Yn ddiweddar, cyhoeddodd y Comisiwn Datblygu a Diwygio Cenedlaethol a'r Weinyddiaeth Ynni Genedlaethol farn weithredu ar y cyd ar hyrwyddo datblygiad ansawdd uchel ynni "deallusrwydd artiffisial +". Soniodd y farn yn benodol am un pwynt: gwerthusiad statws offer pŵer a gweithrediad a chynnal a chadw deallus. Adeiladu cymwysiadau megis canfyddiad deallus a rhybudd o statws offer, lleoli deallus a diagnosis o ddiffygion offer, gwneud penderfyniadau deallus ar gyfer cynnal a chadw statws offer, rhagfynegiad deallus o risgiau trychineb offer, a chynhyrchu tocynnau gwaith cynnal a chadw deallus i wella lefel rheolaeth darbodus o offer.
Yn y diwydiant ffotofoltäig solar, mae AI yn datblygu'n dawel.
Yn y blynyddoedd diwethaf, mae ynni'r haul wedi datblygu'n gyflym. Yn 2024, bydd y gallu gosodedig byd-eang o ffotofoltäig yn cyrraedd y lefel uchaf erioed o 597 gigawat, sef cynnydd o 33% o 449 gigawat yn 2023. Bydd y twf hwn yn arwain at gapasiti solar gosodedig byd-eang sy'n fwy na 2.2 terawat, o'i gymharu â thua 1.6 terawat erbyn diwedd 2020% Bydd cynhwysedd gosod solar Solar yn cynyddu gan Ewrop 2022. 655 gigawat erbyn 2025. Ar hyn o bryd, mae ynni solar yn cyfrif am tua 6.9% o gyflenwad trydan byd-eang, i fyny o tua 5.6% yn 2023. Er gwaethaf twf cyflym a photensial enfawr ynni solar, mae llawer o gwmnïau, sefydliadau a diwydiannau yn dal i fod yn anfodlon ei fabwysiadu'n llawn oherwydd cyfyngiadau allbwn ac effeithlonrwydd ysbeidiol.
Mae amrywiol ffactorau yn dylanwadu ar berfformiad paneli solar, gan gynnwys newid yn y tywydd, dwyster golau haul amrywiol, a gallu'r system i reoli trosglwyddiad pŵer. Os na chaiff y trydan a gynhyrchir ei reoleiddio'n iawn, gall arwain at wastraff ynni, effeithlonrwydd isel, neu gyflenwad pŵer annibynadwy - bryderon na all defnyddwyr a busnesau sy'n dibynnu ar ynni sefydlog fforddio. Yn yr achos hwn, mae tiwnio'r cylch dyletswydd (hy cymhareb amser i ffwrdd ac amser rhydd y panel solar) yn hanfodol ar gyfer gwneud y mwyaf o ynni'r system paneli solar.
Ar y llaw arall, mae dysgu peirianyddol (ML) a deallusrwydd artiffisial ymylol (Edge AI) yn newid effeithlonrwydd diwydiannau amrywiol yn sylfaenol trwy alluogi gwneud penderfyniadau callach sy'n cael eu gyrru gan ddata. Er enghraifft, ym maes ynni adnewyddadwy, mae dysgu peiriannau yn gwneud y gorau o berfformiad paneli solar trwy ddadansoddi amodau amgylcheddol, rhagweld allbwn ynni, a gweithredu gwaith cynnal a chadw rhagfynegol i leihau amser segur. Yn ogystal ag ynni solar, gall dysgu peiriannau hefyd wella effeithlonrwydd gweithgynhyrchu trwy gynnal a chadw rhagfynegol ac awtomeiddio prosesau, lleihau gwastraff ynni mewn gridiau smart trwy ragweld llwyth amser real, a gwella cynhyrchiant amaethyddol trwy gefnogi technolegau amaethyddiaeth manwl gywir. Yn yr achosion defnydd amrywiol hyn, mae dysgu peirianyddol yn ysgogi gwelliant parhaus trwy drawsnewid data cymhleth yn fewnwelediadau gweithredadwy, gan arbed amser yn y pen draw, lleihau costau, a gwella cynaliadwyedd. Mewn ymateb i'r duedd hon, mae gwneuthurwyr rheolyddion amrywiol wedi integreiddio technoleg AI i MCU / MPU i gwrdd â gofynion newydd y diwydiant gwrthdröydd ffotofoltäig.
