近年來，自動化技術(shù)的進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，倍福現(xiàn)已將這項技術(shù)通過 TwinCAT 3 無縫集成到控制系統(tǒng)中，實現(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)掘機械優(yōu)化新潛力。

*圖片來源于網(wǎng)絡(luò)

機器學(xué)習(xí)的基本概念是不再遵循為特定任務(wù)設(shè)計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，而是從樣板性的過程數(shù)據(jù)中學(xué)習(xí)所需的算法。通過這種替代方法來訓(xùn)練強大的機器學(xué)習(xí)模型，以提供更高級或性能更佳的解決方案。在自動化技術(shù)方面，這樣可以為許多領(lǐng)域開辟新的可能性和優(yōu)化潛力，包括預(yù)測性維護和過程控制、異常檢測、協(xié)作機器人、全自動質(zhì)量控制及機器優(yōu)化。

集成機器學(xué)習(xí)將給機器人技術(shù)、算法優(yōu)化、異常檢測、模型預(yù)測控制及其它應(yīng)用帶來極大的益處?，F(xiàn)如今，很多制造系統(tǒng)已經(jīng)采集了大量可用于機器學(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 TwinCAT 3 Machine Learning 無縫集成這些系統(tǒng)，就可以直接應(yīng)用包括 TensorFlow、PyTorch 和 MATLAB? 在內(nèi)的機器學(xué)習(xí)框架。

倍福最新推出用于傳統(tǒng)機器學(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)品為自動化專家和設(shè)備制造商們提供一種可將訓(xùn)練好的機器學(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。

通過與控制技術(shù)的無縫集成，TwinCAT 3 支持多核系統(tǒng)的特點也可用于機器學(xué)習(xí)應(yīng)用。這意味著，不同的任務(wù)情境可以訪問某個特定的 TwinCAT 3 Inference Engine，而不會互相制約。也可以完全訪問 TwinCAT 中可用的所有現(xiàn)場總線接口和數(shù)據(jù)。這使得機器學(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器的實時接口來實現(xiàn)最佳控制。