国产精品久久精品牛牛影视-国产精品久久精品视-国产精品久久九九-国产精品久久久-国产精品久久久99

工業(yè)物聯(lián)網(wǎng)(IoT) 廣泛的變化正在醞釀之中，這種變化不僅將使互聯(lián)網(wǎng)機(jī)器之間的相互檢測(cè)成為一種競(jìng)爭(zhēng)優(yōu)勢(shì)，而且將成為必不可少的基本服務(wù)。工業(yè)物聯(lián)網(wǎng)以邊緣節(jié)點(diǎn)為起點(diǎn)，后者是檢測(cè)和測(cè)量的目標(biāo)切入點(diǎn)。這是物理世界與計(jì)算數(shù)據(jù)分析交互的接口。在制定關(guān)鍵決策之前，互聯(lián)工業(yè)機(jī)器可以檢測(cè)到大量的信息。這種邊緣傳感器可能遠(yuǎn)離存儲(chǔ)歷史分析的云服務(wù)器。它必須通過將邊緣數(shù)據(jù)聚合到互聯(lián)網(wǎng)網(wǎng)關(guān)進(jìn)行連接。理想情況下，邊緣傳感器節(jié)點(diǎn)規(guī)格尺寸小，可在空間有限的環(huán)境中輕松部署。

芯片采購(gòu)網(wǎng)專注于整合國(guó)內(nèi)外授權(quán)IC代理商現(xiàn)貨資源，芯片庫(kù)存實(shí)時(shí)查詢，行業(yè)價(jià)格合理，采購(gòu)方便IC芯片，國(guó)內(nèi)專業(yè)芯片采購(gòu)平臺(tái)。

檢測(cè)、測(cè)量、解釋和連接邊緣節(jié)點(diǎn)的挑戰(zhàn)

數(shù)據(jù)可以通過一些形式的分析進(jìn)行預(yù)處理，然后傳輸以進(jìn)行更深入的數(shù)據(jù)挖掘智能分析。

傳感器構(gòu)成工業(yè)物聯(lián)網(wǎng)電子生態(tài)系統(tǒng)的前端邊緣。測(cè)量階段將檢測(cè)到的信息轉(zhuǎn)換為壓力、位移或旋轉(zhuǎn)的可量化值等有意義的數(shù)據(jù)。邊緣分析和處理將測(cè)量數(shù)據(jù)轉(zhuǎn)換為可操作事件。只有有價(jià)值的信息應(yīng)該通過節(jié)點(diǎn)連接到云進(jìn)行預(yù)測(cè)或歷史處理。根據(jù)初始可接受性限制，可以抑制或過濾整個(gè)信號(hào)鏈中的數(shù)據(jù)。理想情況下，傳感器節(jié)點(diǎn)應(yīng)只發(fā)送絕對(duì)必要的信息，并在獲取關(guān)鍵數(shù)據(jù)后盡快做出關(guān)鍵決策。

圖1 智能檢測(cè)、測(cè)量和解讀邊緣節(jié)點(diǎn)設(shè)備的數(shù)據(jù)，并將其連接到連接到云的互聯(lián)網(wǎng)網(wǎng)關(guān)

邊緣節(jié)點(diǎn)必須通過有線或無線傳感器節(jié)點(diǎn)(WSN)連接到外部網(wǎng)絡(luò)。在信號(hào)鏈的這一部分，數(shù)據(jù)完整性仍然至關(guān)重要。如果通信不一致、丟失或損壞，優(yōu)化檢測(cè)和測(cè)量數(shù)據(jù)幾乎毫無價(jià)值，通信期間數(shù)據(jù)丟失是不可接受的。電氣噪聲的工業(yè)環(huán)境可能非常惡劣和困難，特別是當(dāng)有大量金屬物體進(jìn)行射頻通信時(shí)。因此，魯棒的通信協(xié)議必須在系統(tǒng)架構(gòu)設(shè)計(jì)期間提前設(shè)計(jì)。