Infineon
Defnyddiodd tîm HTEC brosesydd PSoC Edge Infineon i ymchwilio i sut i ddefnyddio rhwydweithiau niwral dwfn (DNNs) i ragweld y cylch dyletswydd gorau posibl o drawsnewidwyr DC{0}}DC, gan ganolbwyntio ar nodi'r nodweddion mewnbwn mwyaf perthnasol i wella perfformiad a dibynadwyedd.
Mae llawer o'r dulliau hyn yn dibynnu ar ddata mesur megis arbelydru solar a thymheredd amgylchynol, gan fod y paramedrau hyn yn perthyn yn agos i allbwn pŵer paneli solar. Fodd bynnag, mae integreiddio synwyryddion arbelydru hefyd yn dod â rhai anfanteision, gan gynnwys costau ychwanegol a'r risg o fesuriadau anghywir oherwydd ffactorau megis cronni llwch neu wahaniaethau lleoliad synhwyrydd. Er mwyn mynd i'r afael â'r mater hwn, mae rhai ymchwilwyr wedi cynnig amcangyfrif anuniongyrchol o werthoedd arbelydru isgoch, ond mae hyn yn cynyddu cymhlethdod modelu a gall gyflwyno ffynonellau gwall a allai ledaenu trwy algorithmau MPPT.
Yn ogystal, mae dulliau synhwyrydd di-synwyr neu isel wedi'u cynnig, sy'n defnyddio data mesur foltedd a chyfredol a ddarperir yn uniongyrchol gan baneli solar yn unig. Mae'r signalau mewnol hyn yn hawdd eu cyrchu, yn eu hanfod wedi'u cydamseru ag amodau gweithredu'r panel solar, ac maent yn osgoi llawer o faterion cymhleth sy'n ymwneud â synhwyro arbelydru.
Mae'r meddalwedd ar gyfer gweithredu'r algorithm tracio pwynt pŵer uchaf (MPPT) yn seiliedig ar ddeallusrwydd artiffisial wedi'i ddefnyddio ar lwyfan caledwedd wedi'i deilwra a ddatblygwyd gan HTEC. Mae'r platfform yn cysylltu allbwn y panel solar yn ddiogel â thrawsnewidydd DC-DC ac yn cynnwys yr holl gydrannau synhwyro angenrheidiol ar gyfer monitro foltedd, cerrynt a thymheredd amgylchynol. Mae'r signalau hyn yn fewnbynnau ar gyfer DNN, sy'n cyfrifo'r cylch dyletswydd priodol mewn-amser real. Mae gan y platfform swyddogaeth gyfathrebu Bluetooth hefyd ac mae'n cefnogi swyddogaeth rhyngwyneb peiriant dynol (AEM), a all roi adborth amser real i ddefnyddwyr ar gynhyrchu ynni a statws system. Yn y modd hwn, gall y system reoli cylch dyletswydd troswyr DC-DC tra hefyd yn darparu gwybodaeth y gellir ei defnyddio ar gyfer gwaith cynnal a chadw rhagfynegol.
Modiwl Rheoli Pŵer: Dyrannu pŵer i fodiwlau PSOC Edge a Bluetooth.
Modiwl cyfathrebu Bluetooth: yn trin trosglwyddo data diwifr ar gyfer swyddogaethau AEM.
Modiwl synhwyro: yn mesur -foltedd amser real a cherrynt a gynhyrchir gan baneli solar.
Modiwl prosesydd: Modiwl Lefel System Ymyl PSOC (SOM): sy'n cyflawni'r holl dasgau cyfrifiadurol, gan gynnwys casgliad AI a rhesymeg rheoli.
