Python 生產(chǎn)力價(jià)值：賽靈思 Zynq 產(chǎn)品組合 的前沿優(yōu)勢(shì)分析

嵌入式計(jì)算的新范例

近期的 IEEE 調(diào)查報(bào)告稱 2017 年最流行的兩種編程語(yǔ)言分別是 Python 和 C 語(yǔ)言。在嵌入式計(jì)算領(lǐng)域，C 語(yǔ)言一直以來(lái)都是中堅(jiān)力量。傳統(tǒng)上來(lái)說(shuō)，我們一直將 Python 語(yǔ)言用于網(wǎng)絡(luò)或臺(tái)式機(jī)計(jì)算，而從未用作嵌入式計(jì)算語(yǔ)言；

但是這種情況正在發(fā)生改變。

Python 及其相關(guān)框架能支持用于數(shù)據(jù)分析、機(jī)器學(xué)習(xí)（ML）和人工智能（AI）應(yīng)用的復(fù)雜算法的開發(fā)。當(dāng)然，這些應(yīng)用屬于嵌入式計(jì)算領(lǐng)域的熱點(diǎn)話題，而且它們正在促使 Python 得到采用，特別是在邊緣工業(yè)物聯(lián)網(wǎng) (IIoT) 領(lǐng)域的普及。

C、C++ 和 Python 緊密相連，因?yàn)?Python 本身也依賴 C 和 C++ 用來(lái)提供最核心的庫(kù)。但是，C 和 C++ 屬于編譯型語(yǔ)言，能夠在裸機(jī)上執(zhí)行。Python 在這點(diǎn)上則與之不同，是一種解釋型語(yǔ)言。這種差異在嵌入式計(jì)算中為自身帶來(lái)了挑戰(zhàn)：例如，Python 需要操作系統(tǒng)（一般是 Linux），另外還需要易失性和非易失性存儲(chǔ)器資源。

在工業(yè)物聯(lián)網(wǎng)邊緣嵌入式計(jì)算領(lǐng)域，ML 和 AI 的實(shí)現(xiàn)日趨傾向于發(fā)揮數(shù)字孿生體 (1) 與物理致動(dòng)器的功用。因此，解決方案必須能夠?qū)崟r(shí)以低確定性時(shí)延做出響應(yīng)。此外，工業(yè)物聯(lián)網(wǎng)解決方案也必須能夠支持其他行業(yè)趨勢(shì)，例如：

·根據(jù)待解決問(wèn)題在實(shí)時(shí)處理器、應(yīng)用處理器和專用處理單元間進(jìn)行分區(qū)

·為專用處理器卸載引擎創(chuàng)建接口，從而為性能關(guān)鍵內(nèi)核提速

·使用 Linux 等標(biāo)準(zhǔn)操作系統(tǒng)

·提供具備調(diào)度功能和確定性的解決方案

·為原型設(shè)計(jì)和生產(chǎn)提供高生產(chǎn)力框架

·覆蓋標(biāo)準(zhǔn)和傳統(tǒng)網(wǎng)絡(luò)通信接口與協(xié)議，包括 IT、OT 融合網(wǎng)絡(luò)。

·為機(jī)器學(xué)習(xí)和分析提供豐富的庫(kù)

·功能安全性

·網(wǎng)絡(luò)安全

構(gòu)建工業(yè)物聯(lián)網(wǎng)平臺(tái)絕非易事。從物理環(huán)境的邊緣到云（包括 AI 和 ML）的整個(gè)鏈條是復(fù)雜的，并需要多種專業(yè)能力。因此，開發(fā)工業(yè)物聯(lián)網(wǎng)就要求使用更高水平的抽象，而這種抽象水平又要與項(xiàng)目涉及的不同工作職能相關(guān)聯(lián)，才能讓開發(fā)在可接受的時(shí)間預(yù)算和成本預(yù)算內(nèi)完成。參見(jiàn)圖 1。

圖 1：同一平臺(tái)的不同抽象水平

在工業(yè)物聯(lián)網(wǎng)中探索機(jī)器學(xué)習(xí)

