【導(dǎo)讀】隨著工業(yè)供應(yīng)商繼續(xù)將智能互聯(lián)解決方案集成到其現(xiàn)有運營中，工業(yè)物聯(lián)網(wǎng) （IIoT） 革命正在全面發(fā)展。一個高層次的挑戰(zhàn)是，許多 IIoT 解決方案的任務(wù)是捕獲大量數(shù)據(jù)并將其從無數(shù)傳感器移動到云端。通常，這會因原始數(shù)據(jù)的瓶頸泛濫而造成無意的嚴(yán)重影響。使用笨拙的傳感器方法，典型的“將所有內(nèi)容發(fā)送到云”模型可能會非常低效。這通常會給云平臺帶來幾乎不可能完成的任務(wù)，即從大量噪音中提取一些有價值的數(shù)據(jù)。

隨著工業(yè)供應(yīng)商繼續(xù)將智能互聯(lián)解決方案集成到其現(xiàn)有運營中，工業(yè)物聯(lián)網(wǎng) （IIoT） 革命正在全面發(fā)展。一個高層次的挑戰(zhàn)是，許多 IIoT 解決方案的任務(wù)是捕獲大量數(shù)據(jù)并將其從無數(shù)傳感器移動到云端。通常，這會因原始數(shù)據(jù)的瓶頸泛濫而造成無意的嚴(yán)重影響。使用笨拙的傳感器方法，典型的“將所有內(nèi)容發(fā)送到云”模型可能會非常低效。這通常會給云平臺帶來幾乎不可能完成的任務(wù)，即從大量噪音中提取一些有價值的數(shù)據(jù)。

在 IIoT 中，精密傳感和測量的作用在可靠性和準(zhǔn)確性至關(guān)重要的應(yīng)用中至關(guān)重要。IIoT 創(chuàng)新者在管理大量數(shù)據(jù)同時還要保持整個解決方案的完整性方面面臨多項挑戰(zhàn)。系統(tǒng)工程師正在利用邊緣的硬件和軟件創(chuàng)新來克服這些挑戰(zhàn)，其中一種解決方案是更智能的傳感器節(jié)點，能夠在邊緣提取和解釋數(shù)據(jù)，以便僅將重要數(shù)據(jù)發(fā)送到云端進(jìn)行處理。分布式分析處理模型可以實現(xiàn)本地化決策，并緩解有關(guān)延遲、安全性、帶寬和功耗的許多問題。

優(yōu)化的智能分區(qū)最大化數(shù)據(jù)價值

由于只有一部分 IIoT 數(shù)據(jù)真正有價值，因此大部分?jǐn)?shù)據(jù)并不重要，可以忽略不計。但是，如果不仔細(xì)注意邊緣節(jié)點的分析要求，最高質(zhì)量的傳感數(shù)據(jù)仍然可能被邊緣化。

需要實時本地決策的系統(tǒng)數(shù)據(jù)應(yīng)該在它被聚合到云中的遠(yuǎn)程點之前很久就采取行動。相比之下，利用歷史價值和預(yù)測模型來影響長期洞察力的信息是云處理的理想應(yīng)用。將數(shù)據(jù)歸檔到海量數(shù)據(jù)庫中以進(jìn)行追溯處理和決策發(fā)揮了強大的云處理和存儲的優(yōu)勢。

邊緣處理可以是一個分析命題，除了將數(shù)據(jù)發(fā)送到遠(yuǎn)程服務(wù)器進(jìn)行云級分析外，還可以在靠近其源的位置分析數(shù)據(jù)。通過與傳感器的緊密耦合，時間敏感的反饋回路可以提供即時處理，從而提供更明智的決策，同時盡早在信號鏈中移動實時分析處理還可以減少下游的有效負(fù)載負(fù)擔(dān)并縮短延遲。此外，邊緣節(jié)點的初始數(shù)據(jù)處理可以簡化數(shù)據(jù)格式并減少云網(wǎng)關(guān)最終聚合的通信帶寬（圖 1）。

圖1 邊緣節(jié)點的智能分區(qū)可在信號鏈中進(jìn)一步實現(xiàn)更精簡的處理和智能，從而實現(xiàn)更高效的物聯(lián)網(wǎng)解決方案。

邊緣節(jié)點洞察處理——智能工廠

IIoT 中一項重要的應(yīng)用是機(jī)器振動狀態(tài)監(jiān)測。新的或舊的機(jī)器設(shè)備可以具有安裝有高動態(tài)范圍 MEMS 加速度計的關(guān)鍵機(jī)械部件（例如旋轉(zhuǎn)軸或齒輪）。這些多軸傳感器實時采樣機(jī)器的振動，這些特征可以被測量、處理并與理想的機(jī)器輪廓進(jìn)行比較。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，可以立即關(guān)閉具有快速惡化的機(jī)械部件的機(jī)器，否則會導(dǎo)致進(jìn)一步的損壞。

