基于RK3588+AI的深度学习功能PLC设计，支持Codesys

瑞芯微 RK3588 作为国产旗舰级异构 SoC，集成了三核 NPU、八核 CPU、双核 GPU、ISP 与高性能多媒体处理单元，具备超强的本地 AI 推理能力与丰富的工业/消费级落地场景支持。本文将系统解析 RK3588 芯片内部 AI 加速单元架构（RKNPU2）、NNAPI 适配与部署流程，围绕 RKNN Toolchain 工程实践路径，详解从模型编译、Tensor 编排、NNAPI 驱动适配、系统部署到端侧高性能推理闭环的完整实现。全文以真实项目经验为基础，覆盖截至 2025 年 5 月 RKNN

首先定义了输入信号和输出信号，然后通过AI算法模块对输入信号进行处理，生成相应的控制信号，最后将控制信号输出到执行器。在AI算法模块中，可以根据具体需求插入不同的AI算法实现，比如神经网络、决策树等，以实现智能化的控制逻辑。随着人工智能技术的发展，AI在PLC中的应用也日益广泛，给工业自动化带来了颠覆性的变革。// 控制信号，用于存储经过AI算法处理后的输出信号。// 创建AI算法模块实例。// 传感器1信号，用于接收传感器1的状态。// 输出控制信号到执行器，将处理后的控制信号赋值给对应的输出信号。

许多PLC是采用通用MCU 实现，运行时是通过软件实现的。具体的方法有两种，一种是将IEC61131-3的梯形图，ST，IL转换成为一种中间语言，由PLC 运行时解释执行，另一种方法是将IEC61131-3 的应用直接通过编译器翻译成为PLC 内部MCU 的二进制执行代码，下载到PLC 内部存储器中直接执行。无论是哪一种方式，它们都是软件为主实现的，不同的厂商的PLC 会采用不同的方式来提高运行时的执行效率，比如采取更高速率的MCU，RTOS和高速内部总线（例如PCIe总线）...

工业生产和科技的发展都离不开PLC的自动化控制，PLC可以广义的理解为：集中的继电器延伸控制柜，实际的生产应用中，PLC大大的节省了工业控制的成本，加强了设备的集中管理和自动控制。PLC（Programmable Controller，可编程程序控制器）它是一个以微处理器为核心的数字运算操作的电子系统装置，专为在工业现场应用而设计，它采用可编程序的存储器,用以在其内部存储执行逻辑运算、顺序控制、定时/计数和算术运算等操作指令，并通过数字式或模拟式的输入、输出接口，控制各种类型的机械或生产过程。

AIxBoard™爱克斯板开发者套件是一款功能强大的小型计算机，专为支持入门级边缘人工智能应用程序和设备而设计。无论是在人工智能学习、开发还是实训等应用场景下，它都能完美胜任。

本文讨论了基于FPGA 的IEC61131-3、IEC61499 功能块应用的“纯”硬件实现。提出了功能块FPGA化和PLC 功能块化的两种方案。供参考。

从深度内核融合到工具层面增强，再到系统级AI协同，PLC与AI的结合有多个层次，每种方式都有它的用武之地。目前，“增强PLC数据分析”、“工具增强”和“系统级AI应用”是主流，而“内核增强”则更像未来的探索方向。结论PLC与AI的融合，是工业自动化的大势所趋。尽管还有挑战，但随着技术的进步和应用的深入，PLC和AI的结合必将为制造业带来更高效、更灵活、更智能的未来。

PCB 采用10层沉金工艺设计，具有极佳的电气特性和抗干扰特性，工作稳定可靠，可达到工业级标准。拥有RS485、RS232、I2S、I2C、UART、CAN、SPDIF、MIPI CSI、MIPI DSI、USB3.0、USB2.0、SPI、GPIO等扩展接口，能覆盖边缘计算，智慧医疗，工业控制等智慧终端的接口需求；高算力NPU可支持INT4/INT8/INT16/FP16混合运算，其强大的兼容性，可以轻松转换基于TensorFlow / MXNet/PyTorch/Caffe 等一系列框架的网络模型。

两者都为常用的通信接口，均可满足高速通信要求，但在与FPGA通信的时候，用户往往更喜欢选用GPMC并口，因为：1、使用低成本FPGA即可实现高速通信，而具备PCIe接口的FPGA成本则成倍增长。GPMC提供了最大的灵活性，以支持四个可配置片选中不同的时序参数和位宽配置。以AM62x为例，通过GPMC接口与FPGA连接，采用UDMA的方式读取FPGA端的数据，写速度可达73.90MB/s，读速度可达77.47MB/s，实际上通过配置GPMC接口的时序参数和不同工作模式，最大速率可超过100MB/s。

使用python虚拟环境软件 Miniconda。当前系统是Ubuntu20.04。安装RKNN-Toolkit2。

RKNN Toolkit2 仓库链接为 https://github.com/rockchip-linux/rknn-toolkit2。文件夹内容如下所示：RKNN-Toolkit2 资料包中有四个目录，分别为 docs、examples、packages 和 rknn_toolkit_lite2。docs 目录包含了 RKNN-Toolkit2 的使用文档，包括更新记录、两个 Python 环境所需的依赖 项、RKNN 算子支持列表、快速入门指南以及使用指导手册。