前言

最近的GPT4有多火這里不需要贅述了。微軟，蘋果，baidu等各巨頭紛紛跟進。這個賽道最近是各種資本涌入，猶如PC互聯(lián)網(wǎng)轉(zhuǎn)型到移動互聯(lián)網(wǎng)時的爆發(fā)。

乍一看，AI基本都是互聯(lián)網(wǎng)，云計算的范疇，和電機，和智能制造有關(guān)系嗎？有必要花精力在上面嗎？

筆者仔細關(guān)注了各個巨頭的動向，發(fā)現(xiàn)新能源相關(guān)的半導(dǎo)體巨頭早就入局了！?

這樣的操作有人在實踐嗎？? ? ?

MATLAB針對電機和AI的應(yīng)用，主要是預(yù)測性維護的探索。比如電機壽命預(yù)測，電機故障診斷和維護等。

在電機出現(xiàn)故障或者異常工作狀態(tài)前，提前預(yù)測出這種現(xiàn)象，通過預(yù)判提前采取措施，防患于未然。

再比如使用了強化學(xué)習(xí)的PMSM磁場定向控制：

具體可以參考強化學(xué)習(xí)的工具箱。

2021年6月的新聞，英飛凌在工業(yè)級和消費級MCU PSoC6中集成了深度學(xué)習(xí)的功能。

ModusToolbox ML為開發(fā)人員提供豐富的工具包，方便地集成到AIOT人工智能互聯(lián)網(wǎng)中。以電動汽車為例，未來的智能物聯(lián)網(wǎng)，車將是重要的組成部分，作為AIOT的重要一環(huán)，其智能化程度將在現(xiàn)在的基礎(chǔ)上以指數(shù)級速度迭代。

ModusToolbox彌合了機器學(xué)習(xí)與嵌入式系統(tǒng)設(shè)計之間的一個重要缺口，它提供的靈活的工具和模塊庫可支持在英飛凌超低功耗微控制器上輕松地優(yōu)化、驗證和部署常用軟件訓(xùn)練框架的深度學(xué)習(xí)模型?！?/p>

在2022年6月，MCU巨頭ST發(fā)布了含有機器學(xué)習(xí)內(nèi)核的車規(guī)級慣性測量單元。

ML內(nèi)核是一個用電路連接的硬連線處理引擎，能直接在傳感器上運行 AI 算法，確保從感測事件到車輛響應(yīng)的時間延遲很短，可以實現(xiàn)復(fù)雜的實時性能，而對系統(tǒng)功耗和算力的要求遠低于嵌入在應(yīng)用處理器或基于云的人工智能解決方案。

日本巨頭橫河電機在2月份推出了自主AI服務(wù)產(chǎn)品。

2022年3月，橫河電機和JSR公司的彈性體業(yè)務(wù)部門（現(xiàn)歸ENEOS Materials公司所有）成功完成了一項為期35天的現(xiàn)場測試。在該測試中，AI用于自主控制化工廠中的設(shè)施，該設(shè)施無法使用現(xiàn)有控制方法進行控制，并且需要根據(jù)工廠人員的判斷手動操作控制閥。這開創(chuàng)了世界先河。借助橫河電機今天宣布的新服務(wù)，客戶可以使用FKDPP算法創(chuàng)建AI控制模型，并將其安裝在邊緣控制器上。該服務(wù)具有以下特點和優(yōu)點：

特點

由于簡化了AI模型創(chuàng)建過程，即使非AI專家也可以創(chuàng)建自主控制AI模型，并將其安裝在e-RT3邊緣控制器上；

其他設(shè)施仍在運行時，也可以對安裝了自主控制AI的邊緣控制器進行改造；

它支持短至0.01秒的控制周期，特別適合需要快速響應(yīng)的設(shè)備控制應(yīng)用。

優(yōu)點

在只能進行手動控制的情況下實現(xiàn)自主控制；

抑制過沖；

顯著縮短整定時 ；

能夠在相互沖突的要求之間實現(xiàn)適當(dāng)?shù)钠胶狻?/p>

與自動調(diào)諧PID控制相比，該解決方案能夠抑制過沖，并將整定時間縮短約65%——自動調(diào)諧PID控制器需要約30分鐘整定時間，而自主AI控制需要約10分鐘。

筆者經(jīng)常和同行交流，電機行業(yè)的技術(shù)迭代相對較慢。但是在新趨勢來臨之時，我們要跳出傳統(tǒng)的視角，多接觸，多感受。也許，我們會錯過這個風(fēng)口！GPT4就是最近爆火的技術(shù)革命！

不要怕被AI取代，而是感受它，了解它，為我所用！

這樣的案例很新鮮嗎？

上面談到了人工智能時代的來臨，AI已經(jīng)成為不可逆轉(zhuǎn)的大趨勢！

審核編輯：劉清