Mae microreolydd Arm Cortex cyfres PSOC Edge E84 yn MCU perfformiad uchel, pŵer isel a diogel sydd â chyflymiad ML. Mae'n seiliedig ar y craidd M55 perfformiad uchel, mae'n cefnogi Helium DSP, ac mae wedi'i baru â'r Arm Ethos-U55 NPU a-cortecs pŵer isel-craidd M33. Fe'i defnyddir ar y cyd â llwyfan cyflymu caledwedd NNLite ultra-pŵer isel Infineon. Gall PSOC Edge ddadansoddi data synhwyrydd yn barhaus o fonitro dwyster golau'r haul, tymheredd y panel, ac allbwn pŵer. Mae hyn yn ei alluogi i addasu cyfeiriad paneli solar yn ddeinamig, olrhain MPPT, a gwneud y gorau o weithrediad gwrthdröydd heb yr oedi a achosir gan brosesu cwmwl. Yn ogystal, gall AI ganfod patrymau defnydd ynni a rhagweld galw neu ddigwyddiadau cysgodi, a thrwy hynny optimeiddio ymhellach strategaethau storio a dyrannu ynni. Mae setiau data o ansawdd uchel yn hanfodol ar gyfer datblygu a dilysu datrysiadau tracio pwynt pŵer uchaf sy'n seiliedig ar ddeallusrwydd artiffisial (MPPT). Mae'r erthygl yn defnyddio'r set ddata planhigion pŵer ffotofoltäig arfordirol sydd ar gael i'r cyhoedd gan Brifysgol Talaith Humboldt yn yr Unol Daleithiau, yn dewis data samplu amledd uchel gyda chyfnodau un munud dros dair blynedd, yn efelychu allbwn foltedd a chyfredol paneli ffotofoltäig yn seiliedig ar baramedrau megis arbelydru solar a thymheredd, ac yn cynhyrchu'r cylch dyletswydd sy'n cyfateb i'r pwynt pŵer uchaf fel y label hyfforddi. Ar yr un pryd, mae nodweddion ategol megis newidiadau foltedd a chyfredol yn cael eu tynnu, ac ar ôl prosesu ymlaen llaw fel normaleiddio a thynnu data yn ystod y nos, darperir cefnogaeth ddata ddibynadwy ar gyfer hyfforddiant. Wrth adeiladu modelau AI, mabwysiadir pensaernïaeth perceptron aml-haen (MLP) i fynd i'r afael â diffygion dulliau arsylwi tarfu traddodiadol (P&O), megis cydgyfeiriant araf ac osgiliadau pŵer. Mae perfformiad y model wedi'i optimeiddio trwy ddull dau-gam o hyfforddiant fesul cam a hyfforddiant amser real. Mae hyfforddiant cam wrth gam yn caniatáu i'r model ragfynegi'r paramedrau trydanol gorau posibl yn seiliedig ar werthoedd mesur ar unwaith, tra bod hyfforddiant amser real yn cyflwyno mecanwaith adborth sy'n cymryd y rhagfynegiad blaenorol fel mewnbwn dilynol, yn ei gywiro'n ailadroddol i efelychu senarios go iawn, ac yn y pen draw yn cyflawni cynllun MPPT hwyrni, cadernid uchel sy'n cael ei addasu i osod platfform wedi'i fewnosod, gan wella effeithlonrwydd ynni systemau ffotofoltäig.
