未來工廠：搭載人工智慧的邊緣感測器設計——第1部分

作者：ADI 資深經理 Richard Anslow，及資深工程師 Danail Baylov

摘要

提升工業系統智慧化的方法有許多方式，其中包括將邊緣和雲端人工智慧(AI)技術應用於配備類比和數位元件的感測器。有鑑於AI方法的多樣性，感測器設計人員需要考量若干相互衝突的要求，包括決策延遲、網路使用、功耗/電池壽命以及適合機器的AI模型等。本系列文章重點介紹智慧AI無線馬達監測感測器的設計，並將回答一些關鍵問題，例如：邊緣AI如何延長感測器電池的壽命？系統的洞察和決策能力有哪些提升？本文介紹的感測器主要是利用邊緣AI演算法來檢測異常馬達行為，進而觸發機器診斷和維護，最終延長馬達的使用壽命。

馬達健康狀況監測

對機器人和旋轉機器（例如渦輪機、風扇、泵和馬達）進行的狀態監測(CbM)會記錄與機器的健康和性能相關的即時資料，以便針對性地進行預測維護和優化控制。在機器生命週期的早期進行針對性的預測維護，可以減少生產停機的風險，進而提高可靠性、顯著節約成本和提高工廠的生產率。要對工業機器進行基於狀態的監測，可以利用一系列感測器資料，如電氣測量、振動、溫度、油品質量、聲學、磁和流程測量（如流量和壓力）。但是，振動測量是目前常見的方法，其可以非常可靠地指出不平衡和軸承故障等機械問題。本文將介紹Voyager4評估套件(EV-CBM-VOYAGER4-1Z)，這是一款穩健的低功耗無線振動監控平台，讓設計人員能夠將無線解決方案快速部署到機器或測試設定中。Voyager4感測器利用邊緣人工智慧(AI)演算法檢測異常馬達行為，進而觸發機器診斷和維護，最終延長馬達的使用壽命。本文是介紹Voyager4感測器之系列文章的第1部分。該感測器可作為參考範例，協助開發人員加速智慧系統的設計工作，以及理解設計過程中需要權衡的各種因素。

• 本系列文章的第1部分將介紹Voyager4無線狀態監測感測器，包括感測器架構的關鍵元素、硬體設計、功耗分析和機械整合。
• 第2部分則將重點討論軟體架構和AI演算法，並說明在Voyager4上開發和部署AI模型的完整系統級方法。
• 第3部分將討論AI演算法的實際實現，以及Voyager4可以檢測的各種故障，例如不平衡、未對準和軸承缺陷。

無線振動感測器的典型工作模式

目前市售的無線工業感測器通常以非常低的工作週期運行。用戶設定感測器的休眠時間，定期感測器喚醒並測量溫度和振動，然後透過無線電將數據傳回使用者的資料伺服器。市售感測器通常聲稱電池壽命為5年，此壽命是基於每24小時擷取一次資料，或每24小時擷取多次資料而預測的。參見圖1。

大多數情況下，感測器90%以上的時間處於休眠模式。Voyager4感測器也以類似方式運行，但會利用邊緣AI異常檢測（採用 MAX78000 AI微控制器）來限制無線電的使用。當感測器喚醒並測量資料時，只有微控制器檢測到資料中存在異常時，才會將數據傳回用戶。借助邊緣AI，電池壽命可延長至少50%（參見「硬體系統和功耗分析」部分）。

Voyager4感測器系統工作原理

Voyager4感測器的工作原理如圖2所示。 ADXL382三軸8 kHz數位微機電系統(MEMS)用於採集振動資料。首先，原始振動資料沿著路徑A到達MAX32666 低功耗藍牙®(BLE)處理器。資料可以透過無線BLE或USB發送給用戶。借助MAX78000工具，這些原始振動資料用於訓練邊緣AI演算法。

利用MAX78000工具將AI模型合成為C代碼。邊緣AI演算法透過BLE無線(OTA)更新發送到Voyager4感測器，並利用搭載邊緣AI硬體加速器的MAX78000處理器儲存在記憶體中。在Voyager4初始訓練階段之後，ADXL382 MEMS資料可以採用圖2所示的路徑B。MAX78000邊緣AI演算法將根據採集到的振動資料，預測機器運行是否正常。如果振動資料正常，則無需使用MAX32666的無線電功能。Voyager4感測器按照圖2所示的路徑D進行操作，MEMS返回休眠模式。但是，如果演算法預測振動資料存在異常，則操作按照路徑C進行，並透過BLE向用戶發送振動異常警報。本系列文章的第2部分將詳細解釋該邊緣AI的實現細節。

