未来工厂:搭载人工智能的边缘传感器设计—第1部分

阅读本系列的其他文章:

Figure 1

   

摘要

提升工业系统智能化的方法有多种,其中包括将边缘和云端人工智能(AI)技术应用于配备模拟和数字器件的传感器。鉴于AI方法的多样性,传感器设计人员需要考虑若干相互冲突的要求,包括决策延迟、网络使用、功耗/电池寿命以及适合机器的AI模型。本系列文章重点介绍智能AI无线电机监测传感器的设计,并回答一些关键问题,例如:边缘AI如何延长传感器电池的寿命?系统的洞察和决策能力有哪些提升?本文介绍的传感器利用边缘AI算法检测异常电机行为,进而触发机器诊断和维护,最终延长电机的使用寿命。

电机健康状况监测

对机器人和旋转机器(例如涡轮机、风扇、泵和电机)实施的状态监控(CbM)会记录与机器的健康和性能相关的实时数据,以便针对性地实施预测维护和优化控制。在机器生命周期的早期进行针对性的预测维护,可以减少生产停机的风险,从而提高 可靠性、显著节约成本和提高工厂的生产率。要对工业机器实施基于状态的监控,可以利用一系列传感器数据,如电气测量、振动、温度、油品质量、声学、磁和流程测量(如流量和压力)。但是,振动测量是目前常见的方法,它可以非常可靠地指出不平衡和轴承故障等机械问题。本文将介绍Voyager4评估套件 (EV-CBM-VOYAGER4-1Z),这是一款稳健的低功耗无线振动监控平台,它让设计人员能够将无线解决方案快速部署到机器或测试设置中。Voyager4传感器利用边缘人工智能(AI)算法检测异常电机行为,进而触发机器诊断和维护,最终延长电机的使用寿命。本文是介绍Voyager4传感器的三部分系列文章的第1部分。该传感器可作为参考范例,帮助开发人员加速智能系统的设计工作,以及理解设计过程中需要权衡的各种因素。

  • 本系列文章的第1部分将介绍Voyager4无线状态监控传感器,包括传感器架构的关键元素、硬件设计、功耗分析和机械集成。
  • 本系列文章的第2部分将重点讨论软件架构和AI算法,并说明在Voyager4上开发和部署AI模型的完整系统级方法。
  • 本系列文章的第3部分将讨论AI算法的实际实现,以及Voyager4可以检测的各种故障,例如不平衡、未对准和轴承缺陷。

无线振动传感器的典型工作模式

目前市售的无线工业传感器通常以非常低的占空比运行。用户设置传感器的休眠时长,定期传感器唤醒并测量温度和振动,然后通过无线电将数据传回用户的数据服务器。市售传感器通常声称电池寿命为5年,此寿命基于每24小时捕获一次数据,或 每24小时捕获多次数据而预测的。参见图1。


Figure 1. Industrial wireless sensor typical operation.
图1. 工业无线传感器的典型操作。

大多数情况下,传感器90%以上的时间处于休眠模式。Voyager4传感器也以类似方式运行,但会利用边缘AI异常检测(采用 MAX78000AI微控制器)来限制无线电的使用。当传感器唤醒并测量数据时,只有微控制器检测到数据中存在异常时,才会将数据传回用户。借助边缘AI,电池寿命可延长至少50%(参见“硬件系统和功耗分析”部分)。

Voyager4传感器系统工作原理

Voyager4传感器的工作原理如图2所示。 ADXL382三轴8 kHz数字微机电系统(MEMS)用于采集振动数据。首先,原始振动数据沿着路径A到达 MAX32666 低功耗蓝牙®(BLE)处理器。数据可以通过无线BLE或USB发送给用户。借助MAX78000工具,这些原始振动数据用于训练边缘AI算法。

 

Figure 2. A Voyager4 sensor operating principle.
图2. Voyager4传感器的工作原理。

 