工業(yè)物聯(lián)網(wǎng)解決方案越來(lái)越多地在邊緣納入嵌入式智能。對(duì)于眾多應(yīng)用而言，這意味著機(jī)器學(xué)習(xí)推斷的實(shí)現(xiàn)。實(shí)現(xiàn)后，ML 算法會(huì)利用其經(jīng)驗(yàn)，根據(jù)一套輸入數(shù)據(jù)得出結(jié)論。在 ML 中，經(jīng)驗(yàn)可通過(guò)名為培訓(xùn)的學(xué)習(xí)過(guò)程來(lái)獲得。ML 應(yīng)用的培訓(xùn)可使用下列兩種方法之一執(zhí)行：(1) 人工監(jiān)督或 (2) 實(shí)現(xiàn)判斷功能。兩種方法都需要將由正反例構(gòu)成的大數(shù)據(jù)集應(yīng)用于 ML 網(wǎng)絡(luò)。在 ML 算法得到充分培訓(xùn)后，就能將其部署在工業(yè)物聯(lián)網(wǎng)邊緣，根據(jù)新輸入和未知輸入進(jìn)行推斷。

工業(yè)物聯(lián)網(wǎng)解決方案應(yīng)用從 ML 的使用中獲益匪淺，尤其是對(duì)于那些傳統(tǒng)方法不能提供可接受的性能的應(yīng)用或者需要大量人工干預(yù)的應(yīng)用，例如再校準(zhǔn)、維護(hù)、診斷和故障安全保護(hù)操作。這些應(yīng)用具體包括：

·傳感器與測(cè)量系統(tǒng)

·系統(tǒng)識(shí)別

·機(jī)器學(xué)習(xí)系統(tǒng)控制

·高級(jí)信號(hào)處理

·自主系統(tǒng)的強(qiáng)化學(xué)習(xí)

·圖像處理

因此，開發(fā) ML 解決方案需要具備有足夠通用性的平臺(tái)和生態(tài)系統(tǒng)，才能支持完整的開發(fā)模型，而不僅僅支持解決方案的獨(dú)立單元。

賽靈思 Zynq-7000 SoC 包含用來(lái)為現(xiàn)代 SoC 提供不成文標(biāo)準(zhǔn)特性的雙核 Arm? Cortex?-A9 處理器系統(tǒng) (PS) 和可編程邏輯 (PL)，同時(shí)它還提供獨(dú)特的高度差異化靈活性，支持將關(guān)鍵任務(wù)卸載到 PL 。Zynq UltraScale+ MPSoC 和 Zynq UltraScale+ RFSoC 使用四核 Arm Cortex-A53 PS、PL 和其他特定部件型號(hào)的處理塊進(jìn)一步擴(kuò)展這一模型。

PS 和 PL 間的緊密耦合能實(shí)現(xiàn)比傳統(tǒng)方法響應(yīng)性更好、可重配置性更強(qiáng)、能效更高的系統(tǒng)?；?CPU 的傳統(tǒng)方法需要使用外部存儲(chǔ)器來(lái)共享鏡像等大型數(shù)據(jù)結(jié)構(gòu)。因?yàn)樾枰庵俨煤屯ㄐ?，這樣做會(huì)降低確定性并增大功耗與時(shí)延，Zynq 產(chǎn)品組合中提供的異構(gòu)片上系統(tǒng)器件允許設(shè)計(jì)人員在器件的 PL 內(nèi)為功能提速。這樣，提供的解決方案不僅擁有確定性響應(yīng)時(shí)間，還能降低時(shí)延，優(yōu)化功耗。參見(jiàn) 圖 2。

圖 2：與典型 SoC 相比 Zynq 產(chǎn)品組合的優(yōu)勢(shì)

使用 PL 能提供比傳統(tǒng) CPU 方法更豐富的接口功能，因?yàn)楹笳咧惶峁┕潭ń涌?。PL I/O 結(jié)構(gòu)的靈活性可支持業(yè)界標(biāo)準(zhǔn)、專有或傳統(tǒng)接口，從而實(shí)現(xiàn)任意連接。

