前言

現(xiàn)代應(yīng)用是在物理資源與虛擬資源相互融合的基礎(chǔ)上發(fā)展起來的，體現(xiàn)了微控制器、傳感器、通信連接、功率器件、云計算、邊緣計算、人工智能(AI)和機器學(xué)習(xí)等技術(shù)的最新進展。工業(yè)物聯(lián)網(wǎng)(IIoT)是得益于這些科技進步的主要細分市場之一。物聯(lián)網(wǎng)節(jié)點分布在工業(yè)生產(chǎn)環(huán)境中，用于監(jiān)測機器設(shè)備的健康狀態(tài)。在這一技術(shù)發(fā)展趨勢中，預(yù)見性維護和規(guī)范性維護是兩個常見的關(guān)鍵詞。預(yù)見性維護是指對設(shè)備、工具和機器等進行以預(yù)見潛在故障并安排相應(yīng)維護操作為目的的監(jiān)測。相對于預(yù)見性維護，規(guī)范性維護則更先進了一步，不僅可以預(yù)見潛在故障，還能提示需要技術(shù)維護的位置，從而采用如人工智能或機器學(xué)習(xí)等常規(guī)或非常規(guī)方法查明潛在故障的根本原因。這兩種維護方法都比常用的預(yù)防性維護方法更先進，因為預(yù)防性維護需要定期檢查機器設(shè)備，即使被檢查的機器不需要任何特殊干預(yù)干預(yù)或者維護操作，這將導(dǎo)致高昂的維護成本和資源的浪費。

在這種情況下，許多公司正嘗試了解如何在自己的環(huán)境中集成并利用工業(yè)物聯(lián)網(wǎng)的優(yōu)勢。意法半導(dǎo)體可為客戶快速評估傳感器、微控制器、通信連接、云計算和儀表板在數(shù)據(jù)可視化、分析和記錄中的應(yīng)用可行性提供諸多資源。

在本文中，我們將主要介紹圖形界面設(shè)計應(yīng)用軟件ST AlgoBuilder。該軟件工具可以快速描述STM32微控制器和MEMS傳感器的應(yīng)用原型，讓用戶設(shè)計基于傳感器的應(yīng)用，把代碼寫入STM32微控制器，并通過與STAlgoBuilder捆綁安裝的Unicleo軟件分析結(jié)果。

使用AlgoBuilder提取運動和環(huán)境參數(shù)的簡易設(shè)計

AlgoBuilder 工作流程

簡而言之，AlgoBuilder提出一個零行代碼快速開發(fā)原型的方法，使客戶能夠在他們的特定任務(wù)中評估我們的傳感器。在點幾下鼠標后，用戶可從ST Nucleo開發(fā)板和X-Nucleo-IKS01A2擴展板直觀地提取并導(dǎo)出許多參數(shù)，例如，加速度、角速率、磁場、溫度、濕度、壓力、四元數(shù)、FFT、運動強度指數(shù)，還能取用傳感器數(shù)據(jù)并在特定任務(wù)中進行評估，無需花費精力和時間編寫固件代碼，這對開發(fā)者而言極其重要。

最近，ST的MEMS傳感器部門(MSD)決定擴展AlgoBuilder的功能，以便更接近當前的傳感器連接云端應(yīng)用的需求和必要條件。該軟件增加了傳感器和云服務(wù)的連接功能，因為云計算資源的作用比本地硬件更強大。具體來說，新版AlgoBuilder增加了Amazon Web Services連接器，軟件原型正在開發(fā)中。傳感器的原始參數(shù)或更復(fù)雜的派生參數(shù)可以與多個云服務(wù)集成，用于監(jiān)測工業(yè)物聯(lián)網(wǎng)等現(xiàn)代應(yīng)用中不可預(yù)見的變化。

AlgoBuilder的云端入口是AWS IoT Core。一旦進入云端，用戶就可以利用所有可用的微服務(wù)來構(gòu)建可擴展的基于云計算的應(yīng)用，包括Amazon Kinesis音視頻流數(shù)據(jù)處理服務(wù)、Amazon SNS用戶通知推送服務(wù)、AmazonDynamoDB存儲資源、AmazonLambda計算資源、IoT Analytics數(shù)據(jù)分析服務(wù)，以及AWS SageMaker 人工智能和機器學(xué)習(xí)算法應(yīng)用服務(wù)。

