返回
Reverse engineering for programmable logic controller structure estimation via white box networks
DOI:10.1007/s10845-025-02651-z.png)
摘要
En 中文
可编程逻辑控制器(PLC)是工业自动化系统中必不可少的数字计算机,管理各种输入和输出设备。尽管其在工业应用中起着重要作用,但维护和扩展PLC程序的功能仍需付出巨大的成本和努力。为解决这一挑战,已提出基于深度学习的模型用于PLC恢复。虽然这些模型提供了自动化和准确性,但其黑箱性质和对数据质量的依赖导致了可解释性和可靠性的问题。在本工作中,我们引入了一种基于符号的模型,也称为白盒网络(WBN),用于恢复PLC电路的功能块。WBN利用数学符号和逻辑表达式来更清晰地理解系统结构,从而产生更具可解释性和可靠性的模型。通过有效重建PLC程序的内部结构,我们期望它能降低维护成本,提高长期可靠性,并改善工业自动化系统的效率,为关键自动化设备的持续发展做出贡献。
Keyword:
Programmable logic controller
Reverse engineering
Structure estimation
White box networks
Symbolic regression
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.4
论文数:
3.5K
被引数:
1.1W
机构
引用论文
Physics-informed learning of governing equations from scarce data从稀缺数据中学习控制方程的物理知识
NATURE COMMUNICATIONS
IF15.7
Discovering governing equations from data by sparse identification of nonlinear dynamical systems通过非线性动力系统的稀疏识别从数据中发现控制方程
Deep reinforcement learning with shallow controllers: An experimental application to PID tuning基于浅层控制器的深度强化学习: PID整定的实验应用
Hybrid computing using a neural network with dynamic external memory使用具有动态外部存储器的神经网络进行混合计算
NATURE
IF48.5

