设计嵌入 AI 的智能电气设备

将基于模型的设计与电气系统中的人工智能相结合可改善行业运营

现代生活的所有组成部分都依赖于正常运转的电力系统。在工业规模上，这些系统的故障意味着数据丢失、浪费和黑暗。有一个部件特别容易受到严重磨损：接触器，一种接通或关闭电流的装置。但直到最近，维护接触器还意味着要预测设备何时会发生故障或发生故障。为了解决这个问题，施耐德电气工程师结合人工智能（AI）和基于模型的设计，在接触器本身中嵌入预测性维护算法。结果，他们将长达数月的维护测试压缩到了午休的时长。

要确定接触器的剩余寿命，过去需要进行长达数月的密集测试。但随着人工智能工具在工程领域的可访问性的提高，施耐德电气的工程师不仅缩短了测试时间，而且还将新型接触器的开发时间从三年缩短到了六个月。

施耐德电气首席技术专家 Silvio Rizzuto 说：“在采用这种新方法之前，客户需要在维护期间关闭装置。”“例如，在食品制造中，如果你停止生产，生产线上剩余的所有产品都会被浪费。”

从被动到主动

由于这一重要设备需要处理如此高的电流和电压，因此接触器的使用寿命会严重磨损，根据操作条件的不同，其使用寿命可能会远远超过 10 年。然而，环境压力会缩短设备的使用寿命，主动干预可以延长其使用寿命。由于这些变化，很难估计运行中单个接触器的剩余使用寿命（RUL）。

从新一代接触器开始，施耐德电气团队的目标是让客户能够主动出击，而不是被动应对。利用人工智能，该团队试图在接触器中嵌入预测性维护算法，消除监控接触器寿命和维持运行之间的矛盾。

Rizzuto 和他的同事长期以来一直关注这些问题。“我们的产品可以用于客户安装 20 年，并且始终保持通电状态，”Rizzuto 说道。“电气元件不是为这种应用而设计的。”

为了大致了解接触器的 RUL，技术人员会暂停操作，目视检查接触点，查看是否有变色或凹陷，这表示接触器已老化。但客户能做的只有尽力优化这些设备的使用寿命并保护其操作。

从新一代接触器开始，施耐德电气团队的目标是让客户能够主动出击，而不是被动应对。利用人工智能，该团队试图在接触器中嵌入预测性维护算法，消除监控接触器寿命和维持运行之间的矛盾。

TeSys Giga 接触器的安装。（图片所有权：施耐德电气）

从头开始

2016年，施耐德电气开始开发 TeSys Giga 接触器，这是其第一款配备剩余寿命估算功能的接触器。但正如里祖托所说，这项努力的第一阶段以“灾难”告终。

“我们决定采用基于模型的设计和代码生成来管理复杂性。”
施耐德电气首席技术专家 Silvio Rizzuto

项目团队开始利用机器学习从头构建寿命估计算法，以对接触器的磨损程度进行分类。为了生成训练算法所需的数据，他们制作了一张电子卡，可以从接触器内部捕获必要的指标（例如电流、电压和操作次数），并使设备进行操作以获取这些数据。

经过两年半的时间开发人工智能后，他们开始测试新的 TeSys Giga 接触器。这个最早的版本未能通过耐久性测试——而且没有人能够找出根本原因。手动创建算法是一个复杂的过程，很容易出现人为错误。Rizzuto 说：“这变得无法管理。”“正是在那个时候，我们决定采用基于模型的设计和代码生成来管理复杂性。”

TeSys Giga 接触器的解构图展示了各个部件，包括块连接 (Adv)、底座、安瓿瓶、中间框架和移动磁铁，以及 CMD、线圈和固定磁铁。

TeSys Giga 接触器。（图片所有权：施耐德电气

结合人工智能和基于模型的设计

基于模型的设计和人工智能已经存在了几十年，但将两者结合起来，并为工程师提供用户友好的人工智能工具，是一个相对较新的发展。“今天，我们才刚刚开始使用这种方法，”为 Rizzuto 和该地区其他客户提供支持的 MathWorks 应用工程师 Cédric Tridon 说道。“现在，工程师知道如何使用人工智能，我们有工具可以帮助他们开发人工智能算法来解决他们的问题，并且它们可以用于越来越多的应用。”

该团队将手动方法转为自动化方法，并使用 MATLAB 恢复开发、建模和模拟机器学习算法的性能。他们将模型结果与初始数据集进行比较，以确保其按计划运行，并利用 Simulink 开发、模拟和可视化算法架构。MATLAB 还为项目团队生成了嵌入接触器的代码。

