【儀表網(wǎng) 行業(yè)科普】AI工具的快速發(fā)展，加上硬件功能和集成以太網(wǎng)接口的顯著加速，正在開辟新的應用和細分市場。
人工智能(AI)確實有望成為自動化領域的顛覆性技術(shù)。那么，時間敏感網(wǎng)絡(TSN)在降低AI應用門檻和成本方面能發(fā)揮什么作用？AI發(fā)展對未來的網(wǎng)絡提出了哪些要求？TSN又能催生哪些創(chuàng)新應用？實現(xiàn)這些目標的技術(shù)路徑又是什么？
目前關于TSN的技術(shù)資料已相當豐富。本文重點探討那些以AI為核心、并能從TSN技術(shù)中顯著獲益的應用場景。這里的重點不是運動控制，而是對該技術(shù)大有裨益的新興應用。其中一些示例應能鼓勵我們探索超越當前可用限制的選項。
AI技術(shù)的快速發(fā)展，加上硬件性能的顯著提升和以太網(wǎng)接口的集成應用，正在催生新的應用場景和市場機會。這些新興應用通常具有以下關鍵需求：
· 需要將海量現(xiàn)場數(shù)據(jù)傳輸至AI分析系統(tǒng)；
· 傳輸數(shù)據(jù)需附帶高精度時間戳，以支持時間序列數(shù)據(jù)分析等深度相關性研究；
· AI的處理結(jié)果需要實時反饋至生產(chǎn)現(xiàn)場。
傳統(tǒng)基于100Mbps技術(shù)的工業(yè)以太網(wǎng)無法完全或充分滿足這些嚴苛要求，這正是TSN技術(shù)的優(yōu)勢所在。以下示例旨在說明哪些以AI為重點的應用可以通過融合的TSN網(wǎng)絡來實現(xiàn)或改進。
智能視覺質(zhì)量檢測系統(tǒng)
在現(xiàn)代生產(chǎn)線中，工業(yè)相機(GigE Vision)被廣泛應用于生產(chǎn)過程監(jiān)控和產(chǎn)品檢測。基于合格樣本訓練的機器學習模型，可實時識別質(zhì)量缺陷，并自動調(diào)整生產(chǎn)參數(shù)。當前圖像處理硬件已能在毫秒級完成檢測，實現(xiàn)了真正意義上的在線質(zhì)量控制。
還可以同步多個攝像頭，在同一時間拍攝工件的照片。這樣就可以進行3D計算或時間序列分析。不再需要將相機和控制網(wǎng)絡分開。評估算法運行于外部硬件，可快速適配不同產(chǎn)品和工況。根據(jù)分辨率和幀率需求的不同，總帶寬可達數(shù)百Mbps。TSN的幀搶占機制特別適合視覺應用的超大幀傳輸。雖然當前在視覺應用中的融合網(wǎng)絡仍屬個例，但隨著TSN技術(shù)的成熟，這一狀況將發(fā)生改變。
大型設備的預測性維護
以工業(yè)電機系統(tǒng)為例，AI技術(shù)在預測性維護方面有著廣泛的應用潛力。安裝在電機內(nèi)部和表面的傳感器持續(xù)監(jiān)測溫度、振動等關鍵參數(shù)，同時功率測量裝置實時記錄能耗數(shù)據(jù)?；谶@些多維度數(shù)據(jù)，可以訓練建立電機正常運行狀態(tài)的AI基準模型。在此過程中，能耗、溫度與振動數(shù)據(jù)的時間精確同步至關重要。
當在生產(chǎn)線中存在多個協(xié)同工作的電機系統(tǒng)時，建立統(tǒng)一的時間基準就尤為必要。一旦監(jiān)測參數(shù)出現(xiàn)異常波動(如軸承損壞、部件磨損或工藝異常等)，系統(tǒng)可及時預警。這使得操作人員能夠在計劃性維護周期內(nèi)提前干預，或在工藝控制層面做出調(diào)整，有效避免突發(fā)故障。雖然模型訓練需要一定投入，但其帶來的預防性維護效益遠超初期成本。
可再生能源的同步并網(wǎng)
能源結(jié)構(gòu)轉(zhuǎn)型帶來了一個鮮為人知的技術(shù)難題。傳統(tǒng)火力發(fā)電站(燃煤、燃氣)和核電站采用大慣量發(fā)電機。儲存在這些發(fā)電機中的動能有助于電網(wǎng)應對負荷波動，并為風力渦輪機或太陽能發(fā)電站等替代發(fā)電機提供參考頻率。隨著越來越多的傳統(tǒng)發(fā)電站被新型發(fā)電機所取代，這種對電網(wǎng)的支持作用也隨之消失。
