自適應計算助力工業(yè)應用

對于工業(yè)企業(yè)而言，推進(jìn)數字化轉型至關(guān)重要，以此才能保持競爭力，并為客戶(hù)提供價(jià)值。這種趨勢的早期表現包括融合運營(yíng)和信息技術(shù)網(wǎng)絡(luò )的整合、部署預測性維護，以及使用機器人來(lái)實(shí)現自動(dòng)化，從而提高吞吐量、減少人為錯誤。

產(chǎn)品開(kāi)發(fā)人員需要針對這些挑戰迅速推出解決方案?？删幊滔到y模塊（ SOM ）能夠為著(zhù)手開(kāi)發(fā)提供適宜的計算平臺。然而，額外的固件和軟件基礎設施仍然是必要的，同時(shí)，異構處理引擎和集成的可編程邏輯能增添寶貴的靈活性。通過(guò)分析網(wǎng)絡(luò )融合、預測性維護和機器人領(lǐng)域中采用的一些已知的基于 SOM 的解決方案，便可發(fā)現附加資源在哪些領(lǐng)域能夠加速開(kāi)發(fā)工作和助力確保最佳性能。

網(wǎng)絡(luò )融合解決方案 

融合信息技術(shù)（ IT ）與運營(yíng)技術(shù)（ OT ）網(wǎng)絡(luò )不僅能簡(jiǎn)化工廠(chǎng)車(chē)間內各系統之間的信息流程，也便于企業(yè)級管理和戰略決策工作。其還能實(shí)現從最底層傳感器/驅動(dòng)器直至企業(yè)資源規劃（ ERP ）系統的端到端通信。這種融合還能消除管理兩個(gè)不同網(wǎng)絡(luò )所造成的重復開(kāi)銷(xiāo)。

IT 網(wǎng)絡(luò )和 OT 網(wǎng)絡(luò )的需求大不相同。OT 網(wǎng)絡(luò )需要實(shí)時(shí)、低時(shí)延通信，而且難以擴展；IT 網(wǎng)絡(luò )更加易于擴展，但并不具備確定性，也難以提供服務(wù)保證。時(shí)間敏感型網(wǎng)絡(luò )（ TSN ）是 IEEE 802 的一個(gè)子集，通過(guò)在以太網(wǎng)網(wǎng)絡(luò )上啟動(dòng)確定性通信來(lái)促進(jìn)這種融合。通過(guò)提供網(wǎng)絡(luò )管理并為流量調度（ scheduled traffic ）分配時(shí)間槽，TSN 能使不同類(lèi)型的流量共享同一鏈路。

當前，想要實(shí)現TSN 就需要一種能在網(wǎng)絡(luò )終端和交換機上提供低時(shí)延和確定性響應的解決方案。一款適合的平臺需包括以太網(wǎng) MAC、TSN 橋和 TSN 終端邏輯（圖 1），此外還要借助軟件來(lái)處理網(wǎng)絡(luò )同步、初始化以及與網(wǎng)絡(luò )配置控制器的接口連接等功能。

圖 1：基于 SOM 的 TSN 終端。AMD 賽靈思的 TSN IP 核采用可編程邏輯和 Kria? K26 SOM 的處理系統來(lái)實(shí)現這些單元，其中包括 Zynq? UltraScale+? MPSoC。該 IP 核能為每個(gè)流量類(lèi)型提供單獨接口，最多可用兩個(gè)端口進(jìn)行配置，這兩個(gè)端口經(jīng)由同一線(xiàn)纜或光纖傳輸所有流量類(lèi)型。

預測性監測能夠幫助設備操作人員提前避免故障，并在方便的時(shí)間安排維護工作，從而實(shí)現利用率和運行時(shí)間最大化，同時(shí)最大限度降低擁有成本。相關(guān)實(shí)現方案的適用范圍從基于云端的數字孿生到邊緣端預測，以用于監測簡(jiǎn)單驅動(dòng)器和傳感器系統。對眾多工業(yè)應用而言，在邊緣進(jìn)行處理并將處理后的數據傳輸至云端是最可行的解決方案，這是因為數據量很大，決策回路的響應時(shí)間至關(guān)重要。在邊緣端采用預測技術(shù)能提供巨大優(yōu)勢。例如，數控機床（ CNC ）主軸的操作故障不僅會(huì )造成數控機床的損壞，而且還會(huì )導致生產(chǎn)中斷，這些都會(huì )對成本造成巨大影響。

