运动控制中的人工智能188金宝搏下载界面进展

无论你如何定义它，企业正在讨论和采用人工智能(AI)应用程序的数量越来越多，而且速度只会越来越快。188金宝搏下载界面根据高德纳2019年对89个国家3000多名高管的CIO调查，人工智能的实施在过去四年增长了270%，仅在过去一年就增长了37%。这一比例高于2015年的10%，考虑到一些人估计，到2022年，企业AI市场的价值将达到61.4亿美元，这并不太令人惊讶。

高德纳杰出的研究副总裁克里斯·霍华德表示:“我们距离能够完全接管复杂任务的通用人工智能还很远，但我们现在已经进入了人工智能增强工作和决策科学的领域——我们称之为‘增强智能’。”“如果你是一名首席信息官，而你所在的组织不使用人工智能，那么你的竞争对手使用人工智能的几率很高，这应该引起关注。”

在接受调查的首席信息官中，AI的部署在过去一年中增加了两倍，比2018年的25%增加了两倍。他们的雇主代表着15万亿美元的收入和公共部门预算，以及2840亿美元的IT支出。高德纳将这种增长归功于人工智能能力的“成熟”，以及它迅速成为数字战略的“不可或缺的一部分”。

这与德勤2018年秋季发布的第二份《企业状况》(State of the Enterprise compdium)一致，42%的高管表示，他们认为人工智能将在两年内变得“至关重要”。同一份报告显示，自然语言处理的增长超过了所有其他类别，62%的公司报告已经采用了它(一年前只有53%)。机器学习以58%的使用率排在第二位(同比增长5%)，计算机视觉和深度学习紧随其后，分别有57%和50%的使用率(比2017年增长16%)。

迈向人工智能的第一步实际行动是在20世纪40年代。188金宝搏下载界面如今，人工智能正处于一个历史性的时刻，原因有六个趋同的因素:

大数据:许多设备使我们能够处理大量的数据，包括结构化的(数据库和电子表格)和非结构化的(如文本、音频、视频和图像)。随着数以万亿计的传感器被部署在电器、包装、服装、自动驾驶汽车等领域，“大数据”只会变得越来越大。通过人工智能辅助处理这些信息，我们可以使用这些数据来发现历史模式，更有效地进行预测，提出更有效的建议等等。

处理能力:云计算和图形处理单元等技术的加速发展，使复杂的人工智能系统通过并行处理处理大量数据变得更便宜、更快。在未来，“深度学习”芯片——当今研究的关键焦点——将进一步推动并行计算。

一个连通的地球:全球制造业供应链和社交媒体平台已经从根本上改变了个人的互动方式，以及他们可以在何时获得什么样的信息。互联互通的增加加速了信息的传播，鼓励了知识的共享，预示着“集体智能”的出现，包括开发人工智能工具和共享应用程序的开源社区。

开源软件和数据:开源软件和数据正在加速人工智能的民主化和使用，这可以从开源机器学习标准和平台的普及中看出。开源的方法意味着在常规编码、行业标准化上花费的时间更少，以及新兴AI工具的更广泛应用。

改进的算法:研究人员在人工智能的几个方面取得了进展，特别是在“深度学习”方面，这涉及到多层神经网络，其设计方式受到人类大脑处理信息方法的启发。另一个新兴的研究领域是“深度强化”，即AI代理在很少或没有初始输入数据的情况下，通过奖励函数优化的试错来学习。

人工智能算法的研究进展迅速，特别是在大数据与统计机器学习算法相结合之后。窄的、任务驱动的AI技术在许多工业应用中已经很重要，现在正与大数据合作，允许在非结构化文本和图像中进行模式识别。随着计算机变得更快，大数据越来越普遍，使用神经网络架构的深度学习的潜力继续增长。

专家们预计，有监督和无监督学习技术将日益融合，这种混合技术将为人机协作学习和人工智能开发更高级的、类人的能力开辟道路。

这些因素的汇集帮助人工智能从在体外(在研究实验室)在活的有机体内(在日常生活中)老牌企业和初创企业现在都可以引领人工智能的进步和应用。事实上，许多人已经在使用注入人工智能的系统，无论他们是否意识到这一点，来浏览城市、网上购物、寻找娱乐推荐、过滤不需要的邮件或分享上班的旅程。

AI的定义和关注范围也在扩大，现在包括:

自动化智能重复的，需要智能的劳动密集型任务，并自动完成它们的系统。电阻焊就是一个例子。电阻焊接过去是空气或液压驱动的，传感器告诉机器人挤压到给定的压力并激发电流。根据FANUC北美公司的数据，结果是平均30%的过度焊接。

