Виртуальные сенсоры на базе AI: моделирование и внедрение в embedded-системы

Современные embedded-системы часто сталкиваются с необходимостью оценки параметров, которые сложно или дорого измерять напрямую. Искусственный интеллект предлагает решение в виде виртуальных сенсоров, способных моделировать такие данные на основе существующих сигналов. Например, в системах управления батареями (BMS) AI может прогнозировать уровень заряда (SOC) без установки дополнительных датчиков, что снижает стоимость и повышает отказоустойчивость.

Процесс разработки таких решений включает несколько ключевых этапов. Сначала AI-модели интегрируются в среду Simulink для симуляции и проверки на уровне системы. Затем проводится формальная верификация нейронных сетей, чтобы оценить их поведение в различных сценариях. Особое внимание уделяется оптимизации моделей под ограниченные ресурсы встраиваемых процессоров — минимизации объема памяти и ускорению выполнения.

На финальном этапе генерируется C-код без зависимостей от внешних библиотек, что упрощает развертывание на целевых устройствах. Инженеры могут анализировать компромиссы между точностью модели, производительностью и требованиями к аппаратному обеспечению. Такой подход позволяет создавать эффективные решения для промышленных и потребительских устройств, где критически важны надежность и экономия ресурсов.