Er mwyn defnyddio'r model AI ar blatfform PSOC Edge, mae angen trosi'r model o fformat pwynt 32 did floating-i fformat 8-bit. O ystyried y bensaernïaeth rhwydwaith niwral gymharol gryno a gynlluniwyd ar gyfer tasgau MPPT, defnyddir meintioli model yn bennaf fel techneg optimeiddio, ac ni chymhwysir strategaethau cywasgu mwy datblygedig fel distyllu model, gan nad yw'n gwella'n sylweddol effeithlonrwydd maint y model sydd eisoes yn fach iawn. Mae meintioli modelau yn trosi paramedrau model o gynrychioliadau pwynt arnawf 32-did neu 64-did i fformatau manylder isel fel cyfanrifau 8-did, gan leihau ôl troed cof a gofynion cyfrifiannol y model yn sylweddol, gan ei wneud yn fwy addas ar gyfer defnyddio dyfeisiau ymyl. Ar yr un pryd, trwy ddefnyddio hyfforddiant sy'n ymwybodol o feintoli (QAT) i efelychu amgylcheddau meintioli yn ystod y cyfnod hyfforddi, gellir lliniaru effaith negyddol llai o gywirdeb ar gywirdeb model, a gellir gwella hyd yn oed y gallu cyffredinoli.
Ar ôl i'r optimeiddio model gael ei gwblhau, mae'r algorithm AI yn cael ei ddefnyddio i blatfform Infineon PSOC Edge gan ddefnyddio fframwaith datblygu ModusToolbox. Mae'r fframwaith yn cefnogi defnyddio model meintioli 8-did, a dim ond mewn fformat TensorFlow Lite (TFLite) y mae angen i ddefnyddwyr allforio'r model i'w integreiddio'n ddi-dor i gyflymydd AI y platfform. Gall modelau Keras pwynt arnawf hefyd gael eu defnyddio'n uniongyrchol i drin optimeiddio meintioli o fewn y fframwaith. Bydd y model AI wedi'i drawsnewid yn cael ei drawsnewid i fformat sy'n gydnaws â C, gyda phwysau a pharamedrau'n cael eu storio fel gwerthoedd uint8 i gyd-fynd â phensaernïaeth 8-did y cyflymydd AI, gan gyflawni casgliad cyflymach a defnydd llai o gof. Dengys gwerthusiad perfformiad, er bod gwall rhagfynegiad pŵer y model meintioli wedi cynyddu o 0.0109% i 0.6145%, gostyngodd yr oedi casglu o 3 milieiliad i 0.3 milieiliad, a gostyngodd y defnydd o ynni fesul casgliad o 68.904 microjoule i 2.592 microjoule. Ar ben hynny, mae'r perfformiad ar y PSOC Edge fwy na 23 gwaith yn is na'r hyn sy'n seiliedig ar ddatrysiad Arm Cortex-M4, gyda gostyngiad oedi o fwy na 23 gwaith a gostyngiad yn y defnydd o ynni o fwy na 42 gwaith, gan ddangos yn llawn fanteision defnyddio datrysiadau AI amser real ac effeithlon ar gymhwysiad ymyl MPPT y platfform hwn.
Yn ogystal ag optimeiddio MPPT, mae -mewnwelediadau AI amser real hefyd yn dod â manteision ychwanegol - cynnal a chadw rhagfynegol. Mae tîm HTEC wedi datblygu rhyngwyneb defnyddiwr pwrpasol a all ragweld mewnwelediadau parhaus i berfformiad system yn seiliedig ar fodelau AI. Gellir croesgyfeirio'r rhagfynegiadau hyn â chynhyrchu pŵer gwirioneddol i nodi gwahaniaethau sylweddol a allai gael eu hachosi gan ddirywiad perfformiad cydrannau, gan alluogi rhanddeiliaid i drefnu gwaith cynnal a chadw yn rhagweithiol. Mae HTEC yn nodi y gall gwaith yn y dyfodol archwilio technegau optimeiddio pellach, megis integreiddio mwy o ddata synhwyrydd neu ddefnyddio dulliau cywasgu model uwch, i wella cywirdeb a pherfformiad y system ymhellach. Serch hynny, mae'r dull presennol yn tynnu sylw at botensial MPPT a yrrir gan AI mewn datrysiadau solar wedi'u hymgorffori, gan ddarparu arweiniad ar gyfer rheoli ynni'n fwy effeithlon a chynaliadwy ac arferion cynnal a chadw dyfeisiau ymyl doethach.
