基于MMX-VPU的Simatic控制系統(tǒng)的人工智能模塊

(廣州華立科技職業(yè)學院，廣州 511325)

0 引言

人工智能是當前最熱門的話題之一，在各個領域都具有廣泛的用途，如在工業(yè)領域，人工智能可以幫助大幅度減輕編程，減少工程開發(fā)的工程量，使工程內部的控制工作能夠進行得更加順利，控制邏輯在面對環(huán)境變化時可以更加靈敏地運行[1]。未來自動化系統(tǒng)將會大力應用人工智能，并將人工智能打造成自動化系統(tǒng)的重要功能系統(tǒng)，在全自動化集成環(huán)境下，可實現(xiàn)涵蓋從現(xiàn)場層、控制器層、邊緣層直至云端的可擴展智能解決方案，當應用環(huán)境和應用目標不同時，還要進行適當調整。加入人工智能模塊的系統(tǒng)不僅能夠在單臺機器上使用，也可以在所有機器上使用[2]。

SIMATIC于1958年誕生，距今已經(jīng)有50年的歷史，無論是PLC、工業(yè)軟件，還是HMI都是SIEMENS自動化品牌研究的內容。目前SIMATIC已經(jīng)從S3系列發(fā)展到S7系列，已經(jīng)成為目前我國最被信賴的品牌之一。SIMATIC S7—1500 TM NPU人工智能識別模塊具有很強的識別能力，可以識別場景，但是特定場景識別能力較差，由于識別過程中設備的穩(wěn)定性不高，所以很難得到高精度識別結果，控制效果差[3]。

MMX—VPU英文全稱為MovidiusMynad X視覺處理器(VPU)，是一種視覺神經(jīng)卡，具有高效的視覺識別能力和處理能力，可以有效提高Simatic控制系統(tǒng)內部的人工智能模塊的控制能力[4]。綜上所述，基于MMX—VPU設計了一種Simatic系統(tǒng)的人工智能模塊，分析了模塊內部攝像機的布置結構，并闡述了模塊的識別功能。

1 Simatic控制系統(tǒng)的人工智能模塊設計

人工智能模塊，是集成人工智能(AI)芯片的模塊，被應用于SIMATIC S7—1500控制器和ET 200MP I/O系統(tǒng)中[5]。SIMATIC指的是西門子自動化系列產(chǎn)品，由西門子(SIEMENS)+自動化(Automatic)共同組成。SIEMENS全新TM 神經(jīng)處理器如圖1所示。

圖1 SIEMENS全新TM神經(jīng)處理器

本文設計的人工智能模塊是基于MMX-VPU設計的，共包括人工智能視覺識別單元和人工智能視覺處理單元兩部分。

1.1 基于MMX-VPU的人工智能視覺識別單元設計

SIMATIC S7—1500控制器采用的處理器為TM神經(jīng)處理器(NPU)，該處理器是由Intel公司生產(chǎn)，是MovidiusMynad X視覺處理器(VPU)系列的產(chǎn)品之一，該處理器在處理神經(jīng)網(wǎng)絡問題中具備高效處理的能力，人工智能模塊中配有的USB 3.1接口和千兆以太網(wǎng)端口可以利用SD卡獲得訓練過程的神經(jīng)系統(tǒng)功能。

針對Simatic系統(tǒng)設計人工智能識別模塊，該模塊的核心設備為攝像機和加速度計，通過攝像機和加速度計同時工作完成信息的識別。智能模塊中的攝像機是由美國TASED公司研發(fā)的360人工智能視覺攝像機，該攝像機的設計原理為是人工智能視覺原理，清晰度為1080P，鏡頭的角度為150°廣角，不僅可以識別物體，同時可以判斷物體的顏色，辨別語音，并進行雷達監(jiān)測。在人工智能模塊中，對攝像機結構進行安排，結構示意圖如圖2所示。

