一個圓柱形測試套筒用作質(zhì)量基準。用套筒密封的螺栓必須完全適合這個規(guī)格，也就是說，套筒不能把螺栓閉合得過緊或過松。根據(jù)對密封過程進行的各種 FEM 仿真結(jié)果，定義會影響密封結(jié)果的參數(shù)。然后根據(jù)這些信息進行調(diào)整，隨后進行大量的密封測試，期間用 TwinCAT Scope 軟件示波器記錄來自兩個伺服缸的所有重要實時數(shù)據(jù)，如功耗、扭矩和伺服電機的滯后誤差。
將 ML 集成到設備控制器中
在一個經(jīng)典的 ML 框架內(nèi)開發(fā)了一個非常強大的機器學習回歸模型（這里是 Scikit Learn），并在所記錄的測試數(shù)據(jù)基礎上進行訓練。機器學習框架內(nèi)的工作包括準備和選擇數(shù)據(jù)、建模和訓練合適的 ML 算法及其評價。在這個開發(fā)步驟中會生成一個訓練好的機器學習模型，它表示輸入和目標數(shù)據(jù)之間的關系。在 TwinCAT 3 中布署訓練好的 ML 模型接口與數(shù)據(jù)接口一樣都是開放式的，并支持行業(yè)標準的開放式神經(jīng)網(wǎng)絡交換（ONNX）格式。
項目的下一步是將訓練好的 ML 模型實時集成到設備控制器中。Robin Vetsch 介紹說，他們?yōu)榇耸褂昧?TwinCAT 3 Neural Network Inference Engine（TF3810），有了這個軟件，只需幾行代碼，即可使用非常簡單的方式在 TwinCAT 實時環(huán)境中實施轉(zhuǎn)換為 ONNX 格式的模型。在進行此類在 TwinCAT 3 中布署 ML 模型時，導出的 ML 模型被轉(zhuǎn)換為二進制格式（.bml），然后存儲在目標系統(tǒng)（嵌入式控制器或控制柜式 PC）中。在加載 .bml 文件后，Runtime 模型將自身配置為在工業(yè) PC 的 CPU 上有效地執(zhí)行機器學習模型的推理計算。這樣可以就確保所生成的模塊是一個實時推理引擎，能夠無縫集成到 TwinCAT 3 中，并支持 TwinCAT 3 中所有常見的編程方法：從 PLC、C/C++ 或直接通過循環(huán)任務調(diào)用該模塊。