構建上述系統時(shí)面臨的一大關(guān)鍵挑戰在于，要為邊緣端部署開(kāi)發(fā)機器學(xué)習應用。一款合適的工具套件可以助力解決這一挑戰，那就是提供即用型可部署高性能機器學(xué)習算法，以此支持開(kāi)發(fā)者使用 PyTorch、TensorFlow 和 Caffe 等流行的機器學(xué)習框架來(lái)構建其應用。 

圖 2：采用 SOM 和業(yè)界標準框架開(kāi)發(fā)機器學(xué)習應用。Vitis? AI 工具提供了豐富的深度學(xué)習處理器單元（ DPU ），可作為可參數化的 IP 核，直接實(shí)現在 SOM 可編程硬件中（圖 2）。KV260 視覺(jué) AI 入門(mén)套件等入門(mén)套件包括利用 Vitis DPU 的 AI 加速應用。

基于 ROS 2 的機器人技術(shù)

工業(yè) 4.0 最為關(guān)鍵的技術(shù)之一就是利用機器人技術(shù)實(shí)現生產(chǎn)流程自動(dòng)化。在制造業(yè)中，這些解決方案適用于廣泛的應用，從生產(chǎn)線(xiàn)上的機械臂到運輸供應物資的機器人以及生產(chǎn)車(chē)間的物流等。

一款高性能、低時(shí)延的處理系統對于實(shí)現安全的環(huán)境交互至關(guān)重要。具體而言，需要控制機器人的活動(dòng)部件，這些部件包含復雜的致動(dòng)器、驅動(dòng)器和機械系統，統稱(chēng)為機電一體化。由于機器人內部通過(guò)網(wǎng)絡(luò )通信來(lái)實(shí)現所需的實(shí)時(shí)控制，因此，包括可編程邏輯的 SOM 能帶來(lái)兩大優(yōu)勢，其中之一便是能支持任意對任意連接，這樣一來(lái)就簡(jiǎn)化了與傳感器和驅動(dòng)器連接。此外，可編程邏輯還可用于實(shí)現確定性網(wǎng)絡(luò )，這對機器人系統的實(shí)現十分關(guān)鍵。

很多開(kāi)發(fā)項目都采用機器人操作系統（ ROS ），其包含用于創(chuàng )建機器人系統的一系列軟件庫和工具。盡管 ROS 已于近期升級至 ROS 2，但其原生的持續集成/持續交付（ CI/CD ）開(kāi)發(fā)流水線(xiàn)卻是專(zhuān)門(mén)為基于 CPU 的異構處理系統而設計的。 

圖 3：Kria K26 SOM

AMD 賽靈思推出的 Kria 機器人堆棧（ KRS ）支持 ROS 2，其增強功能可幫助開(kāi)發(fā)者使用 Kria K26 的異構處理引擎和可編程邏輯提升實(shí)時(shí)確定性性能。此外，它還采用 SOM 的 Arm? Cortex?-R5 實(shí)時(shí)處理器，以此管理作為數據分發(fā)服務(wù)（ DDS ）核心的實(shí)時(shí)發(fā)布訂閱協(xié)議（ RTPS ），而這也是 ROS 2 的基干。

除此之外，將 CI/CD 流水線(xiàn)添加到監測和自動(dòng)化功能中，可以改進(jìn)應用開(kāi)發(fā)流程，尤其是在集成和測試階段以及交付和部署期間。這樣的自動(dòng)化功能最大限度減少了 CI/CD 流水線(xiàn)每個(gè)環(huán)節的手動(dòng)執行工作，而且機器人專(zhuān)家可以采用相同的  ROS 2 協(xié)議和相同的工具作業(yè)，用于通過(guò)軟件實(shí)現的部件，或是通過(guò)可編程邏輯卸載或加速的部件。還有一種機制可以對 ROS 2 節點(diǎn)應用的執行進(jìn)行基準測試，這不僅有助于識別瓶頸因素，而且還有助于專(zhuān)門(mén)將一個(gè)或多個(gè)內核定制為可編程邏輯中的卸載內核。

結論

高性能自適應邊緣計算是工業(yè)數字化轉型的一大支柱?？删幊?SOM 能夠簡(jiǎn)化靈活的自適應計算解決方案的構建，搭配專(zhuān)門(mén)設計的 IP（包括軟件堆棧），便能加速實(shí)現可量產(chǎn)化模型的開(kāi)發(fā)工作。

來(lái)源： Xilinx