在高級(jí)綜合工具 SDSoC? 和 Vivado? HLS 的幫助下，開發(fā)人員能夠把 C 和 C++ 編譯代碼直接轉(zhuǎn)化為硬件。

結(jié)合可編程邏輯中功能的加速，還能夠?qū)嵗粋€(gè)或更多的 MicroBlaze? 32 位軟核處理器。MicroBlaze 核允許執(zhí)行實(shí)時(shí)關(guān)鍵應(yīng)用。這些功能讓 Zynq 產(chǎn)品組合可用來(lái)滿足支持 Python 的嵌入式平臺(tái)的所有要求。

PYNQ 框架支持 Python 能與 Zynq 產(chǎn)品組合一起使用，可充分發(fā)揮可編程邏輯提供的加速功能。為實(shí)現(xiàn)這一點(diǎn)，PYNQ 采用了將 PL 疊加封裝成混合庫(kù)

因此，PYNQ 框架為數(shù)據(jù)科學(xué)家、嵌入式工程師、硬件工程師和系統(tǒng)工程師等所有開發(fā)人員提供了所需的必要抽象層次。參見(jiàn)圖 3。

圖 3：PYNQ 框架中不斷提高的抽象水平

PYNQ 框架率先結(jié)合下列要素，能簡(jiǎn)化和改進(jìn)基于 Zynq 產(chǎn)品組合的設(shè)計(jì)：

·高層次生產(chǎn)力語(yǔ)言 (Python)

·在可編程邏輯內(nèi)實(shí)現(xiàn)加速的混合庫(kù)

·受嵌入式處理器支持的基于 Web 的架構(gòu)

·Jupyter Notebook 框架

與不能使用可編程邏輯的傳統(tǒng) SoC 方法相比，依托這些要素的 PYNQ 框架擁有顯著優(yōu)勢(shì)。

數(shù)據(jù)科學(xué)家能立刻把由賽靈思用熟悉的封裝在 Python 框架里創(chuàng)建的系統(tǒng)投入使用。圖 3展示了可以使用一些標(biāo)準(zhǔn)封裝的堆棧。Panda、Scikit-learn 和 NumPy 位于頂層，其他封裝則提供專門功能，比如用于機(jī)器人的 ROS 和用于仿真的 SimPy。

Python 能夠?qū)胍粋€(gè)或多個(gè)隨時(shí)可用的預(yù)配置硬件模塊，為應(yīng)用加速并消除瓶頸。所有封裝都能在 Jupyter 環(huán)境中進(jìn)行嘗試和使用，并可使用基于 FPGA 疊加的硬件庫(kù)接口連接到可編程邏輯。

PYNQ 框架是圍繞開源社區(qū)設(shè)計(jì)的，開發(fā)人員在該社區(qū)可以創(chuàng)建和共享疊加。使用這種方法，開發(fā)人員在確認(rèn)需要新疊加之前不需要構(gòu)建疊加。也就是說(shuō)，在運(yùn)行所需功能的疊加不存在時(shí)才需要構(gòu)建它。每個(gè)新疊加都應(yīng)嚴(yán)格遵循為工業(yè)物聯(lián)網(wǎng)確立的“設(shè)計(jì)模式”。這些設(shè)計(jì)模式包括（但不僅限于）下列模式：

·加速器為計(jì)算提速-與主處理器共享和/或交換數(shù)據(jù)。根據(jù)數(shù)據(jù)大小和性能要求，數(shù)據(jù)交換可以在 PL 存儲(chǔ)器內(nèi)（塊 RAM）、片上存儲(chǔ)器內(nèi) (COM)、L2 高速緩存內(nèi)和 DDR 存儲(chǔ)器內(nèi)進(jìn)行。

·日志記錄器負(fù)責(zé)采集數(shù)據(jù)，一般是與主處理器共享的原始數(shù)據(jù)。根據(jù)數(shù)據(jù)大小和性能要求，日志記錄可以在 PL 存儲(chǔ)器內(nèi)（塊 RAM）、片上存儲(chǔ)器內(nèi) (COM)、L2 高速緩存內(nèi)和 DDR 存儲(chǔ)器內(nèi)進(jìn)行。采集過(guò)程可以通過(guò)明確觸發(fā)來(lái)自主處理器的事件或通過(guò)捕獲外部事件來(lái)啟動(dòng)。

