账号:
密码:
最新动态
产业快讯
CTIMES / 文章 /
以现代云端为导向的应用时代,AlgoBuilder将变得更智慧
 

【作者: Simone Ferri、Enrico Alessi】2019年04月02日 星期二

浏览人次:【8921】

现代应用是在物理资源与虚拟资源相互融合的基础上发展起来的,呈现了微控制器、感测器、通讯、功率元件、云端运算、边缘运算、人工智慧(AI)和机器学习等技术的最新发展。工业物联网(IIoT)则是受益于这些科技进步的市场之一。


物联网节点分布在工业生产环境中,用于监控机器的状况。在这一技术发展趋势中,预测性维护和规范性维护是两个常见的关键字。预测性维护是指对设备、工具和机械进行以预测潜在故障并对应地安排技术维护操作为目的的监控。相对于预测性维护,规范性维护则更先进一步,不仅可以预测潜在故障,还能警示需要技术维护的位置。其采用常规或非常规方法检测潜在故障的根本原因,例如,人工智慧或机器学习方法。这两种维护方法都比常用的预测性维护方法更加先进,因为预测性维护是定期检查机械设备,在不介入的状况下仍执行维护操作,导致维护成本昂贵和资源浪费。


在这种情况下,许多公司正试图了解如何透过整合并善用工业物联网的优势。意法半导体提供客户快速评估感测器、微控制器、通讯元件、云端运算和仪表板来进行数据可视化、分析和记录等诸多资源。


在本文中,我们将介绍图形介面设计应用软体ST AlgoBuilder。该软体可以快速产出STM32微控制器和MEMS感测器的应用原型,使用者可以设计感测器的相关应用,将程式码写入STM32微控制器,并透过与ST AlgoBuilder一起安装的Unicleo软体分析结果。



图一 : 使用AlgoBuilder撷取动作和环境叁数的简易设计
图一 : 使用AlgoBuilder撷取动作和环境叁数的简易设计

图二 : AlgoBuilder作业流程
图二 : AlgoBuilder作业流程

简而言之,AlgoBuilder提出一个零行程式码快速开发有趣的方法,使客户能够在他们的特定任务中评估感测器。在点击数次滑鼠后,使用者可以从ST Nucleo开发板和X-Nucleo-IKS01A2扩充板直观地撷取并导出许多参数,例如,加速度、角速率、磁场、温度、湿度、压力、四元数、FFT、动作强度指数,能够取用感测器数据并在特定任务中评估数据,而无需花费精力和时间编写韧体程式码,这对开发者极有价值。


最近,意法半导体决定扩充AlgoBuilder的功能,以更接近现代感测器连接云端应用的需求和必要条件。该软体增加了感测器和云端服务的连接功能,因为云端运算资源的作用比local hardware更强大。


具体来说,新版AlgoBuilder增加了Amazon Web Services连接器,而软体原型正在开发中。感测器的原始参数或更复杂的派生参数可以与多个云端服务整合在一起,用于监控工业物联网等现代应用中不可预期的变化。


AlgoBuilder的云端entry point是AWS IoT Core。一旦进入云端,使用者就可以利用所有可用的微服务来建立可扩充的云端应用,包括Amazon Kinesis音视讯流数据处理服务、Amazon SNS使用者推播服务、Amazon DynamoDB存储资源、Amazon Lambda运算资源、IoT Analytics数据分析服务,以及AWS SageMaker 人工智慧和机器学习算法应用服务。



图三 :  AlgoBuilder、AWS IoT Core和AWS微服务
图三 : AlgoBuilder、AWS IoT Core和AWS微服务

云端应用研发经验丰富的中型企业知道如何整合微服务之推出在全球扩充应用,同时管理数万或数百万的使用者或物联网节点。简而言之,开发者能够从AlgoBuilder软体中获取并使用数据,透过结合数据传播延迟和其他云端服务限制因素,快速评估开发专案是否适合工业物联网应用。


