该机器学习（ML）方法无缝集成到TwinCAT 3软件中。建立既定标准，TwinCAT 3机器学习提供ML应用程序的应用与基于PC的控制技术熟悉的系统开放性相同的优势。此外，这种TwinCAT解决方案支持实时ML，允许其同时处理像运动控制等要求的要求。这些功能帮助机器建设者和制造商提高机器性能，例如，通过预测性维护，过程自我优化和自主检测过程异常。
通过机器学习，工程师不再需要遵循传统的工程路线，以便为特定任务设计解决方案，并将这些解决方案转化为算法。相反，自动化控制器可以从示例性过程数据学习所需的算法。通过这种替代方法，可以培训ML型号，然后用于提供高性能的解决方案。在自动化技术中，这在许多领域开辟了新的可能性，包括预测性维护和过程控制，异常检测，协作机器人（Cobots），自动化质量控制和机器优化。
要学习的模型在ML框架中培训，例如Matlab或Tensorflow，然后通过开放的神经网络交换格式（ONNX）导入TwinCAT运行时，用于描述培训的模型的标准数据交换格式。TwinCAT运行时为此目的包含以下新功能：
˗Twincat 3机器学习推理引擎，用于经典ML算法，如支持向量机（SVM）和主成分分析（PCA）
˗WinCAT3神经网络推理引擎，用于深度学习和神经网络，如多层的感知（MLP）和卷积神经网络（CNNS）
直接执行模型实时导致
推断，即培训的ML模型的执行，可以使用TwinCAT TCCOM对象直接执行。利用较小的网络，支持对应于50μs的TwinCAT循环时间的小于100μs的系统响应时间。可以通过PLC，C / C ++ TCCOM接口或循环任务调用模型。
通过与控制技术的无缝集成，TwinCAT 3提供的多核支持也可用于ML应用程序。例如，这意味着不同的任务上下文可以访问特定的TwinCAT 3推理引擎而不互相限制。所有现场总线接口和TwinCAT可用的数据也可以完全访问。这允许ML解决方案使用巨大量的数据，例如，用于复杂的传感器数据融合（数据合并），这也意味着可以将执行器的实时接口可用于以及其他事情，以及最佳的控制器性能。
Beckhoff Automation LLC.
www.beckhoffautomation.com.
提交：技术+产品那软件
