『AI工信科创』自动化早已不是那个自动化( 二 )

本文插图
4.机器学习
今天，我们讨论机器人工智能，然而，工程本身就是数学问题，在1931年，科尔莫哥洛夫发表了统计学和随机过程方面的《概率论中的分析方法》，它奠定了马尔科夫过程的理论基础—它成为信息论、人工智能和机器学习的基础科学工具，然而，数问题可以转换为软件问题，首先在数学工具上可行，那么软件才具有可行性，接着是实现—是否有足够的计算能力，以及如何与对象结合。
事实上，在早期的控制器即可以实现复杂的控制，例如，贝加莱在90年代初即推出基于pSOS+定性分时多任务的操作系统，已经可以支持高级语言的编程，今天的PLC已经可以直接运行基于C/C++等高级语言开发的程序，基于PC架构的控制器可以通过多种形式来实现机器学习、人工智能的算法运行。

本文插图
图4-机器学习可以直接运行于PLC
实际上，机器学习并非那么神秘，简单说，自动化系统最大的优势在于已有的机器控制模型，在这个模型上加一个观测器，采用成本函数对其进行约束，在非线性阶段对其进行“学习” ，而学习是一个数学意义上的概念，只要数学上有模型，即可编程，并运行于控制器上。对于更为复杂的学习，其同样是可以在控制器上编程的，很多人理解的PLC是逻辑控制，但是，像贝加莱的控制器早已可以采用高级语言编程—这件事情20多年前就可以了。

本文插图
图5-通过Hypervisor技术实现多核任务处理
对于一些简单的机器学习而言直接在PLC上即可运行，同时，在贝加莱新的Hypervisor技术，可以将PCI标准的AI加速卡插入，由Windows对其进行处理，并同时并行运行RTOS来与物理被控对象连接，可以直接在一个架构下实现学习与对象的直接交互。

本文插图
5.软件定义智能
自动化的确正在成为一个软件行业，因为，智能通过软件来实现，简单的修改即可实现复用，而且，软件本身在智能制造中的角色也变得更为复杂，我们会惊奇的发现，自动化行业里无所不在的软件，无论是RTOS还是集成开发环境如Automation Studio ，还是针对行业应用的标准化PLCopen库、以及为了实现开放互联的Web服务器集成。

本文插图
图6-自动化软件价值体系
软件正在成为自动化行业的核心竞争力—数十年于各个领域知识的积累，并且在未来，这些积累的控制对象与模型成为知识集成的基础，也为数据分析与人工智能奠定基础。

本文插图
6.机器视觉
随着生产的集成，自动化正在将视觉系统也纳入到其架构中，在2018年，贝加莱即推出“集成视觉” ，这个视觉系统将机器的逻辑、运动控制与视觉感知在统一架构下进行编程开发，实现最为直接的同步，并且，解决由于传统视觉与自动化系统之间的“通信连接”、“配置”、“编程”的壁垒，这带来很多好处：
?无需复杂的网络配置；
?可以无缝的软件变量耦合；
?可以最高级别的实现同步关系；
?避免多个软件的衔接影响各自性能的发挥。