应用范例

我们将以其他应用范例介绍AlgoBuilder的潜在功能和用途。


例如,在云端的游戏应用将是AlgoBuilder数据整合技术的直接受益者。 AlgoBuilder收集动作感测器的数据,例如,LSM6DSL MEMS 3D加速度计和3D陀螺仪或者LSM303AGR EMS 3D加速度计和MEMS3D磁力计,透过AWS IoT Core轻松地上传到Web应用,启动游戏人物或使其做出相对应的动作(参见下例来自babilon.js 3D JavaScript游戏开发框架的图片),也可以根据HTS221电容式数位感测器来测量温度与湿度,或者透过LPS22HB MEMS压力感测器测到的压力,改变游戏场景环境。无需任何特殊的研发工作,游戏开发者即可利用AlgoBuilder的数据整合功能开发新的动画和迷人的场景。



图四 : AlgoBuilder用於游戏应用
图四 : AlgoBuilder用於游戏应用

AWS RoboMaker是亚马逊所提供的另一项云端服务,可以大规模开发、测试和部署智慧机器人应用。 Robot Operating System(ROS)机器人作业系统是应用最广泛的开源机器人软体框架,RoboMaker在ROS中增加了机器人连接云端的功能。 AlgoBuilder的新功能将允许在这项服务中直接整合和撷取数据,甚至可以开发出结合ST MEMS感测器的新机器人和自动化应用。


感测器数据将融入一个新的应用领域,在AWS机器学习服务、监控服务和分析服务的整合下,使机器人拥有推送流式数据、导航、沟通、理解和学习的能力。



图五 : AlgoBuilder用於机器人自动化
图五 : AlgoBuilder用於机器人自动化

最后,透过撷取的数据集内加入在地理环境中标识IoT节点位置所需的经纬度GPS座标,AlgoBuilder还可用于测试GPS应用。此外,在产生的AlgoBuilder感测器数据内增加状态讯息和其他密钥,有助于简化AlgoBuilder与AWS DynamoDB等服务在整合时的困难度。


本文末特别讨论一个有相关仪表板的云端和Web应用原型,提出将客户的概念,例如,人工神经网路(Artificial Neural Network,ANN)、卷积神经网络(Convolutional Neural Network,CNN)、聚类算法、协作演算法和人工智慧,配合虚拟实境用来解决简单和复杂的问题,强化触控体验。


我们相信,向感兴趣的客户介绍如何挖掘感测器、云端服务和机器学习之间融合的潜力是非常有价值的。更广泛地说,这个名为Symbios的系统是一个实验平台,旨在为内部和外部客户提供资源整合、模组或参考设计,以便在数据撷取、数据流、数据丰富、数据分析,以及不同类型的应用方面探索感测器和云端服务整合后的潜力,甚至寻找提升感测器精确度和可靠性的潜在解决方案。


在本文中,我们只讨论Symbios中与AlgoBuilder相关的功能。


Symbios几乎可以从AlgoBuilder中实时检索数据,并在极座标图上显示数据模式。单个或多个感测器有助于根据所选参数和参数测量值产生一个多感测器签章。


例如,下图所示是Symbios呈现的X、Y和Z轴AlgoBuilder FFT,具体来说,极座标图描述每个频率的FFT幅度。 Symbios提供了来自监控马达ST MEMS加速度计的数据组成数据集(例如,针对不同马达速度的频率签章)、标记模式以及在学习模式中应用卷积神经网路功能。只需点击数次滑鼠,即可以AlgoBuilder感测器数据模式构立监控型深度学习模型,在同一马达或其他远端连接的马达上立即开始评估CNN分类器。此外,还可以产生格式与STCubeMX.AI兼容的CNN,以便在STM32 IoT节点上移植和运作。



