机器学习提供ML应用程序的应用与基于PC的控制技术熟悉的系统开放性相同的优势。此外,这种TwinCAT解决方案支持实时ML,允许其同时处理像运动控制等要求的要求。这些功能为机器制造商和制造商提供了最佳基础,以提高机器性能,例如通过预测性维护,过程自我优化和过程异常的自主检测。
通过机器学习,控制工程师不再需要遵循传统的工程设计解决方案的特定任务,并将这些解决方案转化为算法。相反,自动化控制器可以从示例性过程数据学习所需的算法。通过这种替代方法,可以培训强大的ML型号,然后用于提供优越,更高的良好解决方案。在自动化技术中,这在许多领域开辟了新的可能性,包括预测性维护和过程控制,异常检测,协作机器人(Cobots),自动化质量控制和机器优化。
要学习的模型在ML框架中进行训练,如MATLAB®或TensorFlow,然后通过开放神经网络交换格式(ONNX)导入到TwinCAT运行时,该格式是用于描述训练模型的标准化数据交换格式。为此,TwinCAT运行时包含了以下新功能:
- TwinCAT 3机器学习推理引擎用于经典的ML算法,如支持向量机(SVM)和主成分分析(PCA)
- 用于深度学习和神经网络的TwinCAT 3神经网络推理引擎,如多层感知器(MLPs)和卷积神经网络(CNNs)
直接执行模型的结果是实时的
推断,即培训的ML模型的执行,可以使用TwinCAT TCCOM对象直接执行。利用较小的网络,支持对应于50μs的TwinCAT循环时间的小于100μs的系统响应时间。可以通过PLC,C / C ++ TCCOM接口或循环任务调用模型。
通过与控制技术的无缝集成,TwinCAT 3提供的多核支持也可用于ML应用程序。例如,这意味着不同的任务上下文可以访问特定的TwinCAT 3推理引擎,而不相互限制。TwinCAT中的所有现场总线接口和数据都是完全可访问的。这使得ML解决方案可以使用大量数据,例如用于复杂传感器数据融合(数据合并),这也意味着与执行器的实时接口可以实现最佳控制器性能。