圖2 人工智能識別模塊攝像機結構示意圖

觀察圖2可知，設計的人工智能模塊攝像機結構示意圖由上下兩層結構組成，共有兩個端口，上層端口為檢測端，下層端口為重構端。檢測端的檢測器負責檢測信息，分類器負責實現(xiàn)信息分類，跟蹤器負責對得到的信息進行跟蹤。重構端包括多種電路，如：異常監(jiān)測電路、形狀恢復電路和分辨率恢復電路，除此之外，重構端還加入了一個重構器。當傳來初始特定場景圖像信息后，檢測端內部擁有固定的順序，這一固定順序可以將圖像的原始參數(shù)打亂，并對參數(shù)進行分類，通過跟蹤器對比原始圖像參數(shù)和3D立體圖像的參數(shù)，完成對比后返回重構端，再通過重構端來完成新一次的立體重建。重構端中的加速度計會對特定場景圖像中的物體進行加速測量，整個測量工作都需要數(shù)字控制，內部的供電蓄電池電量為3.3 V，并自帶編程入口，可以編程數(shù)據(jù)，數(shù)據(jù)編程入口得到的結果通過計算機軟件進行測量，根據(jù)測量結果設計代碼，直接送給加速度計使用，從而有效提高人工智能模塊識別的效率和識別的精度。

識別單元使用的芯片為復旦微電子公司生產(chǎn)的型號為FM11RF08的非接觸式識別芯片，芯片結構如圖3所示。

圖3 FM11RF08非接觸式識別芯片

該芯片使用的標準為ISO/IEC 14443—A芯片，不需要電源就要進行數(shù)據(jù)傳輸和能量傳輸，芯片的工作頻率為13.56 MHz，通訊波特率為106 kbit/s，芯片使用的通訊方式為半雙工通訊方式，加入的加密算法滿足算法的M1標準，對數(shù)據(jù)的識別時間低于100 ms[6]。芯片內部加入了三重防偽認證，可以有效確保數(shù)據(jù)在安全的狀態(tài)下實現(xiàn)通信和傳輸，如果SIMATIC系統(tǒng)使用了分級密鑰，那么每個扇區(qū)都會設置兩套獨立的密鑰。通訊方式為非接觸通訊，每個數(shù)據(jù)塊之間都設定了16位CRC糾錯，每個字節(jié)都需要進行奇偶校驗位，通過編碼的方式對“1”、“0”或者無信息進行區(qū)分。

1.2 基于MMX-VPU的人工智能處理單元設計

人工智能模塊內部配有傳感器和CPU，傳感器上的數(shù)據(jù)和CPU程序上的數(shù)據(jù)不可以直接反饋給中心系統(tǒng)，需要在神經(jīng)網(wǎng)絡的基礎上進行處理，通常采用的處理算法是機器學習算法。傳統(tǒng)的圖像處理算法在進行信息識別時，必須要對每項信息數(shù)據(jù)進行精準地設置，但是機器學習算法是通過分析圖像數(shù)據(jù)來進行識別的，靈活性更高。加入機器學習算法后的人工智能處理模塊可以同時完成生產(chǎn)工廠的視覺質量檢驗和圖像引導，效率更高，專業(yè)性更強。

在人工智能模塊的處理單元上安裝了VPU，該款VPU采用的是英特爾新款 Myriad X VPU芯片，并通過專用的硬件加速器實現(xiàn)加速工作。利用Myriad X進行圖像處理和神經(jīng)網(wǎng)絡計算，Myriad X在計算機視覺領域中有著重要的地位，是計算機視覺應用的先驅。單元內部的嵌入式英特爾芯片可以在訓練模型的基礎上，提高處理和數(shù)據(jù)評估的速度，加強人工智能模塊在工業(yè)自動化領域的應用范圍[7]。

在處理單元的集成接口上安裝可兼容的傳感器，通過傳感器來采集數(shù)據(jù)，被采集到的數(shù)據(jù)和CPU程序內部數(shù)據(jù)在經(jīng)過神經(jīng)網(wǎng)絡處理后，還需要重新進入CPU程序中完成評估。處理單元的外部框架選用的是Tensorflow開放式人工智能框架，大大提高運行過程的開放性。基于MMX-VPU的人工智能處理單元處理過程如圖4所示。

圖4 基于MMX-VPU的人工智能處理單元處理過程

處理單元將AI算法邏輯融合到一起，有效降低應用成本，在人工智能模塊中加入具有AI 功能的MyriadTMX視覺處理單元芯片，能夠大大提高神經(jīng)網(wǎng)絡對數(shù)據(jù)的處理效率。在中央機架Simatic控制系統(tǒng)的CPU后面、分布式I/P接口模塊的前面安裝TM NPU，安裝數(shù)量根據(jù)實際應用情況決定。

