在Zynq SoC架構(gòu)上利用Python的優(yōu)勢(shì)，為人工智能和信息技術(shù)構(gòu)建設(shè)計(jì)

從工程設(shè)計(jì)、科研、數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、信息技術(shù)到人工智能，Python 開源編程語(yǔ)言已經(jīng)成為各類應(yīng)用中的不成文標(biāo)準(zhǔn)。

當(dāng)在嵌入式應(yīng)用中使用現(xiàn)代片上系統(tǒng) (SoC) 時(shí)，就能夠運(yùn)行 Python 執(zhí)行復(fù)雜的分析算法，其性能接近臺(tái)式機(jī)工作站，但外形尺寸顯著縮小，功耗要求也顯著降低。通過(guò)預(yù)處理從傳感器讀取的數(shù)據(jù)，賽靈思 Zynq 產(chǎn)品系列大幅度提高性能和確定性，同時(shí)降低時(shí)延。

這種被稱為 PYNQ 框架方案，能從應(yīng)用處理器有效卸載不必要占用處理器帶寬的大量重要但重復(fù)的操作。這種卸載功能對(duì)于滿足工業(yè)物聯(lián)網(wǎng)中邊緣應(yīng)用提高的智能需求有重要意義。

嵌入式計(jì)算的新范例

近期的 IEEE 調(diào)查報(bào)告稱 2017 年最流行的兩種編程語(yǔ)言分別是 Python 和 C 語(yǔ)言。在嵌入式計(jì)算領(lǐng)域，C 語(yǔ)言一直以來(lái)都是中堅(jiān)力量。傳統(tǒng)上來(lái)說(shuō)，我們一直將 Python 語(yǔ)言用于網(wǎng)絡(luò)或臺(tái)式機(jī)計(jì)算，而從未用作嵌入式計(jì)算語(yǔ)言；但是這種情況正在發(fā)生改變。（更多詳情，敬請(qǐng)點(diǎn)擊“閱讀原文”，下載白皮書）

圖1 -：同一平臺(tái)的不同抽象水平

在IIoT中搜索機(jī)器學(xué)習(xí)

工業(yè)物聯(lián)網(wǎng)解決方案越來(lái)越多地在邊緣納入嵌入式智能。對(duì)于眾多應(yīng)用而言，這意味著機(jī)器學(xué)習(xí)推斷的實(shí)現(xiàn)。實(shí)現(xiàn)后，ML 算法會(huì)利用其經(jīng)驗(yàn)，根據(jù)一套輸入數(shù)據(jù)得出結(jié)論。在 ML 中，經(jīng)驗(yàn)可通過(guò)名為培訓(xùn)的學(xué)習(xí)過(guò)程來(lái)獲得。ML 應(yīng)用的培訓(xùn)可使用下列兩種方法之一執(zhí)行：(1) 人工監(jiān)督或 (2) 實(shí)現(xiàn)判斷功能。兩種方法都需要將由正反例構(gòu)成的大數(shù)據(jù)集應(yīng)用于 ML 網(wǎng)絡(luò)。在 ML 算法得到充分培訓(xùn)后，就能將其部署在工業(yè)物聯(lián)網(wǎng)邊緣，根據(jù)新輸入和未知輸入進(jìn)行推斷。

PYNQ 框架

賽靈思 Zynq-7000 SoC 包含用來(lái)為現(xiàn)代 SoC 提供不成文標(biāo)準(zhǔn)特性的雙核 Arm Cortex-A9 處理器系統(tǒng) (PS) 和可編程邏輯 (PL)，同時(shí)它還提供獨(dú)特的高度差異化靈活性，支持將關(guān)鍵任務(wù)卸載到PL 。Zynq UltraScale+ MPSoC 和 Zynq UltraScale+ RFSoC 使用四核 Arm Cortex-A53 PS、PL 和其他特定部件型號(hào)的處理塊進(jìn)一步擴(kuò)展這一模型。（更多詳情，敬請(qǐng)點(diǎn)擊“閱讀原文”，下載白皮書）

圖2 -與典型 SoC 相比 Zynq 產(chǎn)品系列的優(yōu)勢(shì)

圖3 -PYNQ 框架中不斷提高的抽象水平

傳感器和測(cè)量系統(tǒng)

傳感器是任何工業(yè)系統(tǒng)，尤其是工業(yè)物聯(lián)網(wǎng)解決方案的關(guān)鍵組成部分。從簡(jiǎn)單的溫度測(cè)量熱電偶，到結(jié)合多個(gè)異構(gòu)傳感器的用來(lái)測(cè)量特定物理量的復(fù)雜傳感器融合，工業(yè)物聯(lián)網(wǎng)解決方案采用多種不同的傳感器模態(tài)。在工業(yè)物聯(lián)網(wǎng)解決方案中實(shí)現(xiàn) ML，有助于開發(fā)人員讓給定傳感器發(fā)揮出最佳性能，同時(shí)提高下列操作的效率。

傳感器診斷

因?yàn)槔匣?，傳感器性能在整個(gè)工作壽命期間會(huì)發(fā)生變化。傳感器在惡劣環(huán)境中使用時(shí)尤其如此，此時(shí)老化會(huì)影響可靠性，并帶來(lái)偏離和偏差問(wèn)題。此外，如果將傳感器用于安全應(yīng)用，傳感器診斷功能同樣極為有用；在此情況下，正確的診斷流程也是安全系統(tǒng)的組成部分。（更多詳情，敬請(qǐng)點(diǎn)擊“閱讀原文”，下載白皮書）

預(yù)測(cè)性維護(hù)案例

用于診斷與安全的滾珠軸承故障檢測(cè)

封裝材料行業(yè)已經(jīng)認(rèn)識(shí)到“全面生產(chǎn)維護(hù)”作為提高設(shè)備可靠性的積極方法體系的重要意義。逐漸發(fā)生的軸承失效是行業(yè)故障最主要的原因之一。因此，盡早地檢測(cè)這些故障對(duì)確保可靠高效的運(yùn)營(yíng)而言至關(guān)重要。單個(gè)包裝機(jī)往往就裝有 8 部以上的電動(dòng)機(jī)和眾多主軸，存在可能導(dǎo)致生產(chǎn)線停運(yùn)的多個(gè)故

障源。

圖4 -故障檢測(cè)與電動(dòng)機(jī)控制