嵌入式AI赋予大数据更多智慧，挖掘更大的经济潜力( 二 ) 工业4.0应用产生大量的复杂数据——大

实施嵌入式AI远远不止是单纯采用微控制器。为了加快设计，许多硅芯片制造商都构建了开发和评估平台，例如EV-COG-AD4050LZ 。这些平台将微控制器与传感器和HF收发器等组件结合在一起，使工程师无需深度掌握多种技术，就能探索嵌入式AI 。这些平台可扩展，使得开发人员能够使用不同的传感器和其他组件。例如，通过使用EV-GEAR-MEMS1Z扩展板，工程师能够快速评估不同的MEMS技术，例如，该扩展板中使用的ADXL35x系列（包括ADXL355）提供出色的振动校正、长期可重复性和低噪声性能，并且尺寸很小。
平台和扩展板（例如EV-COG-AD4050LZ和EV-GEAR-MEMS1Z）的组合让工程师能够基于振动、噪声和温度分析来了解结构健康状况，以及实施机器状态监控。其他传感器也可根据需要连接到平台，以便所使用的AI方法可以通过所谓的多传感器数据融合来更好地估计当前的情况。这样，即可使用更好的粒度和更高的概率，对各种运行状态和故障情况进行分类。通过平台上的智能信号处理，大数据在本地成为[WF7] 智能数据，使得只有与应用案例相关的数据才会发送至边缘或云端。
平台方法还可以简化通信，因为扩展板可用于实施不同的无线通信。例如， EV-COG-SMARTMESH1Z具有高可靠性、鲁棒性和极低功耗特性，支持适合大量工业应用的6LoWPAN和802.15.4e通信协议。 SmartMesh IP网络由收集[WF8] 和中继数据的无线节点的高度可扩展、自成型多跳Mesh网络组成。网络管理器监视和管理网络性能及安全性，并与主机应用程序交换数据。
特别是对于电池供电的无线状态监控系统，嵌入式AI可实现完整附加值。通过ADuCM4050中嵌入的AI算法将传感器数据在本地转换为智能数据，与直接将传感器数据传输到边缘或云端相比，数据流更低，因此功耗也更低。
应用
AI算法开发平台（包括为其开发的AI算法）广泛应用于机器、系统、结构和过程监控[WF9] 领域，从简单的异常检测扩展到复杂的故障诊断。通过集成的加速度计、麦克风和温度传感器，可以实现多种功能，例如监测来自各种工业机器和系统的振动和噪音。嵌入式AI可用于检测过程状态、轴承或定子的损坏、控制电子设备的故障，甚至是因电子设备损坏而导致的未知系统行为变化。如果预测模型适用于特定的损坏，甚至可以在本地预测这些损坏。通过这种方法，可以在早期阶段采取维护措施，从而避免不必要的基于损坏的故障。如果不存在预测模型，平台还可以帮助学科问题专家不断了解机器的行为，并随着时间的推移，得出一个全面的机器模型用于预测维护。
理想情况下，通过相应的本地数据分析，嵌入式AI算法应该能够确定哪些传感器与各自的应用相关，以及哪种算法最适合它。这意味着平台具有智能可扩展性。目前，学科[WF10] 问题[WF11] 专家仍然必须为各自的应用找到理想算法，尽管只需对各种机器状态监控应用进行很少的实施工作，即可扩展AI算法。
嵌入式AI还应对数据的质量作出决定，如果数据质量不佳，就为传感器和整个信号处理找到并进行相应设置。如果采用多种不同的传感器模式进行融合，则使用AI算法可弥补某些传感器和方法的不足。通过这种方式，可提高数据质量和系统可靠性。如果传感器被AI算法划分为与应用不太相关，将相应地控制其数据流。
【嵌入式AI赋予大数据更多智慧，挖掘更大的经济潜力】ADI的开放式COG平台包含可免费使用的软件开发套件以及许多硬件和软件示例项目，用于加速原型创建、促进开发并实现最初的想法。通过多传感器数据融合(EV-GEAR-MEMS1Z)和嵌入式AI (EV-COG-AD4050LZ) ，可创建稳健可靠的无线智能传感器Mesh网络(SMARTMESH1Z) 。