DNP/AISS1: Erste Schritte
Die neue Produktfamilie AISS (Artificial Intelligence Smart Sensor) ermöglicht mit Hilfe eines Baukastenkonzepts die schnelle und individuelle Entwicklung intelligenter Sensorsysteme, die genau auf die jeweilige Aufgabe zugeschnitten sind. Mit diesem AISS-Baukasten lässt sich quasi jede Steuerung mit künstlicher Intelligenz (KI) und Machine Learning (ML) nachrüsten. Der erste Vertreter der neuen AISS-Familie ist das Evaluierungsboard DNP/AISS1. Es bietet neben diversen Sensoren ein kompaktes Embedded System (DNP/9535) inkl. KI- und Connectivity-Software. Der folgende Artikel beschreibt die ersten Schritte mit dem DNP/AISS1.
Inhaltsverzeichnis
Einleitung
Lieferumfang
Zum Lieferumfang des DNP/AISS1-Starterkits gehören die folgenden Komponenten.
- 1x DNP/AISS1
- 1x Ethernet-LAN-Kabel
- 1x 12/24 VDC-Steckernetzteil
- 1x I2C-Verbindungskabel 30 cm
- 1x Taschenbuch „Machine Learning – kurz und gut“ von O’Reilly
- 1x gedruckte Inbetriebnahmeanleitung
Beachten Sie vor dem Einsatz des Starterkits unbedingt die beigefügte Inbetriebnahmeanleitung! |
Bitte wenden Sie sich an SSV, falls etwas aus der Liste fehlen oder defekt sein sollte.
Anforderungen an den Entwicklungs-PC
Für die Nutzung des DNP/AISS1 wird ein PC benötigt, der mindestens die folgenden Voraussetzungen erfüllen muss:
- Internetzugang
- LAN-Schnittestelle zur Verbindung mit dem DNP/AISS1
- HTML5-konformer Webbrowser (z. B. Chrome oder Firefox)
- (Text-) Editor zum Bearbeiten von Quellcodes (z. B. Notepad++: https://notepad-plus-plus.org/)
- FTP-Client, um Dateien vom PC in das Dateisystem des DNP/AISS1 zu übertragen (z. B. FileZilla: https://filezilla-project.org/)
- Die LAN-Verbindung zwischen PC und DNP/AISS1 sollte möglichst durch keine aktive Firewall geschützt sein. Falls eine Firewall existiert, müssen der TCP-Port 80 (HTTP), der TCP-Port 1880 (Node-RED-UI) und TCP-Port 4200 (Shell-In-a-Box Service, Web Console) freigeschaltet werden.
Auf dem DNP/AISS1 ist Node-RED vorinstalliert und kann vom PC aus per Browser genutzt werden. Daher empfehlen wir, sich mit der Benutzung von Node-RED vertraut zu machen, siehe hierzu auch https://nodered.org/docs/getting-started/first-flow.
Machen Sie sich möglicgst auch mit den Grundgedanken des Node-RED-Dashboards vertraut, siehe hierzu https://flows.nodered.org/node/node-red-dashboard.
Falls Sie weitere Eigenschaften und Möglichkeiten des DNP/AISS1 nutzen möchten, sind hinsichtlich der Firewall-Einstellungen ggf. weitere Ports freizuschalten und zusätzliche Software-Installationen auf dem PC erforderlich. Beachten Sie dazu bitte die jeweiligen Hinweise in den entsprechenden Dokumenten.
Kabelverbindungen
Bitte stellen Sie zuerst die Ethernet-LAN-Verbindung her, bevor Sie das Netzteil anschließen.
Ethernet-LAN
Verbinden Sie das mitgelieferte LAN-Kabel mit der LAN-Schnittstelle des DNP/AISS1 sowie einer freien LAN-Schnittstelle des PCs.
Die LAN-Schnittstelle des DNP/AISS1 ist ab Werk fest auf die statische IP-Adresse 192.168.0.126 voreingestellt. Für die LAN-Schnittstelle Ihres PCs empfiehlt sich daher z. B. die statische die IP-Adresse 192.168.0.1. |
Stromversorgung
Verbinden Sie zuerst die beiden Kabelenden des mitgelieferten 12/24 VDC-Steckernetzteils mit der 2-poligen-Versorgungsspannungsklemme des DNP/AISS1, wie auf der Abbildung rechts gezeigt. Stecken Sie erst danach das Netzteil in eine Steckdose. Warten Sie anschließend den Bootvorgang des DNP/AISS1 ab.
Die rot gekennzeichnete Ader ist +12 bzw. +24 VDC. |
Weboberfläche öffnen (SSV/WebUI)
Öffnen Sie auf dem PC ein Browserfenster und geben Sie folgende Adresse ein, um die Login-Seite der Weboberfläche (SSV/WebUI) des DNP/AISS1 aufzurufen:
- 192.168.0.126:7777
Den Benutzernamen und das Passwort für den Login entnehmen Sie bitte der mitgelieferten Inbetriebnahmeanleitung! |
Auf dem DNP/AISS1 ist die Software des IGW/941 vorinstalliert. Daher wird im SSV/WebUI der Name „IGW/941“ angezeigt.