·定序器生成邏輯值的自動(dòng)序列；根據(jù)復(fù)雜程度，這其中可包含用于實(shí)現(xiàn)布爾函數(shù)、FSM 和/或

仲裁數(shù)字模式的可編程生成器實(shí)例。

·運(yùn)行器提供可用 C/C++ 語(yǔ)言進(jìn)行編程的基于 MicroBlaze 32 位軟核處理器的實(shí)時(shí)控制功能，用于從主處理器卸載重復(fù)性任務(wù)以確保確定性。

·可以把運(yùn)行器用作安全模塊?？膳渲?MicroBlaze 處理器用于鎖步操作。雖然整個(gè) Zynq 產(chǎn)品組合都針對(duì)功能安全性進(jìn)行了精心設(shè)計(jì)，但當(dāng)產(chǎn)品從最初的原型設(shè)計(jì)進(jìn)入到可生產(chǎn)階段時(shí)，這一功能尤為重要。

傳感器與測(cè)量系統(tǒng)

傳感器是任何工業(yè)系統(tǒng)，尤其是工業(yè)物聯(lián)網(wǎng)解決方案的關(guān)鍵組成部分。從簡(jiǎn)單的溫度測(cè)量熱電偶，到結(jié)合多個(gè)異構(gòu)傳感器的用來(lái)測(cè)量特定物理量的復(fù)雜傳感器融合，工業(yè)物聯(lián)網(wǎng)解決方案采用多種不同的傳感器模態(tài)。在工業(yè)物聯(lián)網(wǎng)解決方案中實(shí)現(xiàn) ML，有助于開發(fā)人員讓給定傳感器發(fā)揮出最佳性能，同時(shí)提高下列操作的效率：

·傳感器數(shù)據(jù)采集（例如：振動(dòng)分析）

·傳感器數(shù)據(jù)標(biāo)準(zhǔn)化

·傳感器線性化

·傳感器診斷

·高級(jí)傳感器

·傳感器融合

·校準(zhǔn)與自校準(zhǔn)

傳感器診斷

因?yàn)槔匣颍瑐鞲衅餍阅茉谡麄€(gè)工作壽命期間會(huì)發(fā)生變化。傳感器在惡劣環(huán)境中使用時(shí)尤其如此，此時(shí)老化會(huì)影響可靠性，并帶來(lái)偏離和偏差問(wèn)題。此外，如果將傳感器用于安全應(yīng)用，傳感器診斷功能同樣極為有用；在此情況下，正確的診斷流程也是安全系統(tǒng)的組成部分。

通過(guò)使用 ML，設(shè)計(jì)人員能夠創(chuàng)建傳感器模型，或更為普遍的說(shuō)法，即數(shù)字孿生，在持續(xù)監(jiān)控實(shí)際傳感器輸出的同時(shí)預(yù)測(cè)傳感器輸出。在額定條件下，傳感器信號(hào)遵循某種已知模式，且伴隨系統(tǒng)與測(cè)量噪聲導(dǎo)致的一定程度的不確定性。但是，如果傳感器失效，觀察到的輸出就會(huì)與預(yù)測(cè)輸出相左，并且當(dāng)偏差越過(guò)指定時(shí)序或閾值時(shí)，就可以明確聲明傳感器失效。由于分析冗余技術(shù)允許使用工作在額定條件下的傳感器提供的信息為動(dòng)態(tài)系統(tǒng)創(chuàng)建模型，因此“數(shù)字孿生”不會(huì)老化或失效，會(huì)永久存續(xù)。

預(yù)測(cè)性維護(hù)用例：

用于診斷與安全的滾珠軸承故障檢測(cè)