例如，在沒有外部電網(wǎng)的情況下，風力發(fā)電場無法輕易地在獨立運行中快速增加功率。解決這個問題的一個辦法就是將所有發(fā)電機及其電子并網(wǎng)轉(zhuǎn)換器與相應的設定點定義進行高度精準的同步。這可以通過運行數(shù)據(jù)所需的TSN網(wǎng)絡來實現(xiàn)。在一個覆蓋數(shù)平方千米的風力發(fā)電場中部署雙重網(wǎng)絡將帶來巨大的成本壓力。
故障根本原因分析
在工業(yè)系統(tǒng)運行過程中，對事件進行時間和位置上的精確分析至關重要。當系統(tǒng)發(fā)生故障時，這類分析能幫助準確評估故障根源。目前這類分析主要在控制器中進行，但未來可能面臨局限，因為并非所有相關數(shù)據(jù)(如電機運行數(shù)據(jù))都能通過可編程邏輯控制器(PLC)獲取。
TSN通過實現(xiàn)高精度時間同步，使設備能夠記錄時間戳精度小于1毫秒的事件。這種融合網(wǎng)絡還能確保將事件數(shù)據(jù)實時傳輸至獨立分析裝置(特別當控制器本身可能是故障源時，這一功能尤為重要)。借助AI技術(shù)系統(tǒng)能夠從海量信息中快速識別異常情況，不僅提升了故障分析的準確性，還能實現(xiàn)運行問題的主動預防和修復。
除前述案例外，AI在自動化領域還有諸多應用可能。這些應用的實現(xiàn)離不開融合TSN及其時間同步技術(shù)——若缺乏這些技術(shù)支撐，要么難以實現(xiàn)，要么實施復雜度與成本將顯著提升。值得注意的是，在這些應用場景中，TSN機制比專用實時總線系統(tǒng)更能體現(xiàn)其網(wǎng)絡優(yōu)勢。
TSN與AI技術(shù)的融合
TSN的核心價值或許不在于替代現(xiàn)有運動控制專用總線，而在于賦能前文所述的新型應用。令人振奮的是，這些應用目前已具備實施條件。例如，菲尼克斯電氣的新型交換機已支持服務質(zhì)量(QoS)、精確時間協(xié)議(PTP)及搶占等關鍵功能。GigE Vision標準還規(guī)定了PTP的使用。因此，AI與TSN的融合將使新一代自動化應用成為可能，而這些應用的開發(fā)可能才剛剛開始。
TSN并非單一標準，而更像一個功能豐富的工具箱，包含多種專用工具，每種工具都針對特定需求設計：
· 服務質(zhì)量(QoS，符合 IEEE 802.1Q 標準)支持在同一網(wǎng)絡中同時傳輸對時間要求嚴格的過程數(shù)據(jù)(如控制指令)和大量非實時數(shù)據(jù)(如相機圖像)。在此場景下，1 Gbps或更高的帶寬尤為重要。
· 精確時間同步(PTP，符合 IEEE 802.1AS 標準)能夠在復雜網(wǎng)絡拓撲中實現(xiàn)亞微秒級(≤1 微秒)的時間同步精度。相比之下，廣泛使用的 NTP 協(xié)議只能提供毫秒級精度，但可以與 PTP 在同一網(wǎng)絡中共存。
· 搶占機制(802.3Qbu、802.3 標準)通過優(yōu)先處理時間敏感數(shù)據(jù)，解決了實時數(shù)據(jù)與非時間關鍵數(shù)據(jù)(如相機系統(tǒng)的巨型幀)之間的傳輸沖突問題。這使得關鍵數(shù)據(jù)的傳輸不會因大型非關鍵數(shù)據(jù)包而延遲。
· 基于精確時間協(xié)議(PTP)的同步通信，可校準發(fā)送端時鐘，顯著降低抖動。例如，在當前采用 PROFINET 實時協(xié)議的應用中，這種功能并非始終必要。
· 特殊的服務質(zhì)量(QoS)機制，支持現(xiàn)有設備環(huán)境與TSN網(wǎng)絡的無縫集成，這樣就可以在應用中逐步實施，從而產(chǎn)生最大的效益。
所有這些工具及其協(xié)同機制共同構(gòu)建了融合網(wǎng)絡，使IT數(shù)據(jù)、關鍵過程數(shù)據(jù)和高精度時間同步在同一網(wǎng)絡中共存。相比為不同需求構(gòu)建的專用網(wǎng)絡，這種方案顯著降低了成本與復雜度。
拉萨市|
墨玉县|
长葛市|
崇明县|
原平市|
湛江市|
红桥区|
崇信县|
沙坪坝区|
乐业县|
江北区|
天全县|
贡觉县|
嘉义县|
黔南|
甘孜|
腾冲县|
佛山市|
彰化市|
钦州市|
滁州市|
禄丰县|
揭阳市|
宁河县|
泌阳县|
略阳县|
霸州市|
应城市|
平乐县|
化州市|
赫章县|
鹤岗市|
齐河县|
丰顺县|
四川省|
贵州省|
锡林郭勒盟|
达孜县|
鸡西市|
西林县|
邹平县|
所有評論僅代表網(wǎng)友意見，與本站立場無關。