随着高质量传感器、可靠连接和数据分析的激增,创造新的工业效率,使这些智能节点越来越自主和移动也带来了额外的好处。在这些情况下,传感器节点的精确运动捕捉和位置跟踪成为应用成功的核心。然后,智能农场能够协同利用自主陆地和空中车辆,根据丰富的地理定位传感器内容和分析学习更有效地指导地面操作。智能手术室将经典的导航技术带到手术台上,用于精确引导的机械臂,采用传感器融合来确保在所有条件下的准确引导。在许多领域,基于运动的传感器成为移动应用的价值倍增器。
消费者惯性传感器在移动电话中的无处不在,导致人们对其准确性的看法普遍不尽如人意,因此,迄今为止,在推动移动物联网(IoMT)的概念方面一直无效。然而,新一代高性能工业传感器能够支持亚度指向精度和精确的地理位置,同时还提供必要的尺寸和成本效率,现在已准备好推动IoMT向前发展。
工业系统中智能传感的驱动因素
工业机械和工艺领域最有价值的进步集中在有形的系统级优势上,这些优势通常会带来设计和实施挑战,而这些优势反过来又会转化为新的解决方案方法和商业模式。三个这样的系统级驱动因素是追求资源效率、关键精度和提高安全性。关注这些增强功能的应用程序分布在各行各业,涵盖空中/陆地/海上、室内/室外、短期/长期和人/机器,但无论如何,它们都依赖于共同的属性;即精度、可靠性、安全性以及智能处理和分析,如表 1 所示。
表 1.IoMT 应用中有价值的系统属性转化为具有挑战性的设计需求
系统驱动程序 | 应用示例 | 关键需求 |
资源效率 | 精准农业;库存/资产控制;工业监控;设备预测性维护 | 多参数传感;地理位置;数据库/引用 |
临界精度 | 工厂机器人;手术器械;建设;车辆引导 | 精度;稳定性;重复性;全条件运行 |
提高安全性 | 无人驾驶车辆;状态监测;自主机器;急救人员 | 可靠性;环境免疫力;耐用 性;预测分析;故障安全模式 |
多种类型的传感器成为目标应用设计任务的核心。所解决设计的系统复杂性导致需要仔细考虑传感器质量和在广泛变化条件下的鲁棒性。虽然一些行业可能出于方便而选择传感器(例如,利用手机中已有的传感器套件),但其他行业将从头开始定义传感器套件,根据精度选择它们并智能地组合它们,以允许全面可靠地覆盖预期的系统状态。
智能传感
凭借丰富的传感器环境,这些智能且可访问的系统正在彻底改变原本成熟的行业,将农业转变为智能农业,将基础设施转变为智能基础设施,将城市转变为智能城市。随着传感器的部署以在这些环境中收集相关的上下文信息,数据库管理和通信出现了新的复杂性,不仅需要传感器到传感器的复杂融合,还需要跨平台和跨时间的复杂融合(例如:基于云的基础设施状况随时间变化的分析、去年的作物产量或交通状况和模式),如图 1 所示。
图1.新兴的工业要求结合了情境化、运动感测和多层融合。
从设备和环境中可靠地提取信息的分辨率成为衡量这些新企业最终效用和增长的主要标准。准确性推动效率,转化为必要的经济性,同时也是安全可靠运行的核心。虽然使用最基本的传感器可以添加简单的功能,但在主题 IoMT 应用中,这种最小的附加值不足,其中是/否、上/下或开/关被无限精细的分辨率所取代,以及添加对传感器选择的影响。
运动的重要性
在大多数情况下,物联网是运动的。即使不是固定式工业安全摄像头,精确指向仍然是必不可少的,或者了解不需要的运动(篡改)可能是有价值的。如果在崎岖的飞行条件下可以保持准确的指向角度,则使用光学有效载荷捕获作物图像的无人机可以更好更快地提供结果,如果对光学数据进行准确的地理映射,则可以对数据和趋势进行历史比较。智能车辆,无论是陆基、空中还是海上,都越来越依赖GPS制导。然而,GPS也越来越受到威胁,无论是有意还是自然(建筑物,树木,隧道等)。如果精确选择,额外的传感器可以在两次停电之间可靠地进行航位推算。表 2 提供了将 M 放入 IoMT 的事物示例,指出该动议与应用程序效用的相关性。
表 2.了解甚至缺乏运动对于许多应用的成功至关重要
工业设备 | 运动相关性 |
智能拖拉机 | 地理位置,天线稳定 |
无人机/无人机 | 地理位置、蜂群、有效载荷指向 |