图六 : AlgoBuilder用於云端机器学习的频谱分析
图六 : AlgoBuilder用於云端机器学习的频谱分析

下一张图片描述了另一个Symbios应用场景,透过AWS检索AlgoBuilder的环境和动作参数,并在极座标图上形成签章。在实际应用中透过行动电路板或更改环境参数,开发人员可以了解签章或模式是如何变化的,因为极座标轴代表了AlgoBuilder撷取和发送的参数,使用者可以快速了解从云端服务获得的感测器数据对应用是否有益。


为了向开发人员提供灵活的数据整合功能,Symbios可将感测器数据发送到两个不同的极座标图。例如,下面左侧极座标图描述的是动作MEMS加速度计和陀螺仪参数,而右侧极座标图则是整合了HTS221动作MEMS感测器数据与和LPS22HB环境感测器的数据。后面的截图则是描述其他类型的数据整合。


即使在这种情况下,使用者也可以利用所提供的工具箱产生适合的训练集,还可以开启人工神经网路训练阶段以及即时测试。一旦对性能感到满意,开发人员就可以产生ANN网路,并用STCubeMX.AI工具将所产成的ANN移植到STM32微控制器。当然,在了解作业流程后,使用者将能复制该方法,进而加快产品开发周期。



图七 : 运作中的AlgoBuilder 和Symbios -1
图七 : 运作中的AlgoBuilder 和Symbios -1

图八 : 运作中的AlgoBuilder 和Symbios -2
图八 : 运作中的AlgoBuilder 和Symbios -2

其他的范例是在单个应用环境中使用AlgoBuilder融合音视讯流,用于开发支援图论和虚拟实境的进阶数据融合演算法(脑自动化),在意法半导体,这个应用仍处于研发阶段。


在本文中,我们简要介绍这个有趣的新方法如何仅用一个在本地STM32 IoT节点、边缘或云端或者Web应用中运作的单一分层互联的ANN(称为大脑)来解决复杂任务。下图是一个由多个非同构人工神经网路所组成的协作网路范例,每个图节点表示一个非同构人工神经网路。大脑正在等待新的AlgoBuilder输入,收到后,输入模式就会被立即传送到所有网络节点。单个ANN被启动后,就会将输出数据传送到其他ANN。透过这种方式,专门执行特定任务的ANN可以一起解决那些需要复杂工具和设备同时从不同角度监控才能处理之更为复杂的任务。



图九 : 大脑正在等待新的AlgoBuilder输入
图九 : 大脑正在等待新的AlgoBuilder输入

图十 : AlgoBuilder输入的感知刺激讯号将大脑启动
图十 : AlgoBuilder输入的感知刺激讯号将大脑启动

结论

我们相信AlgoBuilder将让设计者能够使用零行程式码开发云端服务为导向的现代应用,透过点击数次滑鼠就能完成应用可行性评估,以进一步缩短研发周期,并让客户更加满意。 Symbios代表了一个范例套件,用于呈现云端运算时代下感测器与云端整合的潜力。


(本文作者Simone Ferri、Enrico Alessi任职于意法半导体 )


相关文章
以霍尔效应电流感测器简化高电压感测
智慧家居大步走 Matter实现更好体验与可靠连结
开启边缘智能新时代 ST引领AI开发潮流
模拟工具可预防各种车用情境中的严重问题
BMS的未来愿景:更安全、更平价的电动车
comments powered by Disqus
相关讨论
  相关新闻
» 意法半导体先进高性能无线微控制器 符合将推出的网路安全保护法规
» ST推先进超低功耗STM32微控制器 布局工业、医疗、智慧量表和消费电子市场
» 意法半导体高性能微控制器加速智慧家庭和工业系统开发应用
» 意法半导体公告2024年股东大会决议提案
» ST碳化矽数位电源解决方案被肯微科技采用於高效伺服器电源供应器设计


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3  v3.20.1.HK83S9Z3120STACUKY
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 /  E-Mail: webmaster@ctimes.com.tw