CN115202636A - 可编程逻辑控制器的编程系统 - Google Patents
可编程逻辑控制器的编程系统 Download PDFInfo
- Publication number
- CN115202636A CN115202636A CN202210757786.6A CN202210757786A CN115202636A CN 115202636 A CN115202636 A CN 115202636A CN 202210757786 A CN202210757786 A CN 202210757786A CN 115202636 A CN115202636 A CN 115202636A
- Authority
- CN
- China
- Prior art keywords
- function block
- file
- intelligent function
- intelligent
- programmable logic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/31—Programming languages or programming paradigms
- G06F8/313—Logic programming, e.g. PROLOG programming language
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/31—Programming languages or programming paradigms
- G06F8/315—Object-oriented languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/71—Version control; Configuration management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Computer Security & Cryptography (AREA)
- Programmable Controllers (AREA)
Abstract
本发明提供了一种可编程逻辑控制器的编程系统,可编程逻辑控制器的编程系统包括:智能功能块,智能功能块包括至少一组人工智能算法的算法模型;智能功能块包括数据输入通道和数据输出通道,智能功能块被配置为将数据输入通道接收的输入数据,经过算法模型处理后自数据输出通道输出,智能功能块被配置为在可编程逻辑控制器控制程序中能够被实例化;智能功能块包括:用于描述智能功能块的类型和结构的第一文件;和用于描述算法模型的参数的第二文件,在此过程中,可以将智能功能块与自动化控制程序融合起来,减少了没有有效地进行数据公用的问题,降低了自动化控制中实施人工智能应用的成本。
Description
技术领域
本发明涉及编程控制技术领域,具体而言,涉及一种可编程逻辑控制器的编程系统。
背景技术
相关技术方案中,智能工厂的控制模式存在认知局限性和动态变化适应性差的缺陷,无法满足对智能感知、自主决策和网络协同功能的紧迫需求。
为了解决上述问题,国内外各类工控领域公司和研究机构都致力于基于人工智能的控制和自动化研究。
本领域的技术人员发现,现有研究结果中无论是程序编写、算法部署、应用运行还是技术维护,人工智能与自动化控制是独立的,没有有效的数据共用,同时也没有将平台和工具公用,因此,自动化控制中实施人工智能应用的成本比较高。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此,本发明在于提供了一种可编程逻辑控制器的编程系统。
有鉴于此,本发明提供了一种可编程逻辑控制器的编程系统,包括:智能功能块,智能功能块包括至少一组人工智能算法的算法模型;智能功能块包括数据输入通道和数据输出通道,智能功能块被配置为将数据输入通道接收的输入数据,经过算法模型处理后自数据输出通道输出,智能功能块被配置为在可编程逻辑控制器控制程序中能够被实例化;智能功能块包括:用于描述智能功能块的类型和结构的第一文件;和用于描述算法模型的参数的第二文件。
本申请的技术方案提出了一种可编程逻辑控制器的编程系统,在该编程系统下部署有智能功能块,用户可以利用智能功能块进行控制程序的编程,在此过程中,可以将智能功能块与自动化控制程序融合起来,利用结合智能功能块进行编程的编程结果来实现了数据信息的公用,在此过程中,打破了相关技术方案中人工智能与自动化控制是相互独立的问题,减少了没有有效地进行数据公用的问题,降低了自动化控制中实施人工智能应用的成本。
此外,将智能功能块融合到自动化程序的编程中,使得智能功能块对自动化控制的影响程度增大,因此,可以较大程度的提高了智能功能块对自动化控制的性能的影响,从而满足不同场景下的使用需求。
在其中一个技术方案中,功能块是一种可编程控制器中的程序组织单元,将控制器的部分功能封装为可以实例化调用的功能模块,在此基础上,智能功能块可以理解为提供人工智能功能的功能块,其中,提供人工智能功能的功能块中部署有至少有一组人工智能算法的算法模型,以便基于该算法模型实现数据的处理。
另外,本申请提出的可编程逻辑控制器的编程系统还具有以下附加技术特征。
在上述技术方案中,智能功能块包括:用于描述智能功能块的类型和结构的第一文件;和用于描述算法模型的参数的第二文件。
在该技术方案中,具体限定了智能功能块包括第一文件和第二文件,其中,利用第一文件来描述智能功能块的类型和结构,以及利用第二文件来描述算法模型的参数,以便用户可以了解智能功能块的类型和结构以及参数的设定情况,使得在编程的过程中,将智能功能块融合进来。
此外,通过设置的第一文件和第二文件,以便对其进行修改,以便满足实际使用需要。
在其中一个技术方案中,通过利用第一文件描述算法模型的类型,以便可以根据智能功能块的类型对N个智能块进行分类,从而方便对智能功能块进行管理和查找。
在其中一个技术方案中,智能功能块的结构可以理解为智能功能块的数据输入通道的数量和数据输出通道的数量。
在其中一个技术方案中,第一文件和第二文件关联存储。
在该技术方案中,在需要查找第二文件的情况下,可以先找到第一文件,并基于关联存储的关系来确定第二文件。
在其中一个技术方案中,智能功能块的类型可以理解为人工智能算法的算法模型所隶属的类型。算法模型所隶属的类型可以理解为算法模型的框架结构,算法模型的参数可以理解为算法模型的框架结构下对应参数的选取值。
