高性能自适应边缘计算助力工业应用
对于工业企业而言，推进数字化转型至关重要，以此才能保持竞争力，并为客户提供价值。这种趋势的早期表现包括融合运营和信息技术网络的整合、部署预测性维护，以及使用机器人来实现自动化，从而提高吞吐量、减少人为错误。
产品开发人员需要针对这些挑战迅速推出解决方案。可编程系统模块（ som ）能够为着手开发提供适宜的计算平台。然而，额外的固件和软件基础设施仍然是必要的，同时，异构处理引擎和集成的可编程逻辑能增添宝贵的灵活性。通过分析网络融合、预测性维护和机器人领域中采用的一些已知的基于 som 的解决方案，便可发现附加资源在哪些领域能够加速开发工作和助力确保最佳性能。
网络融合解决方案
融合信息技术（ it ）与运营技术（ ot ）网络不仅能简化工厂车间内各系统之间的信息流程，也便于企业级管理和战略决策工作。其还能实现从最底层传感器/驱动器直至企业资源规划（ erp ）系统的端到端通信。这种融合还能消除管理两个不同网络所造成的重复开销。
it 网络和 ot 网络的需求大不相同。ot 网络需要实时、低时延通信，而且难以扩展；it 网络更加易于扩展，但并不具备确定性，也难以提供服务保证。时间敏感型网络（ tsn ）是 ieee 802 的一个子集，通过在以太网网络上启动确定性通信来促进这种融合。通过提供网络管理并为流量调度（ scheduled traffic ）分配时间槽，tsn 能使不同类型的流量共享同一链路。
当前，想要实现tsn 就需要一种能在网络终端和交换机上提供低时延和确定性响应的解决方案。一款适合的平台需包括以太网 mac、tsn 桥和 tsn 终端逻辑（图 1），此外还要借助软件来处理网络同步、初始化以及与网络配置控制器的接口连接等功能。
图 1：基于 som 的 tsn 终端。amd 赛灵思的 tsn ip 核采用可编程逻辑和 kria k26 som 的处理系统来实现这些单元，其中包括 zynq ultrascale+ mpsoc。该 ip 核能为每个流量类型提供单独接口，最多可用两个端口进行配置，这两个端口经由同一线缆或光纤传输所有流量类型。
预测性监测能够帮助设备操作人员提前避免故障，并在方便的时间安排维护工作，从而实现利用率和运行时间最大化，同时最大限度降低拥有成本。相关实现方案的适用范围从基于云端的数字孪生到边缘端预测，以用于监测简单驱动器和传感器系统。对众多工业应用而言，在边缘进行处理并将处理后的数据传输至云端是最可行的解决方案，这是因为数据量很大，决策回路的响应时间至关重要。在边缘端采用预测技术能提供巨大优势。例如，数控机床（ cnc ）主轴的操作故障不仅会造成数控机床的损坏，而且还会导致生产中断，这些都会对成本造成巨大影响。
构建上述系统时面临的一大关键挑战在于，要为边缘端部署开发机器学习应用。一款合适的工具套件可以助力解决这一挑战，那就是提供即用型可部署高性能机器学习算法，以此支持开发者使用 pytorch、tensorflow 和 caffe 等流行的机器学习框架来构建其应用。
图 2：采用 som 和业界标准框架开发机器学习应用。vitis ai 工具提供了丰富的深度学习处理器单元（ dpu ），可作为可参数化的 ip 核，直接实现在 som 可编程硬件中（图 2）。kv260 视觉 ai 入门套件等入门套件包括利用 vitis dpu 的 ai 加速应用。
基于 ros 2 的机器人技术
工业 4.0 最为关键的技术之一就是利用机器人技术实现生产流程自动化。在制造业中，这些解决方案适用于广泛的应用，从生产线上的机械臂到运输供应物资的机器人以及生产车间的物流等。
一款高性能、低时延的处理系统对于实现安全的环境交互至关重要。具体而言，需要控制机器人的活动部件，这些部件包含复杂的致动器、驱动器和机械系统，统称为机电一体化。由于机器人内部通过网络通信来实现所需的实时控制，因此，包括可编程逻辑的 som 能带来两大优势，其中之一便是能支持任意对任意连接，这样一来就简化了与传感器和驱动器连接。此外，可编程逻辑还可用于实现确定性网络，这对机器人系统的实现十分关键。
很多开发项目都采用机器人操作系统（ ros ），其包含用于创建机器人系统的一系列软件库和工具。尽管 ros 已于近期升级至 ros 2，但其原生的持续集成/持续交付（ ci/cd ）开发流水线却是专门为基于 cpu 的异构处理系统而设计的。
amd 赛灵思推出的 kria 机器人堆栈（ krs ）支持 ros 2，其增强功能可帮助开发者使用 kria k26 的异构处理引擎和可编程逻辑提升实时确定性性能。此外，它还采用 som 的 arm cortex-r5 实时处理器，以此管理作为数据分发服务（ dds ）核心的实时发布订阅协议（ rtps ），而这也是 ros 2 的基干。
除此之外，将 ci/cd 流水线添加到监测和自动化功能中，可以改进应用开发流程，尤其是在集成和测试阶段以及交付和部署期间。这样的自动化功能最大限度减少了 ci/cd 流水线每个环节的手动执行工作，而且机器人专家可以采用相同的 ros 2 协议和相同的工具作业，用于通过软件实现的部件，或是通过可编程逻辑卸载或加速的部件。还有一种机制可以对 ros 2 节点应用的执行进行基准测试，这不仅有助于识别瓶颈因素，而且还有助于专门将一个或多个内核定制为可编程逻辑中的卸载内核。
结论
高性能自适应边缘计算是工业数字化转型的一大支柱。可编程 som 能够简化灵活的自适应计算解决方案的构建，搭配专门设计的 ip（包括软件堆栈），便能加速实现可量产化模型的开发工作。
2021年物联网趋势将会对全球各行业产生哪些影响?