封裝材料行業(yè)已經(jīng)認(rèn)識(shí)到“全面生產(chǎn)維護(hù)”作為提高設(shè)備可靠性的積極方法體系的重要意義。逐漸發(fā)生的軸承失效是行業(yè)故障最主要的原因之一。因此，盡早地檢測(cè)這些故障對(duì)確?？煽扛咝У倪\(yùn)營(yíng)而言至關(guān)重要。單個(gè)包裝機(jī)往往就裝有 8 部以上的電動(dòng)機(jī)和眾多主軸，存在可能導(dǎo)致生產(chǎn)線停運(yùn)的多個(gè)故障源。

滾珠軸承能確保軸以最小摩擦自由轉(zhuǎn)動(dòng)，同時(shí)讓軸保持在正確位置上。如果旋轉(zhuǎn)系統(tǒng)的滾珠軸承失效，

后果將不堪設(shè)想。造成軸承受損的原因有很多，包括：

·軸承錯(cuò)位

·微動(dòng)磨損，對(duì)軸承接觸面的一種侵蝕性破壞

·變頻驅(qū)動(dòng)，產(chǎn)生導(dǎo)致點(diǎn)蝕、槽蝕和弧坑的軸電流

·軸承潤(rùn)滑不當(dāng)

·軸承侵蝕

·軸承疲勞

·高溫和其他因素

在故障發(fā)生之前檢測(cè)此類故障，對(duì)于降低運(yùn)營(yíng)成本和維護(hù)成本而言有極為重要的意義。幸運(yùn)的是，低成本加速計(jì)的問(wèn)世提供高帶寬測(cè)量，能支持功能極為強(qiáng)大的振動(dòng)數(shù)據(jù)采集系統(tǒng)。將這些加速計(jì)與先進(jìn)的電動(dòng)機(jī)控制功能共同部署，便可基于 PYNQ 框架實(shí)現(xiàn)偵測(cè)系統(tǒng)，實(shí)時(shí)檢測(cè)可能的失效。

對(duì)于本應(yīng)用而言，PYNQ 架構(gòu)部署在 ARTY-Z7 電路板上。該電路板支持基于 PYNQ 的疊加，但這只僅僅是 PYNQ 框架的可能的用途之一。在本例中，系統(tǒng)設(shè)置包含一個(gè)高性能電動(dòng)機(jī)控制系統(tǒng)和一個(gè)由

 5 個(gè) Kionix(1) 三軸加速計(jì)構(gòu)成的采集系統(tǒng)。

可以使用多種技術(shù)進(jìn)行振動(dòng)監(jiān)測(cè)，其中包括振動(dòng)測(cè)量、聲學(xué)測(cè)量、溫度測(cè)量和磨損分析。使用硅微加速計(jì)為感應(yīng)全部三個(gè)軸向的振動(dòng)提供了低成本的方法，從而能夠全面掌握系統(tǒng)中發(fā)生的所有可能的振動(dòng)模式。具體如圖 4所示。

為了確保測(cè)量準(zhǔn)確，加速計(jì)位置應(yīng)貼近電動(dòng)機(jī)、齒輪箱和主滑輪內(nèi)的滾珠軸承。

電動(dòng)機(jī)電流、定子電壓和軸角度位置等系統(tǒng)參數(shù)均在監(jiān)測(cè)范圍內(nèi)。將電動(dòng)機(jī)模型用于估算角度和內(nèi)部電壓。

圖 4：故障檢測(cè)與電動(dòng)機(jī)控制

1.Kionix公司是一家微電子機(jī)械 (MEMS) 系統(tǒng)制造商，產(chǎn)品包括加速度計(jì)、陀螺儀和傳感器融合慣性傳感器技術(shù)。

如圖 5所示，使用下列單元為 PYNQ 環(huán)境創(chuàng)建了新的疊加：

·電動(dòng)機(jī)控制系統(tǒng)：實(shí)例化為使用 QDESYS高性能電動(dòng)機(jī)控制 IP 集的 HDL 塊。

·日志記錄器：實(shí)例化為 Vivado HLS 模塊，并連接高性能 AXI 總線 0。

·即時(shí)高速傅立葉轉(zhuǎn)換 (FFT)：實(shí)例化為 Vivado HLS 模塊，并連接高性能 AXI 總線 0。

·運(yùn)行器：用于解耦和管理加速度計(jì)，采用 MicroBlaze 軟核處理器實(shí)現(xiàn)并以 DDR 存儲(chǔ)器內(nèi)共享段的形式對(duì)外提供。MicroBlaze 處理器：從 ARM 處理器分擔(dān)加速度計(jì)管理工作。I2C