STMicroelectroneg
Mae STMicroelectronics wedi lansio datrysiad torrwr cylched fai arc ymyl AI (AFCI) yn seiliedig ar STM32.
Ym maes diogelwch trydanol, mae tanau a achosir gan ddiffygion arc yn cyfrif am hyd at chwarter, ac mae ymddangosiad parhaus senarios cais newydd megis paneli solar, batris pŵer, offer trydan, a beiciau trydan wedi cyflwyno gofynion arloesol uwch ar gyfer technoleg amddiffyn arc. Er y gall algorithmau sy'n seiliedig ar reolau wella diogelwch dyfeisiau trydanol, mae eu gallu i addasu'n amgylcheddol yn gyfyngedig ac mae'r gyfradd camrybudd yn uchel. Mae datrysiadau AI yn y cwmwl, er eu bod yn hynod gywir, yn wynebu risgiau hwyrni a phreifatrwydd.
Yn y cyd-destun hwn, mae datrysiadau ymyl AI wedi dod yn bwynt cydbwysedd delfrydol - nid oes angen cysylltiadau rhwydwaith a phrosesu allanol arnynt, a gallant gwblhau prosesu data yn lleol ar y ddyfais mewn amser real, gan gyflawni canfod ac ymateb arcau ar unwaith tra'n dileu risgiau preifatrwydd a diogelwch. Ar yr un pryd, trwy ddysgu parhaus i addasu i wahanol amgylcheddau, maent yn lleihau cyfraddau camrybudd yn sylweddol ac yn gwella effeithlonrwydd system. Gan ddewis offeryn NanoEdge AI Studio fel y craidd datblygu, gyda'i ryngwyneb defnyddiwr-cyfeillgar a rhwyddineb defnydd, gall hidlo a chynhyrchu'r model gorau posibl yn seiliedig ar ddata defnyddwyr yn awtomatig; Os oes rhwydweithiau niwral sydd wedi'u hyfforddi ymlaen llaw ar gael, gellir defnyddio STM32Cube.AI hefyd ar gyfer optimeiddio cywasgu er mwyn addasu i amgylcheddau sydd wedi'u mewnosod.
Yn y gweithrediad penodol, defnyddir bwrdd AFCI wedi'i addasu gyda STM32G4 fel y craidd fel y cludwr caledwedd. Cesglir tua 1000 o setiau o signalau gweithredu arferol yn gyntaf, ac yna cesglir nifer gyfartal o signalau fai arc. Mae'r ddau fath o ddata yn cael eu mewnforio i brosiect dosbarthu NanoEdge AI Studio, ac mae'r offeryn yn cynhyrchu llyfrgell AI wedi'i addasu yn awtomatig a'i integreiddio i'r cod i gyflawni monitro amser real o larymau sbarduno cyfredol ac arc. Mae'r cynllun hwn yn defnyddio synhwyrydd cerrynt cyfradd samplu 150kHz i brosesu dau fath o ddata (fai arc a dim arc) ar gyfer 2048 × 1 echel, yn y pen draw yn cyflawni cywirdeb canfod 100%, gan feddiannu dim ond 16.7KB RAM a gofod storio Flash 0.5KB.
NXP
Mae technoleg canfod arc cyfres NPU NXP MCX N yn cael ei defnyddio'n helaeth ar sawl achlysur sy'n gofyn am ganfod arc, megis:
System bŵer: a ddefnyddir i fonitro a chanfod diffygion arc yn y system bŵer, a chymryd mesurau amserol i atal ehangu diffygion.
Rheolaeth ddiwydiannol: a ddefnyddir mewn awtomeiddio diwydiannol a systemau rheoli robotiaid i ganfod risgiau arc posibl a sicrhau diogelwch cynhyrchu.
Cartref Clyfar: Mewn systemau cartref craff, fe'i defnyddir i fonitro'r sefyllfa arc yn y gylched a gwella diogelwch defnydd trydan cartref.