在上述任一技术方案中,第一文件为可扩展置标语言的文件;和/或第二文件为二进制文件。
在该技术方案中,具体限定了第一文件和第二文件的文件格式,通过限定第一文件为可扩展置标语言的文件,也即XML(Extensible Markup Language)格式文件,以便使得本申请提出的智能功能块能够与相关技术方案中的功能块兼容,进而嵌入到可编程逻辑控制器组态工程中的XML文件,进而使得智能功能块能够在支持可编程逻辑控制器的编程软件上进行显示和配置。
在上述任一技术方案中,第一文件包括用于描述智能功能块的功能块号的属性信息、用于描述智能功能块的功能块名的属性信息、用于描述智能功能块输入的元素信息和用于描述智能功能块输出的元素信息。
在该技术方案中,相关技术方案中,IEC61131-3标准中对功能块的定义,即至少包括:功能块名、功能块号,一个或多个数据输入通道,以及一个或多个数据输出通道,考虑到本申请提出的智能功能块需要融合到可编程逻辑控制器的编程中,因此,本申请的技术方案进一步限定第一文件包含上述内容,以便本申请提出的智能功能块能够符合相关技术方案中对功能块的定义,以便在符合IEC61131-3标准的可编程逻辑控制器的编程环境中被识别和调用。
具体地,第一文件至少包括:用于描述功能块号的属性fbdObjects/block/@localId;用于描述功能块名的属性fbdObjects/block/@typeName;用于描述功能块输入的元素fbdObjects/block/inputVariables;以及用于描述功能块输出的元素fbdObjects/block/outputVariables。
其中,可以理解的是,用于描述智能功能块输出的元素信息,也即数据输出通道能够输出的数据类型,同理,用于描述智能功能块输入的元素信息,也即数据输出通道能够输入的数据类型,用于描述智能功能块的功能块名的属性信息,也即智能功能块的名称;用于描述智能功能块的功能块号的属性信息,也即智能功能块的编号。
在上述任一技术方案中,第一文件兼容PLCopen XML标准。
在上述任一技术方案中,第二文件中用于描述算法模型的参数的排列方式与第一文件中描述的智能功能块的算法模型的结构相匹配。
在该技术方案中,考虑到智能功能块的除了其所支持人工智能算法的模型结构外,还需要有详细的算法参数信息,也即上文中的用于描述算法模型的参数的第二文件,对于线性回归算法的斜率参数coef和截距参数intercept,或者对于神经网络算法中每一层的权重w和偏置b等,复杂度越高的人工智能算法,其参数数据量越大,若第二文件中用于描述算法模型的参数的排列方式换乱,则在进行智能功能块的调用时,查找算法模型的参数会花费较长的时间。
本申请的技术方案具体限定了第二文件中用于描述算法模型的参数的排列方式与第一文件中描述的算法模型的结构相匹配,可以理解为第二文件中用于描述算法模型的参数的排列方式与第一文件中用于描述算法模型的模型结构保持一致,以便减少查找算法模型的参数所花费的时间。
在其中一个技术方案中,第一文件还包括描述第二文件的存储信息。
在该技术方案中,通过限定第一文件还用于描述第二文件的存储信息,以供根据存储信息确定第二文件所在的位置,实现第二文件的快速查找。具体地,在智能功能块的XML文件中的元素fbdObjects/block/addData/AIData中描述该二进制文件信息,也即第二文件的信息。
在其中一个技术方案中,存储信息包括存储位置或存储信息和存储格式。在其中一个技术方案中,智能功能块的数量为N个,其中,N为大于或等于2的正整数,第一智能功能块的数据输入通道和数据输出通道中的至少一个能够通过连接元素与目标功能块连接,并实例化组合构建新的智能功能块,第一智能功能块为N个智能功能块中的任一智能功能块,目标功能块为N个智能功能块中除第一智能功能块之外的一个或多个智能功能块;和/或目标功能块为一个或多个默认功能块;其中,新的智能功能块的第一文件为第一智能功能块对应的第一文件和目标功能块的第一文件合并后的文件,新的智能功能块的第二文件为第一智能功能块对应的第二文件和目标功能块的第二文件合并后的文件。
在该技术方案中,限定了作为N个智能功能块中的任一个智能功能块的第一智能功能块可通过数据数据通道和/或数据输出通道与目标功能块进行实例化组合,从而构建新的智能功能块。在此过程中,用户可以在第一智能功能块的基础上选取目标功能块,以便在实例化后进行组合,以便满足不同的使用需求。
在其中一个技术方案中,目标功能块可以是智能功能块,也可以是默认功能块,还可以是两者的组合。其中,默认功能块可以理解为可编程逻辑控制器的编程系统下中除了智能功能块外的功能块,也即可编程逻辑控制器的编程系统中的默认设置的功能块。
在上述技术方案中,通过将第一智能功能块对应的第一文件和目标功能块的第一文件合并,以便得到新的智能功能块的第一文件,同理,通过将第一智能功能块对应的第二文件和目标功能块的第二文件合并,以便得到新的智能功能块的第二文件,以便确保新的智能功能块能够与现有的智能功能块一样,具有第一文件和第二文件,以便满足使用要求。
在其中一个技术方案中,智能功能块支持采用预设编程语言对其进行组合编程,组合编程后的得到的智能功能块的拓扑结构在预设编程语言的编辑界面中显示;其中,预设编程语言包括可编程逻辑控制器的功能块图编程语言或结构化文本编程语言。
在该技术方案中,具体限定了智能功能块支持预设编程语言对其进行组合编程,并且能够在预设编程语言的编辑界面中显示组合编程后的得到的智能功能块的拓扑结构,以便用户对组合后的智能功能块进行操作。
其中,组合编程后的得到的智能功能块的拓扑结构可以理解为基于智能功能块编程得到的控制程序。
其中,功能块图(也即FBD,Function Block Diagram)编程语言,是一种图形化语言的一种,结构化文本(ST,Structured test)编程语言是一种高级语言。
在其中一个技术方案中,编程系统还具有用于对智能功能块进行配置的配置界面,配置界面中显示有可配置项;可配置项包括以下一种或多种:数据输入通道的个数、每一数据输入通道的数据类型和引脚名称、数据输出通道的个数、每一数据输出通道的数据类型和引脚名称、算法模型的类型。
在该技术方案中,考虑到预先设置好的智能功能块可能无法满足可编程逻辑控制器的实际使用需要,若仍使用预先设置好的智能功能进行编程,会使得自动化控制中实施人工智能应用的成本不佳或自动化控制的性能不佳。