AlgoBuilder、AWS IoT Core和AWS微服務(wù)

云應(yīng)用開發(fā)經(jīng)驗豐富的中型企業(yè)客戶知道如何通過整合微服務(wù)發(fā)布在全球范圍內(nèi)可伸縮的應(yīng)用，同時管理數(shù)萬或數(shù)百萬的用戶或物聯(lián)網(wǎng)節(jié)點。簡而言之，開發(fā)者能夠從AlgoBuilder軟件中提取并利用數(shù)據(jù)，結(jié)合數(shù)據(jù)傳播延遲和其它云服務(wù)限制因素，快速評估開發(fā)項目是否適合工業(yè)物聯(lián)網(wǎng)應(yīng)用。

我們將通過其它應(yīng)用示例介紹AlgoBuilder的潛在功能和多種用途。

AlgoBuilder用于游戲應(yīng)用

AWS RoboMaker是亞馬遜提供的另一項云服務(wù)，可以大規(guī)模開發(fā)、測試和部署智能機器人應(yīng)用。Robot Operating System (ROS)機器人操作系統(tǒng)是應(yīng)用最廣泛的開源機器人軟件框架，RoboMaker在ROS上增加了云服務(wù)連接功能。AlgoBuilder的新功能能夠在這項服務(wù)中直接集成和提取數(shù)據(jù)，甚至在這種情況下開發(fā)基于ST MEMS傳感器的新機器人和自動化應(yīng)用。傳感器數(shù)據(jù)將融入一個新的應(yīng)用領(lǐng)域，在AWS機器學(xué)習(xí)服務(wù)、監(jiān)測服務(wù)和分析服務(wù)的配合下，使機器人擁有推送流式數(shù)據(jù)、導(dǎo)航、溝通、理解和學(xué)習(xí)的能力。

AlgoBuilder用于機器人自動化

最后，通過在提取的數(shù)據(jù)集內(nèi)加入在地理環(huán)境中標識IoT節(jié)點位置所需的經(jīng)緯度GPS坐標，AlgoBuilder甚至可用于測試GPS應(yīng)用。此外，在生成的AlgoBuilder傳感器數(shù)據(jù)內(nèi)增加狀態(tài)信息和其它密鑰，有助于簡化AlgoBuilder與AWS DynamoDB等服務(wù)的集成難度。

本文的最后部分專門討論一個有相關(guān)儀表板的云和Web應(yīng)用原型，將客戶的應(yīng)用概念，如人工神經(jīng)網(wǎng)絡(luò)(ANN)、卷積神經(jīng)網(wǎng)絡(luò)(CNN)、聚類算法、協(xié)同算法和人工智能，配合虛擬現(xiàn)實用于解決簡單和復(fù)雜的問題，強化觸控體驗。我們相信，向感興趣的客戶介紹如何挖掘傳感器、云服務(wù)和機器學(xué)習(xí)的融合潛力是非常有價值的。更廣泛地說，這個名為Symbios的系統(tǒng)是一個實驗平臺，旨在為內(nèi)部和外部客戶提供集成資源、模塊或僅參考設(shè)計，以便在數(shù)據(jù)提取、數(shù)據(jù)流、數(shù)據(jù)豐富、數(shù)據(jù)分析、不同類型的應(yīng)用方面探索傳感器和云服務(wù)的集成潛力，尋找提高傳感器精度和可靠性的潛在解決方案。

在本文中，我們只討論Symbios中與AlgoBuilder相關(guān)的功能。

Symbios幾乎可以從AlgoBuilder中實時檢索數(shù)據(jù)，并在極坐標圖上顯示數(shù)據(jù)模式。單個或多個傳感器有助于根據(jù)所選參數(shù)和參數(shù)測量值生成一個多傳感器簽名。