處理單元通過神經(jīng)系統(tǒng)完成運行，該神經(jīng)系統(tǒng)必須要在SD卡上經(jīng)過訓練，利用千兆以太網(wǎng)和USB3.1兼容傳感器作為處理單元內部集成接口[8]。利用背板總線獲得CPU數(shù)據(jù)，并將獲得的數(shù)據(jù)作為原始數(shù)據(jù)在CPU程序中進行處理和分析，運行過程如圖5所示。

圖5 CPU數(shù)據(jù)處理過程

處理模塊中使用的處理芯片名稱為Tensor Processing Units，簡稱TPU，TPU芯片又稱張量處理器芯片，能夠有效加速神經(jīng)網(wǎng)絡，對大量數(shù)據(jù)庫進行并行計算，并且在計算過程中確保消耗的能耗很低[9]。

芯片結構如圖6所示。

圖6 TPU處理芯片

TPU內部不主要是由運算單元、數(shù)據(jù)單元、控制邏輯單元和I/O共同組成。TPU在設計時，縮短了控制單元所占空間，將縮小的空間應用到存儲器和運算單元中，因此芯片雖然只有其它芯片的一半，但是學習速度是傳統(tǒng)GPU的15～30倍，性能功耗比也能高出30～80倍，十分適合應用到人工智能模塊中。

2 Simatic控制系統(tǒng)的人工智能模塊應用功能

基于MMX-VPU的SIMATIC控制系統(tǒng)的人工智能模塊具有優(yōu)秀的識別功能和處理功能。識別單元中的傳感器采集到的信息會在處理單元內部的神經(jīng)網(wǎng)絡中不斷訓練，對圖像的各種參數(shù)進行判別。通過STEP 7標準軟件包與數(shù)據(jù)進行控制操作，包括編程、組態(tài)、模擬和維護等等。利用C7 PLC和SIMATIC WinAC對智能模塊中的PC設備進行組態(tài)編程和維護，實現(xiàn)各項目的管理工作。編程和在線仿真的操作平臺為Windows平臺。

人工智能模塊中加入了基于PC的控制軟件，該軟件可以使用個人計算機完成程序的運行，通過WinAC提供的軟件PLC和插槽PLC來實現(xiàn)人工智能模塊硬件PLC的識別和處理功能。由于控制系統(tǒng)智能模塊內部的處理器完全兼容，所以可以采用統(tǒng)一的編程工具進行編程，在S7系列的處理器上進行操作。

通過應用于機器級的ProTool和應用控級的WinCC設計人機界面軟件，使人工智能模塊中的操作面板和標準PC都能夠在短時間內很好地完成組態(tài)。除了作為組態(tài)軟件外，ProTool/Pro還可以監(jiān)控Windows系統(tǒng)的運行狀況。利用WinCC監(jiān)控SIMATIC控制系統(tǒng)的數(shù)據(jù)，WinCC不僅能夠實現(xiàn)數(shù)據(jù)監(jiān)控，還能夠進行數(shù)據(jù)采集，操作簡單、開放性強、可靠性高，將其與人工智能模塊中的PLC硬件進行結合，有效減少項目的處理時間。

3 實驗研究

3.1 實驗目的

為了檢驗基于MMX-VPU的SIMATIC控制系統(tǒng)的人工智能模塊的工作效果，設計了實驗研究，拍攝6組圖像作為實驗場景。

3.2 實驗參數(shù)與實驗環(huán)境設計

設置實驗參數(shù)如表1所示。

表1 實驗參數(shù)

設定的實驗環(huán)境如圖7所示。

圖7 實驗環(huán)境

3.3 實驗結果與分析

根據(jù)上述實驗參數(shù)和實驗環(huán)境進行實驗，同時選用傳統(tǒng)的SIMATIC控制系統(tǒng)以及加入本文研究的人工智能模塊的SIMATIC控制系統(tǒng)對4組圖像數(shù)據(jù)進行識別和控制測試，得到的實驗結果如下。

(1)識別效率測試：

傳統(tǒng)的SIMATIC控制系統(tǒng)以及加入本文研究的人工智能模塊的SIMATIC控制系統(tǒng)在對4組數(shù)據(jù)進行識別時花費的平均時間如表2所示。