为了减少上述情况的出现,本申请的技术方案具体限定了可以根据用户根据实际使用需要对其进行调整,以便得到满足用户需要的智能功能块。
在其中一个技术方案中,基于可配置项被配置,根据配置的可配置项更新智能功能块的第一文件。
在该技术方案中,通过限定第一文件可以根据可配置项自动更新,以便确保第一文件与智能功能块是同步修改的,减少了两者不匹配而无法使用的几率,在此过程中,无需用户手动进行更新,减少了用户与编程系统之间的交互次数,提升了用户的交互体验。
在其中一个技术方案中,基于配置后的第一文件与第二文件不适配,删除第二文件或将第二文件的状态修改为无效状态。
在该技术方案中,通过将配置后的智能功能块与第二文件进行比较,以便在配置后的智能功能块后能够自动判断第二文件是否有效,并在配置后的智能功能块与第二文件不适配后,删除第二文件或将第二文件的状态修改为无效状态,避免再次将配置后的智能功能块与第二文件继续比对,以判断是否适配。
在其中一个技术方案中,第二文件中用于描述算法模型的参数可被配置和/或修改。
在该技术方案中,用户可以对第二文件中的参数进行配置和/或修改,其中,配置可以理解为新增或删除,修改可以理解为对现有参数进行调整,以便满足用户的实际使用需要。
在上述任一技术方案中,配置界面还包括:导入模块项,导入模块项用于导入外部学习框架输出的人工智能算法的算法模型文件,并将算法模型文件转化生成对应的第一文件和第二文件,以形成对应的智能功能块。
在该实施例中,可编程逻辑控制器的编程系统还支持智能功能块的转化,通过对外部学习框架输出的人工智能算法的算法模型文件进行转换,从而得到第一文件和第二文件,在此过程中,丰富了智能功能块的获取方式,以便满足不同场景的使用需求。
在其中一个技术方案中,编程系统集成有加速模块,其中,加速模块用于加速人工智能算法的编译过程;其中,加速模块包括图形处理器、嵌入式神经网络处理器和/或现场可编程逻辑门阵列。
在该技术方案中,通过设置加速模块,以便加快编译过程,减少编程所需要的时间,进而降低编程所花费的时间成本。
其中,图形处理器,也即,Graphics Processing Unit,又称显示核心、视觉处理器、显示芯片或绘图芯片。
其中,嵌入式神经网络处理器,也即NPU,Neural-Network Process units。
其中,FPGA,Field Programmable Gate Array,现场可编程逻辑门阵列。
在其中一个技术方案中,编程系统包括:智能功能块库,智能功能块位于智能功能块库内,智能功能块库内的所示智能功能块所属类别包括以下一种或多种:机器学习算法智能功能块、卷积神经网络算子智能功能块、激活算子智能功能块、张量计算算子智能功能块、逻辑算子智能功能块、数据处理算子智能功能块。
在该技术方案中,对智能功能块库内中的智能功能块进行分类,具体地,机器学习算法智能功能块,其中,机器学习算法如线性回归LinearRegression、逻辑回归LogisticRegression、线性支持向量分类LinearSVC、朴素贝叶斯NaiveBayes等、卷积神经网络算子智能功能块,其中,卷积神经网络算子如卷积Convolution、最大池化MaxPool等、激活算子智能功能块,其中,激活算子如ReLU、Tanh等、张量计算算子智能功能块,其中,张量计算算子如TensorAdd,TensorSubtract,TensorMultiply等、逻辑算子智能功能块,其中,逻辑算子如And、Xor、Not等、数据处理算子智能功能块,其中,数据处理算子如Concat、Split、StridedSlice等。
在该技术方案中,通过对智能功能块进行分类,以便方便对智能功能块进行查找和管理。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了本发明实施例中智能功能块的示意图;
图2示出了本发明实施例中智能功能块的示例示意图;
图3示出了本发明实施例中可配置项的示意图;
图4示出了本发明实施例中新建智能功能块的流程示意图;
图5示出了本发明实施例中包含LinearRegressuion_inst1功能块的控制程序编程示例。
具体实施方式
为了能够更清楚地理解本发明的上述方面、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
在其中一个实施例中,提出了一种可编程逻辑控制器的编程系统,包括:智能功能块,智能功能块包括至少一组人工智能算法的算法模型;智能功能块包括数据输入通道和数据输出通道,智能功能块被配置为将数据输入通道接收的输入数据,经过算法模型处理后自数据输出通道输出,智能功能块被配置为在可编程逻辑控制器控制程序中能够被实例化;智能功能块包括:用于描述智能功能块的类型和结构的第一文件;和用于描述算法模型的参数的第二文件。
本申请的实施例提出了一种可编程逻辑控制器的编程系统,在该编程系统下部署有智能功能块,用户可以利用智能功能块进行控制程序的编程,在此过程中,可以将智能功能块与自动化控制程序融合起来,利用结合智能功能块进行编程的编程结果来实现了数据信息的公用,在此过程中,打破了相关实施例中人工智能与自动化控制是相互独立的问题,减少了没有有效地进行数据公用的问题,降低了自动化控制中实施人工智能应用的成本。
此外,将智能功能块融合到自动化程序的编程中,使得智能功能块对自动化控制的影响程度增大,因此,可以较大程度的提高了智能功能块对自动化控制的性能的影响,从而满足不同场景下的使用需求。
具体地,本申请实施例提出的编程系统,可实现机器视觉定位、目标识别、缺陷检测、预测诊断等特定的人工智能功能。
在其中一个实施例中,可编程逻辑控制器的编程系统可以集成GPU、NPU、CPU或者FPGA来实现智能功能块中的人工智能算法的学习,其中,具体学习方式,在此不再进行限定。
在其中一个实施例中,功能块是一种可编程控制器中的程序组织单元,将控制器的部分功能封装为可以实例化调用的功能模块,在此基础上,智能功能块可以理解为提供人工智能功能的功能块,其中,提供人工智能功能的功能块中部署有至少有一组人工智能算法的算法模型,以便基于该算法模型实现数据的处理。
在其中一个实施例中,智能功能块可以是CNN(Convolutional Neural Network,卷积神经网络)模型级别的智能块,实现分类、检测、分割等。
在其中一个实施例中,智能功能块可以是基于RNN(Recurrent Neural Network,循环神经网络)的单目标、多目标预测等,如类似图形组态中的宏模块的分类,有预先设定好的宏,也有自定义的宏。
