本发明涉及工业自动化控制信息安全，具体涉及一种实现ai集成到plc的程序编辑器及集成方法。
背景技术：
1、随着工业化和信息化的深度融合，各类it新技术加速应用到工业plc生产活动之中，相较于早已经应用到上位机程序编辑器中人工智能ai，在plc编辑器领域一直没有得到应用，对从事plc程序设计人员增加了学习难度和降低生产效率，代码质量的提高形成了阻碍。
2、人工智能ai通过模拟、延伸和扩展人的智能理论和方法，研究语言识别、图像识别、自然语言处理等方面的技术科学，而在工业自动化机械生产领域中，plc作为工业自动化的核心控制设备，通过集成各种传感器和执行器来对自动化系统中的机械设备进行控制，随着人工智能技术的不断发展，若是能与ai融合，实现plc智能控制，使得plc控制系统更为智能化、自适应化、高效化和精确化。因此，亟需设置一种ai集成到plc的程序编辑器来提高开发人员的开发效率和代码质量，提高工业生产效率、产品质量和降低企业的运营成本，以及满足终端用户的需求。
3、例如，申请号为cn201980101309.0公开了一种将人工智能ai集成到自动化中的可编程逻辑控制器plc程序中功能块的ai伴侣中，利用功能块的输入输出端口，连接若干个含有算法的功能块形成程序系统，plc中数据集输入并训练ai算法，再部署到系统上使用，用于将ai和plc程序耦连和集成，但是ai模型种类多，导致算法功能块数量大，输入输出信号延时性高、响应速度慢、传输缺失或泄露、模型计算功耗高等问题。
4、现有技术存在以下不足：工业自动化中机械设备使用的plc的程序编辑器，是plc程序设计人员打开ide创建一个新的项目，在项目中创建一个新的程序，并为该程序命名，然后采用梯形图、结构化文本或图表指令列表来编写逻辑代码，并根据这些逻辑代码，plc根据输入信号状态、内部变量和程序逻辑来控制输出信号和执行特定的操作，经过调试测试成功后，plc程序设计人员再需要根据实际的工业自动化系统要求和设备特性进行相关配置和参数设置，最后将程序下载到plc设备运行，而lc的程序编辑是针对自动化设备需求进行程序编写，不同设备的控制逻辑和功能要求各不相同，plc程序编写内容取决于设备的特点、所需的运行逻辑和输入/输出要求，所以对于plc程序设计人员而言，存在开发设计难度大，代码质量低需要反复修改，plc设备虽自动运行但不够智能调控，以及更新自动化系统耗时耗成本的问题。
5、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本发明的目的是提供一种实现ai集成到plc的程序编辑器及集成方法，本发明通过在ide编辑器上安装人工智能插件，并在人工智能插件里引入存储训练过的人工智能ai模型的云端平台，以解决上述背景技术中开发设计难度大，代码质量低需要反复修改，plc设备虽自动运行但不够智能调控，以及更新自动化系统耗时耗成本的问题。
2、为了实现上述目的，本发明提供如下技术方案：一种实现ai集成到plc的程序编辑器，包括云端基于plc代码训练过ai模型库，是存储训练过的人工智能ai模型的云端平台；
3、人工智能插件，是将云端的ai模型库集成到plc的程序编辑器中的插件模块，为用户提供自动补全、提示、错误检测的ai辅助的功能；
4、ide编辑器，用于编写和编辑plc代码，由于集成了插件模块，通过与人工智能插件的交互，实现对ai模型库的调用，并将其提供的功能展示给开发人员。
5、优选地，所述plc代码训练是采用机器学习和深度学习技术，对可编程逻辑控制器plc程序进行代码学习和训练的过程，plc代码训练的步骤如下：
6、学习plc编程语言：学习plc支持的ld、st、fbd等编程语言，通过阅读官方文档、教程、在线资源和培训课程的方式进行学习，用于理解这些编程语言的语法、特性和用法；
7、确定训练目标：根据训练目标需要编写的代码和逻辑才能实现所需的功能，即明确plc代码训练目标；
8、编写plc代码：根据训练目标和所学的plc编程语言进行plc代码的编写；
9、模拟和验证：采用plc模拟器或plc仿真软件来验证编写代码的正确性，通过模拟输入信号、输出结果的变化，检查代码逻辑是否按预期工作，是否满足任务需求，并进行必要的调试和修改，直到代码达到预期目标；
10、实践和调试：将编写和验证通过的代码集合到ai模型内并上传到云端，再引入到人工智能插件，安装在ide编辑器中进行实际调试和测试；
11、实践和调试：基于机器学习技术分析代码性能、效率和可靠性，并进行改进、优化
12、训练后的ai模型处理和分析plc代码的功能包括：语法解析和错误检测、代码优化和改进、代码自动生成、智能调试和故障排查和设备模拟和测试验证。
