Neuronales Netz in SCL mit dem TIA-Portal

Die Frage ob eine SPS am Geschehen der KI mit "machine learning" teilnehmen kann, wird hier in diesem Kurs eindeutig mit ja beantwortet. Damit die erarbeiteten Werte in der SPS zum "machine learning" auch kontrolliert werden können, dient ein kleines Python-Programm, welches ohne die Nutzung von zusätzlichen Bibliotheken das gleiche Ergebnis liefert. Der Kurs beginnt in Teil-1 mit der Erklärung der Funktionen in SCL, welche grundsätzlich notwendig sind, arrays und deren Anwendung mit der Layer-Technik zu verstehen.

In Teil-2 werden die Techniken zum künstlichen, neuronalen Netz an einem bildlichen Farbbeispiel erklärt, damit die später folgenden SCL-Programme besser verstanden werden. In Teil-3 wird schliesslich mit dem Programmieren des ersten neuronalen Netzes bekonnen. Hier wird besonderen Wert darauf gelegt, dass grundsätzlich verstanden wird, wie ein FB2 ein neuronales Netz trainiert.

Teil-4 zeigt die Umsetzung eines vorgegebenen Funktionsplanes (FUP) mit 5 digitalen Eingängen, welcher trainiert wird. Das Training bezieht sich allerdings nur auf eine Situation der 32 Möglichkeiten. Hier zeigt der Algorithmus in SCL, dass tatsächlich eine KI am Werke ist, da die restlichen 31 Situationen nun vom künstlichen, neuronalen Netz selbst erkannt werden, obwohl nur eine Situation trainiert wurde.

In Teil-5 wird ein TIA-Beispiel über eine Positioniersystem mit neuronalen Funktion vorgestellt. Dieses Projekt ist als Anhang zu betrachten und dient ausschließlich dem Selbststudium. Es gibt keine Erklärungen dazu, wie der SCL-Code funktioniert.

Es wird daruf hingewiesen, dass es sich hier nicht um einen SCL- oder Python-Kurs handelt. Jedoch können Programmierer mit SCL-Kenntnissen auch davon sehr profitieren. Ich denke sogar die Codesys-Programmierer können das gelernte ebenfalls umsetzen.

Es gibt dazu allerdings kein Beispiele. Der Kurs ist nicht für Anfänger geeignet. Alle Beispiel mit TIA V15.