利用MAX78000工具将AI模型合成为C代码。边缘AI算法通过BLE无线(OTA)更新发送到Voyager4传感器,并利用搭载边缘AI硬件加速器的MAX78000处理器存储在内存中。在Voyager4初始训练阶段之后,ADXL382 MEMS数据可以采用图2所示的路径B。MAX78000边缘AI算法将根据采集到的振动数据,预测机器运行是否正常。如果振动数据正常,则无需使用MAX32666的无线电功能。Voyager4传感器按照图2所示的路径D进行操作,MEMS返回休眠模式。但是,如果算法预测振动数据存在异常,则操作按照路径C进行,并通过BLE向用户发送振动异常警报。本系列文章的第2部分将详细解释该边缘AI的实现细节。

硬件系统和功耗分析

图3概要显示了Voyager4硬件系统。ADXL382是一款低噪声密度、低功耗、3轴MEMS加速度计,具有可选测量范围。该器件支持±15 g、±30 g和±60 g范围以及8 kHz的宽测量带宽。ADG1634 单刀双掷(SPDT) CMOS开关用于将MEMS原始振动数据传输至MAX32666的无线BLE或MAX78000 AI微控制器。BLE微控制器用于控制SPDT开关。其他几个外设连接到MAX32666,包括用于监测电池电流的 MAX17262 电量计以及超低功耗ADXL367 MEMS加速度计。ADXL367 用于在高振动冲击事件中将无线BLE从深度睡眠模式唤醒。在运动激活的唤醒模式下,它仅消耗180 nA电流。BLE微控制器可利用FTDI FT234XD-R通过BLE或USB将ADXL382 MEMS的原始数据传输到主机。

 

Figure 3. A Voyager4 hardware system.
图3. Voyager4硬件系统。

 

Voyager4传感器采用 MAX20335电源管理集成电路(PMIC),如图3和图4所示。该PMIC具有两个超低静态电流降压型稳压器和三个超低静态电流低压差(LDO)线性稳压器。每个LDO和降压型稳压器的输出电压均可单独使能和禁用,并且每个输出电压值均可通过I2C 编程(默认值预配置)。BLE处理器用于针对Voyager4的不同工作模式,使能或禁用各个PMIC电源输出。

Figure 4. The MAX20335 PMIC.
图4. MAX20335 PMIC。

表1详细列出了Voyager4传感器的不同工作模式。

表1. Voyager4传感器工作模式和相应的MAX20335 PMIC电源配置
Voyager4
模式
LDO1 OUT LDO2 OUT LDO3 OUT B1OUT, B2OUT
深度睡眠 1 0 0 0
训练 1 0 1 0
正常/AI 1 0 1 1
外设 1 1 1 1
1 = MAX20335输出开启,0 = 输出关闭

表2详细列出了MAX32666和MAX78000处于激活模式或停用模式下,各项特性的激活情况。例如,对于训练模式,BLE微控制器必须首先在BLE网络中广播其存在,然后与网络服务器建立BLE连接。Voyager4随后通过BLE网络传输ADXL382 MEMS原始数据,以在用户的PC上训练AI算法。

表2. Voyager4 BLE、AI和深度睡眠模式
Voyager4
模式
BLE
广播
BLE
连接
BLE
数据流
AI
推理
深度睡眠
深度睡眠 0 0 0 0 1
训练 1 1 1 0 1
正常/AI 0 0 0 1 1
外设 0 0 0 0 1
1 = 特性激活,0 = 特性停用

然后,Voyager4传感器返回深度睡眠模式。在正常(AI)模式下,无线BLE的广播、连接和流传输特性默认禁用。每隔一定周期,MAX78000就会唤醒并运行AI推理。如果未检测到异常,则Voyager4返回深度睡眠模式。

Voyager4评估套件的平均功耗是根据其在深度睡眠、训练和正常/AI模式下的事件间隔时间来衡量的。图5显示了平均功耗的汇总情况。

Voyager4评估套件(EV-CBM-VOYAGER4-1Z)包含了多个方便客户评估的 元器件(LED、上拉电阻)。这些元器件由LDO1OUT电源轨供电,功耗为0.3 mW(深度睡眠模式),如图5所示。

当评估套件在训练模式下运行时,如果BLE处于活动状态,每小时广播、连接和传输数据一次,功耗超过0.65 mW。如果Voyager4传感器在AI模式下运行,即使传感器每小时激活一次,功耗也只接近0.3 mW。