例如，下圖所示是Symbios呈現(xiàn)的X、Y和Z軸AlgoBuilder FFT，具體地講，極坐標圖描述每個頻率的FFT幅度。Symbios提供了將來自監(jiān)測電機的ST MEMS加速度計的數(shù)據(jù)組成數(shù)據(jù)集(例如,針對不同電機速度的頻率簽名)、標記模式以及在學(xué)習(xí)模式中應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)的功能。只需點擊幾下鼠標，即可用AlgoBuilder傳感器數(shù)據(jù)模式構(gòu)建監(jiān)督型深度學(xué)習(xí)模型，在同一電機或其它遠程連接的電機上立即開始評估CNN分類器。此外，還可以生成格式與STCubeMX.AI兼容的CNN，以便在STM32 IoT節(jié)點上移植和運行。

AlgoBuilder用于云端機器學(xué)習(xí)頻譜分析

下一張圖片描述了另一個Symbios應(yīng)用場景，通過AWS檢索AlgoBuilder的環(huán)境和運動參數(shù)，并在極坐標圖上形成簽名。在實際應(yīng)用中通過移動電路板或更改環(huán)境參數(shù)，開發(fā)人員可以了解簽名或模式是如何變化的，因為極坐標軸代表了AlgoBuilder提取和發(fā)送的參數(shù)，用戶能夠快速了解從云服務(wù)獲得的傳感器數(shù)據(jù)對應(yīng)用項目是否有益。

為了向開發(fā)人員提供靈活的數(shù)據(jù)整合功能，Symbios可將傳感器數(shù)據(jù)送到兩個不同的極坐標圖。例如，下面左側(cè)極坐標圖描述的是運動MEMS加速度計和陀螺儀參數(shù)，而右側(cè)極坐標圖則是整合了HTS221運動MEMS傳感器數(shù)據(jù)與和LPS22HB環(huán)境傳感器數(shù)據(jù)。后面的截圖描述的是其它類型的數(shù)據(jù)整合。

即使在這種情況下，用戶也可以使用所提供的工具箱生成適合的訓(xùn)練集，還可以開啟人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練階段以及實時測試。一旦對性能感到滿意，開發(fā)人員就可以決定生成ANN網(wǎng)絡(luò)，并用STCubeMX.AI工具將生成的ANN移植到STM32微控制器。在了解工作流程后，客戶將能在自己的工作場所復(fù)制該方法，從而加快產(chǎn)品開發(fā)周期。

工作中的AlgoBuilder和Symbios

其它的演示示例是在單個應(yīng)用環(huán)境中使用AlgoBuilder融合音視頻流，用于開發(fā)支持圖論和虛擬現(xiàn)實的高級數(shù)據(jù)融合算法(腦自動化)，在我們的RND部門，這個課題目前尚處于研發(fā)階段，我們將在下一篇文章中為感興趣的讀者深入介紹。在本文中，我們簡要介紹一下這個令人感興趣的新方法——如何僅用一個在本地STM32IoT節(jié)點、邊緣或云端或者Web應(yīng)用中運行的單一的分層互聯(lián)的ANN(稱為大腦)來解決復(fù)雜任務(wù)。下圖是一個由多個非同構(gòu)人工神經(jīng)網(wǎng)絡(luò)組成的協(xié)同網(wǎng)絡(luò)的示例，每個圖節(jié)點表示一個非同構(gòu)人工神經(jīng)網(wǎng)絡(luò)。大腦正在等待新的AlgoBuilder輸入，收到后，輸入模式就會被立即傳送到所有網(wǎng)絡(luò)節(jié)點。單個ANN被激活，將輸出數(shù)據(jù)傳送到其它ANN。通過這種方式，專門執(zhí)行特定任務(wù)的ANN可以協(xié)同解決那些需要復(fù)雜工具和設(shè)備同時從不同角度監(jiān)測才能處理的更為復(fù)雜的任務(wù)。

大腦正在等待新的AlgoBuilder輸入

AlgoBuilder輸入的感知刺激信號將大腦激活

結(jié)語

總之，我們相信AlgoBuilder將讓設(shè)計者能夠使用零行代碼方法開發(fā)云服務(wù)導(dǎo)向的現(xiàn)代應(yīng)用，通過點幾次鼠標就能完成應(yīng)用可行性評估，縮短研發(fā)周期，讓客戶更加滿意。Symbios代表了一個演示案例套件，用于展示云計算時代傳感器與云集成的潛力。