第一响应者 | 地理位置、映射、活动监视器 |
高价值资产 | 地理位置、库存控制 |
火车,其他交通工具 | 地理位置,安全 |
增强现实 | 地理位置, 指向 |
智能汽车 | 地理位置、传感器定位、动态 |
机器人、机械 | 地理位置、控制、稳定 |
天线、摄像头 | 指向角度、安装/校准、稳定 |
如果有机会和手段来捕捉设备或人的自然惯性,并且能够将其与可用的上下文信息适当地融合,那么提取的系统状态知识的重要性就会增强。如表 3 所示。
表 3.位置传感作为物联网的价值倍增器
位置传感器 |
物联网情境 传感器 |
|||
惯性 | + | 温度 | = | 物联网 |
全球定位系统 | 光学的 | |||
磁力计 | 化学的 | |||
晴雨表 | 气 | |||
测距 | 振动 | |||
其他 | 其他 |
可靠、安全的物联网节点
IoMT 节点输出的有效性和价值主要取决于核心传感器的质量及其以高保真度捕获应用程序上下文的能力。然后,融合处理对于持续的传感器校正/增强和理想的传感器间状态动态(例如,在任何给定时间点哪个传感器最可靠)是必要的。应用程序级处理分层到解决方案中,并根据环境的具体情况(包括适当的边界条件)进行优化。虽然是自主的,但在某些情况下,这些节点正在协同工作,例如在陆地或空中的成群的无人驾驶车辆中。在这些情况下,部署安全通信链路,强调可靠的传输和受保护的唯一身份,如图2所示。
图2.连接和安全的传感器结合了上下文和位置。
传感器是自主性的核心
与人体一样,自主 IoMT 节点依靠多个传感输入来实现所需的意识,以独立行动并优化其对随机甚至混乱事件的结果,最终随着时间的推移而改进。如表4所示,从基本测量到控制再到自主的过渡需要在传感器合并级别以及嵌入式智能方面提高复杂性。由于这些节点也实现了高水平的互连和自适应学习,它们趋向于人与机器的融合。
表 4.从高质量传感器的基础开始,不断提高集成度和智能度推动自主性和人机融合
测量 | 控制 | 自治 |
融合 人/ 机器 |
||
传感器 | 基本、单、传感元件 | • | |||
多传感器 | 识别多种传感类型以满足应用需求 | • | |||
熔断传感器 | 使用一个传感器纠正另一个传感器或状态驱动,传感器之间的切换 | • | • | ||
智能传感器 | 本地化嵌入式处理,支持实时分析和决策 | • | • | • | |
连接的传感器 | 通信链路支持跨平台信息共享 | • | • | • | |
智能传感器 | 跨时间(例如,云、数据库)利用信息来适应/学习 | • | • | • | • |
没有基础设施的位置
GPS无处不在,除非有卫星阻塞或中断。如果可访问,无线测距技术可以精确。磁场读数始终存在,即使不受干扰。惯性是独特的自力更生。显然,惯性MEMS传感器有其自身的缺陷(漂移),但这些缺陷是可控的,新一代工业惯性测量单元(IMU)在小型、经济高效的封装中提供了前所未有的稳定性。
惯性MEMS器件利用标准半导体工艺、精密封装和集成方法来直接感测、测量和解释其运动,通常以线性加速度(g)或角旋转(°/sec或速率)的形式出现,如图3所示。由于除了最良性的应用程序之外,所有应用程序都具有所谓的多个自由度(本质上,运动可以在任何和所有轴上,并且设备的运动相对不受约束),因此必须捕获x,y和z中每个的g和速率测量值;或者,在某些情况下,称为横滚轴、俯仰轴和偏航轴。这些组合起来有时被称为六个自由度惯性测量单位。
虽然经济性自然会促使MEMS设计人员在每个轴(x,y,z)上使用最少的硅面积来提取这些多种传感类型(g,速率),但为了满足更具挑战性的工业传感配置文件,需要更谨慎地平衡性能设计视图。事实上,有些MEMS结构试图用一个MEMS质量测量所有六种模式。在研究这种高性能传感方法的有效性之前,重要的是要了解,虽然有些运动需要MEMS器件捕获,但同样重要的是,同一器件能够消除(或不扰)转化为误差的其他形式的运动。例如,当陀螺仪测量角速率时,它也应该能够忽略加速度或引力对角速率测量的影响。一个简单的MEMS器件试图用一个小结构测量一切,本质上(根据设计)也完全容易受到这些其他分散注意力的误差源的影响,并且无法区分想要的运动和不需要的运动。最终,这会转化为导航或指向应用程序中的噪声和错误。