Trainingsmodus
Damit ein AISS wie im obigen Anwendungsbeispiel eine Anomalie am Robotergreifarm überhaupt als solche erkennen kann, muss zuerst ein KI-Algorithmus ausgewählt und trainiert werden. Auswahl und Training findet im sog. Exploration & Modelling Mode (kurz EMM) des AISS statt. In diesem Betriebszustand wird per Machine Learning (ML) ein Modell für den KI-Algorithmus erzeugt.
Zuvor müssen allerdings einige wichtige Fragen geklärt werden:
- Welche Fragestellung ist durch die KI zu beantworten und welche Sensorrohdaten werden dafür benötigt (bspw. Beschleunigungsdaten)?
- Mit welcher Frequenz müssen die Sensordaten übertragen und ausgewertet werden und welches Preprocessing ist vor der Datenanalyse erforderlich?
- Welcher KI- bzw. ML-Algorithmus ist für die Aufgabe am besten geeignet (z. B. KNN-Klassifizierung, Regressionsanalyse oder neuronales Netz)?
Sind diese Fragen geklärt, kann mittels Supervised Machine Learning auf einem externen Rechner als Entwicklungssystem ein geeignetes ML-Modell erzeugt und validiert werden.
Die Sensoren am Greifarm übermitteln dafür ihre Rohdaten in der gewünschten Frequenz als sog. n-dimensionale Merkmalsvektoren an die Connectivity-Komponente des AISS, welche die Daten per Ethernet-LAN an das Entwicklungssystem (z. B. R, Jupyter, MATLAB...) weiterleitet. So entsteht auf dem Entwicklungssystem aus den Daten der AISS-Sensoren ein ML-Modell des jeweiligen Roboterbetriebs. Anschließend wird das gelernte Modell in mehreren Testläufen mit Hilfe weiterer Sensordaten validiert und ggf. erneut trainiert, bis ein zufriedenstellendes Ergebnis bzgl. der Klassifizierungs- bzw. Vorhersagegenauigkeit vorliegt. Liefert das Modell hinsichtlich der Genauigkeit mit echten Zustandsdaten des Roboters zuverlässige Ergebnisse, wird es in den AISS geladen (ggf. ist zuvor eine Konvertierung erforderlich). Auf dem Zielsystem läuft das ML-Modell dann im AISS-Arbeitsmodus, um Zustände in Echtzeit zu klassifizieren bzw. vorherzusagen.
Arbeitsmodus
Das im Trainingsmodus erzeugte und getestete ML-Modell wird in den AISS geladen und der AISS kann seine eigentliche Arbeit im sog. Inference Engine Mode (kurz IEM) beginnen. In dieser Betriebsart erfolgt eine periodische Datenanalyse mit einer fortlaufenden Ergebnisweitergabe an externe Systeme. Der KI-Algorithmus des AISS gleicht nun im Normalbetrieb des Roboters periodisch die aktuellen Datenmuster in Echtzeit mit denen des Modells ab und veranlasst bei Abweichungen die SPS z. B. eine Warnmeldung zu verschicken oder den Roboter abzuschalten. Dabei übermitteln die Sensoren des Roboters zyklisch die jeweils gemessenen Merkmalsvektoren als Objekte an den KI-Algorithmus, der diese Objekte beispielsweise in einem sog. Merkmalsraum einordnet (die genaue Vorgehensweise ist vom jeweiligen Algorithmus abhängig).
Der Merkmalsraum ist ein mehrdimensionaler mathematischer Raum. Die Position eines bestimmten Objekts in diesem Raum wird jeweils durch die einzelnen Messwerte eines Vektors bestimmt. Jeder Sensormesswert des Merkmalsvektors entspricht einer Dimension. Der KI-Algorithmus bewertet die Positionen der Merkmalsvektoren an Hand der gelernten Daten des ML-Modells und liefert einen Ausgabewert (z. B. die Klassifizierung der Position eines Vektors innerhalb der erlernten Bereiche) an die Connectivity-Komponente.
Abmessungen des DNP/AISS1
Das DNP/AISS1 Starterkit
Lieferumfang
- 1x Taschenbuch "Machine Learning – kurz & gut" von O'Reilly
- 1x Steckernetzteil
- 1x DNP/AISS1
- 1x Verbindungskabel 30 cm
- Erste-Schritte-Webinar
DIL/NetPC DNP/9535
Technische Daten
Hier technische Daten einfügen.
Shopping List | |||||
---|---|---|---|---|---|
Bread & Butter | Pie | Buns | Danish | Croissant | |
Cheese | Ice cream | Butter | Yogurt |
Downloads
Kontakt und Support
Fragen oder Anregungen? Kontaktieren Sie uns:
SSV Software Systems GmbH
Dünenweg 5
D-30419 Hannover
Fon: | +49 (0)511/40 000-0 |
Fax: | +49 (0)511/40 000-40 |
E-Mail: | sales@ssv-embedded.de |
Homepage: | https://www.ssv-embedded.de/ |
Forum: | https://www.ssv-comm.de/forum/ |