在上述实施例中,智能功能块包括:用于描述智能功能块的类型和结构的第一文件;和用于描述算法模型的参数的第二文件。
在该实施例中,具体限定了智能功能块包括第一文件和第二文件,其中,利用第一文件来描述智能功能块的类型和结构,以及利用第二文件来描述算法模型的参数,以便用户可以了解智能功能块的类型和结构以及参数的设定情况,使得在编程的过程中,将智能功能块融合进来。
此外,本申请实施例设置的第一文件和第二文件,可以方便对其进行修改,以便满足实际使用需要。
在其中一个实施例中,通过利用第一文件描述算法模型的类型,以便可以根据智能功能块的类型对N个智能块进行分类,从而方便对智能功能块进行管理和查找。
在其中一个实施例中,智能功能块的结构可以理解为智能功能块的数据输入通道的数量和数据输出通道的数量。
在其中一个实施例中,第一文件和第二文件关联存储。
在该实施例中,在需要查找第二文件的情况下,可以先找到第一文件,并基于关联存储的关系来确定第二文件。
在其中一个实施例中,智能功能块的类型可以理解为人工智能算法的算法模型所隶属的类型。算法模型所隶属的类型可以理解为算法模型的框架结构,算法模型的参数可以理解为算法模型的框架结构下对应参数的选取值。
在上述任一实施例中,第一文件为可扩展置标语言的文件;和/或第二文件为二进制文件。
在该实施例中,具体限定了第一文件和第二文件的文件格式,通过限定第一文件为可扩展置标语言的文件,也即XML(Extensible Markup Language)格式文件,以便使得本申请提出的智能功能块能够与相关实施例中的功能块兼容,进而嵌入到可编程逻辑控制器组态工程中的XML文件,进而使得智能功能块能够在支持可编程逻辑控制器的编程软件上进行显示和配置。
在上述任一实施例中,第一文件包括用于描述智能功能块的功能块号的属性信息、用于描述智能功能块的功能块名的属性信息、用于描述智能功能块输入的元素信息和用于描述智能功能块输出的元素信息。
在该实施例中,相关实施例中,IEC61131-3标准中对功能块的定义,即至少包括:功能块名、功能块号,一个或多个数据输入通道,以及一个或多个数据输出通道,考虑到本申请提出的智能功能块需要融合到可编程逻辑控制器的编程中,因此,本申请的实施例进一步限定第一文件包含上述内容,以便本申请提出的智能功能块能够符合相关实施例中对功能块的定义,以便在符合IEC61131-3标准的可编程逻辑控制器的编程环境中被识别和调用。
具体地,第一文件至少包括:用于描述功能块号的属性fbdObjects/block/@localId;用于描述功能块名的属性fbdObjects/block/@typeName;用于描述功能块输入的元素fbdObjects/block/inputVariables;以及用于描述功能块输出的元素fbdObjects/block/outputVariables。
其中,可以理解的是,用于描述智能功能块输出的元素信息,也即数据输出通道能够输出的数据类型,同理,用于描述智能功能块输入的元素信息,也即数据输出通道能够输入的数据类型,用于描述智能功能块的功能块名的属性信息,也即智能功能块的名称;用于描述智能功能块的功能块号的属性信息,也即智能功能块的编号。
具体地,如图1所示,智能功能块包括功能块名,如AI功能块、至少一个输入,如输入1…输入n,至少一个输出,如输出1…输出n。
举例来说,如图2所示,以LinearRegression功能块为例,其具有输入1、输入2和输入3,输出具有回归结果和置信度两个输出。
在上述任一实施例中,第一文件兼容PLCopen XML标准。
在上述任一实施例中,第二文件中用于描述算法模型的参数的排列方式与第一文件中描述的智能功能块的算法模型的结构相匹配。
在该实施例中,考虑到智能功能块的除了其所支持人工智能算法的模型结构外,还需要有详细的算法参数信息,也即上文中的用于描述算法模型的参数的第二文件,对于线性回归算法的斜率参数coef和截距参数intercept,或者对于神经网络算法中每一层的权重w和偏置b等,复杂度越高的人工智能算法,其参数数据量越大,若第二文件中用于描述算法模型的参数的排列方式换乱,则在进行智能功能块的调用时,查找算法模型的参数会花费较长的时间。
本申请的实施例具体限定了第二文件中用于描述算法模型的参数的排列方式与第一文件中描述的算法模型的结构相匹配,可以理解为第二文件中用于描述算法模型的参数的排列方式与第一文件中用于描述算法模型的模型结构保持一致,以便减少查找算法模型的参数所花费的时间。
在其中一个实施例中,第一文件还包括描述第二文件的存储信息。
在该实施例中,通过限定第一文件还用于描述第二文件的存储信息,以供根据存储信息确定第二文件所在的位置,实现第二文件的快速查找。具体地,在智能功能块的XML文件中的元素fbdObjects/block/addData/AIData中描述该二进制文件信息,也即第二文件的信息。
在其中一个实施例中,存储信息包括存储位置或存储信息和存储格式。
在其中一个实施例中,如图3所示,编程系统还具有用于对智能功能块进行配置的配置界面,配置界面中显示有可配置项;可配置项包括以下一种或多种:数据输入通道的个数、每一数据输入通道的数据类型和引脚名称、数据输出通道的个数、每一数据输出通道的数据类型和引脚名称、算法模型的类型。
在该实施例中,考虑到预先设置好的智能功能块可能无法满足可编程逻辑控制器的实际使用需要,若仍使用预先设置好的智能功能进行编程,会使得自动化控制中实施人工智能应用的成本不佳或自动化控制的性能不佳。
为了减少上述情况的出现,本申请的实施例具体限定了可以根据用户根据实际使用需要对其进行调整,以便得到满足用户需要的智能功能块。
具体地,响应于对N个智能功能块中的第一目标功能块的第一输入,显示配置界面,其中,配置界面中显示有可配置项;接收对一个或多个可配置项的第二输入;响应第二输入,更新第一目标功能块及其对应的第一文件。
具体地,在接收到第一输入下,显示第一输入所选择的目标功能块的配置界面,用户可以通过对配置界面中的一个或多个可配置项进行输入,实现可配置项的调整,最终实现第一目标功能块的更新。
在其中一个实施例中,通过在更新第一功能块的同时,对第一功能块的第一文件进行更新,以便确保第一功能块和第一文件能够始终保持一致,减少第一功能块和第一文件未保持一致而造成更新后的第一功能块异常这一情况出现的几率。
在其中一个实施例中,第一输入可以是对第一目标功能块的双击操作,也可以是在选定第一目标功能块的情况下,鼠标的右键选定操作,以便满足用户的使用习惯。
