近年來，自動化技術的進步催生了一系列有趣又很有應用前景的創(chuàng)新技術。機器學習（Meachine Learning ）是其中極具特色也是最具前景的技術之一，倍?，F(xiàn)已將這項技術通過 TwinCAT 3 無縫集成到控制系統(tǒng)中，實現(xiàn)數(shù)據(jù)科學和設備制造這兩大領域的完美融合，形成巨大的協(xié)同效應，發(fā)掘機械優(yōu)化新潛力。

*圖片來源于網(wǎng)絡

機器學習的基本概念是不再遵循為特定任務設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)中學習所需的算法。通過這種替代方法來訓練強大的機器學習模型，以提供更高級或性能更佳的解決方案。在自動化技術方面，這樣可以為許多領域開辟新的可能性和優(yōu)化潛力，包括預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。

集成機器學習將給機器人技術、算法優(yōu)化、異常檢測、模型預測控制及其它應用帶來極大的益處。現(xiàn)如今，很多制造系統(tǒng)已經(jīng)采集了大量可用于機器學習的數(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)，就可以直接應用包括 TensorFlow、PyTorch 和 MATLAB? 在內(nèi)的機器學習框架。

倍福最新推出用于傳統(tǒng)機器學習算法的 TwinCAT 3 Machine Learning Inference Engine， 以及用于深度學習和神經(jīng)網(wǎng)絡的 TwinCAT 3 Neural Network Inference Engine。這兩款軟件產(chǎn)品為自動化專家和設備制造商們提供一種可將訓練好的機器學習模型的執(zhí)行集成到其系統(tǒng)中的行業(yè)解決方案。

通過與控制技術的無縫集成，TwinCAT 3 支持多核系統(tǒng)的特點也可用于機器學習應用。這意味著，不同的任務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)。這使得機器學習解決方案可以使用大量數(shù)據(jù)，例如，用于復雜的傳感器數(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。