各种电子原件在电路中的作用
利用全介质超构表面实现太赫兹高效自旋解耦多功能波前调控的设计
图文详解Linux分段机制
苹果在 2020 年从中国版 App Store 中清除数万款游戏，可能还有更多游戏被下架
高性能自适应边缘计算助力工业应用
如何用人工神经网络对神经元进行高精度连接？
MSP微控制器 (MCU) 运行KNX通信协议实现工业应用
新款大疆无人机拆解中国芯超一半 但还有什么问题？
INS有哪几部组成-惯导专题
虹科Ellab冻干验证解决方案获得美国和欧洲两项官方专利
生物质颗粒燃料热量定硫仪不准确怎么办？
北京移动利用自身数据资源和网络优势，赋能智慧教育推动教育均衡发展
所托瑞安获得“天津市科学技术进步二等奖”
电动汽车充放储一体化电站为可再生能源发电提供最佳解决方案
专家回应N79频段难落地，5G手机没任何影响！
气体泄漏在线监测报警系统产品概述
一款全新的微型智能工业摄像头
媒体聚焦 | 对话瑞萨赵明宇：做中国汽车产业值得信赖的伙伴
区块链预言机可以预测币价的涨跌吗
产品开发人员需要针对这些挑战迅速推出解决方案。可编程系统模块（ som ）能够为着手开发提供适宜的计算平台。然而，额外的固件和软件基础设施仍然是必要的，同时，异构处理引擎和集成的可编程逻辑能增添宝贵的灵活性。通过分析网络融合、预测性维护和机器人领域中采用的一些已知的基于 som 的解决方案，便可发现附加资源在哪些领域能够加速开发工作和助力确保最佳性能。
网络融合解决方案
融合信息技术（ it ）与运营技术（ ot ）网络不仅能简化工厂车间内各系统之间的信息流程，也便于企业级管理和战略决策工作。其还能实现从最底层传感器/驱动器直至企业资源规划（ erp ）系统的端到端通信。这种融合还能消除管理两个不同网络所造成的重复开销。
it 网络和 ot 网络的需求大不相同。ot 网络需要实时、低时延通信，而且难以扩展；it 网络更加易于扩展，但并不具备确定性，也难以提供服务保证。时间敏感型网络（ tsn ）是 ieee 802 的一个子集，通过在以太网网络上启动确定性通信来促进这种融合。通过提供网络管理并为流量调度（ scheduled traffic ）分配时间槽，tsn 能使不同类型的流量共享同一链路。
当前，想要实现tsn 就需要一种能在网络终端和交换机上提供低时延和确定性响应的解决方案。一款适合的平台需包括以太网 mac、tsn 桥和 tsn 终端逻辑（图 1），此外还要借助软件来处理网络同步、初始化以及与网络配置控制器的接口连接等功能。
图 1：基于 som 的 tsn 终端。amd 赛灵思的 tsn ip 核采用可编程逻辑和 kria k26 som 的处理系统来实现这些单元，其中包括 zynq ultrascale+ mpsoc。该 ip 核能为每个流量类型提供单独接口，最多可用两个端口进行配置，这两个端口经由同一线缆或光纤传输所有流量类型。
预测性监测能够帮助设备操作人员提前避免故障，并在方便的时间安排维护工作，从而实现利用率和运行时间最大化，同时最大限度降低拥有成本。相关实现方案的适用范围从基于云端的数字孪生到边缘端预测，以用于监测简单驱动器和传感器系统。对众多工业应用而言，在边缘进行处理并将处理后的数据传输至云端是最可行的解决方案，这是因为数据量很大，决策回路的响应时间至关重要。在边缘端采用预测技术能提供巨大优势。例如，数控机床（ cnc ）主轴的操作故障不仅会造成数控机床的损坏，而且还会导致生产中断，这些都会对成本造成巨大影响。
构建上述系统时面临的一大关键挑战在于，要为边缘端部署开发机器学习应用。一款合适的工具套件可以助力解决这一挑战，那就是提供即用型可部署高性能机器学习算法，以此支持开发者使用 pytorch、tensorflow 和 caffe 等流行的机器学习框架来构建其应用。