硬體系統和功耗分析

圖3概要顯示了Voyager4硬體系統。ADXL382是一款低雜訊密度、低功耗、3軸MEMS加速度計，具有可選測量範圍。該元件支援±15 g、±30 g和±60 g範圍以及8 kHz的寬測量頻寬。ADG1634 單刀雙擲(SPDT) CMOS開關用於將MEMS原始振動資料傳輸至MAX32666的無線BLE或MAX78000 AI微控制器。BLE微控制器用於控制SPDT開關。其他幾個周邊連接到MAX32666，包括用於監測電池電流的 MAX17262 電量計以及超低功耗 ADXL367 MEMS加速度計。ADXL367用於在高振動衝擊事件中將無線BLE從深度睡眠模式喚醒。在運動啟動的喚醒模式下，其僅消耗180 nA電流。BLE微控制器可利用FTDI FT234XD-R透過BLE或USB將ADXL382 MEMS的原始資料傳輸到主機。

Voyager4感測器採用 MAX20335電源管理IC(PMIC)，如圖3和圖4所示。該PMIC具有兩個超低靜態電流降壓型穩壓器和三個超低靜態電流低壓差(LDO)線性穩壓器。每個LDO和降壓型穩壓器的輸出電壓均可單獨致能和禁用，並且每個輸出電壓值均可透過 I²C編程（預設值預配置）。BLE處理器用於針對Voyager4的不同工作模式，致能或禁用各個PMIC電源輸出。

表1詳細列出了Voyager4感測器的不同工作模式。

表2詳細列出了MAX32666和MAX78000處於啟動模式或停用模式下，各項特性的啟動情況。例如，對於訓練模式，BLE微控制器必須首先在BLE網路中廣播其存在，然後與網路服務器建立BLE連接。Voyager4隨後透過BLE網路傳輸ADXL382 MEMS原始資料，以在使用者的PC上訓練AI演算法。

然後，Voyager4感測器返回深度睡眠模式。在正常(AI)模式下，無線BLE的廣播、連接和流傳輸特性默認禁用。每隔一定週期，MAX78000就會喚醒並運行AI推理。如果未檢測到異常，則Voyager4返回深度睡眠模式。

Voyager4評估套件的平均功耗是根據其在深度睡眠、訓練和正常/AI模式下的事件間隔時間來衡量的。圖5顯示了平均功耗的匯總情況。

Voyager4評估套件(EV-CBM-VOYAGER4-1Z)包含了多個方便客戶評估的元件（LED、上拉電阻）。這些元件由LDO1OUT電源軌供電，功耗為0.3 mW（深度睡眠模式），如圖5所示。

當評估套件在訓練模式下運行時，如果BLE處於活動狀態，每小時廣播、連接和傳輸資料一次，功耗超過0.65 mW。如果Voyager4感測器在AI模式下運行，即使感測器每小時啟動一次，功耗也只接近0.3 mW。

圖5顯示，當感測器無需傳輸原始BLE資料時，其功耗降低多達50%。

在大約0.3 mW的功耗下，一顆1500 mAh電池（例如TinyCircuits的可充電ASR00073）可工作長達兩年；如果使用兩顆標準AA型2.6 Ah LS14500 Saft電池，則可工作7年以上。Saft的LS 14500電池具有低基極電流和週期性脈衝特性，非常適合長期應用（通常5至20年以上）。

Voyager4感測器機械設計

Voyager4感測器直徑為46 mm，最小高度為77 mm。底座上有一個M6螺紋孔，可透過螺柱或黏著劑將其安裝到馬達外殼上。圖6為機械元件的分解圖，其包含鋁制底座和壁殼，並採用ABS塑膠蓋以減輕BLE資料傳輸的天線遮罩效應。BLE和邊緣AI微控制器的PCB垂直安裝，電池則固定在支架上。MEMS感測器和電源的PCB置於底座以靠近被監測的振動源。