为了使 IoMT 在需要时兑现其宝贵的资源效率、安全性增强或关键精度的承诺,它需要比当今移动设备中无处不在的简单传感器更高的精度水平。性能设计意味着独立设计每种传感模式和每个传感轴,但着眼于融合和集成。最后,重要的是要知道,为性能而设计不必以牺牲成本效益为代价。
功能或性能
一些应用可能意味着功能添加(用于模式切换的器件的手势/方向)具有实质性价值,而这些功能使用简单的MEMS器件相对容易提取。工业或专业设备可能更倾向于测量值,因为几度定向精度与亚度之间的差异或辨别能力比一个数量级更准确的位置,同时还在高振动环境中运行。低端和高端传感器之间的性能差异并不微妙,事实上,它们足够大,值得在选择组件时仔细考虑。
最终应用将决定所需的精度水平,所选传感器的质量将决定这是否可实现。表5对比了两种解决方案选项,说明了传感器选择不仅对设计过程,而且对设备精度的重要性。如果低精度传感器仅在有限的情况下依赖,并且应用具有容错能力,换句话说,如果它不是安全或生命关键型传感器,或者相对不精确的精度足够好,那么它实际上可能是合适的。尽管大多数消费级传感器具有低噪声并且在良性条件下表现良好,但它们不适用于受动态运动(包括振动)影响的机械,在低性能惯性测量单元中,振动无法与所需的简单线性加速度或倾斜测量分开。为了在工业环境中工作时实现优于一度的精度,该选择侧重于专门设计用于抑制振动或温度影响引起的误差漂移的传感器。这样,这种高精度传感器就能够在更长的时间段内支持更大范围的预期应用状态。
表 5.传感器的质量,而不是传感器融合的复杂性,驱动着精度和实用性
惯性传感器 质量 |
特性 | 在传感器融合中的作用 |
传感器融合后的 精度 |
适用于: |
高精度 |
超低噪音,所有工况下稳定运行 |
主传感器,高度依赖,能够支持恶劣/不可预测的条件 |
~0.1° |
运动复杂,寿命长,任务关键型 |
低精度 |
低至中等噪声,稳定性差,振动/温度/冲击下漂移未指定 |
具有低重量、受限或有条件可靠性的备用传感器 |
3° 至 5° |
运动简单、寿命短、容错用例 |
精密仪器仪表的设计人员通常最感兴趣的是使用惯性测量单元(IMU),它输出校准的g和速率,而不是角度或行进距离,因为这种系统级信息是高度特定于应用的,因此是系统设计人员而不是惯性传感器设计人员的重点活动。这产生的问题是,例如,从惯性传感器规格表中辨别指向精度。
在表6中,显示了中级工业设备的规格与移动电话中的典型消费类传感器的比较。请注意,还提供更高端的工业设备,比所示设备好一个数量级。大多数低端消费类器件不提供参数规格,如线性加速度效应、振动校正、角度随机游走和其他参数,这些参数实际上可能是工业应用中最大的误差源。
表 6.工业MEMS器件可对所有已知的潜在误差源进行广泛的表征,并且与消费电子器件相比,精度提高了几个数量级以上
参数 |
典型 工业 规格 |
单位 |
与典型 消费类设备相比的增量改进 |
|
陀螺 | ||||
动态范围 | 最多 2000 年 | °/秒 | ~ | |
噪音密度 | 0.004 | °/秒/√赫兹有效值 | 2× | |
角度随机游走 | 0.2 | °/√小时 | 2× | |
运行稳定性 | 6 | °/人力资源 | 3× | |
偏置重复性 | 0.2 | °/秒 | 100× | |
–3 dB 带宽 | 465 | 赫兹 | 2× | |
加速度 计 | ||||
动态范围 | 最多 40 个 | g | 3× | |
噪音密度 | 25 | μ克/√赫兹 | 600 | |
角度随机游走 | 0.03 | 米/秒/√小时 | 600 | |
运行稳定性 | 10 | 微型克 | 600 | |
偏置重复性 | 25 | 毫克 | 100× | |
–3 dB 带宽 | 500 | 赫兹 | 2× | |