在其中一个实施例中,配置界面中的可配置项按照预设的排列方式进行排列,其中,预设的排列方式可以是间隔均匀分布,还可以是按照单一方向间隔布设,以便为用户提供较佳的显示体验。
在其中一个实施例中,基于可配置项被配置,根据配置的可配置项更新智能功能块的第一文件。
在该实施例中,通过限定第一文件可以根据可配置项自动更新,以便确保第一文件与智能功能块是同步修改的,减少了两者不匹配而无法使用的几率,在此过程中,无需用户手动进行更新,减少了用户与编程系统之间的交互次数,提升了用户的交互体验。
在其中一个实施例中,基于配置后的第一文件与第二文件不适配,删除第二文件或将第二文件的状态修改为无效状态。
在该实施例中,通过将配置后的智能功能块与第二文件进行比较,以便在配置后的智能功能块后能够自动判断第二文件是否有效,并在配置后的智能功能块与第二文件不适配后,删除第二文件或将第二文件的状态修改为无效状态,避免再次将配置后的智能功能块与第二文件继续比对,以判断是否适配。
举例来说,在该实施例中,考虑到在更新第一目标功能块的情况下,更新后的第一目标功能块所对应的第一文件也会更新,由于第二文件中用于描述算法模型的参数的排列方式与第一文件中用于描述算法模型的模型结构相匹配,因此,在使用更新后的第一目标功能块进行编程时,可以在第二文件中查找得到与第一文件匹配的参数。
而在检测到第二文件与更新的第一文件不适配时,认为更新后的第一文件出现了错误,通过删除第二文件或对第二文件的状态进行调整,以避免因第一文件和第二文件不适配造成更新第一目标功能块无法使用这一情况的出现,此时,可以重新更新第一文件,以便实现异常的修复。
在其中一个实施例中,第一文件具有一个标识位,通过查找该标识位的状态来确定第一文件是否有效,具体地,在该标识位为第一信息的情况下,第一文件为有效状态,反之,在该标识位为第二信息的情况下,第一文件为无效状态。
在其中一个实施例中,第二文件中用于描述算法模型的参数可被配置和/或修改。
在该实施例中,用户可以对第二文件中的参数进行配置和/或修改,其中,配置可以理解为新增或删除,修改可以理解为对现有参数进行调整,以便满足用户的实际使用需要。
在其中一个实施例中,智能功能块的数量为N个,其中,N为大于或等于2的正整数,第一智能功能块的数据输入通道和数据输出通道中的至少一个能够通过连接元素与目标功能块连接,并实例化组合构建新的智能功能块,第一智能功能块为N个智能功能块中的任一智能功能块,目标功能块为N个智能功能块中除第一智能功能块之外的一个或多个智能功能块;和/或目标功能块为一个或多个默认功能块;其中,新的智能功能块的第一文件为第一智能功能块对应的第一文件和目标功能块的第一文件合并后的文件,新的智能功能块的第二文件为第一智能功能块对应的第二文件和目标功能块的第二文件合并后的文件。
在该实施例中,限定了作为N个智能功能块中的任一个智能功能块的第一智能功能块可通过数据数据通道和/或数据输出通道与目标功能块进行实例化组合,从而构建新的智能功能块。在此过程中,用户可以在第一智能功能块的基础上选取目标功能块,以便在实例化后进行组合,以便满足不同的使用需求。
在其中一个实施例中,目标功能块可以是智能功能块,也可以是默认功能块,还可以是两者的组合。其中,默认功能块可以理解为可编程逻辑控制器的编程系统下中除了智能功能块外的功能块,也即可编程逻辑控制器的编程系统中的默认设置的功能块。
在上述实施例中,通过将第一智能功能块对应的第一文件和目标功能块的第一文件合并,以便得到新的智能功能块的第一文件,同理,通过将第一智能功能块对应的第二文件和目标功能块的第二文件合并,以便得到新的智能功能块的第二文件,以便确保新的智能功能块能够与现有的智能功能块一样,具有第一文件和第二文件,以便满足使用要求。
具体地,举例来说,响应于第三输入,显示N个智能功能块;响应于第四输入,确定第一智能功能块和目标功能块,其中,目标功能块是N个智能功能块中的一个或多个智能功能块;根据第一智能功能块和目标功能块确定新的智能功能块;存储新的智能功能块。
具体地,响应于第三输入,显示N个智能功能块和至少一个默认功能块;响应于接收第四输入,确定第一智能功能块和目标功能块,其中,目标功能块是N个智能功能块中的一个或多个智能功能块和一个或多个默认功能块;根据第一智能功能块和目标功能块确定新的智能功能块;存储新的智能功能块。
在其中一个实施例中,目标功能块仅包含一个或多个默认功能块。
在该实施例中,用户可以在现有的智能功能块的基础上自定义智能功能块;或在默认功能块和现有智能功能块的基础上自定义智能功能块,以便满足不同使用需要。
具体地,第三输入可以是选择新建智能功能块的输入,如在显示有“新建智能功能块”的图标的点击输入,还可以是在显示有“自定义智能功能块”的图标上的点击输入,其中,显示的内容可以根据设计需要进行变更,如需要显示的输入输出管脚等,在此不再赘述。
在其中一个实施例中,N个智能功能块和至少一个功能块以区域化的模块进行展示,以方便用户进行选取。
在其中一个实施例中,通过存储新的智能功能块,以便在进行编程时进行显示和调用。
举例来说,如图4所示,新建智能功能块的步骤包括:
步骤402,新建AI功能块;
步骤404,定义功能块输入、输出、内部变量;
步骤406,从AI功能块库中选择子功能块并实例化,并完成各子功能块的配置;
步骤408,利用ST/LD/FBD编程语言完成各子功能块的组合编程;
步骤410,判断是否压缩入库,在判断结果为是,执行步骤412,在判断结果为否,执行步骤416;
步骤412,子功能块的XML文件合并,并生成新的DAT文件;
步骤414,保存AI功能块至AI功能块库;
步骤416,PLC编程调用并实例化。
其中,AI功能块也即本申请中的智能功能块,AI功能块库可以理解为智能功能块库,XML文件为本申请中的第一文件,DAT文件为本申请中的第二文件。
其中,连接元素采用PLCopen XML规范中定义的连接元素connection,以便实现图形化的连接,在此过程中,采用图形化的连接方式,提高了新的智能功能块的生成过程的可视化,简化了其生成难度。
具体地,每一个连接元素connection都有一个连接号属性localId,在不同智能功能块和/或默认功能块的输入元素和/或输出元素中包含同一个localId的connection的情况下,认为通过同一个连接元素将不同第一智能功能块与其它智能功能块和/或默认功能块的输入元素和/或输出元素连接起来,进而形成一个有效连接。
在其中一个实施例中,同一个连接元素所连接的两端采用相同的数据格式,以便确保数据得以传输。