機械模態分析

為MEMS加速度計設計一個結構良好的機械外殼可確保從被測物件中擷取高品質的CbM振動資料。理解模態分析是設計出良好機械外殼的必要條件。

什麼是模態分析，為什麼它如此重要？

模態分析用於瞭解結構的振動特性。它可以提供設計的固有頻率和正常模式（相對變形而言）。使用模態分析時，關鍵問題是要避免諧振，此時結構設計的固有頻率與施加的振動負載的固有頻率非常接近。對於振動感測器而言，外殼的固有頻率必須大於由MEMS感測器測量的所施加振動負載的固有頻率。Voyager4的X、Y和Z軸上的3 dB頻寬為8 kHz。在低於8 kHz的頻率下，感測器外殼不應產生明顯的諧振。

固有頻率和振型

ANSYS和其他模擬工具提供了模態分析外掛程式，有助於設計人員探索幾何形狀、材料選擇和機械元件對感測器外殼頻率響應的影響。感測器外殼的品質、剛度和固有頻率之間相互關聯。

公式1為品質矩陣[M]、剛度矩陣[K]、角頻率ωi和振型{∅_i}的關係式，用於諸如ANSYS的FEM程式進行計算。ω_i除以2π，可以計算得出固有頻率fi，振型{∅_i}提供特定固有頻率下材料的相對變形模式。

對於單自由度系統，頻率可以用公式2來簡單表示。

公式2提供了一種簡單、直覺的設計評估方法。如果降低感測器外殼的高度，使得剛度增大、品質減小，進而提高固有頻率。此外，如果增加外殼的高度，剛度減小、品質增大，固有頻率將隨之降低。大多數設計都具有多個自由度。有些設計具有數百個自由度。利用有限元方法可以快速得出公式2的計算結果，如果採用手動計算則非常耗費時間。

使用模擬工具及公式1和2，並仔細選擇材料，可確保實現頻率響應的設計目標。更多資訊請參閱「如何利用模態分析設計出色的振動感測器外殼」一文，其中全面概述了模態分析。

模式參與因數

模式參與因數(MPF)用於確定哪些模式和固有頻率對於設計更重要。公式3是振型{∅_i}、品質矩陣[M]和激勵方向向量D的關係式，用於求解MPF。參與因數的平方即是有效品質。

MPF和有效品質測量每種模式下在每個方向移動的質量數。一個方向上的值較高表示在該方向上，模式將被力（例如振動）激勵。

為了完成模態分析解析，您需要瞭解結構上的所有點都按會相同頻率（全域變數）振動，但每個點的振動幅度（或振型）是不同的。例如，18 kHz頻率對機械外殼頂部的影響比底部大。

Voyager4模態模擬和實驗室測試

Voyager4感測器元件的模擬採用了以下材料：外殼底部和中間部分使用3003鋁合金，蓋子則是使用ABS-PC塑膠材質。

模態分析模擬結果如表3所示，在目標頻率範圍內共獲得了14個模式結果。X、Y、Z方向的MPF以表格顯示。最強的模式以藍色高亮顯示。模擬結果可用於檢查這些相對較強模式的變形位置。

模式1和2類似，會影響ABS-PC蓋子，如圖7所示。

基於模式1的位置遠離底座感測器PCB，這個小諧振不會影響ADXL382 MEMS的性能。

表3著重強調的模式7發生在Z（垂直）軸上大約7.25 kHz頻率處。圖8顯示其對外殼的垂直壁有一些明顯的影響。然而，底座並未受到模式7的強烈影響。

該模態模擬表明，沒有任何模式會對位於外殼底座上的ADXL382感測器PCB產生明顯的影響，並且8 kHz的3 dB頻寬內不會出現顯著的機械諧振。

為了驗證模擬結果，我們將Voyager4感測器放置在模態振動器上，輸入振動為恆定的0.25峰值(g)，頻率掃描範圍為0 kHz至8 kHz。在最高8 kHz的頻率範圍內，Voyager4感測器的頻率響應在±1.5 dB以內，如圖9所示。

結語

搭載嵌入式AI硬體加速器的微控制器可以提升無線感測器節點的決策能力，並延長其電池壽命。借助邊緣AI，電池壽命可延長至少50%。對振動感測器外殼進行模態分析不僅能夠加速感測器的開發週期，同時還能確保從被測物件中獲取高品質的振動資料。