有了豪华的研发实验室，带来了机器人、直线电机、CNC控制、传感器和工业应用经验的新兴研究，其中最新的成果之一是FANUC所谓的学习振动控制。

结合相机和软件，配备了LVC包的“gakushu”(研究/学习)机器人可以实时自动调整夹具或其他条件下的精细变量，并在点焊过程中调整其运动，可提高15%的周期时间，所有的质量检查都导致手动无法达到的公差。

辅助情报该系统可以审查和揭示历史数据(如非结构化的社交媒体帖子)中的模式，并利用收集到的信息帮助人们更快、更好地执行任务。例如，深度学习、自然语言处理和异常检测等技术可以发现飓风和其他主要天气事件的领先指标。

增强情报利用人工智能帮助人们理解和预测不确定的未来的系统。例如，支持人工智能的管理模拟器可以帮助检查涉及气候政策和温室气体排放的情景。

自主的情报无需人工干预就能自动决策的系统。例如，系统可以识别家庭供暖的高需求和高成本模式，自动调整使用，为房主节省资金。

“Gakushu”(学习/学习)机器人配备了用于振动控制的机器学习，可以实时调整夹具或其他条件下的细微变量，并调整其运动，可在点焊中提高15%的周期时间。

算法智能/智能设备
也许最接近我们在运动控制设备和应用中定义和讨论AI的尝试，微软AI业务开发总经理Rashmi Misra博士在2018年11月的MCMA TechCon主题演讲中将算法智能添加到AI定义列表中。

米斯拉指出，人工智能发展的亮点包括艾伦·图灵在1950年著名的图灵测试，约翰·麦卡锡在1956年创造的术语“人工智能”，以及1971-1974年的第一个“人工智能冬天”，当时DARPA削减了所有人工智能资金。188金宝搏下载界面最近的人工智能成就包括IBM的“深蓝”在1997年击败国际象棋大师加里·卡斯帕罗夫，IBM的“沃森”在2011年击败肯·詹宁斯，谷歌的“深度思维”击败9^th去2017年的冠军吧。

微软的人工智能领导团队中有120多万开发人员在使用该公司的在线认知服务。一位公司发言人表示:“仅去年一年，我们发布的人工智能研究论文就比其他任何机构都多。”Misra博士将人工智能描述为正在进行的从物理生产资产和系统到数字智能产品和互联企业的工业转型中不可或缺的一部分。人工智能支持的分析是数字反馈循环的核心，获取运营数据、产品遥测、员工和客户反馈，并提供更高效的运营、更好的产品、更高效的员工和更深层次的客户关系。她表示:“现代制造商正在拥抱以客户为中心的理念，加快创新，变得更加敏捷。”

2018年6月，微软宣布收购位于加州伯克利的Bonsai。该公司正在构建一个通用的深度强化学习平台，特别适用于利用工业控制系统的企业，如机器人、能源、暖通空调、制造和自主系统等。这包括独特的机器教学创新、自动化模型生成和管理，以及对领先模拟的预构建支持。利用Bonsai的人工智能平台和机器教学，来自西门子的专业专家训练了一个人工智能模型，使其自动校准计算机数控(CNC)机床的速度比传统方法快30倍。这代表着工业人工智能的一个巨大里程碑，当考虑到整个更广泛的领域时，其影响是令人震惊的。

更好的决策需要更多的信息
当谈到智能体控设备时，Elmo Motion Control公司的区域销售工程师唐•鲍恩(Don Baughan)也采用了这种绝对真实的方法。“我们都在为那些竭尽全力工作的人工作他们的客户。对于智能设备来说，了解它们能用它做什么比它如何工作更重要。”

在部件层面，鲍恩认为人工智能能够检测和影响设备受力时的变化——为客户的给定系统提供更大的扭矩、更大的电流和更多的反馈。

控制工程是一个重要因素。在最基本的层面上，存在当前模式，或如鲍恩所定义的“哑巴蛮力”。它将给定的输入电流转换为给定的转矩水平。下一个层次是速度模式，它可以检测物体在多轴三维空间中的位置，并识别运动学运动，以确定这些物体相对于应用程序的位置。

最高的控制级别是位置模式。Baughan补充道:“在实现类似人工智能的功能方面，这一技术的性能将成倍提高——电机和驱动器可以对上层控制做出响应，并实时检测和响应变化。”

他继续补充道，就AI而言，运动控制是橡胶与道路的结合。“你可以谈论网络、协议和算法，但它们都是1和0。运动控制必须实时进行。在一天结束的时候，有些事情必须得到控制。”