使用 MATLAB^® 将基于模型的设计与人工智能结合起来，为项目团队带来了两项以前没有的优势：复杂算法的可视化界面，以及在实际接触器中测试之前快速、准确地模拟剩余寿命功能的方法。

Rizzuto 没有很深的人工智能背景，但他依靠 MathWorks 资源（如培训、技术支持和在线示例）启动了 TeSys Giga 接触器的重新开发。Rizzuto 的团队从错误中吸取了教训。“我们不想有黑匣子，”Rizzuto 说。“我们想了解我们的算法是如何运作的。”

该团队将手动方法转为自动化方法，并使用 MATLAB 恢复开发、建模和模拟机器学习算法的性能。他们将模型结果与初始数据集进行了比较，以确保模型按计划运行，并利用了 Simulink^® 开发、模拟和可视化算法架构。MATLAB 还为项目团队生成了嵌入接触器的代码。

“我们希望能够测试接触器的 RUL，这通常需要四个半月的时间，”Rizzuto 解释道。“有了该模型，只需一小时就可以模拟这个过程，从而节省大量开发时间。”

尽管事实证明，人工智能和建模推动的新发展道路更加顺利，但障碍仍然存在。Rizzuto 表示，MathWorks 工程师的指导至关重要。例如，施耐德团队需要一个过滤功能来尽量减少算法的内存占用。当施耐德固件开发人员需要自定义过滤器时，MathWorks 帮助他们开发了一个。此外，Rizzuto 和他的团队依靠 MathWorks 的在线示例创建了一个用于代码生成的自定义存储类，从而优化了生成的代码在不同硬件层提供的数据的呈现。

这次，当首次进行软件和硬件测试时，Rizzuto 的团队对他们的结果更加有信心。事实上，这个项目是一次胜利。借助基于模型的设计和人工智能，该团队仅花了六个月的时间完成相同的任务，而如果没有这些资源，则需要近三年的时间。新程序还避免了施耐德电气团队一开始面临的问题——手动创建算法，这是一种容易出错的方法，而且在硬件上测试之前没有办法对其进行模拟。

自 2021 年以来，客户一直在使用配备 RUL 估算功能的施耐德电气 TeSys Giga 接触器。“有了这个新功能，他们可以规划该产品的维护并更高效地使用它，”Rizzuto 说。他们不再需要停止操作来检查接触器，并可以战略性地计划维修或更换。现在，凭借其模型，施耐德电气还可以为客户提供持续的工程支持，并利用其模型在短短一小时内模拟可能的解决方案。

通过 LED 指示灯进行触点磨损诊断和局部故障检测，客户可以计划何时更换开关模块组。（图片所有权：施耐德电气

Rizzuto 表示，除了加快产品开发速度之外，MATLAB 和 Simulink 还使团队成员之间的工作流程更加顺畅。与国际团队沟通并确保每个人都了解项目状态尤其具有挑战性。但是 MATLAB 和 Simulink 有助于缓解这一痛点。“使用 MATLAB 和 Simulink 显然是一个优势，因为很多工程师已经知道如何使用这些工具，”他说。使用 Simulink 查看算法架构也为理解复杂算法提供了一种通用语言。

预测性维护的未来

将人工智能与基于模型的设计相结合已经为施耐德电气节省了开发时间和金钱，并且使 Rizzuto 和他的同事能够进行更雄心勃勃的项目。施耐德电气借鉴 TeSys Giga 的成功经验，目前正致力于通过开发新型接触器来升级接触器预测性维护。该接触器将包括一个内部诊断功能，除了 RUL 估计之外，还可以指示下一步操作中可能出现的故障。

“这些工具的用户友好界面使它们易于理解。诊断特征设计器和分类学习器使我即使没有人工智能背景也能探索基于人工智能的功能。”
施耐德电气首席技术专家 Silvio Rizzuto

“这些工具的用户友好界面使它们很容易理解，”Rizzuto 说。“诊断特征设计器和分类学习器应用程序使我即使没有人工智能背景也能探索基于人工智能的功能。”分类学习器应用程序加快了模型设计速度，进一步加速了人工智能的发展。“在不到一个月的时间内，我就能够为我们的接触器中的嵌入式维护功能创建一个实时原型，”他补充道，这给他的开发经理留下了深刻的印象。

在新的接触器中（目前仍是原型），中型神经网络为诊断功能提供动力，可在出现维护问题时向客户发出警报。此附加功能进一步增强了客户对不可预测的设备损坏、生产延误和浪费的防范能力。