在其中一个实施例中,在不同的第一智能功能块与目标功能块之间为简单的算法组合的情况下,第二文件可以是原有的第二文件的合并,对于更为复杂的人工智能模型(如由多种AI算子组合而成的深度学习网络模型),新的第二文件需要重新训练获得,其中,新的第二文件具体生成方式不再进行限定。
在其中一个实施例中,新的第二文件中参数数据的排列方式与其组合后第一文件中描述的模型结构保持一致,并在新的第一文件中的元素fbdObjects/block/addData中进行描述。
在其中一个实施例中,组合后原有各人工智能子功能块实例的原有第二文件,以及各子功能块原有第一文件中对原有第二文件的描述将被删除或忽略。
举例来说,通过实例化多个Convolution,BatchNorm、ReLU6等智能功能块可以组合构建一个InvertedResidualBlock功能块,再通过实例化多个InvertedResidualBlock、BatchNorm、AveragePooling、Softmax等AI功能块可以组合构建为一个更大的MobileNet_V2功能块。
在其中一个实施例中,智能功能块支持采用预设编程语言对其进行组合编程,组合编程后的得到的智能功能块的拓扑结构在预设编程语言的编辑界面中显示;其中,预设编程语言包括可编程逻辑控制器的功能块图编程语言或结构化文本编程语言。
在该实施例中,具体限定了智能功能块支持预设编程语言对其进行组合编程,并且能够在预设编程语言的编辑界面中显示组合编程后的得到的智能功能块的拓扑结构,以便用户对组合后的智能功能块进行操作。
其中,组合编程后的得到的智能功能块的拓扑结构可以理解为基于智能功能块编程得到的控制程序。
其中,功能块图(也即FBD,Function Block Diagram)编程语言,是一种图形化语言的一种,结构化文本(ST,Structured test)编程语言是一种高级语言。
在其中一个实施例中,组合编程后的得到的智能功能块的拓扑结构在预设编程语言的编辑界面中显示,以便用户直观地显示智能功能块组合的拓扑结构,以便提高编程的可视化。
在其中一个实施例中,通过结构化文本(ST)等编程语言完成智能功能块的组合编程,以便满足不同场景下的编程需要。
在上述任一实施例中,配置界面还包括:导入模块项,导入模块项用于导入外部学习框架输出的人工智能算法的算法模型文件,并将算法模型文件转化生成对应的第一文件和第二文件,以形成对应的智能功能块。
在该实施例中,可编程逻辑控制器的编程系统还支持智能功能块的转化,通过对外部学习框架输出的人工智能算法的算法模型文件进行转换,从而得到第一文件和第二文件,在此过程中,丰富了智能功能块的获取方式,以便满足不同场景的使用需求。
在其中一个实施例中,在可编程逻辑控制器的编程系统支持智能功能块的调用,其能够使用智能功能块对输入数据的计算,以完成分类、回归,最终得到输出结果,而第一文件和第二文件的确定需要进行训练,通过限定可编程逻辑控制器的编程系统支持智能功能块的导入,以便利用其它平台上完成算法的训练,得到第一文件和第二文件,并在可编程逻辑控制器的编程系统中的展示智能功能块。
在上述任一实施例中,导入模块项还用于导入算法模型文件,并在配置界面的显示由算法模型文件转化得到的智能功能块所对应的可配置项。
通过限定可编程逻辑控制器的编程系统支持对接收到的人工智能模型的转化,以便得到智能功能块,在此过程中,丰富了智能功能块的获取方式,以便满足不同场景的使用需求。
具体地,导入外部学习框架输出的人工智能算法的算法模型文件,并转换为符合本申请所定义的智能功能块。如导入ONNX、hdf5等格式的标准模型,进行适当的压缩和优化(如去除推理过程中无用的Dropout操作),然后转换生成相应的第一文件和第二文件。
在上述任一实施例中,可配置项还包括:智能功能块的注释信息。
在该实施例中,通过限定可配置项还包括智能功能块的注释信息,以便利用注释信息知悉智能功能块的详细信息,以便用户了解。
在其中一个实施例中,编程系统集成有加速模块,其中,加速模块用于加速人工智能算法的编译过程;其中,加速模块包括图形处理器、嵌入式神经网络处理器和/或现场可编程逻辑门阵列。
在该实施例中,通过设置加速模块,以便加快编译过程,减少编程所需要的时间,进而降低编程所花费的时间成本。
其中,图形处理器,也即,Graphics Processing Unit,又称显示核心、视觉处理器、显示芯片或绘图芯片。
其中,嵌入式神经网络处理器,也即NPU,Neural-Network Process units。
其中,FPGA,Field Programmable Gate Array,现场可编程逻辑门阵列。
在其中一个实施例中,编程系统包括:智能功能块库,智能功能块位于智能功能块库内,智能功能块库内的所示智能功能块所属类别包括以下一种或多种:机器学习算法智能功能块、卷积神经网络算子智能功能块、激活算子智能功能块、张量计算算子智能功能块、逻辑算子智能功能块、数据处理算子智能功能块。
在该实施例中,对智能功能块库内中的智能功能块进行分类,具体地,机器学习算法智能功能块,其中,机器学习算法如线性回归LinearRegression、逻辑回归LogisticRegression、线性支持向量分类LinearSVC、朴素贝叶斯NaiveBayes等、卷积神经网络算子智能功能块,其中,卷积神经网络算子如卷积Convolution、最大池化MaxPool等、激活算子智能功能块,其中,激活算子如ReLU、Tanh等、张量计算算子智能功能块,其中,张量计算算子如TensorAdd,TensorSubtract,TensorMultiply等、逻辑算子智能功能块,其中,逻辑算子如And、Xor、Not等、数据处理算子智能功能块,其中,数据处理算子如Concat、Split、StridedSlice等。
在该实施例中,通过对智能功能块进行分类,以便方便对智能功能块进行查找和管理。
在其中一个实施例中,第二文件中用于描述算法模型的参数可被配置和/或修改。
在该实施例中,用户可以对第二文件中的参数进行配置和/或修改,其中,配置可以理解为新增或删除,修改可以理解为对现有参数进行调整,以便满足用户的实际使用需要。
在上述任一实施例中,第二文件可以根据操作权限进行处理。在该实施例中,通过根据操作权限对第二文件进行处理,以便减少对第二文件的非法处理这一情况出现的几率,从而提高了第二文件的安全性。
在其中一个实施例中,操作权限可以由智能功能块的制作方进行设置。