图 2：采用 som 和业界标准框架开发机器学习应用。vitis ai 工具提供了丰富的深度学习处理器单元（ dpu ），可作为可参数化的 ip 核，直接实现在 som 可编程硬件中（图 2）。kv260 视觉 ai 入门套件等入门套件包括利用 vitis dpu 的 ai 加速应用。
基于 ros 2 的机器人技术
工业 4.0 最为关键的技术之一就是利用机器人技术实现生产流程自动化。在制造业中，这些解决方案适用于广泛的应用，从生产线上的机械臂到运输供应物资的机器人以及生产车间的物流等。
一款高性能、低时延的处理系统对于实现安全的环境交互至关重要。具体而言，需要控制机器人的活动部件，这些部件包含复杂的致动器、驱动器和机械系统，统称为机电一体化。由于机器人内部通过网络通信来实现所需的实时控制，因此，包括可编程逻辑的 som 能带来两大优势，其中之一便是能支持任意对任意连接，这样一来就简化了与传感器和驱动器连接。此外，可编程逻辑还可用于实现确定性网络，这对机器人系统的实现十分关键。
很多开发项目都采用机器人操作系统（ ros ），其包含用于创建机器人系统的一系列软件库和工具。尽管 ros 已于近期升级至 ros 2，但其原生的持续集成/持续交付（ ci/cd ）开发流水线却是专门为基于 cpu 的异构处理系统而设计的。
amd 赛灵思推出的 kria 机器人堆栈（ krs ）支持 ros 2，其增强功能可帮助开发者使用 kria k26 的异构处理引擎和可编程逻辑提升实时确定性性能。此外，它还采用 som 的 arm cortex-r5 实时处理器，以此管理作为数据分发服务（ dds ）核心的实时发布订阅协议（ rtps ），而这也是 ros 2 的基干。
除此之外，将 ci/cd 流水线添加到监测和自动化功能中，可以改进应用开发流程，尤其是在集成和测试阶段以及交付和部署期间。这样的自动化功能最大限度减少了 ci/cd 流水线每个环节的手动执行工作，而且机器人专家可以采用相同的 ros 2 协议和相同的工具作业，用于通过软件实现的部件，或是通过可编程逻辑卸载或加速的部件。还有一种机制可以对 ros 2 节点应用的执行进行基准测试，这不仅有助于识别瓶颈因素，而且还有助于专门将一个或多个内核定制为可编程逻辑中的卸载内核。
结论
高性能自适应边缘计算是工业数字化转型的一大支柱。可编程 som 能够简化灵活的自适应计算解决方案的构建，搭配专门设计的 ip（包括软件堆栈），便能加速实现可量产化模型的开发工作。
2021年物联网趋势将会对全球各行业产生哪些影响?
各种电子原件在电路中的作用
利用全介质超构表面实现太赫兹高效自旋解耦多功能波前调控的设计
图文详解Linux分段机制
苹果在 2020 年从中国版 App Store 中清除数万款游戏，可能还有更多游戏被下架
高性能自适应边缘计算助力工业应用
如何用人工神经网络对神经元进行高精度连接？
MSP微控制器 (MCU) 运行KNX通信协议实现工业应用
新款大疆无人机拆解中国芯超一半 但还有什么问题？
INS有哪几部组成-惯导专题
虹科Ellab冻干验证解决方案获得美国和欧洲两项官方专利
生物质颗粒燃料热量定硫仪不准确怎么办？
北京移动利用自身数据资源和网络优势，赋能智慧教育推动教育均衡发展
所托瑞安获得“天津市科学技术进步二等奖”
电动汽车充放储一体化电站为可再生能源发电提供最佳解决方案
专家回应N79频段难落地，5G手机没任何影响！
气体泄漏在线监测报警系统产品概述
一款全新的微型智能工业摄像头
媒体聚焦 | 对话瑞萨赵明宇：做中国汽车产业值得信赖的伙伴
区块链预言机可以预测币价的涨跌吗