Mae NXP wedi lansio meddalwedd canfod arc a datrysiadau caledwedd, yn ogystal â meddalwedd hyfforddi caffael data, a all gyflymu cyflymder datblygu cynhyrchion canfod arc defnyddwyr yn fawr. Mae cyfres MCX N MCU yn integreiddio NPU yn fewnol, a all gyflawni cyflymder casglu blaenllaw o 4.8 Gops yn y diwydiant a chyflymu gweithrediad rhwydweithiau niwral convolutional. Gwella-perfformiad amser real o ganfod namau arc.
Mae'r broses weithredu ar gyfer canfod arc namau seiliedig ar AI yn cynnwys pum cam: caffael data, hyfforddiant data, meintioli modelau, dilysu modelau, a defnyddio, a gellir cwblhau pob un ohonynt trwy'r feddalwedd gyfrifiadurol un stop a ddarperir gan NXP.
Fel y dangosir yn y ffigur isod, mae llwyfan profi yn cael ei adeiladu yn unol â gofynion UL1699B. Mae allbwn ffynhonnell efelychiad PV yn cael ei fewnbynnu i derfynell fewnbwn DC PV yr gwrthdröydd ffotofoltäig ar ôl mynd trwy'r ddyfais cynhyrchu arc. Trwy gysylltu'r trawsnewidyddion mewn cyfres, darganfyddwch y signal AC a gynhyrchir gan yr arc fai. Trwy'r bwrdd caffael, mae gan yr ADC integredig yn MCXN947 ddatrysiad 16 did a gall gefnogi cyfradd samplu o hyd at 2Mbps ar y datrysiad 16 did, gan ei gwneud yn addas iawn ar gyfer caffael signal arc. Mae'r signal yn cael ei samplu gan yr ADC a'i brosesu gan yr MCU.
Tmae'r bwrdd caffael a ddarperir gan NXP ar hyn o bryd yn cefnogi canfod dau signal arc ar yr un pryd, ac mae'r bwrdd caffael wedi'i blygio i mewn i'r bwrdd FRDM-MXN947 fel cerdyn merch.
O ran dyluniad y cylched caffael, mewn ymchwil ddamcaniaethol, trwy ddadansoddi nodweddion parth amlder, canfyddir fel arfer, pan fydd arc fai DC yn digwydd, bydd egni harmonig y cerrynt DC yn yr ystod amlder o 10KHz-100kHz yn cynyddu'n sylweddol. Felly mae'r gylched a ddyluniwyd yn defnyddio hidlydd bandpass i brosesu'r signal mewnbwn. Dangosir nodweddion y band amledd yn y ffigur canlynol:
Ar yr un pryd, wrth gymhwyso dulliau canfod parth amlder, er mwyn osgoi cyplu ac ymyrraeth rhwng band amlder nodweddiadol arcau fai DC a'r band amledd ystumio harmonig a achosir gan hunanreolaeth systemau ffotofoltäig, dewiswyd y band amledd 10kHz-100kHz fel band amlder nodweddiadol arcau fai DC i'w dadansoddi a'u canfod.
Mewn egwyddor, defnyddir FFT ar gyfer cyfrifo harmonig, gan gymryd 2048 o bwyntiau fel segmentau ar gyfer gweithrediad FFT. Mae gan y MCXN947 fodiwl PowerQuad y tu mewn, a all gyflymu gweithrediad FFT. Mae'r canlyniadau a gyfrifwyd yn cael eu meintioli a'u bwydo i'r NPU a gludir gan MCXN947 i'w prosesu. Cael canlyniad terfynol y dosbarthiad. Felly adnabod golygfeydd yn effeithiol ag arcau trydan.
Yn ystod-gweithrediad amser real, mae'r canlyniadau canfod yn cael eu hargraffu drwy'r porth cyfresol. Ar hyn o bryd, pan ganfyddir arc, y radd cyfateb cydnabyddiaeth allbwn yw 99%.