轴向对准 | 0.05 | 度 | 500 | |
线性加速度效应 |
0.01 |
°/秒/g | 600 | |
振动校正 |
0.004 |
°/秒/g 2 | 600 | |
灵敏度温度 | 25 | 页/°C | 600 | |
偏置天普科 | 0.007 | °/s/°C | 600 |
该示例工业传感器设计用于预期相对快速或极端运动(2000°/秒,40 g)的场景,其中宽带宽传感器输出对于实现最佳信号辨别也至关重要。需要工作期间的最小失调漂移(运行稳定性),以减少对更大套件互补传感器的依赖来校正性能,并且在某些情况下,在无法承受后端系统滤波校正所需时间的应用中,最小化导通漂移(可重复性)至关重要。低噪声加速度计与陀螺仪配合使用,以帮助区分和校正任何与g相关的漂移。
陀螺仪传感器实际上设计用于直接消除任何g事件(振动,冲击,加速度,重力)对设备偏移的影响,从而在线性g项中提供了实质性的优势,并且通过校准,温度漂移和对准都得到了纠正。如果没有对准校正,典型的多轴MEMS器件,即使集成到单个硅结构中,也可能错位,成为误差预算的主要贡献者。
虽然近年来噪声在传感器类别中变得不那么重要,但线性g效应和未对准等参数,无论是通过硅设计方法还是通过特定部件的校准进行改进的成本最高,在简单或相对静态的运动测定之外,它们成为任何应用中的噪声加法器。
传感器融合可以修复质量差的传感器吗?
简单地说,没有。传感器融合是相对于环境、运动动力学和应用程序状态合并或管理传感器组合的过滤和算法。它可以提供确定性校正,例如温度补偿,并且它将根据系统状态知识管理从一个传感器到另一个传感器的切换。但是,它不能解决传感器固有的缺陷。
传感器融合设计中最关键的任务是首先深入了解应用状态,以推动设计过程的其余部分。为给定应用选择合适的传感器之后,进行详细分析,以了解它们在整个任务的不同阶段的权重(相关性)。在行人航位推算的例子中,解决方案主要取决于可用设备(例如,智能手机中的嵌入式传感器),而不是性能设计。因此,严重依赖GPS和其他可用的传感器,如嵌入式惯性和磁性传感器,对确定有用位置信息的任务仅提供一小部分贡献。这在室外工作得相当好,但在具有挑战性的城市环境或室内,GPS不可用,并且其他可用传感器的质量很差,留下了很大的差距,或者换句话说,位置信息质量的不确定性。尽管通常采用先进的滤波器和算法来合并这些传感器,而无需额外的传感器或质量更好的传感器,但该软件实际上几乎没有缩小不确定性差距,这最终会显着降低报告位置的置信度。图 4 从概念上对此进行了说明。
图4.应用级精度由传感器质量决定,而不是由传感器融合复杂程度决定。
与此形成鲜明对比的是,工业航位推算方案是为性能而设计的,系统定义和组件选择以特定的精度要求为指导。质量明显更好的惯性传感器使它们能够发挥主要作用,并小心利用其他传感器来缩小不确定性差距。从概念上讲,算法更侧重于传感器之间的最佳权重、切换和互相关,以及对环境和实时运动动力学的感知,而不是推断/估计可靠传感器读数之间的位置。
这两种情况下的精度都可以通过改进质量的传感器来提高,虽然传感器滤波和算法是解决方案的关键部分,但它们本身并不能消除有限质量传感器的覆盖范围差距。
新型工业传感器提供的性能几乎与前几代用于引导导弹的性能相当。这些新一代工业传感器采用传感器架构,最初设想用于汽车应用中的可靠和精确使用,并建立在经济可行且可扩展的工艺之上,在性能成本和性能尺寸比方面完全独一无二,如图5所示。
图5.工业六自由度IMU ADIS1647x和ADIS1646x,即使在复杂和动态环境中也能实现高精度。
精密运动传感不再孤立于利基应用,这些应用别无选择,只能投资昂贵的跟踪解决方案。凭借微型 IMU 外形尺寸的工业级精度,物联网设计人员现在可以通过集成高质量的运动传感,结合嵌入式上下文传感来实现 IoMT,从而增加他们提供的价值。
审核编辑:郭婷
-
传感器
+关注
关注
2545文章
50384浏览量
750658 -
物联网
+关注
关注
2900文章
43949浏览量
369725
发布评论请先 登录
相关推荐
评论