工程师说 | 初步认识“端点智能”-电子发烧友网

Suad Jusuf

Senior Manager

物联网（IoT）不仅会改变我们的日常生活，也会改变人类社会的结构。从智能家居到未来工厂，联网设备的数量持续、快速地增长。人工智能（AI）与物联网的结合，改善了人机互动，加强了数据管理和分析。为了提高系统效率和决策的准确性，我们现在可以在本地的边缘或端点设备上运行人工智能模型。然而，对于资源有限的设备而言，在大多数情况下，机器学习模型的训练仍然需要在云端进行。训练后的模型可以部署在边缘设备上得以执行。这种方法得益于云端服务器的高算力（训练）以及边缘设备执行的低延迟（更快的执行响应）。

端点AI，即在网络边缘设备上集成人工智能。它将本来仅用于计算数据的物联网设备转化为能支持人工智能的更高级的设备，为他们提供了实时决策的能力。目标是使基于机器学习的智能决策在物理上更接近数据源，因此AI ML向嵌入式端点转移。端点人工智能涵盖广泛的应用，包括工业、消费、医疗保健、运输、制造、零售等。

智能物联网（AIoT）的价值主线是能够在边缘部署更多更强的智能，最终实现更大的灵活性。终端设备位于网络的最边缘，确切地说是数据的来源地，这可以实现更快更准确的反应，同时节省了不必要的数据传输、延迟和动态数据安全风险的成本。

第一步是确定问题，依靠系统的相关信息来分析问题并做出适当的决定。然后需要对信息/数据进行分类和分组，以研究如何提取特征，从而有利于训练所需的AI/ML模型。在终端设备运行的人工智能模型可以为复杂的现实世界问题提供更好的洞察力和解决方案。在端点设备上集成人工智能，使开发者能够利用强大的机器学习模型，而不需要完全重建他们的系统。

为了在使用人工智能解决现实世界的问题时取得尽可能好的结果，数据及其可靠性起着决定性作用。需要一套综合的方法，使用各种科学手段、算法和流程，从不断增加的数据量中提取洞察力。以算法为核心，从原始数据中识别出背后隐藏的模式及信息。这些有价值的见解有助于支持商业决策，帮助分析商业困境，并将其转化为可操作的解决方案。

当批判性思维遇到机器学习算法时，数据科学有助于获得更好的洞察力，指导高效的工作，并为预测提供信息。目标是让企业从数据科学中受益，做出指导性决策，创造更多的创新产品和服务。其中一个关键要求是使用TinyML等技术开发AI/ML模型，以便能够在资源有限的终端设备上运行这些模型，从而简化为嵌入式硬件建立机器学习模型的过程。依靠相关的人工智能工具来获取机器学习（ML）所需的数据，工具向导还会指导你完成模型训练、模型测试和模型生成的全部过程。

入门流程

构建端点设备上的AI应用程序需要一系列特定的技能，包括数据科学、硬件工程、嵌入式编程、软件工程、机器学习技术，以及正在开发的应用领域中的专业知识。构建一个应用程序所需的主要步骤可以分为四个部分，如下图所示。

案例研究：预测性维护

PdM（预测性维护）是一种由时序数据驱动的方法，采用机器学习和预测性数据分析来监控设备的一系列状况，这些状况可能表征出潜在的系统或设备故障。基于各种机器学习模型的预测性维护，开发人员在给定数据集上运行自动化数据处理。经过训练的模型可以帮助检测出潜在的设备故障，并实时执行事先定义好的保护或者预警操作。

预测性维护的背后就是一套人工智能技术和机器学习/TinyML算法。这些算法就是以监控特定机器的过程中收集的数据为运行基础，这些数据也用于训练可预测潜在异常的算法模型。

在楼宇自动化、家电或工业自动化等不同类型的电机应用中，都可以看到预测性维护的典型用例。为电机应用部署PdM有助于检测和管理电机相关故障，基于电机运行过程中产生的振动频率或信号。一旦建立了故障特征的基线，模式识别可以识别出电机运行中的任何不平衡、错位、松动或轴承故障。减少系统维护和服务成本的同时保持整体系统的稳定性。

电机应用中的一些故障通常与振动异常和负载不平衡有关。这种异常会导致系统失效和过热，最终会导致电机绕组的绝缘故障、昂贵的维修费用和电机更换期间的长时间停机。这一切都可以通过部署基于人工智能的预测性维护解决方案来避免。

瑞萨电子的RA6T1系列微控制器是专为智能家居、工业自动化和楼宇自动化中的电机应用而设计，提供丰富的外设和基于人工智能的故障检测，以满足从家用电器、HVAC、太阳能逆变器到交流驱动器等电机应用的独特需求。

基于Arm Cortex-M33内核，新一代RA6T2 32位微控制器的工作频率为240MHz，具有丰富的外设集合，并为高性能精密电机控制进行了优化。拥有高速模拟外设，提高电机控制性能的同时大大降低了物料（BOM）成本。RA6T2 MCU可以同时控制两个无刷DC（BLDC）电机。

此外，瑞萨为TinyML应用提供了一个专用工具链，为基于RA6T2 MCU的系统提供了增强的故障检测能力，为客户提供智能、易用、经济的无传感器电机系统，作为预测性维护的平台。这种基于TinyML的人工智能模型可以帮助更早、更准确地检测出电机系统中潜在异常，以帮助客户改善预测性维护流程，降低维护成本。

瑞萨电子提供基于RA6T2的完整开发套件，包括硬件开发组件和软件模块，可快速构建支持预测性维护的电机控制解决方案：

RA6T2在单个芯片上集成了PWM定时器和模拟外设，可以同时控制两台电机，是电机应用的最佳选择。

完整的电机解决方案，用于评估和调试电机应用：

硬件套件（MCK-RA6T2），电机工作台（RMW），以及PdM解决方案都由瑞萨电子提供。