13、优选地，所述ai模型是基于深度神经网络技术，采用循环神经网络rnn、长短期记忆网络lstm、卷积神经网络cnn及变换器，来建立ai模型的架构和学习能力，从输入的plc代码中提取特征，结合自然语言处理任务对特征进行相应的处理和预测，形成由若干个ai模型组成的ai模型库，ai模型包括语法解析模型、代码优化模型、错误排查模型、代码生成模型和设备模拟模型。
14、优选地，所述人工智能插件是能够将云端基于plc代码训练过的ai模型库引入到plc编辑器中，人工智能插件引入云端基于plc代码训练过的ai模型库的步骤如下：
15、安装ai插件，下载人工智能插件并安装到plc的程序编辑器ide中；
16、注册和配置，对人工智能插件进行配置和访问云端的输入输出接口，用于与云端的ai模型库建立连接；
17、连接云端模型库，通过人工智能插件提供访问云端的api，使其与云端模型库进行连接；
18、导入ai模型，当人工智能插件连接到云端模型库，则直接导入基于深度神经网络技术的语法解析模型、代码优化模型、错误排查模型、代码生成模型或设备模拟模型的ai模型；
19、使用ai功能，成功导入ai模型后，ide编辑器开始使用人工智能插件提供的实时语法检测、代码优化建议、错误排查指导、代码生成等ai功能。
20、优选地，包括以下步骤：
21、数据采集和传输：收集大量自然语言描述和对应的程序代码的实时数据，并传输到plc；
22、数据预处理：对采集数据进行清洗和标注，便于后续的训练使用；
23、ai模型训练：基于深度学习技术，采用循环神经网络rnn模型，对预处理后的数据进行训练，以学习自然语言描述和程序代码之间的关系，能够预测设备状态；
24、代码生成与评估：输入自然语言描述后，通过训练好的模型生成对应的程序代码；使用预定义的代码质量、可读性的评估指标，对生成的代码进行评估；
25、ai模型优化：对生成的代码和评估数据进行用户反馈，并根据反馈结果，对ai模型进行学习改进、定期更新或微调优化；
26、ai模型集成：将训练好的ai模型集成到plc的程序编辑器ide中；
27、决策反馈执行：通过与ai模型交互，plc基于ai模型的预测和分析结果做出相应的决策和执行控制操作。
28、优选地，所述自然语言描述是使用人类自然语言，如英语、中文普通话、韩语或日语等，来描述工业自动化搬运机器人一系列的动作、逻辑和想法；所述对应的程序代码是特定程序的编程语言，如c++、python或matlab等，由语法和规则组成，用于编写计算机程序。
29、优选地，数据清洗对采集的原始数据进行处理，去除噪声、缺失值、异常值和重复值等不符合需求的部分，数据清洗的步骤包括缺失值、异常值和重复值处理；数据标注是给采集的数据样本赋予适当的标签、类别或属性，数据标注的步骤包括标签定义、 标注过程、校验和质量控制。
30、优选地，所述循环神经网络rnn模型具有自反馈机制，处理序列数据，具体是通过将前面训练的plc代码的状态与当前输入程序进行组合，产生输出，并将输出作为下一个时间步的状态输入，用于捕捉序列中的时间依赖关系；
31、长短期记忆网络 lstm模型是rnn的一种变体，专门用来解决rnn在处理长期依赖问题上的不足，lstm通过引入“门”机制来控制信息的流动，能更好地保留和管理长期的信息。
32、优选地，所述变换器是基于自注意力机制的神经网络结构，主要用于机器翻译、语义理解等自然语言处理任务，使得ai模型能够更好地捕捉长距离的依赖关系，且具有更好的并行计算性能，
33、优选地，所述人工智能plc的程序编辑器ide的编写执行流程如下：启用人工智能ai插件进行辅助编程时，开发人员输入梯形图或者代码块时候，ai插件会通过已经训练好的ai模型，实现自动补全或者提示功能；
34、输入一段功能语言描述后，人工智能ai模型自动生产出代码块；
35、在编写过程中，人工智能ai插件会不断分析现有代码是否存在错误；
36、在编写完成后进行代码编译的时候出现错误，ai插件会给出消除错误方法，开发人员只需要一键消除即可完成代码的替换。
37、在上述技术方案中，本发明提供的技术效果和优点：
38、本发明通过在ide编辑器中安装人工智能插件，并在人工智能插件中集成了云端基于plc代码训练过的ai模型库，随着云端人工智能ai模型不断优化，代码错误分析能力和推荐准确率会越来越高，提高plc程序编写效率，降低开发者开发难度，降低了plc程序出错几率，提升代码质量；以及通过云端平台的ai模型库的智能优化和学习能力，增强了plc的程序编辑器的编写能力，且自然语言的智能控制工业设备，提高工业生产效率、产品质量和降低企业的运营成本，以及满足终端用户的需求。