超低功耗系統(tǒng)的功率管理始于選擇調(diào)節(jié)器元件以實(shí)現(xiàn)更高的效率。然而，由于邊緣節(jié)點(diǎn)也可以快速喚醒和睡眠，因此也應(yīng)考慮電源和電源故障時(shí)間。外部觸發(fā)器或喚醒命令可以幫助快速提醒邊緣節(jié)點(diǎn)，并開始檢測(cè)和測(cè)量數(shù)據(jù)。

數(shù)據(jù)安全也是工業(yè)物聯(lián)網(wǎng)系統(tǒng)必須考慮的問題。我們不僅需要確保邊緣數(shù)據(jù)的安全和無憂無慮，還需要確保其訪問網(wǎng)絡(luò)網(wǎng)關(guān)免受惡意攻擊，絕不允許偽造邊緣節(jié)點(diǎn)獲取網(wǎng)絡(luò)訪問進(jìn)行非法活動(dòng)。

確保邊緣節(jié)點(diǎn)數(shù)據(jù)的質(zhì)量和可靠性

邊緣有許多檢測(cè)解決方案，可能不僅僅是單個(gè)單獨(dú)的設(shè)備。邊緣可能有各種不同的無關(guān)數(shù)據(jù)采集，溫度、聲音、振動(dòng)、壓力、濕度、運(yùn)動(dòng)、污染物、音頻和視頻只是可檢測(cè)的部分變量，通過網(wǎng)關(guān)處理和發(fā)送到云，以進(jìn)一步進(jìn)行歷史和預(yù)測(cè)分析。

毫不夸張地說，傳感器是工業(yè)物聯(lián)網(wǎng)的支柱，但更準(zhǔn)確地說，它們是中樞神經(jīng)系統(tǒng)。邊緣節(jié)點(diǎn)檢測(cè)和測(cè)量技術(shù)是目標(biāo)數(shù)據(jù)的出生地。如果不良或錯(cuò)誤的數(shù)據(jù)在解決方案鏈的這個(gè)階段被真實(shí)地記錄下來，無論云中有多少以后的處理無法彌補(bǔ)損失的價(jià)值。任務(wù)關(guān)鍵系統(tǒng)（如高風(fēng)險(xiǎn)結(jié)果的醫(yī)療保健和工廠停機(jī)監(jiān)控系統(tǒng)）要求質(zhì)量數(shù)據(jù)測(cè)量具有魯棒的完整性，數(shù)據(jù)質(zhì)量至關(guān)重要。誤報(bào)或遺漏可能昂貴、耗時(shí)甚至威脅生命。巨大的成本錯(cuò)誤最終會(huì)導(dǎo)致計(jì)劃外的維護(hù)和勞動(dòng)力使用效率低下，甚至整個(gè)物聯(lián)網(wǎng)系統(tǒng)都必須使用。智能始于邊緣節(jié)點(diǎn)，這里也適用于老話：如果輸入是垃圾，那么輸出也必須是垃圾。

智能邊緣節(jié)點(diǎn)實(shí)現(xiàn)高效的物聯(lián)網(wǎng)解決方案

在沒有邊緣節(jié)點(diǎn)智能的傳統(tǒng)信號(hào)鏈解決方案中，數(shù)據(jù)只是數(shù)據(jù)，而非智能節(jié)點(diǎn)從不幫助生成智能和知識(shí)來制定可行的決策。可能有大量原始的低質(zhì)量數(shù)據(jù)對(duì)系統(tǒng)的目標(biāo)性能沒有影響。轉(zhuǎn)換所有這些數(shù)據(jù)并將其發(fā)送到最終云存儲(chǔ)目的地可能需要大量的功率和帶寬。

相比之下，智能分區(qū)邊緣節(jié)點(diǎn)的檢測(cè)和測(cè)量將數(shù)據(jù)轉(zhuǎn)換為可付諸行動(dòng)的信息。智能節(jié)點(diǎn)可以降低Susumu代理降低整體功耗，縮短延遲，減少帶寬浪費(fèi)。這使得延遲較長(zhǎng)的反應(yīng)物聯(lián)網(wǎng)可以轉(zhuǎn)化為實(shí)時(shí)預(yù)測(cè)物聯(lián)網(wǎng)模式。物聯(lián)網(wǎng)仍然適用于基本的模擬信號(hào)鏈電路設(shè)計(jì)概念。對(duì)于復(fù)雜的系統(tǒng)，通常需要深入應(yīng)用專業(yè)知識(shí)來解釋處理過的數(shù)據(jù)。

只有重要的測(cè)量信息需要通過網(wǎng)關(guān)發(fā)送到云端進(jìn)行最終處理。大多數(shù)數(shù)據(jù)在某些情況下并不重要。但對(duì)于本地實(shí)時(shí)決策所需的時(shí)間關(guān)鍵系統(tǒng)數(shù)據(jù)，在將其聚合到可遠(yuǎn)程訪問的遠(yuǎn)端節(jié)點(diǎn)之前，應(yīng)盡快進(jìn)行。相反，云處理的理想應(yīng)用是通過預(yù)測(cè)模型利用歷史價(jià)值來影響長(zhǎng)期洞察力的信息。通過將數(shù)據(jù)歸檔到龐大的數(shù)據(jù)庫(kù)進(jìn)行可追溯性處理和決策，云處理和存儲(chǔ)具有很強(qiáng)的優(yōu)勢(shì)。

圖2 邊緣節(jié)點(diǎn)的智能分區(qū)解決了以前無法解決的新挑戰(zhàn)

整體物聯(lián)網(wǎng)解決方案在信號(hào)鏈中更早的精簡(jiǎn)處理和智能化實(shí)現(xiàn)。

優(yōu)化邊緣節(jié)點(diǎn)的整體性能

物聯(lián)網(wǎng)傳感器主要是模擬傳感器。具體的工業(yè)應(yīng)用要求將決定邊緣節(jié)點(diǎn)前端所需傳感器的動(dòng)態(tài)范圍和帶寬。在將信號(hào)轉(zhuǎn)換為數(shù)字并傳輸?shù)竭吘壨獠恐�前，信�?hào)鏈的前端將處于模擬域。如果選擇不當(dāng)，模擬信號(hào)鏈中的所有元件都可能限制邊緣節(jié)點(diǎn)的整體性能。動(dòng)態(tài)范圍將是目標(biāo)全量程傳感器與底部噪聲或下一個(gè)最高無用信號(hào)之間的差異。

模擬濾波器并不總是有意義的，因?yàn)槲锫?lián)網(wǎng)傳感器通常同時(shí)尋找已知和未知的活動(dòng)。采樣信號(hào)后，將執(zhí)行數(shù)字濾波器。除非模擬濾波器用于傳感器的前端，否則基波的諧波或其它雜散信號(hào)可能與檢測(cè)信息混合，并與目標(biāo)信號(hào)競(jìng)爭(zhēng)。因此，在設(shè)計(jì)階段，應(yīng)根據(jù)時(shí)域和頻域中的意外檢測(cè)信號(hào)制定應(yīng)對(duì)計(jì)劃，以防止測(cè)量數(shù)據(jù)中出現(xiàn)干擾圖像。

檢測(cè)到的信息通常由信號(hào)鏈中連接ADC 進(jìn)行測(cè)量。物聯(lián)網(wǎng)邊緣節(jié)點(diǎn)采用分立元件設(shè)計(jì)，選擇測(cè)量ADC 注意不要降低傳感器的動(dòng)態(tài)范圍。嵌入式ADC 全輸入范圍通常與傳感器輸出范圍相匹配。理想情況下，傳感器輸出應(yīng)該消耗幾乎整個(gè)ADC 輸入范圍(1 dB 內(nèi))，而不是ADC 飽和不會(huì)在范圍限制處減少。但也可以使用放大器級(jí)來增益或衰減傳感器輸出信號(hào)ADC 動(dòng)態(tài)范圍大。ADC 全量程輸入、采樣率、位分辨率、輸入帶寬和噪聲密度都會(huì)影響邊緣節(jié)點(diǎn)的信號(hào)測(cè)量性能。

前端放大器可嵌入節(jié)點(diǎn)的測(cè)量級(jí)或作為分立元件放置ADC 在此之前，放大器的增益、帶寬和噪聲也節(jié)點(diǎn)的性能。

信號(hào)鏈中傳感器后的測(cè)量ADC 一般采用以下兩種采樣架構(gòu)類型：奈奎斯特速率或連續(xù)時(shí)間(CTSD)，后者是嵌入式的ADC 比較常見。奈奎斯特速率ADC 它等于采樣頻率的一半(即fs/2)平標(biāo)稱噪底。CTSD 采樣率和陷波通帶結(jié)合使用，使噪聲超過目標(biāo)帶寬，從而增加動(dòng)態(tài)范圍。測(cè)量邊緣節(jié)點(diǎn)的模擬帶寬和動(dòng)態(tài)范圍ADC 結(jié)構(gòu)及其分辨率至關(guān)重要。

邊緣節(jié)點(diǎn)的動(dòng)態(tài)范圍將由傳感器的動(dòng)態(tài)范圍、信號(hào)的放大率(如有必要)和ADC 由滿量程動(dòng)態(tài)范圍組成。如果傳感器的滿量程輸出信號(hào)未達(dá)到ADC 滿量范圍輸入1 dB 以內(nèi)，則ADC 部分動(dòng)態(tài)范圍將閑置。相反，如果傳感器的輸入超過ADC 量程會(huì)導(dǎo)致采樣信號(hào)失真。在計(jì)算邊緣節(jié)點(diǎn)的動(dòng)態(tài)范圍時(shí)，還需要考慮放大器的帶寬、增益和噪聲。傳感器、放大器和ADC 各總電氣噪聲RMS 平方和平方根的重量。

圖3 傳感器信號(hào)輸出范圍ADC輸入滿程不匹配導(dǎo)致動(dòng)態(tài)范圍丟失（藍(lán)色）的示例。傳感器的動(dòng)態(tài)范圍需要使用放大器，以防止ADC飽和（紅色）。信號(hào)匹配必須考慮整個(gè)邊緣節(jié)點(diǎn)信號(hào)鏈的帶寬、動(dòng)態(tài)范圍和噪聲。

從邊緣節(jié)點(diǎn)到云平臺(tái)，ADI構(gòu)建完整的人工智能應(yīng)用落地方案

機(jī)器振動(dòng)狀態(tài)監(jiān)測(cè)將是工業(yè)物聯(lián)網(wǎng)中非常重要的應(yīng)用。新的或傳統(tǒng)的機(jī)械設(shè)備可能有多個(gè)關(guān)鍵的機(jī)械元件，如轉(zhuǎn)軸或齒輪，它們可能具有高動(dòng)態(tài)范圍MEMS 加速度計(jì)。這些多軸傳感器將實(shí)時(shí)取樣機(jī)械的振動(dòng)位移。測(cè)量后，可以處理振動(dòng)信號(hào)，并與理想的機(jī)器配置進(jìn)行比較。對(duì)此類信息進(jìn)行分析，有助于提高效率，減少停機(jī)，提前預(yù)測(cè)機(jī)械故障。在極端情況下，機(jī)械元件正在迅速惡化，以避免進(jìn)一步損壞。

圖4 例行機(jī)器維護(hù)雖然可以定期進(jìn)行，但通常不是根據(jù)機(jī)器狀況智能進(jìn)行的。

預(yù)測(cè)故障點(diǎn)和維護(hù)里程碑警告可以通過分析特定機(jī)器操作的振動(dòng)性能來發(fā)出。

邊緣節(jié)點(diǎn)分析可顯著縮短決策時(shí)間延遲。 在這個(gè)例子顯示在這個(gè)例子中，超出了MEMS 傳感器警告閾值限制后，系統(tǒng)立即發(fā)出警告。如果事件極其嚴(yán)重，被認(rèn)定為關(guān)鍵事件，可以授權(quán)節(jié)點(diǎn)自動(dòng)禁法設(shè)備，以防止非常耗時(shí)的災(zāi)難性機(jī)械故障。

或者，觸發(fā)信號(hào)可以調(diào)用另一個(gè)檢測(cè)和測(cè)量節(jié)點(diǎn)（如備用機(jī)器元件上的節(jié)點(diǎn)），以便根據(jù)第一個(gè)事件開始解釋數(shù)據(jù)。這可以減少邊緣節(jié)點(diǎn)的總采樣數(shù)據(jù)。為了確定相對(duì)于標(biāo)稱值的任何振動(dòng)異常，前端節(jié)點(diǎn)必須在設(shè)計(jì)中達(dá)到所需的檢測(cè)性能。任何偏移事件都應(yīng)足以識(shí)別電路的動(dòng)態(tài)范圍、采樣率和輸入帶寬。

ADI 推出的OtoSense 它是一個(gè)適合工業(yè)機(jī)器振動(dòng)狀態(tài)監(jiān)測(cè)的人工智能傳感解釋平臺(tái)，可以獲得、學(xué)習(xí)和感知任何物理現(xiàn)象，如聲音、振動(dòng)、壓力、電流和溫度。通過各種連續(xù)狀態(tài)監(jiān)測(cè)功能，可以分析設(shè)備的運(yùn)行狀態(tài)，監(jiān)督制造過程，盡快檢測(cè)異常，避免問題。為了提供實(shí)時(shí)、在線和離線輸出，人工智能模型在(接近資產(chǎn))的邊緣運(yùn)行，有助于避免不必要的停機(jī)、嚴(yán)重?fù)p壞或故障。

圖5 機(jī)器振動(dòng)采樣數(shù)據(jù)的時(shí)域表示，比較器閾值可以決定是否將檢測(cè)和測(cè)量數(shù)據(jù)傳輸?shù)竭吘壱酝狻Ｔ陂撝到徊媸录��?shí)現(xiàn)數(shù)據(jù)優(yōu)勢(shì)之前，系統(tǒng)可以保持低功耗狀態(tài)來過濾大部分信息。

OtoSense 人工智能平臺(tái)依賴于高性能MEMS數(shù)據(jù)采集包括加速度計(jì)在內(nèi)的各種傳感器。由于OtoSense該技術(shù)使邊緣節(jié)點(diǎn)測(cè)量的聲音、振動(dòng)等信息在任何設(shè)備上繼續(xù)使用，無需連接網(wǎng)絡(luò)進(jìn)行異常檢測(cè)和事件識(shí)別，可用于汽車、工業(yè)、能源等行業(yè)的設(shè)備監(jiān)測(cè)和應(yīng)用，減少停機(jī)時(shí)間，降低維護(hù)成本，提高生產(chǎn)力。

預(yù)測(cè)性維護(hù)是工業(yè)大數(shù)據(jù)和人工智能方向的重要應(yīng)用場(chǎng)景。研究人員不斷提供新的思路和方法，從被動(dòng)故障維護(hù)到主動(dòng)預(yù)測(cè)和綜合規(guī)劃管理。根據(jù)IoT Analytics 根據(jù)最新報(bào)告，全球已有280多份報(bào)告 兩年前，該數(shù)據(jù)約為180家預(yù)測(cè)性維護(hù)企業(yè) 家。類似OtoSense 這種完整的解決方案加速了工業(yè)預(yù)測(cè)維護(hù)領(lǐng)域人工智能的下降地面、預(yù)測(cè)性維護(hù)從小眾物聯(lián)網(wǎng)話題演變?yōu)榭焖僭鲩L(zhǎng)的高投資回報(bào)應(yīng)用，真正為工業(yè)用戶帶來價(jià)值。

(本文來源《IC2022年4月，代理雜志