該解決方案的目的是在發(fā)生故障之前識別和預(yù)測機(jī)器性能問題。在邊緣傳感器節(jié)點，多軸高動態(tài)范圍加速度計監(jiān)測工業(yè)機(jī)器不同位置的振動位移?？梢詫υ紨?shù)據(jù)進(jìn)行過濾和抽取，以便在微控制器（MCU） 內(nèi)進(jìn)行頻域解釋?？梢蕴幚砼c已知性能限制進(jìn)行比較的快速傅里葉變換 （FFT），以針對下游通過、失敗和警告警報進(jìn)行測試（圖 2）。FFT 內(nèi)的處理增益可以通過有限脈沖響應(yīng) （FIR） 濾波來實現(xiàn)，以去除超出目標(biāo)帶寬的寬帶噪聲。

圖2 盡管可以定期執(zhí)行機(jī)器維護(hù)，但通常無法通過有關(guān)機(jī)器狀況的情報來完成。通過分析特定機(jī)器操作的振動性能，邊緣節(jié)點警報可以提供預(yù)測故障點和維護(hù)里程碑。

邊緣節(jié)點處理是機(jī)器狀態(tài)監(jiān)控的重要組成部分。考慮到單臺機(jī)器可能有許多傳感器并且可能同時監(jiān)控數(shù)百臺機(jī)器，采樣數(shù)據(jù)的全帶寬可能會在無線網(wǎng)關(guān)處提供顯著的聚合瓶頸。MCU 內(nèi)的濾波和智能決策可為無線收發(fā)器提供低帶寬輸出，無需在云中進(jìn)行密集的濾波處理（圖 3）。

圖3  振動監(jiān)測的典型信號鏈。

邊緣節(jié)點分析可以大大減少決策時間延遲。圖 4 中顯示了一個示例，其中超過了 MEMS 傳感器警告閾值限制并立即發(fā)送警報。如果事件極端到足以被認(rèn)為是嚴(yán)重的，則可以授權(quán)節(jié)點自動禁用有問題的設(shè)備，以防止時間敏感的災(zāi)難性機(jī)械故障。

圖4  采樣機(jī)器振動數(shù)據(jù)的時域表示，其中比較器閾值可以確定感測和測量數(shù)據(jù)是否在邊緣之外傳遞。可以保持較低的功率狀態(tài)以過濾大部分信息，直到通過閾值交叉事件實現(xiàn)數(shù)據(jù)優(yōu)勢。

或者，可以調(diào)用觸發(fā)信號以使另一個感測和測量節(jié)點（例如輔助機(jī)器組件上的一個）能夠開始基于第一事件解釋數(shù)據(jù)，從而減少來自邊緣節(jié)點的采樣數(shù)據(jù)的總數(shù)據(jù)集。為了確定任何振動異常，前端節(jié)點必須設(shè)計具有所需的檢測性能。傳感和測量電路的動態(tài)范圍、采樣率和輸入帶寬應(yīng)該足以識別任何偏移事件。

解釋

如果精確知道感興趣的機(jī)械特征頻率，則可以規(guī)劃 MCU 內(nèi)模數(shù)轉(zhuǎn)換器 （ADC） 的采樣率和 FFT 大小，以使最大能量落在單個直方圖 bin 的寬度內(nèi)。這將防止信號功率通過多個 bin 泄漏并降低幅度測量的精度。

圖 5 是 FFT 的一個示例，其中在邊緣節(jié)點 MCU 內(nèi)解釋特定預(yù)定區(qū)域以用于多個觀察到的機(jī)械組件。在所需綠色區(qū)域內(nèi)達(dá)到峰值的箱體能量表示運行良好，而黃色和紅色區(qū)域分別表示警告和嚴(yán)重警報。代替?zhèn)鬏斎總鞲衅鲙?，較低的數(shù)據(jù)速率警報或觸發(fā)面包屑可以提醒系統(tǒng)關(guān)注區(qū)域內(nèi)的偏移事件。

圖5  FFT bin 能量可用于觸發(fā)警報。

機(jī)器狀態(tài)監(jiān)控只是智能工廠應(yīng)用的一個例子，其中邊緣節(jié)點處理有利于 IIoT 系統(tǒng)的成功?？梢蕴幚砗徒忉屪钪匾臄?shù)據(jù)，以便立即采取本地化行動。這減輕了遠(yuǎn)程云分析的全部帶寬需求負(fù)擔(dān)。

（作者：Ian Beavers）

推薦閱讀：

面向移動機(jī)器人的無線充電技術(shù)實現(xiàn)工業(yè)4.0

利用物聯(lián)網(wǎng)充分發(fā)揮智能電網(wǎng)優(yōu)勢

助推電動汽車發(fā)展的新動力：Soitec 的 SmartSiC?

如何使用AT32F407以太網(wǎng)通信接口實現(xiàn)在應(yīng)用中編程(IAP)

電源線噪聲：共模干擾、差模干擾