西门子将神经网络添加到SimaticS7-1500控制器

寂静回声

神经网络是一种模仿人类大脑的技术，它能够识别各种复杂的模式，考虑到这一点，西门子表示，将人工智能通过神经网络添加到传统的控制程序中，系统的功能就可以根据产品本身或生产过程的参数进行扩展，让机器自然变得自然而又灵活。

去年，在德国纽伦堡举行的SPS/IPC/Drives展会上，西门子宣布了一个模块，该模块将把人工智能功能集成到公司的SimaticS7-1500控制器和公司的ET200MPI/O系统中。今年，在拉斯维加斯举行的pack博览会上，西门子在美国推出了这项服务，为未来的投资组合奠定基础。

该投资组合将使人工智能能够跨越siemenstointegratedAutomation(TIA)体系结构的所有级别，这是一个将所有东西无缝地连接在一起的，硬件和软件的组合。TIA的目标是——将人工智能应用于从西门子的Mind Sphere(基于云计算的物联网(IoT)操作平台)到工业前沿，甚至控制器和现场设备的各种程序中。


随着SimaticS7-1500控制器的S7-1500TM NPU(神经处理单元)模块和ET200MPI/O系统的发布，西门子将人工智能直接带到了控制器中。该公司表示，S7-1500TM NPU模块适用于在机器现场，以及任何需要可靠、快速、确定性决策的地方使用——因为它能够通过培训将人类的专业知识转移到机器上。

S7-1500TMNPU模块使用SD卡上经过训练的神经系统进行操作，用户可以将千兆以太网和USB3.1兼容的传感器(如摄像头和麦克风)连接到模块的集成接口，通过背板总线传输的CPU数据，在CPU程序中评估处理结果。

西门子工厂自动化数字化专家科尔姆•加文，在PACKEXPO的新闻发布会上说：“有了人工智能的帮助，我们可以通过训练、识别和调整，使机器更加灵活，再也不需要给机器人编程——因为人工智能会帮助它处理传送带上任意形状和位置的不合格产品。”





延伸阅读

什么是神经网络

神经网络是机器学习中的一种模型，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

一般来说，神经网络的架构可以分为三类：

前馈神经网络：

这是实际应用中最常见的神经网络类型。第一层是输入，最后一层是输出。如果有多个隐藏层，我们称之为“深度”神经网络。他们计算出一系列改变样本相似性的变换。各层神经元的活动是前一层活动的非线性函数。

循环网络：

循环网络在他们的连接图中定向了循环，这意味着你可以按照箭头回到你开始的地方。他们可以有复杂的动态，使其很难训练。他们更具有生物真实性。

循环网络的目的是用来处理序列数据。在传统的神经网络模型中，是从输入层到隐含层再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。但是这种普通的神经网络对于很多问题却无能为力。例如，你要预测句子的下一个单词是什么，一般需要用到前面的单词，因为一个句子中前后单词并不是独立的。

循环神经网路，即一个序列当前的输出与前面的输出也有关。具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中，即隐藏层之间的节点不再无连接而是有连接的，并且隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出。