神经处理器在工业4.0中的应用

最新推荐文章于 2025-12-05 14:52:47 发布

原创最新推荐文章于 2025-12-05 14:52:47 发布 · 917 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#神经处理器 #工业4.0 #软件开发 #NP Studio #自动化

工业4.0神经处理器工业自动化系统软件开发

1. 引言

目前，信息物理系统正在生产中逐步引入，这意味着工业4.0[1]的到来。向工业4.0过渡的一些特征如下：处理大数据，这需要高效运行的软硬件；转向物联网；使用自主机器人装置，这也需要高速和节能计算设备以及专用软件。

为了实现工业生产的高效运行，神经处理器系统正被越来越多地应用。它们可用于以下过程 [2‐4]：

图像分类。在这种情况下，任务是指出由图像表示的输入图像（对象）属于一个或多个预定义对象类别；
聚类。聚类算法基于图像相似性，将许多相似的图像放入同一簇中。该过程无需神经网络预训练，且问题可在实时条件下解决；
函数逼近。函数逼近的任务是寻找被噪声干扰的未知函数的估计；
函数外推，实现对未来时间点情况的预测；
优化。该任务是寻找满足约束系统的解，并最大化或最小化目标函数。这主要是应用于生产的线性规划任务；
模糊情况下的管理。

然而，目前存在一些问题，阻碍了更积极地使用用于自动化某些生产过程的神经处理器设备。其中一个问题是，针对计算技术中神经处理器这一较窄领域的软件数量较少。

研究目的是为工业生产的神经处理器自动化系统的创建、运行和优化开发高效软件。

2. 工业4.0自动化任务

神经处理器系统可用于完成以下任务 [5‐7] 的情况：

模拟人工神经网络；
操作以神经网络逻辑为基础表示。

我们将考虑一些此类任务的示例：

控制与诊断任务

随着工艺过程自动化程度的不断提高，对自动化系统在可靠性、安全性、精确性和速度方面的要求也随之增加，这反过来提升了监控与诊断的重要性。由于技术状况复杂，经典数学方法有时显得不够精确，因此诊断设备的开发者会采用新技术，其中除数字数据处理方法外，人工智能方法占据了重要地位，如专家系统、模糊逻辑方法、进化建模、聚类分析和人工神经网络。

轧制生产

使用神经处理器设备不仅可以改进轧制过程建模，还能提升控制过程自适应能力。通过这些设备，可实现对轧制产品几何尺寸的控制、轧机机构电力驱动动态运行模式优化、切削参数控制等操作。

移动物体识别系统

该问题包括从移动物体读取信息，包括那些没有自主电源的物体。该任务转化为从图像中进行字符识别（号码、注册地点、上次检查日期、车辆生成的信息等）。

3. 工业4.0自动化神经处理器并行系统工作软件

为了实现神经处理器系统的软件开发，开发了NP Studio软件平台。编程语言选择了C#，因其具有强大的稳定性、硬件独立性、操作系统独立性、能够创建现代界面以及高水平的代码优化能力。开发环境选用微软开发的Visual Studio 2012 [8]。

初始代码包含约17万行程序代码，分布在204个模块中。已开发了2个外部动态链接库：NeuroProc，包含NM640x系列神经处理器功能模型的类；Config，包含系统的配置设置以及对真实处理器（仿真器）的访问功能。

该系统的界面类似于 Microsoft Visual Studio 2012 的界面，为多文档界面，由 3 个部分组成：

导航区域（用于在模块实例之间切换）；
系统消息和输出区域（用于显示程序运行时的系统消息以及外部程序的输出数据）；
工作区（用于表示模块实例）。

该程序系统可用于：

神经处理器和/或神经处理器系统的建模；
针对给定程序，分析神经处理器系统及单独处理器模块的效能；
组织信息处理，并对包含大量神经基础指令的程序进行优化；
神经处理器系统的结构设计；
元件基础选择；
神经汇编语言程序代码的并行化；
访问神经处理器；
神经处理器系统的可视化编程；
神经汇编语言程序开发；
神经汇编语言编写程序的调试；
神经处理器程序开发协助；
学习神经汇编语言。

让我们探讨“NP Studio”软件平台在组织用于工业生产的神经处理器自动化系统方面的功能。

启动程序时，系统会提示您输入项目名称，在设置中可以指定多处理器系统所基于的设备型号。目前可选择以下设备：NM6403、NM6404、NM6405、NM6406、NM6403、NM6405处理器的仿真器、仪器板MC 4.31、MC 53.01、MB 77.07。

为了创建和编辑C++及神经汇编器的源文件，实现了两个子系统：“神经汇编语言文本编辑器”和“C++语言文本编辑器”。对于初始数据输入以及人工神经网络典型拓扑结构的神经汇编代码生成，开发了INS Designer子系统。为消除编程错误并实现更高效的组织计算在NPC中，通过使用现成的子程序模板来组织代码，实现了可视化编程子系统。神经处理器中信息处理组织的有效性分析和软件建模在“NPVM中的计算组织”子系统中实现。该子系统允许在不运行真实处理器的情况下，分析神经处理器执行指令时的信息处理组织情况。为了选择并图形化表示神经处理器系统的结构，实现了“多处理器系统设计者”子系统。为实现对神经处理器系统中信息处理组织有效性的分析，开发了“NSAID中的计算组织”子系统。该分析的初始数据包括：程序的源代码、附加的C++代码（可选）以及系统架构。为实现考虑多个准则的优化机制，开发了“NWPC的多准则优化”子系统。

其中一个最重要的子系统是用于在真实神经处理器上运行程序代码的“输入输出系统”。与处理器相关的功能包括：

主机部分（计算机）的功能：显示通信库版本；设置等待时间；获取可用模块数量；获取设备的rip‐desk；句柄描述符；重启设备；加载初始化代码；获取处理器访问描述符；确定设备状态；发送中断到处理器；关闭访问描述符；程序加载与执行；与nm进程同步（数组）；与nm进程同步（标量）；内存写入；内存读取；设备重启与初始化；
NM部分（处理器）的功能：确定处理器编号；与主机进程同步（数组）；与主机进程同步（标量）。

4. 所开发软件的应用

例如，控制“智能”机电设备（在此情况下为六足机器人）的任务可以视为[10]。对动态对象的管理任务包含运行与非运行两种模式，这是由于需要在实时条件下高速处理大量信息。在实时条件下应解决两个主要任务：控制量计算和微分方程组积分。将微分方程组简化为向量矩阵形式的代数方程组，便于通过专用计算设备中的数字计算手段实现，其处理器单元需能够同时对多个操作数执行乘加运算。因此，为了实现数学、算法与软件，决定采用具有多项优势的专用硬件平台——神经处理器系统，这些优势包括并行处理速度快、“累加运算”功能的存在以及高能效。作为示例，选用了Scientific and Technical Center Modul（俄罗斯，莫斯科）生产的NeuroMatrix 640x系列处理器，即NeuroProc神经处理器。

算法支持和软件开发的初始数据如下：