Renesas Electroneg
Mae Fuchang Electronics wedi lansio system canfod namau arc deallusrwydd artiffisial ymyl (AI) gan ddefnyddio RA6M4 MCU Renesas Electronics, a all gyflawni darganfyddiad cyflym ac effeithlon. Mae'r system hon yn addas iawn ar gyfer ynni solar, ynni clyfar, a systemau DC, gan ddarparu monitro diogelwch amser real heb fawr o adnoddau. Mae datrysiad AFCI yn mabwysiadu'r datrysiad AI Plus o'r Future Design Centre (FDC), sy'n integreiddio atebion FDC AI a Realiti AI.
Gyda hyrwyddiad byd-eang NEC, IEC 60364-4-42, a safonau UL 1699B, disgwylir y bydd llwythi blynyddol AFCI yn fwy na 40 miliwn o unedau erbyn 2030. Mae Fuchang Electronics yn defnyddio Renesas RA6M4 MCU a Reality AI Tools ®, Rydym wedi datblygu system derfynell arloesol AI1/00B sy'n defnyddio llai na pherffeithrwydd terfynell AI1 i ganfod llai na pherffaith. 4ms, bron yn dileu larymau ffug a nodi arcau DC ac AC peryglus na all dyfeisiau eraill eu hadnabod.
Prif fantais: Cydnabyddiaeth cyfres amser yn seiliedig ar ddeallusrwydd artiffisial, gyda chefnogaeth Renesas Reality AI
Canfod: Diffygion arc (arcs bach a mawr), ymyrraeth cylched agored a chylch caeedig, a chromliniau cerrynt annormal
Canfod cyflym iawn: amser casglu mor isel â 10-250 milieiliad, gan gynnwys rhagbrosesu a dilysu aml-ffenestr.
Dysgu un clic: Gall y botwm ar y bwrdd helpu i galibro'r bwrdd cylched yn awtomatig yn unol ag amgylchedd dylunio'r cwsmer. Yn gallu copïo data wedi'i raddnodi i fyrddau cylched eraill. Nid oes angen hyfforddiant AI/ML yn y cwmwl
Marchnadoedd a chymwysiadau targed: Gwrthdroyddion solar, torwyr cylchedau, systemau storio ynni batri (BESS), gwrthdroyddion, gwefrwyr DC cerbydau trydan, offer switsh diwydiannol, offer batri pŵer uchel PDU ar gyfer canolfannau data deallusrwydd artiffisial, cerbydau trydan
Mae grŵp cynnyrch microreolydd RA6M4 (MCU) Renesas Electronics yn defnyddio cymorth TrustZone ® Craidd perfformiad uchel Arm Cortex-M33. Pan gaiff ei ddefnyddio ar y cyd â'r Peiriant Crypto Diogel (SCE) o fewn y sglodyn, gall ddarparu swyddogaeth sglodyn diogel. Mae Ethernet MAC integredig gyda DMA pwrpasol yn sicrhau mewnbwn data uchel. Mae'r RA6M4 yn mabwysiadu proses 40nm effeithlon, a ategir gan y cysyniad ecosystem agored a hyblyg o Becyn Ffurfweddu Hyblyg (FSP) yn seiliedig ar FreeRTOS, a gellir ei ymestyn i ddefnyddio systemau gweithredu amser real (RTOS) a nwyddau canol eraill. Mae RA6M4 yn addas ar gyfer anghenion cymwysiadau IoT fel Ethernet, nodweddion diogelwch ar gyfer cymwysiadau yn y dyfodol, RAM wedi'i fewnosod â chynhwysedd mawr, a defnydd pŵer isel (yn rhedeg algorithm CoreMark o gof fflach, mor isel â 99 µ A / MHz).
Offerynnau Texas
Er nad yw cymhwyso AI mewn systemau rheoli amser real megis gyriant modur, ynni solar, a rheoli batri yn aml wedi dal y penawdau fel y modelau iaith mawr newydd, gall cymhwyso AI ymyl wrth ganfod diffygion wella effeithlonrwydd system, diogelwch a chynhyrchiant yn effeithiol.