協(xié)議對(duì)這些單元進(jìn)行區(qū)別對(duì)待，分別補(bǔ)償偏置、靈敏度、溫度和比率誤差。

圖 5：捕獲與電動(dòng)機(jī)控制內(nèi)部模塊

為實(shí)現(xiàn)能與 PYNQ 框架配合的新疊加，使用了Python C 外部函數(shù)接口 (CFFI)。在使用 Python 時(shí)，該接口支持與幾乎任何 C 代碼進(jìn)行交互。可編程邏輯加速功能置于 PYNQ 框架內(nèi)，并且可以訪問(wèn)該框架下基于 C/C++ 的軟件驅(qū)動(dòng)程序。PYNQ 框架也提供在開發(fā)應(yīng)用時(shí)有所幫助的補(bǔ)充功能。PYNQ 的兩大核心功能包括：

(a)mmio：用于實(shí)現(xiàn)存儲(chǔ)器映射 I/O，以及 xlnk：將 DDR 存儲(chǔ)器分配為 NumPy（使用 Python 開展科學(xué)計(jì)算的基本庫(kù)）可見(jiàn)的緩存空間。xlnk 負(fù)責(zé)為 PL（用于映射登記的向量）獲取虛擬地址和物理地址。

舉個(gè)簡(jiǎn)單的例子，可以借助觀察通過(guò)電動(dòng)機(jī)的電流，來(lái)建立加速度計(jì)輸出的振動(dòng)信號(hào)與檢測(cè)到的振動(dòng)信號(hào)間的關(guān)聯(lián)關(guān)系，因此開展傳統(tǒng)的振動(dòng)分析或是更先進(jìn)的信號(hào)特征分析就可以建立這一關(guān)聯(lián)。

具體指標(biāo)及整體系統(tǒng)的描述將占盡單獨(dú)一本白皮書的篇幅，故不在本白皮書中詳述。作為展示，圖 6 體現(xiàn)了超過(guò)閾值的滾珠軸承頻率限值信號(hào)由圖 7 中看似正常的電流波形中提取的。

圖 6：使用電流信號(hào)特征的振動(dòng)分析

圖 7：三相電動(dòng)機(jī)的波形（滾珠軸承信號(hào)特征被噪聲淹沒(méi)）

上述示例證明，只要正確理解了問(wèn)題和 Zynq 產(chǎn)品組合特性，就能開展切實(shí)的高級(jí)診斷，為具備機(jī)器學(xué)習(xí)功能的工業(yè)物聯(lián)網(wǎng)系統(tǒng)敞開通向更智能方法的大門。

本白皮書僅涵蓋 PYNQ 框架的一些基礎(chǔ)知識(shí)，該框架將 Python 與 Zynq 組合結(jié)合為一體。PYNQ 框架提供了新的切實(shí)可能性，有助于打造能夠充分利用工業(yè)物聯(lián)網(wǎng)全部功能，以及機(jī)器學(xué)習(xí)提供的新興功能的系統(tǒng)。

邊緣計(jì)算機(jī)器學(xué)習(xí)的發(fā)展尚處于萌芽階段，而賽靈思致力于交付一流的產(chǎn)品和設(shè)計(jì)框架，以加快和簡(jiǎn)化智能和自適應(yīng)資產(chǎn)的設(shè)計(jì)、部署與維護(hù)。這僅僅是動(dòng)人旅程的開端，本白皮書中提及的許多話題將在后續(xù)的白皮書、應(yīng)用說(shuō)明和示例中詳細(xì)介紹。其中一部分已經(jīng)在PYNQ GitHub 庫(kù)里提供。