通过前面几篇《工业AI之我见》，可以归纳以下几点吧：

1、我可以意识到： 进入工业控制AI 智能时代，是生产力发展的必然；描述了一些当前AI Agent 工业智能体的大致操作；可以看到，工业AI智能体不再使用我们常规的逻辑编程方法；而是在历史、经验大数据基础上，通过学习、训练，创建出、可用于执行的经验推理集合。（具有“黑箱”属性）

2、要创建工业控制AI智能体；数字化是前提，仿真、VR等（数字化孪生）等是实现较低成本的途径；

3、工业控制是过程控制，关注模拟量的变化量非常重要！这是因为，所有现实中的物理运动，一定遵守且符合物理规律、定律。工业控制AI同样如此！且同时必须符合相关的安全边界、规则。（执行器有确切的安全兜底。）

 4、有效数据的积累，是AI智能体得以学习、训练的关键。如何标准化、规范数据？是值得探讨，逐项落实的。

借鉴规范的财务数据范例，我们可以得出一些关于工业控制系统如何记录有效数据的特征和方法：

    4.1、 数据组时间对齐（成组数据的时间要对齐，对于AI训练、学习、分析获得结果的成因非常重要。）

    4.2、数据的基准参数的标定（一致性的量纲单位，可复现原值、追溯。）

    4.3、 数据绑定场景的标注（用于指定的场景、事件，尤其是报警、故障？扰动？输入源变动？）也就是说，数据变化的成因需要语义标注。

    4.4、 数据组的相关性、一致性（相关数据采用统一格式，保持一致。）

    4.5、 数据（归一化）对今后建立类数学模型 具有更重要的意义；（“ 百分比” “标幺值”，将工程量统一成无量纲量。）

展望：

若我们扩展想象思维，在工业控制AI智能体模式下，对应用需求、对软、硬件的要求。会有所改变。

对ADC 功能要求可能的改变?

我们知道，工业控制本质上是过程控制；换句话说，就是对模拟量变化量的控制。

既然我们知道， 工业控制AI智能体不是常规的过程控制逻辑编程，而是通过各类感知器（实际值）输入到AI智能体。（如下图）

那么更重要的模拟量变化量，是不是应该前置？

在最广泛应用中，中低速的ADC是逐次逼近结构的，它一定包含有存储器，是不是能增加一点功能？ - 增加传输模拟量的变化量？

要知道，普通低成本的10位ADC转换速率，至少也是PLC 的1毫秒扫描循环周期的30多倍。

保持前次数据；将定时间隔的差值数据同时输出？这样减轻工业控制AI智能体侧，对模拟量变化量的处理。

我感觉，这种方式在一定程度上，还能实现低频采集，复现“高频”。

这在ADC芯片设计上，我觉得应该不是太费事儿的。

处理声音的AI Agent会产生么？

有经验的老师傅走进机器设备旁，一听声音就知道问题出在哪里了。

我们开车，一听随车轮转的哒-哒声，就知道轮胎上卡个石子。设备的咔哒声，是电机高速处，还是减速机低速处，一听就知道。不是么？

声音采样并不困难。为啥没有这方面的AI Agent?

DC800V的应用将带来的改变

在“RXD”的大会上，大咖们也讨论了DC 800V的展望。

历史的原因，在工业场景使用，我们习惯性的使用三相四线（五线）；3AC 380V 50Hz来作为工业动力源。（工频、市电、）

在电气化时代，用它来驱动电动机，通过减速机输出符合负载的转矩，达到所需的固定的转速。

在自动化、数字化时代，为配合应用场景的变速需求；

早先，我们需要变流器，将三相交流变成直流（AC-DC）用于直流电动机的调速；

后期，随着半导体功率器件的发展，应用于变频器（AC-DC-AC）用于交流电动机的调速。

我们来看看工业3AC 380 V与DC800V供电比对（下图）。

在这里，我们能看到：

1、  因为是直流供电，电流总是与电压同相位；这就是说，不存在无功功率。供电不需要配置无功补偿电容器。（实际上，无功补偿很难做到完全补偿）这直接节省了能源。

2、  原来3相五线的TN-S可以节省两线，现有的3线450V/750V线路完全满足。大大节省了金属材料，降低了供电线路成本。

3、  因为交流供电输送功率要计算的是有效值；在直流供电中，输送功率就是等于电压X电流。简单计算便可知：相同线径下，DC800 V供电系统，传输功率增大了至少30%。

4、  因为直流供电的电场是恒定的。大大减少了EMC电磁干扰。供电也不会产生嗡嗡声。

5、  在工业驱动侧的视角可以看到（下图右侧）：

    5.1、取消了整流回路，降低了装置成本。

    5.2、大大提高了直流母线电压。这意味着，交流电机设计不再受制于AC 380V 50Hz供电的限制。异步电机稍作加强，即可大大扩展额定转矩下的调速范围！（想想87Hz模式）

    5.3、不再需要回馈单元和ALM之类的前端，每一台异步机都可以在过减速、起重应用中，直接回馈直流电网。不是么？

连载系列——《工业AI之我见》

一、西门子RXD大会 参会感受

二、什么是工业AI智能体

三、如何从工业传统控制模式走向工业AI智能控制模式

四、传统数字开关量逻辑控制的缺陷与工业AI智能化重在关注数字化模拟量

五、关注数字模拟量变化量的重要性

六、历史变化数据积累的重要性及场景标定的重要性

七、专家系统组合智能体与端到端大模型智能体的区别（两步走）

八、由预设逻辑规则控制到模糊控制-标注-适配智能控制的改变

九、数据，西门子 – 一个16位字长的智慧

十、归纳与展望