作者：Felix Sawo and Dzianis Lukashevich

工業(yè) 4.0 應用會產生大量復雜數(shù)據(jù)——大數(shù)據(jù)。越來越多的傳感器以及通常可用的數(shù)據(jù)源使機器、系統(tǒng)和過程的虛擬視圖變得更加詳細。這自然增加了在整個價值鏈中產生附加值的潛力。然而，與此同時，關于如何精確提取此值的問題不斷出現(xiàn) - 畢竟，數(shù)據(jù)處理的系統(tǒng)和架構變得越來越復雜。只有使用相關、高質量和有用的數(shù)據(jù)——智能數(shù)據(jù)——才能展現(xiàn)相關的經(jīng)濟潛力。

挑戰(zhàn)

收集所有可能的數(shù)據(jù)并將其存儲在云中，希望以后對其進行評估、分析和結構化，這是一種從數(shù)據(jù)中提取價值的普遍但不是特別有效的方法。從數(shù)據(jù)中產生附加值的潛力仍未得到充分利用;以后找到解決方案變得更加復雜。更好的替代方法是盡早考慮確定哪些信息與應用程序相關，以及信息在數(shù)據(jù)流中的哪個位置可以提取。形象地說，這意味著完善數(shù)據(jù);也就是說，從大數(shù)據(jù)中為整個處理鏈制作智能數(shù)據(jù)。可以在應用程序級別決定哪些 AI 算法在各個處理步驟中具有很高的成功概率。此決定取決于邊界條件，例如可用數(shù)據(jù)、應用類型、可用傳感器模式以及有關較低級別物理過程的背景信息。

對于各個處理步驟，正確處理和解釋數(shù)據(jù)對于從傳感器信號中產生真正的附加值非常重要。根據(jù)應用的不同，可能難以正確解釋離散傳感器數(shù)據(jù)并提取所需信息。時間行為通常起著作用，并對所需信息產生直接影響。此外，必須經(jīng)常考慮多個傳感器之間的依賴關系。對于復雜的任務，簡單的閾值和手動確定的邏輯或規(guī)則已不再足夠。

人工智能算法

相比之下，通過AI算法進行數(shù)據(jù)處理可以自動分析復雜的傳感器數(shù)據(jù)。通過這種分析，從數(shù)據(jù)處理鏈中的數(shù)據(jù)中自動獲得所需的信息，從而獲得附加值。

對于始終是AI算法一部分的模型構建，基本上有兩種不同的方法。

一種方法是通過公式和數(shù)據(jù)與所需信息之間的顯式關系進行建模。這些方法需要以數(shù)學描述的形式提供物理背景信息。這些所謂的基于模型的方法將傳感器數(shù)據(jù)與該背景信息相結合，為所需信息產生更精確的結果。這里最廣為人知的例子是卡爾曼濾波器。

如果有數(shù)據(jù)，但沒有可以用數(shù)學方程式形式描述的背景信息，那么必須選擇所謂的數(shù)據(jù)驅動方法。這些算法直接從數(shù)據(jù)中提取所需的信息。它們涵蓋了全方位的機器學習方法，包括線性回歸、神經(jīng)網(wǎng)絡、隨機森林和隱馬爾可夫模型。

AI 方法的選擇通常取決于有關應用程序的現(xiàn)有知識。如果有廣泛的專業(yè)知識，人工智能將發(fā)揮更多的支持作用，并且使用的算法非常基本。如果沒有專業(yè)知識，使用的人工智能算法要復雜得多。在許多情況下，是應用程序定義了硬件，并通過它定義了AI算法的限制。

嵌入式、邊緣或云實施

整個數(shù)據(jù)處理鏈以及每個步驟所需的所有算法必須以這樣一種方式實現(xiàn)，以便能夠產生盡可能高的附加值。實施通常發(fā)生在整體層面 - 從計算資源有限的小型傳感器到網(wǎng)關和邊緣計算機，再到大型云計算機。很明顯，算法不應該只在一個層面上實現(xiàn)。相反，實現(xiàn)盡可能靠近傳感器的算法通常更有利。通過這樣做，可以在早期階段壓縮和優(yōu)化數(shù)據(jù)，并降低通信和存儲成本。此外，通過早期從數(shù)據(jù)中提取基本信息，在更高級別開發(fā)全局算法就不那么復雜了。在大多數(shù)情況分析領域的算法也可用于避免不必要的數(shù)據(jù)存儲，從而避免高數(shù)據(jù)傳輸和存儲成本。這些算法僅使用每個數(shù)據(jù)點一次;即直接提取完整的信息，不需要存儲數(shù)據(jù)。

采用 AI 算法的嵌入式平臺

ADI基于ARM Cortex -M4F處理器的微控制器ADuCM4050是一款節(jié)能的集成微控制器系統(tǒng)，具有集成電源管理功能，以及用于數(shù)據(jù)采集、處理、控制和連接的模擬和數(shù)字外設。所有這些都使其成為本地數(shù)據(jù)處理和利用最先進的智能 AI 算法早期細化數(shù)據(jù)的良好候選者。??