在上述任一实施例中,操作权限包括:查询权限、显示权限、修改权限中的一种或多种。
举例来说,在fbdObjects/block/addData/AIData元素中,提供了@data_writable属性。当data_writable=True时,用户可以通过可编程逻辑控制器的编程环境配置和修改第二文件中的参数;否则表示该智能功能块不支持用户修改参数,只能使用默认参数或者从外部导入完整的第二文件。
在其中一个实施例中,如图5所示,包含LinearRegressuion_inst1功能块的控制程序编程示例,其中,LinearRegressuion_inst1功能块以及各输入输出,与LinearRegressuion_inst1功能块的EN和ENO端连接的var0和var1的类别和数据类型连接关系。通过上述编程示例,可以实现LinearRegressuion_inst1功能块的使用。
在本发明的权利要求书、说明书和说明书附图中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本发明的权利要求书、说明书和说明书附图中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种可编程逻辑控制器的编程系统,其特征在于,包括:
智能功能块,所述智能功能块包括至少一组人工智能算法的算法模型;
所述智能功能块包括数据输入通道和数据输出通道,所述智能功能块被配置为将所述数据输入通道接收的输入数据,经过所述算法模型处理后自所述数据输出通道输出,所述智能功能块被配置为在可编程逻辑控制器控制程序中能够被实例化;所述智能功能块包括:
用于描述所述智能功能块的类型和结构的第一文件;和
用于描述所述算法模型的参数的第二文件。
2.根据权利要求1所述的可编程逻辑控制器的编程系统,其特征在于,所述第一文件为可扩展置标语言的文件;和/或
所述第二文件为二进制文件。
3.根据权利要求1所述的可编程逻辑控制器的编程系统,其特征在于,
所述第一文件包括用于描述所述智能功能块的功能块号的属性信息、用于描述所述智能功能块的功能块名的属性信息、用于描述所述智能功能块输入的元素信息和用于描述所述智能功能块输出的元素信息。
4.根据权利要求3所述的可编程逻辑控制器的编程系统,其特征在于,所述第一文件还包括用于描述所述第二文件的存储信息。
5.根据权利要求3所述的可编程逻辑控制器的编程系统,其特征在于,所述第二文件中用于描述所述算法模型的参数的排列方式与所述第一文件中描述的所述智能功能块的算法模型的结构相匹配。
6.根据权利要求1所述的可编程逻辑控制器的编程系统,其特征在于,所述智能功能块的数量为N个,其中,N为大于或等于2的正整数,
第一智能功能块的数据输入通道和数据输出通道中的至少一个能够通过连接元素与目标功能块连接,并实例化组合构建新的智能功能块,所述第一智能功能块为N个所述智能功能块中的任一智能功能块,所述目标功能块为N个所述智能功能块中除所述第一智能功能块之外的一个或多个智能功能块;和/或所述目标功能块为一个或多个默认功能块;
其中,所述新的智能功能块的第一文件为所述第一智能功能块对应的第一文件和所述目标功能块的第一文件合并后的文件,所述新的智能功能块的第二文件为所述第一智能功能块对应的第二文件和所述目标功能块的第二文件合并后的文件。
7.根据权利要求6所述的可编程逻辑控制器的编程系统,其特征在于,
所述智能功能块支持采用预设编程语言对其进行组合编程,组合编程后的得到的智能功能块的拓扑结构在所述预设编程语言的编辑界面中显示;
其中,预设编程语言包括可编程逻辑控制器的功能块图编程语言或结构化文本编程语言。
8.根据权利要求1至7中任一项所述的可编程逻辑控制器的编程系统,其特征在于,所述编程系统还具有用于对所述智能功能块进行配置的配置界面,所述配置界面中显示有可配置项;
所述可配置项包括以下一种或多种:所述数据输入通道的个数、每一数据输入通道的数据类型和引脚名称、所述数据输出通道的个数、每一数据输出通道的数据类型和引脚名称、所述算法模型的类型;
其中,基于所述可配置项被配置,根据配置的所述可配置项更新所述智能功能块的所述第一文件。
9.根据权利要求8所述的可编程逻辑控制器的编程系统,其特征在于,
基于配置后的所述第一文件与所述第二文件不适配,删除所述第二文件或将所述第二文件的状态修改为无效状态。
10.根据权利要求8所述的可编程逻辑控制器的编程系统,其特征在于,
所述第二文件中用于描述所述算法模型的参数可被配置和/或修改。
11.根据权利要求8所述的可编程逻辑控制器的编程系统,其特征在于,所述配置界面还包括:
导入模块项,所述导入模块项用于导入外部学习框架输出的人工智能算法的算法模型文件,并将所述算法模型文件转化生成对应的第一文件和第二文件,以形成对应的智能功能块。
12.根据权利要求1至7中任一项所述的可编程逻辑控制器的编程系统,其特征在于,所述编程系统集成有加速模块,其中,加速模块用于加速人工智能算法的编译过程;
其中,加速模块包括图形处理器、嵌入式神经网络处理器和/或现场可编程逻辑门阵列。
13.根据权利要求1至7中任一项所述的可编程逻辑控制器的编程系统,其特征在于,所述编程系统包括:智能功能块库,所述智能功能块位于所述智能功能块库内,所述智能功能块库内的所示智能功能块所属类别包括以下一种或多种:
机器学习算法智能功能块、卷积神经网络算子智能功能块、激活算子智能功能块、张量计算算子智能功能块、逻辑算子智能功能块、数据处理算子智能功能块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210757786.6A CN115202636A (zh) | 2022-06-30 | 2022-06-30 | 可编程逻辑控制器的编程系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210757786.6A CN115202636A (zh) | 2022-06-30 | 2022-06-30 | 可编程逻辑控制器的编程系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115202636A true CN115202636A (zh) | 2022-10-18 |
Family
