上月初，Beckhoff官網(wǎng)發(fā)布消息稱其已經(jīng)在TwinCAT3軟件中無(wú)縫集成了機(jī)器學(xué)習(xí)（ML）解決方案，以幫助用戶在基于PC控制的設(shè)備系統(tǒng)中部署機(jī)器學(xué)習(xí)應(yīng)用。

據(jù)悉，TwinCAT解決方案支持實(shí)時(shí)機(jī)器學(xué)習(xí)，能夠處理包括運(yùn)動(dòng)控制...等在內(nèi)的各類嚴(yán)苛任務(wù)，并通過規(guī)范性維護(hù)、流程自我優(yōu)化和流程異常的自主檢測(cè)...等功能，幫助設(shè)備用戶和制造商提升機(jī)器的綜合性能。

Beckhoff方面表示，機(jī)器學(xué)習(xí)的基本概念，是不再遵循為特定任務(wù)專門設(shè)計(jì)方案、然后將這些解決方案轉(zhuǎn)化為算法的傳統(tǒng)工程路線，而是從示例性過程數(shù)據(jù)中學(xué)習(xí)所需的算法。通過這種替代方法，可以訓(xùn)練出強(qiáng)大的機(jī)器學(xué)習(xí)模型，然后用于提供卓越或性能更優(yōu)的解決方案。在自動(dòng)化技術(shù)方面，這為許多領(lǐng)域開辟了新的可能性和進(jìn)一步提升優(yōu)化的潛力，包括：預(yù)測(cè)性維護(hù)、過程控、異常檢測(cè)、協(xié)作機(jī)器人、自動(dòng)化質(zhì)量控制和機(jī)器優(yōu)化。

按照官宣的說(shuō)法，需要學(xué)習(xí)的模型是在機(jī)器學(xué)習(xí)框架（如：MATLAB或TensorFlow）中進(jìn)行訓(xùn)練的，然后通過ONNX（即：開放式神經(jīng)網(wǎng)絡(luò)交換格式OpenNeuralNetworkExchangeFormat，一種用于描述訓(xùn)練模型的標(biāo)準(zhǔn)化數(shù)據(jù)交換格式）導(dǎo)入TwinCAT運(yùn)行。為此，TwinCAT的runtime整合了以下新功能：

用于經(jīng)典機(jī)器學(xué)習(xí)算法的TwinCAT3機(jī)器學(xué)習(xí)推理引擎，例如：支持向量機(jī)（SVM）和主要成分分析（PCA）

用于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的TwinCAT3神經(jīng)網(wǎng)絡(luò)推理引擎，如：多層感知器（MLP）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）

同時(shí)，模型結(jié)果是可以實(shí)時(shí)直接執(zhí)行的。就是說(shuō)，推理-即已訓(xùn)練機(jī)器學(xué)習(xí)模型的執(zhí)行，可以使用TwinCATTcCOM對(duì)象實(shí)時(shí)直接完成，并通過PLC，C/C++TcCOM接口或循環(huán)任務(wù)調(diào)用。如果網(wǎng)絡(luò)較小，對(duì)應(yīng)于50μs的TwinCAT周期時(shí)間，支持小于100μs的系統(tǒng)響應(yīng)時(shí)間。

另外，與控制技術(shù)的無(wú)縫集成，將意味著：

TwinCAT3本身所提供的多核支持也同樣適用于機(jī)器學(xué)習(xí)應(yīng)用。因此，不同的任務(wù)程序可以訪問同一個(gè)特定的TwinCAT3推理引擎而不會(huì)相互限制。

機(jī)器學(xué)習(xí)應(yīng)用完全可以訪問TwinCAT中所有可用的現(xiàn)場(chǎng)總線接口和數(shù)據(jù)，這將使其能夠使用到大量數(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），并且有機(jī)會(huì)通過與執(zhí)行機(jī)構(gòu)的實(shí)時(shí)接口實(shí)現(xiàn)設(shè)備控制的優(yōu)化。