应用场景
案例1:X光轮胎缺陷检测
由于轮胎关乎乘用车辆的安全性,因此,缺陷检测环节在出厂前是一个必须的环节。在过去,通过X光成像后的缺陷标定,都特别依赖于经验丰富的技术人员,效率也比较低。而对于X光的图片而言,由于其背景对缺陷本身的干扰,使得这个检测会变得较为困难。轮胎的缺陷也具有多样性,如内部气泡、钢丝圈的缠绕中的错位、断裂,内部褶皱等,这些缺陷之间也会产生相似性的干扰,这为轮胎缺陷检测带来了复杂性。
如图5所示,轮胎经由X光机采样,提供图像给AI分析系统进行处理。
图5-采用卷积神经网络进行轮胎缺陷检测
通过采用卷积神经网络CNN算法,对来自X光机的图像进行识别,系统将不断对各种缺陷进行类型判定、缺陷位置定位,并将这些学习到的模型部署到本地的品检站数据库。由生产管理系统对其进行相应的处理,并作为依据为前道的生产提供改善参数。
案例2:预测性维护
预测性维护是比较多的场景,过去,专家型系统昂贵是一方面,另外就是场景适用性比较单一。随着AI算力的成本不断下降,使得产业更为关注在更为普遍的关键设备上部署预测性维护系统。
图6-预测性维护架构
图6是贝加莱在相关设备领域提供的机器早期故障预警的系统架构。通过AI的数据分析,可以为机器的长周期稳定运行提供预警。通过预警,实现几个关键的制造过程管控。首先是制定停机和备件计划,而对于OEM而言,它可以提供在出厂前振动分析和运行中设备的过程中预警,并可以返回作为改善设计的依据。
贝加莱未来的AI投资
贝加莱一直在专注于AI与自动化技术的融合,并在其未来的产品技术中,融入AI元素,增强自动化系统解决制造问题的能力。
1.Automation Studio Copilot生成式编程
在即将到来的Automation Studio开发平台中,生成式AI将帮助工程师来提高代码开发的效率。
图7-生成式AI应用于PLC编程
在图7中,我们可以看到,点击“提问”,以语音/文本输入给系统,它会自动去进行代码的编写,并生成代码。Automation Studio Copilot版本中将包含以下AI代码生成:
❶ 采用ST语言生成程序
❷ 注释和代码优化
❸ 提供对开发者问题的生成式响应能力
图8-生成式AI与自动化工程开发
深度学习机器视觉
通过与AI领域的软硬件伙伴合作,在贝加莱的机器视觉中增强了AI处理能力。它集成了基于规则(Rule-based)的图像处理系统中。深度学习网络将提供评估和热图,使用所有基于规则的函数对热图进行详细的分析。
图9-AI集成的机器视觉
贝加莱的机器视觉本身具有集成性,将光源、相机和AI处理集成于一体,可以实现与运动控制、机器人、逻辑任务实现高精度的同步。极高响应的AI视觉可以让处理过程更高精度、更快的响应-这在制造过程中会降低初始的开机废料,以及运行中的品质一致性。
机器人的手-眼标定
在新的机器人集成应用中,贝加莱将集成“eye-hand”的手眼标定技术—这就是让机器人快速去学习人在机器人与机器中心、路径等方面的能力。
图10-机器人的眼-手示教
它将降低机器人在生产变化中的示教时间,减少编程所需的工作,并能够适应快速的生产任务变化。
集成AI能力的伺服驱动器
AI加持伺服驱动器的参数自适应
在机器控制中,伺服电机连接的机械负载在速度、加速度变化,以及负载惯量的变化时,它都需要更好的控制参数匹配,以获得更优的控制效果。这关系到加工精度,单位时间的产出,也会因为曲线的光滑与否关系机器的运行寿命。通常这些伺服参数由经验丰富的工程师在机器设计时,为其建模并能够进行良好的控制。这样带来的问题就是,它比较依赖于电气工程师对机械对象的理解,而通过AI可以经由电流、速度、位置等反馈,由AI学习并训练出优化的运动控制参数,例如在电子凸轮裁切、各种印刷包装领域的材料张力闭环控制、注塑开合模等。
- 生活中无处不在的PID控制系统,到底是什么?一文了解 2024-11-26
- PID三个参数的作用 2024-11-26
- 被问了800遍,电气工程师必备的六大技能都在这了 2024-11-26
- 一文了解 | 机器学习、深度学习、人工智能的区别与联系 2024-11-26
- 模型的复杂性 2024-11-26
- 实战讲解|CBOOT的秘密——自举电容 2024-11-26
- 【盘点】西门子主流PLC和编程软件 2024-11-26
- 工业以太网概述 2024-11-26
- 西门子软件安装疑难杂症之Windows 11上无法安装WinCC 2024-11-26
- 西门子欲出售电机业务,德力西全资收购施耐德子公司 2024-11-26