近年來(lái)，自動(dòng)化技術(shù)的進(jìn)步催生了一系列有趣又很有應(yīng)用前景的創(chuàng)新技術(shù)。機(jī)器學(xué)習(xí)（Meachine Learning ）是其中極具特色也是最具前景的技術(shù)之一，倍�，F(xiàn)已將這項(xiàng)技術(shù)通過(guò) TwinCAT 3 無(wú)縫集成到控制系統(tǒng)中，實(shí)現(xiàn)數(shù)據(jù)科學(xué)和設(shè)備制造這兩大領(lǐng)域的完美融合，形成巨大的協(xié)同效應(yīng)，發(fā)掘機(jī)械優(yōu)化新潛力。

*圖片來(lái)源于網(wǎng)絡(luò)

機(jī)器學(xué)習(xí)的基本概念是不再遵循為特定任務(wù)設(shè)計(jì)解決方案然后將這些解決方案轉(zhuǎn)化為算法的傳統(tǒng)工程思想，而是從樣板性的過(guò)程數(shù)據(jù)中學(xué)習(xí)所需的算法。通過(guò)這種替代方法來(lái)訓(xùn)練強(qiáng)大的機(jī)器學(xué)習(xí)模型，以提供更高級(jí)或性能更佳的解決方案。在自動(dòng)化技術(shù)方面，這樣可以為許多領(lǐng)域開(kāi)辟新的可能性和優(yōu)化潛力，包括預(yù)測(cè)性維護(hù)和過(guò)程控制、異常檢測(cè)、協(xié)作機(jī)器人、全自動(dòng)質(zhì)量控制及機(jī)器優(yōu)化。

集成機(jī)器學(xué)習(xí)將給機(jī)器人技術(shù)、算法優(yōu)化、異常檢測(cè)、模型預(yù)測(cè)控制及其它應(yīng)用帶來(lái)極大的益處。現(xiàn)如今，很多制造系統(tǒng)已經(jīng)采集了大量可用于機(jī)器學(xué)習(xí)的數(shù)據(jù)，倍福 TwinCAT 3 Measurement 和 TwinCAT 3 Connectivity 在數(shù)據(jù)采集和分析中可以發(fā)揮重要作用。

此外，通過(guò) TwinCAT 3 Machine Learning 無(wú)縫集成這些系統(tǒng)，就可以直接應(yīng)用包括 TensorFlow、PyTorch 和 MATLAB? 在內(nèi)的機(jī)器學(xué)習(xí)框架。

倍福最新推出用于傳統(tǒng)機(jī)器學(xué)習(xí)算法的 TwinCAT 3 Machine Learning Inference Engine， 以及用于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的 TwinCAT 3 Neural Network Inference Engine。這兩款軟件產(chǎn)品為自動(dòng)化專(zhuān)家和設(shè)備制造商們提供一種可將訓(xùn)練好的機(jī)器學(xué)習(xí)模型的執(zhí)行集成到其系統(tǒng)中的行業(yè)解決方案。

通過(guò)與控制技術(shù)的無(wú)縫集成，TwinCAT 3 支持多核系統(tǒng)的特點(diǎn)也可用于機(jī)器學(xué)習(xí)應(yīng)用。這意味著，不同的任務(wù)情境可以訪問(wèn)某個(gè)特定的 TwinCAT 3 Inference Engine，而不會(huì)互相制約。也可以完全訪問(wèn) TwinCAT 中可用的所有現(xiàn)場(chǎng)總線接口和數(shù)據(jù)。這使得機(jī)器學(xué)習(xí)解決方案可以使用大量數(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），這也意味著可以使用自動(dòng)器的實(shí)時(shí)接口來(lái)實(shí)現(xiàn)最佳控制。