江苏龙网

  1. 首页 > 人文 > >

嵌入式AI赋予大数据更多智慧，挖掘更大的经济潜力( 二 )


实施嵌入式AI远远不止是单纯采用微控制器 。 为了加快设计 ， 许多硅芯片制造商都构建了开发和评估平台 ， 例如EV-COG-AD4050LZ 。 这些平台将微控制器与传感器和HF收发器等组件结合在一起 ， 使工程师无需深度掌握多种技术 ， 就能探索嵌入式AI 。 这些平台可扩展 ， 使得开发人员能够使用不同的传感器和其他组件 。 例如 ， 通过使用EV-GEAR-MEMS1Z扩展板 ， 工程师能够快速评估不同的MEMS技术 ， 例如 ， 该扩展板中使用的ADXL35x系列（包括ADXL355）提供出色的振动校正、长期可重复性和低噪声性能 ， 并且尺寸很小 。
平台和扩展板（例如EV-COG-AD4050LZ和EV-GEAR-MEMS1Z）的组合让工程师能够基于振动、噪声和温度分析来了解结构健康状况 ， 以及实施机器状态监控 。 其他传感器也可根据需要连接到平台 ， 以便所使用的AI方法可以通过所谓的多传感器数据融合来更好地估计当前的情况 。 这样 ， 即可使用更好的粒度和更高的概率 ， 对各种运行状态和故障情况进行分类 。 通过平台上的智能信号处理 ， 大数据在本地成为[WF7] 智能数据 ， 使得只有与应用案例相关的数据才会发送至边缘或云端 。
平台方法还可以简化通信 ， 因为扩展板可用于实施不同的无线通信 。 例如 ， EV-COG-SMARTMESH1Z具有高可靠性、鲁棒性和极低功耗特性 ， 支持适合大量工业应用的6LoWPAN和802.15.4e通信协议 。 SmartMesh IP网络由收集[WF8] 和中继数据的无线节点的高度可扩展、自成型多跳Mesh网络组成 。 网络管理器监视和管理网络性能及安全性 ， 并与主机应用程序交换数据 。
特别是对于电池供电的无线状态监控系统 ， 嵌入式AI可实现完整附加值 。 通过ADuCM4050中嵌入的AI算法将传感器数据在本地转换为智能数据 ， 与直接将传感器数据传输到边缘或云端相比 ， 数据流更低 ， 因此功耗也更低 。
应用
AI算法开发平台（包括为其开发的AI算法）广泛应用于机器、系统、结构和过程监控[WF9] 领域 ， 从简单的异常检测扩展到复杂的故障诊断 。 通过集成的加速度计、麦克风和温度传感器 ， 可以实现多种功能 ， 例如监测来自各种工业机器和系统的振动和噪音 。 嵌入式AI可用于检测过程状态、轴承或定子的损坏、控制电子设备的故障 ， 甚至是因电子设备损坏而导致的未知系统行为变化 。 如果预测模型适用于特定的损坏 ， 甚至可以在本地预测这些损坏 。 通过这种方法 ， 可以在早期阶段采取维护措施 ， 从而避免不必要的基于损坏的故障 。 如果不存在预测模型 ， 平台还可以帮助学科问题专家不断了解机器的行为 ， 并随着时间的推移 ， 得出一个全面的机器模型用于预测维护 。
理想情况下 ， 通过相应的本地数据分析 ， 嵌入式AI算法应该能够确定哪些传感器与各自的应用相关 ， 以及哪种算法最适合它 。 这意味着平台具有智能可扩展性 。 目前 ， 学科[WF10] 问题[WF11] 专家仍然必须为各自的应用找到理想算法 ， 尽管只需对各种机器状态监控应用进行很少的实施工作 ， 即可扩展AI算法 。
嵌入式AI还应对数据的质量作出决定 ， 如果数据质量不佳 ， 就为传感器和整个信号处理找到并进行相应设置 。 如果采用多种不同的传感器模式进行融合 ， 则使用AI算法可弥补某些传感器和方法的不足 。 通过这种方式 ， 可提高数据质量和系统可靠性 。 如果传感器被AI算法划分为与应用不太相关 ， 将相应地控制其数据流 。
【嵌入式AI赋予大数据更多智慧，挖掘更大的经济潜力】ADI的开放式COG平台包含可免费使用的软件开发套件以及许多硬件和软件示例项目 ， 用于加速原型创建、促进开发并实现最初的想法 。 通过多传感器数据融合(EV-GEAR-MEMS1Z)和嵌入式AI (EV-COG-AD4050LZ) ， 可创建稳健可靠的无线智能传感器Mesh网络(SMARTMESH1Z) 。


推荐阅读


上一篇：小多了！黑色版索尼PS5曝光，果然黑色更显瘦

下一篇：整整5台光刻机！ASML没有想到，“示好”却迎来这个坏消息