ID=83578674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210757786.6A Pending CN115202636A (zh) | 2022-06-30 | 2022-06-30 | 可编程逻辑控制器的编程系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115202636A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115657571A (zh) * | 2022-12-26 | 2023-01-31 | 广东群宇互动科技有限公司 | 智能玩具生产方法、系统、平台及存储介质 |
CN117312388A (zh) * | 2023-10-08 | 2023-12-29 | 江苏泰赋星信息技术有限公司 | 一种人工智能模型控制系统 |
-
2022
- 2022-06-30 CN CN202210757786.6A patent/CN115202636A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115657571A (zh) * | 2022-12-26 | 2023-01-31 | 广东群宇互动科技有限公司 | 智能玩具生产方法、系统、平台及存储介质 |
CN117312388A (zh) * | 2023-10-08 | 2023-12-29 | 江苏泰赋星信息技术有限公司 | 一种人工智能模型控制系统 |
CN117312388B (zh) * | 2023-10-08 | 2024-03-19 | 江苏泰赋星信息技术有限公司 | 一种人工智能模型控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210397171A1 (en) | Industrial automation hmi program file generation from computer-aided design | |
US20220197454A1 (en) | User interface logical and execution view navigation and shifting | |
JP6549748B2 (ja) | プロセス制御構成方法、プロセス制御構成システム、及びソフトウェアシステム | |
US20210294279A1 (en) | Ai design analysis and recommendations | |
CN115202636A (zh) | 可编程逻辑控制器的编程系统 | |
US9753446B2 (en) | Binding graphic elements to controller data | |
US11733669B2 (en) | Task based configuration presentation context | |
US20220043431A1 (en) | Industrial automation control program utilization in analytics model engine | |
US20220308737A1 (en) | Defining an action on an external application based on a machine learning model prediction from within a data pipeline | |
US11775142B2 (en) | Preferential automation view curation | |
CN110874447A (zh) | 用于在过程图形中嵌入web框架的系统和方法 | |
CN116034369A (zh) | 利用合规性验证对设计项目数据进行自动功能集群 | |
US11733977B2 (en) | Graphical and text based co-design editor for industrial automation projects | |
CN112685482A (zh) | 制造控制系统和用于制造控制的方法 | |
US11775263B2 (en) | Control code generation and collaboration using active machine learning | |
EP3916539A1 (en) | System and method for engineering a technical system | |
CN112328236A (zh) | 模型构建方法、系统、电子设备和可读存储介质 | |
US12025973B2 (en) | Industrial automation controller project online/offline state separation | |
CN117313188B (zh) | 一种基于m语言的生产系统离散事件仿真优化方法及系统 | |
US11789421B2 (en) | Efficient client updates using patience difference algorithm in a unidirectional data flow architecture for industrial automation design | |
US11972257B2 (en) | Industrial automation system topology with point to point business rule integration | |
US20240019851A1 (en) | Extensible profiles for industrial controller devices | |
US12085910B2 (en) | Model asset library and recommendation engine for industrial automation environments | |
Devedžić et al. | A framework for building intelligent manufacturing systems | |
CN117631928A (zh) | 一种基于制图编辑及显示的系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |