工業(yè)物聯(lián)網(wǎng)（IoT）涵蓋了正在進(jìn)行的廣泛轉(zhuǎn)型，這將使互聯(lián)機(jī)器的普遍傳感不僅成為競爭優(yōu)勢，而且成為一項(xiàng)必不可少的基礎(chǔ)服務(wù)。工業(yè)物聯(lián)網(wǎng)從邊緣節(jié)點(diǎn)開始，邊緣節(jié)點(diǎn)是感興趣的傳感和測量入口點(diǎn)。這是物理世界與計(jì)算數(shù)據(jù)分析交互的地方。互聯(lián)的工業(yè)機(jī)器可以感知用于做出關(guān)鍵決策的各種信息。此邊緣傳感器可能遠(yuǎn)離存儲歷史分析的云服務(wù)器。它必須通過將邊緣數(shù)據(jù)聚合到互聯(lián)網(wǎng)中的網(wǎng)關(guān)進(jìn)行連接。理想情況下，邊緣傳感器節(jié)點(diǎn)在較小的標(biāo)稱外形尺寸內(nèi)不顯眼，可輕松部署在空間受限的環(huán)境中。

感知、測量、解釋、連接

在由多部分組成的工業(yè)物聯(lián)網(wǎng)系列的第一部分中，我們將在更大的物聯(lián)網(wǎng)框架內(nèi)分解和探索邊緣節(jié)點(diǎn)感知和測量功能的基本方面：傳感、測量、解釋和連接數(shù)據(jù)，并額外考慮電源管理和安全性。每個(gè)部分都提出了一系列獨(dú)特的挑戰(zhàn)。邊緣節(jié)點(diǎn)的智能分區(qū)是成功實(shí)施的關(guān)鍵。在某些情況下，超低功耗（ULP）是最重要的性能指標(biāo)。當(dāng)傳感器在關(guān)鍵事件期間從睡眠模式喚醒時(shí)，絕大多數(shù)潛在數(shù)據(jù)可能會被過濾。

圖1.邊緣節(jié)點(diǎn)設(shè)備提供智能來感知、測量、解釋和連接到云的互聯(lián)網(wǎng)網(wǎng)關(guān)。數(shù)據(jù)可以在傳輸之前使用某種形式的分析進(jìn)行預(yù)處理，以實(shí)現(xiàn)更深入的數(shù)據(jù)挖掘智能。

傳感器構(gòu)成了工業(yè)物聯(lián)網(wǎng)電子生態(tài)系統(tǒng)的前端邊緣。測量將感測信息轉(zhuǎn)換為有意義的信息，例如壓力、位移或旋轉(zhuǎn)的可量化值。在解釋階段，邊緣分析和處理將測量數(shù)據(jù)轉(zhuǎn)換為可操作的事件。1只有最有價(jià)值的信息才能從節(jié)點(diǎn)連接到云中，以進(jìn)行預(yù)測或歷史處理。在整個(gè)信號鏈中，可以根據(jù)初始可接受性限制來拒絕或?yàn)V除數(shù)據(jù)。理想情況下，傳感器節(jié)點(diǎn)應(yīng)僅發(fā)送絕對必要的信息，并在關(guān)鍵數(shù)據(jù)可用后立即做出關(guān)鍵決策。

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)。數(shù)據(jù)完整性仍然是信號鏈這一模塊的關(guān)鍵。如果通信不一致、丟失或損壞，最佳感測和測量數(shù)據(jù)幾乎沒有價(jià)值。無法選擇通過通信丟失數(shù)據(jù)。電氣嘈雜的工業(yè)環(huán)境可能非常惡劣和無情，特別是對于存在高金屬含量的射頻通信。因此，在系統(tǒng)架構(gòu)設(shè)計(jì)過程中，必須預(yù)先考慮魯棒的通信協(xié)議。

ULP 系統(tǒng)的電源管理從穩(wěn)壓器組件選擇開始，以實(shí)現(xiàn)最高效率。但是，由于邊緣節(jié)點(diǎn)也可能以快速占空比喚醒和休眠，因此上電和關(guān)斷時(shí)間也不容忽視。外部觸發(fā)或喚醒命令有助于快速提醒邊緣節(jié)點(diǎn)開始檢測和測量數(shù)據(jù)。

數(shù)據(jù)安全也必須是工業(yè)物聯(lián)網(wǎng)系統(tǒng)的考慮因素。邊緣內(nèi)的數(shù)據(jù)保護(hù)不僅需要安全，而且對網(wǎng)絡(luò)網(wǎng)關(guān)的訪問也必須受到保護(hù)，免受惡意攻擊。不得允許欺騙邊緣節(jié)點(diǎn)以獲取惡意活動(dòng)的網(wǎng)絡(luò)訪問權(quán)限。

智能始于邊緣

邊緣有大量的傳感解決方案，可能不僅僅是單個(gè)分立器件。邊緣可以是多個(gè)并發(fā)各種不相關(guān)的數(shù)據(jù)采集。溫度、聲音、振動(dòng)、壓力、濕度、運(yùn)動(dòng)、污染物、音頻和視頻只是可以通過網(wǎng)關(guān)感知、處理并發(fā)送到云以進(jìn)行進(jìn)一步歷史和預(yù)測分析的一些變量。

毫不夸張地說，傳感器是工業(yè)物聯(lián)網(wǎng)的支柱。2但更準(zhǔn)確地說，它們是提取見解的中樞神經(jīng)系統(tǒng)。邊緣節(jié)點(diǎn)感知和測量技術(shù)是感興趣數(shù)據(jù)的發(fā)源地。如果在解決方案鏈的這個(gè)階段忠實(shí)地記錄了錯(cuò)誤或不正確的數(shù)據(jù)，那么云中再多的后處理也無法收回丟失的價(jià)值。

關(guān)鍵任務(wù)系統(tǒng)，如醫(yī)療保健和工廠停機(jī)監(jiān)控，具有高風(fēng)險(xiǎn)的結(jié)果，需要質(zhì)量數(shù)據(jù)測量的強(qiáng)大完整性。數(shù)據(jù)質(zhì)量至關(guān)重要。誤報(bào)或遺漏可能代價(jià)高昂、耗時(shí)且可能危及生命。代價(jià)高昂的錯(cuò)誤最終會導(dǎo)致計(jì)劃外維護(hù)、勞動(dòng)力使用效率低下或不得不完全禁用物聯(lián)網(wǎng)系統(tǒng)。智能始于邊緣節(jié)點(diǎn)，避免使用古老的格言仍然適用 - 垃圾輸入，垃圾輸出。

圖2.許多邊緣節(jié)點(diǎn)輸出（有線和無線）可以自主連接到網(wǎng)關(guān)節(jié)點(diǎn)，以便在傳輸?shù)皆品?wù)器之前進(jìn)行聚合。

隨著對大量數(shù)據(jù)的訪問，責(zé)任重大

在沒有邊緣節(jié)點(diǎn)智能的傳統(tǒng)信號鏈解決方案中，數(shù)據(jù)仍然是數(shù)據(jù)。一個(gè)不智能的節(jié)點(diǎn)永遠(yuǎn)不會幫助產(chǎn)生智慧和知識來做出可操作的決策。1可能存在大量對感興趣的系統(tǒng)性能沒有影響的原始、低質(zhì)量數(shù)據(jù)。3轉(zhuǎn)換所有這些數(shù)據(jù)并將其發(fā)送到最終的云存儲目的地可能會耗電且?guī)捗芗?/p>

相比之下，智能智能分區(qū)邊緣節(jié)點(diǎn)感知和測量將數(shù)據(jù)轉(zhuǎn)化為可操作的信息。智能節(jié)點(diǎn)可降低整體功耗、降低延遲并減少帶寬浪費(fèi)。4這使得從具有長延遲的反應(yīng)式物聯(lián)網(wǎng)轉(zhuǎn)變?yōu)閷?shí)時(shí)和預(yù)測物聯(lián)網(wǎng)模型成為可能?；镜?a href="http://hljzzgx.com/analog/" target="_blank">模擬信號鏈電路設(shè)計(jì)理念仍然適用于物聯(lián)網(wǎng)。對于復(fù)雜的系統(tǒng)，通常需要深厚的應(yīng)用專業(yè)知識來解釋處理后的數(shù)據(jù)。

優(yōu)化的智能分區(qū)使云價(jià)值最大化

只有最重要的測量信息需要通過網(wǎng)關(guān)發(fā)送到云端進(jìn)行最終處理。在某些情況下，大多數(shù)數(shù)據(jù)完全不重要。5但是，對于需要本地實(shí)時(shí)決策的時(shí)間關(guān)鍵型系統(tǒng)數(shù)據(jù)，應(yīng)該在通過遠(yuǎn)程訪問在遠(yuǎn)處聚合之前很久就采取行動(dòng)。相比之下，利用歷史價(jià)值和預(yù)測模型來影響長期見解的信息是云處理的理想應(yīng)用程序。將數(shù)據(jù)存檔到海量數(shù)據(jù)庫中以進(jìn)行追溯處理和決策，充分利用了強(qiáng)大的云處理和存儲的優(yōu)勢。6

圖3.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)。信號鏈中更精簡的處理和智能可實(shí)現(xiàn)更高效的整體物聯(lián)網(wǎng)解決方案。

通過實(shí)時(shí)決策生活在邊緣

物聯(lián)網(wǎng)傳感器主要是模擬的.特定的工業(yè)應(yīng)用要求將決定邊緣節(jié)點(diǎn)前端所需的傳感器的動(dòng)態(tài)范圍和帶寬。在信號轉(zhuǎn)換為數(shù)字表示并在邊緣外傳輸之前，信號鏈的前端將位于模擬域內(nèi)。如果選擇不當(dāng)，模擬信號鏈中的每個(gè)組件都有可能限制邊緣節(jié)點(diǎn)的整體性能。動(dòng)態(tài)范圍將是目標(biāo)滿量程傳感器相對于本底噪聲或下一個(gè)最高無用信號之間的增量。

由于物聯(lián)網(wǎng)傳感器通常同時(shí)尋找已知和未知的活動(dòng)， 模擬濾波器并不總是有意義的.數(shù)字濾波在信號采樣后執(zhí)行。除非在傳感器前端使用模擬濾波器，否則基波或其他雜散信號的諧波可以折疊到感測信息中，并與目標(biāo)信號競爭功率。因此，在設(shè)計(jì)階段規(guī)劃時(shí)域和頻域中的意外感測信號將防止測量數(shù)據(jù)中出現(xiàn)不需要的偽影。

檢測信息通常由信號鏈中的下一個(gè)ADC測量。如果物聯(lián)網(wǎng)邊緣節(jié)點(diǎn)是使用分立元件設(shè)計(jì)的，則應(yīng)注意選擇不會降低傳感器動(dòng)態(tài)范圍的測量ADC。嵌入式ADC的輸入滿量程范圍通常與傳感器輸出幅度匹配良好。理想情況下，傳感器輸出應(yīng)消耗幾乎整個(gè)ADC輸入范圍（1 dB以內(nèi)），而不會使ADC飽和并在范圍限值處削波。但是，放大器級也可用于增益或衰減傳感器輸出信號，以最大化ADC自身的動(dòng)態(tài)范圍。ADC滿量程輸入、采樣速率、位分辨率、輸入帶寬和噪聲密度都將影響邊緣節(jié)點(diǎn)的信號測量性能。

前端放大器可以嵌入到節(jié)點(diǎn)測量中，也可以作為分立元件添加到ADC之前。放大器的增益、帶寬和噪聲也可以增強(qiáng)邊緣節(jié)點(diǎn)的性能。

信號鏈中傳感器之后的測量ADC通常是兩種采樣架構(gòu)類型之一：奈奎斯特速率或連續(xù)時(shí)間Σ-Δ（CTSD），后者在嵌入式ADC中更為普遍。奈奎斯特速率ADC的標(biāo)稱平坦本底噪聲等于采樣速率頻率的一半，或fs/2.CTSD使用帶有陷波通帶的過采樣率，將噪聲推到目標(biāo)帶寬之外，以增加動(dòng)態(tài)范圍。測量 ADC 架構(gòu) 及其 解決 率 是 了解 邊緣 節(jié)點(diǎn) 的 模擬 帶 寬 和 動(dòng)態(tài) 范圍 的 關(guān)鍵。

圖4.如果物聯(lián)網(wǎng)傳感器上沒有前端模擬濾波器，奈奎斯特速率ADC會將高階頻率折疊到1圣奈奎斯特區(qū)回到感興趣的帶寬。相比之下，具有過采樣調(diào)制時(shí)鐘的CTSD ADC架構(gòu)使用噪聲整形，在目標(biāo)頻帶內(nèi)實(shí)現(xiàn)高動(dòng)態(tài)范圍。CTSD對信號混疊不太敏感，因?yàn)樗峁┝斯逃械臑V波。

例如，在頻域中，每單位帶寬1 Hz的噪聲密度將取決于ADC的SNR以及噪聲在ADC采樣頻譜中的分布寬度。在奈奎斯特速率ADC中，噪聲頻譜密度（每1 Hz帶寬）= 0 dB – ADC信噪比（SNR） – 10 × log（fs/2） 其中 fs/2是采樣速率除以ADC的兩個(gè)或單個(gè)奈奎斯特區(qū)。理想的SNR可以計(jì)算為SNR = 6.02 × N + 1.76 dB，其中N是ADC位數(shù)。然而，ADC的實(shí)際SNR包括晶體管和半導(dǎo)體處理的非理想性，包括電噪聲和晶體管級元件缺陷。這些非線性會使SNR性能降低到理想值以下，因此請查看ADC數(shù)據(jù)手冊，了解感興趣的SNR性能。

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、信號的放大（如果需要）和ADC滿量程動(dòng)態(tài)范圍組成。如果滿量程傳感器輸出信號未達(dá)到ADC滿量程范圍輸入的1 dB以內(nèi)，則ADC動(dòng)態(tài)范圍的某些部分將閑置。相反，來自傳感器的超量程ADC輸入會使采樣信號失真。放大器帶寬、增益和噪聲也將是邊緣節(jié)點(diǎn)動(dòng)態(tài)范圍考慮因素的一部分。傳感器、放大器和ADC的電噪聲之和將是每個(gè)均方根分量的平方根。7

圖5.傳感器信號輸出幅度與ADC的輸入滿量程不匹配，動(dòng)態(tài)范圍丟失的示例（藍(lán)色）。需要一個(gè)放大器來最大化傳感器的動(dòng)態(tài)范圍，同時(shí)防止ADC飽和（紅色）。信號匹配必須考慮整個(gè)邊緣節(jié)點(diǎn)信號鏈的帶寬、動(dòng)態(tài)范圍和噪聲。

智能工廠

在工業(yè)物聯(lián)網(wǎng)中，一個(gè)重要的應(yīng)用是機(jī)器振動(dòng)狀態(tài)監(jiān)測。新的或傳統(tǒng)的機(jī)器設(shè)備可以安裝有關(guān)鍵的機(jī)械部件，如旋轉(zhuǎn)軸或齒輪，安裝有高動(dòng)態(tài)范圍的MEMS加速度計(jì)。8這些多軸傳感器實(shí)時(shí)對機(jī)械的振動(dòng)位移進(jìn)行采樣。可以測量、處理振動(dòng)特征，并將其與理想的機(jī)器輪廓進(jìn)行比較。9在工廠中，對這些信息的分析有助于提高效率，減少生產(chǎn)線停機(jī)情況，并可以提前預(yù)測機(jī)械故障。在極端情況下，機(jī)械部件迅速惡化的機(jī)器可能會立即關(guān)閉，否則會導(dǎo)致進(jìn)一步的損壞。

圖6.雖然例行的機(jī)器維護(hù)可以定期執(zhí)行，但通常不能通過有關(guān)機(jī)器狀況的智能來完成。10通過分析特定機(jī)器操作的振動(dòng)性能，可以在邊緣節(jié)點(diǎn)發(fā)出預(yù)測故障點(diǎn)和維護(hù)里程碑警報(bào)。

通過啟用邊緣節(jié)點(diǎn)分析，可以大大減少?zèng)Q策時(shí)間延遲。圖7中可以看到一個(gè)例子，其中超過MEMS傳感器警告閾值限制并立即發(fā)送警報(bào)。如果事件極端到足以被視為關(guān)鍵事件，則可以授權(quán)節(jié)點(diǎn)自動(dòng)禁用違規(guī)設(shè)備，以防止時(shí)間敏感的災(zāi)難性機(jī)械故障。

圖7.采樣機(jī)器振動(dòng)數(shù)據(jù)的時(shí)域表示，其中比較器閾值可以確定感測和測量數(shù)據(jù)是否在邊緣之外傳輸。可以保持較低的功耗狀態(tài)以過濾大部分信息，直到通過閾值交叉事件實(shí)現(xiàn)數(shù)據(jù)優(yōu)勢。

或者，可以調(diào)用觸發(fā)信號以使另一個(gè)檢測和測量節(jié)點(diǎn)（例如輔助機(jī)器組件上的節(jié)點(diǎn)）開始根據(jù) 1圣事件。這減少了來自邊緣節(jié)點(diǎn)的采樣數(shù)據(jù)的總數(shù)據(jù)集。為了從標(biāo)稱值確定任何振動(dòng)異常，前端節(jié)點(diǎn)必須設(shè)計(jì)具有檢測所需的性能。檢測和測量電路的動(dòng)態(tài)范圍、采樣速率和輸入帶寬應(yīng)足以識別任何偏移事件。

智慧城市

另一種工業(yè)物聯(lián)網(wǎng)邊緣節(jié)點(diǎn)應(yīng)用是具有嵌入式視頻分析功能的智能城市工業(yè)相機(jī)。智慧城市定義了城市使命，即將無數(shù)的信息和通信點(diǎn)整合到一個(gè)有凝聚力的系統(tǒng)中，以實(shí)現(xiàn)對城市資產(chǎn)的管理。一個(gè)常見的應(yīng)用是提供停車位空置警報(bào)和占用檢測。在調(diào)試時(shí)，每臺攝像機(jī)都有一個(gè)預(yù)定的視野。可以在分析中定義和使用邊界邊緣檢測，以識別各種對象及其運(yùn)動(dòng)。不僅可以分析歷史物體運(yùn)動(dòng)，而且由于物體軌跡，還可以使用數(shù)字信號處理（DSP）算法在邊緣計(jì)算預(yù)測路徑。

與頻率濾波類似，終端處理通常不需要視頻分析幀的全帶寬。通常，當(dāng)不用于安全目的時(shí)，只需要完整視頻幀的一小部分。從一幀到另一幀的大部分視覺數(shù)據(jù)都是靜態(tài)的，固定安裝的相機(jī)上?？梢赃^濾靜態(tài)數(shù)據(jù)。在某些情況下，只需要分析邊界交叉計(jì)數(shù)或感興趣對象的移動(dòng)坐標(biāo)。縮減的子集可以作為痕跡導(dǎo)航坐標(biāo)傳送到信號鏈中的下一個(gè)網(wǎng)關(guān)。

邊緣節(jié)點(diǎn)視頻分析可以提供許多過濾解釋，以區(qū)分對象類型 - 汽車、卡車、自行車、人類、動(dòng)物等。這種抽取減少了數(shù)據(jù)帶寬和計(jì)算能力，否則云服務(wù)器需要這些數(shù)據(jù)帶寬和計(jì)算能力來分析下游發(fā)送的全幀速率視頻數(shù)據(jù)。

室內(nèi)攝像頭應(yīng)用可以識別越過入口邊界的人數(shù)，并調(diào)整房間的照明、加熱或冷卻。為了在極端照明條件或其他具有挑戰(zhàn)性的照明（如雨）下保持視覺效果，可能需要在戶外相機(jī)中使用高動(dòng)態(tài)范圍相機(jī)。典型的 8 位或 10 位/像素成像傳感器可能無法在所有檢測場景中提供與照明無關(guān)的足夠亮度動(dòng)態(tài)范圍。與以 240 Hz 刷新率觀看快動(dòng)作運(yùn)動(dòng)相比，可以使用較慢的幀速率來監(jiān)控工業(yè)分析相機(jī)上的活動(dòng)。

圖9.在邊緣節(jié)點(diǎn)采用DSP對象檢測算法的高動(dòng)態(tài)范圍成像器即使在低光照條件下也可以確定運(yùn)動(dòng)和邊界入侵。此示例使用視覺對比度來定義室內(nèi)工廠/辦公室（左）和室外停車場（右）的邊緣檢測。

平臺級解決方案

ADT7420是一款4 mm×4 mm數(shù)字溫度傳感器，具有突破性的性能，內(nèi)置一個(gè)分辨率為16.0°C的內(nèi)部0078位ADC，功耗僅為210 μA。ADXL362是一款超低功耗3軸MEMS加速度計(jì)，在運(yùn)動(dòng)觸發(fā)喚醒模式下，以2 Hz采樣速率僅消耗100 μA電流。它不使用功率占空比，而是在所有數(shù)據(jù)速率下采用全帶寬架構(gòu)，防止輸入信號混疊。ADIS16229是一款雙軸、18 g數(shù)字MEMS振動(dòng)傳感器，內(nèi)置RF收發(fā)器。它還提供具有 512 點(diǎn)數(shù)字 FFT 功能的板載頻域信號處理。

支持DSP的Blackfin低功耗成像平臺（BLIP）11允許基于成熟的數(shù)字信號處理工具對工業(yè)視覺設(shè)計(jì)進(jìn)行快速原型設(shè)計(jì)。優(yōu)化的軟件交付成果庫為設(shè)備制造商提供了開箱即用的運(yùn)動(dòng)傳感、人數(shù)統(tǒng)計(jì)和車輛檢測解決方案。

審核編輯：郭婷