Tolomatic营销和产品管理总监亚伦•迪特里希(Aaron Dietrich)在最近的一次采访中提到了人工智能。188金宝搏下载界面他说:“Tolomatic继续投资于领先的电动执行器技术，包括集成伺服电机、集成驱动/控制、扩展力能力和工程工具。”“我相信一个关键的新兴技术是业界所说的‘机器学习’或人工智能。188金宝搏下载界面机器变得越来越智能，越来越能在没有人干预的情况下做出决定。这方面的例子已经出现在市场上，用于各种任务的自动机器人/车辆的爆炸式增长，从家务、无人驾驶汽车到军事应用，等等。随着这一趋势的持续，它将推动所有不同类型的组件和自动化技术的自动化增长进一步爆发。”

然而，迪特里希补充说，设备的“智能”并不一定是驱动器或伺服电机的功能。“我们可以制造驱动器并添加传感器，但这并不一定是人工智能，”他说。188金宝搏下载界面因此，自动化技术仍然需要包括IP，即允许DSP(数字信号处理器)“说话”I/O(输入/输出)的算法。现在，传感器输入可以将更多的变量输入到驱动器或电机，并形成一个更“智能”的系统，因为设备有能力根据条件调整其状态。

活在真实的世界里
欧姆龙自动化中心(Omron’s Automation Center Americas)主管迈克•陈(Mike Chen)也认为，人们正在对AI方法进行运动控制产生兴趣，但他明确指出，这必须发生在现实世界中。“无论是人还是技术做出的决定，都必须基于现实世界的实时数据，收集、分析和利用数据，以及所有与智力、伦理和通常与安全相关的影响。”

这种方法使AI成为IT(信息技术)和OT(操作技术)之间的有效桥梁，利用设备智能利用人力资产(制造工程师、操作员、质量和维护人员)的智能。他说:“我们越能决定如何处理数据，就越能相信技术能做出的决定，整个过程就越稳健。”

例如，欧姆龙(Omron)的Sysmac AI控制器等设备能够识别异常的机器行为，而无需明确表示

处理大数据、提供更高的处理能力和增强的网络安全等趋同因素都体现在新兴的控制器包中。

按程序这样做。由于在一起观察时可能有许多不同的因素和度量来指示问题，自动化特征提取过程可以节省大量的时间和资源。在生产过程中利用机器学习的结果是确保节约成本的关键。

这将有优化个别生产过程的效果。陈把这比作两个人拥有来自同一制造商和同一批次的相同汽车。他解释说:“你可以拥有同样的车辆，我保证你不会有同样的维修时间表。”“现在，汽车维修是基于对实际使用情况的分析，而不仅仅是时间持续时间。基于真实使用数据的人工智能制造也同样如此，以延长机械设备的寿命。”

一些控制器还能够通过使用自己的CPU和功能块来解决网络安全问题，不需要互联网连接或云计算。数据收集和分析在与控制程序相同的硬件中执行，提高了数据处理速度和准确性。

收集、分析和连接
Performance Motion Devices首席执行官Chuck Lewin认为，运动控制领域的人工智能需要三个要素:数据收集、数据分析和连接。

数据收集被证明是行业向基于软件的运动控制器迁移的自然结果，他说。电机控制器，在伺服速率10千赫或更多的速度下运行，连续测量和调整电机驱动。因此，将伺服误差、驱动输出、平均能量等有用数据记录到内存中是一件很简单的事情。事实上，在如此高的伺服速率下，挑战是没有足够的数据来收集，挑战是处理数据，以便将其存储在合理的内存空间中。”

人工智能辅助设备可以自动收集、分析和传输数据，提高效率，使人力资源更加有效。

接下来是数据分析。这里的分析不应该被认为是绝对的一次性结果，而是机器行为的变化。“预测一个旋转轴承可能在未来失效，需要知道该轴承的基线行为，然后不时将其与观察到的行为进行比较。有许多数学技巧可以应用于分析任务。一个简短的总结包括基于频率的数学，如FFT(快速傅里叶变换)，各种类型的观察者，甚至简单的平均和长期趋势。”

连通性是基于人工智能的运动控制所需要的最后一个元素，而相对较新的工业物联网(IIoT)方案则是真正点燃火焰的燃料，Lewin继续说道。连通性意味着数据收集和分析的结果可以报告给工厂主管和机器制造商。同样重要的是，连通性意味着可以对现场运行的机器进行比较。“我们称之为元数据分析——不仅仅是对一台机器自身过去行为的分析，而是对多台机器的分析，从而帮助识别组件供应商、生产过程和测试过程的模式。”

更好的内容，更好的知识
有了这三个要素，数据收集、数据分析和连接，甚至开始出现在单轴电机控制器等基本产品中，一扇门打开了，最终将运动控制供应商的重点从晶体管转移到内容。过去关注的焦点是放大器和算法效率，而现在这些特性已经被假设为控制供应商之间的区别因素将是其基于人工智能的内容的质量——也就是说，软件和专门的人工智能硬件，在控制电机的工作中解释电机控制器收集的数据。