利用 SNMP 优化 PLCnext Control 设备：实用指南

机器学习早已家喻户晓，但鲜有人知如何着手应用。希望阅读本文能帮助您理解如何利用 PLCnext 控制器开启机器学习之旅。本文将涵盖：训练首个 ML 模型、转换为 ONNX 标准、在 PLCnext 控制器上推理。为避免过度复杂，我们将使用经典的 Iris 鸢尾花数据集构建模型。 开始前，明确目标至关重要。以下简要介绍本文涉及的主题，参考资料见文末。 机器学习简介 什么是机器学习 机器学习的本质是利用统计与算法在数据集中发现模式。主要分为三类：监督学习、无监督学习和强化学习。监督学习最常用，本文采用此类。监督学习中，我们对数据打标签，明确告知机器寻找的模式。 无监督学习不打标签，让机器自行发现模

技术背景 Apache Kafka Apache Kafka 是用于数据采集、存储、处理和再分发的框架，现已在全球企业广泛部署。其官网提供更多理念与部署信息。核心特性之一是拥有海量现成连接器，支持 MQTT 等协议与应用集成。 MQTT MQTT 是基于 TCP 的轻量级消息协议，因其健壮性和小体量，常用于物联网通信。OASIS 标准详情见其官网。 此前有文章介绍如何为 PLCnext 交叉编译 Eclipse Mosquitto，PLCnext Store 也提供现成 MQTT 应用。 需求清单 PLCnext 上的 MQTT 客户端（实现提示见上文） 控制器与 PC/VM 网络互通 PC

各位 PLCnext 用户好， 前言 得益于 Jan Christoph Müller，我已在 PLCnext 设备（EPC 1522）上安装 ioBroker，现分享给大家。 问题与目标 我拥有： Pluggit 通风机，Modbus TCP 通信。上月用 Visu+ 做了小项目但不满意 若干 Shelly 继电器，MQTT 通信 若干小米智能家居设备（Yeelight、扫地机器人等） 目标：单一系统统管所有设备 为何选择 ioBroker？ 智能家居领域知名系统，支持多种设备（含 PLCnext） 拥有丰富的智能家居设备模板/库 支持 Docker 部署 操作步骤 用浏览器登录设

PLCnext 功能应用 easymon 免去了搭建远程监控的繁琐配置。无需折腾云端 IoT 服务的各种细节，只需在 PLCnext 上运行的 easymon 配置器中，勾选想在移动端监控的 PLCnext 项目变量并设置通知阈值。 配置器运行在 PLCnext 上，确保仅显式选中的变量数据上传云端。 PLCnext Store 让功能扩展的安装管理极简，无需逐个连接控制器。装好 easymon 后，浏览器打开 PLCnext IP 即可。若不知本地 IP（如刚设置完），easymon 提供智能发现功能——easymon finder，无需端口扫描或网络嗅探即可发现本地网络中运行 easy