表2 識別時間平均值對比結果

由表2可知，所提方法比傳統(tǒng)方法的平均識別時間快331.97/ms。根據(jù)圖像相對數(shù)據(jù)量和識別圖像花費的時間計算出識別效率，得到的實驗結果如圖8所示。

圖8 識別效率測試實驗結果

由圖8可知，加入所提方法后，識別效率較加入之前提高了55%。人工智能模塊內部的軟件識別程序可以對不同場景進行區(qū)分識別，即使是復雜場景，軟件也可以將復雜信息過濾掉，從而提高識別效率。在進行識別時，人工智能模塊會同時下發(fā)應答指令、防沖突指令、選擇指令、驗證指令、讀寫指令和傳輸指令，系統(tǒng)內部的人工智能模塊各項設備同時工作，對復雜場景進行識別，識別的信息會快速輸入到驗證中心，通過驗證中心檢驗所識別的數(shù)據(jù)的準確性，操作速度快，準確性高，對于加強系統(tǒng)的整體運行有重要效果。

(2)響應時間測試：

圖9 響應時間測試結果

由上圖可知，在對相同的數(shù)據(jù)量進行控制時，加入人工智能模塊的SIMATIC控制系統(tǒng)花費的響應時間較未加入人工智能模塊的SIMATIC控制系統(tǒng)快0.5/ms。未加入人工智能模塊的SIMATIC控制系統(tǒng)在進行數(shù)據(jù)量識別時需要耗費大量的時間，且需要反復校驗確保識別的準確率，所有的識別項目都是逐一進行的，而加入人工智能模塊的SIMATIC控制系統(tǒng)中的各項設備同時工作，所有軟件都會同時配合硬件工作，由監(jiān)控程序控制效果，大大節(jié)省響應時間。

3.4 實驗結論

根據(jù)上述實驗結果，得到如下實驗結論：

(1)基于MMX-VPU的SIMATIC控制系統(tǒng)的人工智能模塊具有很強的場景識別能力和信息處理能力，能夠在短時間內實現(xiàn)特定場景信息識別，效率高、精度好；

(2)MMX-VPU的人工智能模塊不僅能夠識別低層視覺特征和低層聽覺特征，同時可以得到最佳狀態(tài)序列，將識別到的特征做成一個映射，通過映射來反映特征在時域上的聯(lián)系，從而更好地表達特征；

(3)尤其是在復雜環(huán)境下，MMX-VPU視覺卡能夠有效濾除掉雜亂信息背景，使特征點數(shù)目得到減少，進而提高特征點的質量；

(4)通過分析SIMATIC的控制效果可知，加入基于MMX-VPU的人工智能模塊后，系統(tǒng)的拓撲結構更強，靈活性更高，魯棒性更強；

(5)利用神經(jīng)網(wǎng)絡對得到的數(shù)據(jù)進行訓練，使環(huán)境背景音和噪音能夠完全融合到控制系統(tǒng)中，從而提高控制系統(tǒng)的工作效果。

4 結束語

人工智能模塊在未來的集成自動化領域有著廣闊的發(fā)展前景，不僅可以幫助自動化系統(tǒng)的控制邏輯更加靈活地面對環(huán)境變化，同時可以打造更加靈活地生產(chǎn)流程。本文設計的基于MMX-VPU的人工智能模塊由識別單元和處理單元兩部分組成，具有很強的控制能力，并可以幫助用戶根據(jù)所處環(huán)境和應用目標自主地調整解決方案的規(guī)模。

該人工智能模塊同時具備高靈活性、高質量、高效率和高性價比的優(yōu)點，同時引用人工智能和機器算法，使SIMATIC控制系統(tǒng)在處理未知對象時更加輕松，不再需要耗費大量的資源進行編程，靈活性更高；可靠地質檢專家知識可以直接輸入人工智能模塊，所有的神經(jīng)網(wǎng)絡模型都會利用上層網(wǎng)絡進行訓練，增加控制系統(tǒng)的質量；在面對人工干預時，人工智能模塊會快速靈活地響應，縮短停機時間，增加系統(tǒng)的實用能力；SIMATIC控制系統(tǒng)可以通過人工智能模塊在短時間內檢測出生產(chǎn)遇到的問題，從而避免出現(xiàn)報廢產(chǎn)品，降低工作成本。