Gall MCU wella'r gallu i ganfod namau mewn systemau rheoli amser real foltedd uchel. Mae MCUs o'r fath yn defnyddio unedau prosesu rhwydwaith niwral integredig (NPUs) i redeg modelau rhwydwaith niwral convolutional (CNN), a all leihau hwyrni a defnydd pŵer yn effeithiol wrth fonitro diffygion system. Gall integreiddio swyddogaethau AI ymylol i'r un MCU sy'n rheoli rheolaeth amser real helpu i optimeiddio dyluniad system a gwella perfformiad cyffredinol. Yr allwedd i weithrediad dibynadwy mewn systemau gyrru modur a ynni solar yw canfod diffygion cyflym a rhagweladwy, sydd nid yn unig yn lleihau galwadau ffug ond hefyd yn monitro annormaleddau dwyn modur a diffygion gwirioneddol mewn amser real.
Gall MCUs â galluoedd AI ymyl fonitro dau fath o ddiffygion: un yw diffygion dwyn modur. Pan fydd amodau annormal neu ddiraddiad perfformiad yn digwydd mewn Bearings modur, mae canfod diffygion o'r fath yn amserol yn hanfodol ar gyfer atal cau i lawr yn annisgwyl, byrhau amser segur, a lleihau costau cynnal a chadw; Yr ail yw bai arc solar, sy'n cyfeirio at y ffenomen o ollwng arc a achosir gan lwybrau annisgwyl fel cerrynt yn mynd trwy aer. Fe'i hachosir yn aml gan fethiant inswleiddio, cysylltiadau rhydd, a materion eraill mewn systemau ynni solar. Gall y tymheredd uchel a gynhyrchir gan y nam hwn arwain at ddifrod tân neu system drydanol. Felly, mae monitro a chanfod y diffyg hwn yn fodd angenrheidiol i sicrhau gweithrediad diogel a dibynadwy systemau ynni solar.
Mae dulliau canfod namau traddodiadol, megis monitro namau dwyn modur, yn dibynnu ar ganfod arwahanol aml-ddyfais a dadansoddiad ar sail rheol, tra bod canfod namau arc solar yn defnyddio dadansoddiad signal cyfredol parth amlder a dyfarniad trothwy. Mae'r dulliau hyn nid yn unig yn gofyn am wybodaeth broffesiynol ddofn, ond mae ganddynt hefyd addasrwydd a sensitifrwydd cyfyngedig, gan ei gwneud hi'n anodd gwarantu cywirdeb canfod a chymhlethdod cynyddol y system.
Yn seiliedig ar AI ymyl integredig ar gyfer canfod namau, gall defnyddio MCUs amser real fel TMS320F28P550SJ fel cludwyr, rhedeg modelau CNN yn lleol wella cyfraddau canfod namau yn effeithiol, lleihau galwadau diangen, a chyflawni gwaith cynnal a chadw rhagfynegol mwy cywir. Gall y model CNN, gyda'i allu i ddysgu patrymau cymhleth yn annibynnol o ddata synhwyrydd amrwd, dynnu nodweddion yn uniongyrchol o signalau dirgryniad, cerrynt DC, a data arall. Trwy gyfuno gwahanol amodau gweithredu, gwahaniaethau caledwedd, ac algorithmau rhagbrosesu, gellir gwella addasrwydd a dibynadwyedd y model, a gellir lleihau hwyrni canfod. Mewn senarios megis gyriant modur, ynni solar, a rheoli batri, gall modelau CNN nodi dulliau namau yn gywir a chyflawni canfod amser real ac effeithlon mewn amgylcheddau deinamig.
Crynodeb
Mewn sefyllfaoedd cymhwysiad megis gyriant modur ac ynni solar, canfod namau amser real yw conglfaen sicrhau diogelwch gweithredol a-dibynadwyedd hirdymor. Mae Edge AI, gyda'i alluoedd prosesu data amser real lleol, wedi chwyldroi dulliau canfod diffygion, gan wella cywirdeb canfod yn sylweddol a lleihau hwyrni, gan ddarparu cefnogaeth gref ar gyfer gweithrediad system effeithlon a sefydlog.