EV-COG-AD4050LZ是一款超低功耗開發(fā)和評估平臺，適用于ADI公司的完整傳感器、微控制器和HF收發(fā)器產品組合。EV-GEAR-MEMS1Z 擴展板主要（但不僅限于）設計用于評估 ADI 的各種 MEMS 技術;例如，該擴展板中使用的ADXL35x系列（包括ADXL355）以小尺寸提供出色的振動校正、長期可重復性和低噪聲性能。EV-COG-AD4050LZ 和 EV-GEAR-MEMS1Z 的組合可用于進入基于振動、噪聲和溫度分析的結構健康和機器狀態(tài)監(jiān)測領域。其他傳感器也可以根據(jù)需要連接到COG平臺，以便所使用的AI方法可以通過所謂的多傳感器數(shù)據(jù)融合更好地估計當前情況。通過這種方式，可以對各種運行和故障條件進行更好的粒度和更高的概率進行分類。通過COG平臺上的智能信號處理，大數(shù)據(jù)在本地成為智能數(shù)據(jù)，只需要將與應用案例相關的數(shù)據(jù)發(fā)送到邊緣或云端即可。

COG平臺包含用于無線通信的附加屏蔽。例如，EV-COG-SMARTMESH1Z 將高可靠性和魯棒性以及極低的功耗與 6LoWPAN 和 802.15.4e 通信協(xié)議相結合，可滿足大量工業(yè)應用的需求。SmartMesh IP 網(wǎng)絡由高度可擴展、自形成的無線節(jié)點多跳網(wǎng)組成，用于收集和中繼數(shù)據(jù)。網(wǎng)絡管理器監(jiān)視和管理網(wǎng)絡性能和安全性，并與主機應用程序交換數(shù)據(jù)。?

特別是對于無線、電池供電的狀態(tài)監(jiān)測系統(tǒng)，嵌入式人工智能可以實現(xiàn)全部附加值。與將傳感器數(shù)據(jù)直接傳輸?shù)竭吘壔蛟葡啾龋珹DuCM4050中嵌入的AI算法將傳感器數(shù)據(jù)本地轉換為智能數(shù)據(jù)可降低數(shù)據(jù)流，從而降低功耗。

應用

COG開發(fā)平臺，包括為其開發(fā)的AI算法，在機器，系統(tǒng)，結構和過程的監(jiān)控領域具有非常廣泛的應用，從簡單的異常檢測到復雜的故障診斷。例如，通過集成的加速度計、麥克風和溫度傳感器，可以監(jiān)控來自不同工業(yè)機器和系統(tǒng)的振動和噪聲。嵌入式AI可以檢測到過程狀態(tài)，軸承或定子損壞，控制電子設備的故障，甚至系統(tǒng)行為的未知變化，例如由于電子設備損壞。如果預測模型可用于某些損害，則甚至可以在本地預測這些損害。通過這種方式，可以在早期階段采取維護措施，從而避免不必要的基于損壞的故障。如果不存在預測模型，COG 平臺還可以幫助主題專家連續(xù)學習機器的行為，并隨著時間的推移推導出用于預測性維護的機器綜合模型。

結論

理想情況下，通過相應的本地數(shù)據(jù)分析，嵌入式AI算法應該能夠確定哪些傳感器與相應的應用相關，哪種算法最適合它。這意味著平臺的智能可擴展性。目前，仍然是主題專家必須為相應的應用程序找到最佳算法，盡管我們使用的AI算法已經(jīng)可以以最少的實現(xiàn)工作量擴展到機器狀態(tài)監(jiān)測的各種應用程序。

嵌入式人工智能還應該對數(shù)據(jù)質量做出決定，如果數(shù)據(jù)質量不足，則為傳感器和整個信號處理找到并做出最佳設置。如果使用幾種不同的傳感器模式進行融合，則可以通過使用AI算法來彌補某些傳感器和方法的缺點。通過這種方式，可以提高數(shù)據(jù)質量和系統(tǒng)可靠性。如果傳感器被 AI 算法分類為與相應應用程序不相關或不太相關，則可以相應地限制其數(shù)據(jù)流。

ADI的開放式COG平臺包含免費提供的軟件開發(fā)套件和大量硬件和軟件示例項目，用于加速原型創(chuàng)建、促進開發(fā)和實現(xiàn)原創(chuàng)想法。通過多傳感器數(shù)據(jù)融合（EV-GEAR-MEMS1Z）和嵌入式人工智能（EV-COG-AD4050LZ），可以創(chuàng)建強大可靠的智能傳感器無線網(wǎng)狀網(wǎng)絡（SMARTMESH1Z）。

審核編輯：郭婷