图5显示,当传感器无需传输原始BLE数据时,其功耗降低多达50%。

在大约0.3 mW的功耗下,一颗1500 mAh电池(例如TinyCircuits的可充电ASR00073)可工作长达两年;如果使用两颗标准AA型2.6 Ah LS14500 Saft电池,则可工作7年以上。Saft的LS 14500电池具有低基极电流和周期性脉冲特性,非常适合长期应用(通常5至20年以上)。

Figure 5. Average power consumption as a function of time between events.
图5. 平均功耗与事件间隔时间的关系。

Voyager4传感器机械设计

Voyager4传感器直径为46 mm,最小高度为77 mm。底座上有一个M6螺纹孔,可通过螺柱或粘合剂将其安装到电机外壳上。图6为机械组件的分解图,它包含铝制底座和壁壳,并采用ABS塑料盖以减轻BLE数据传输的天线屏蔽效应。BLE和边缘AI微控制器的PCB垂直安装,电池固定在支架上。MEMS传感器和电源的PCB置于底座上,靠近被监测的振动源。

Figure 6. A Voyager4 sensor enclosure, mechanical assembly.
图6. Voyager4传感器外壳,机械组件。

机械模态分析

为MEMS加速度计设计一个结构良好的机械外壳,确保从被测对象中提取高质量的CbM振动数据。理解模态分析是设计出良好机械外壳的必要条件。

什么是模态分析,为什么它如此重要?

模态分析用于了解结构的振动特性。它可以提供设计的固有频率和正常模式(相对变形而言)。使用模态分析时,关键问题是要避免谐振,此时结构设计的固有频率与施加的振动负载的固有频率非常接近。对于振动传感器,外壳的固有频率必须大 于由MEMS传感器测量的所施加振动负载的固有频率。Voyager4的X、Y和Z轴上的3 dB带宽为8 kHz。在低于8 kHz的频率下,传感器外壳不应产生明显的谐振。

固有频率和振型

ANSYS和其他仿真工具提供了模态分析插件,有助于设计人员探索几何形状、材料选择和机械组件对传感器外壳频率响应的影响。传感器外壳的质量、刚度和固有频率之间相互关联。

方程1为质量矩阵[M]、刚度矩阵[K]、角频率ωi和振型{∅i}的关系式,用于诸如ANSYS的FEM程序进行计算。 ωi除以2π,可以计算得出固有频率fi,振型{∅i}提供特定固有频率下材料的相对变形模式。

Equation 1.

对于单自由度系统,频率可以用方程2来简单表示。

Equation 2.

方程2提供了一种简单、直观的设计评估方法。如果降低传感器外壳的高度,使得刚度增大、质量减小,从而提高固有频率。此外,如果增加外壳的高度,刚度减小、质量增大,固有频率随之降低。大多数设计都具有多个自由度。有些设计具有数百 个自由度。利用有限元方法可以快速得出方程2的计算结果,如果采用手动计算则非常耗费时间。

使用仿真工具及方程1和2,并仔细选择材料,可确保实现频率响应的设计目标。更多信息请参阅“如何利用模态分析设计出色的振动传感器外壳”一文,其中全面概述了模态分析。

模式参与因子

模式参与因子(MPF)用于确定哪些模式和固有频率对于设计更重要。方程3是振型{∅i}、质量矩阵[M]和激励方向矢量D的关系式,用于求解MPF。参与因子的平方即是有效质量。

Equation 3.

MPF和有效质量测量每种模式下在每个方向移动的质量数。一个方向上的值较高意味着在该方向上,模式将被力(例如振动)激励。

为了完成模态分析解析,您需要了解结构上的所有点都按会相同频率(全局变量)振动,但每个点的振动幅度(或振型)是不同的。例如,18 kHz频率对机械外壳顶部的影响比底部大。

Voyager4模态仿真和实验室测试

Voyager4传感器组件的仿真采用了以下材料:外壳底部和中间部分使用3003铝合金,盖子使用ABS-PC塑料。

模态分析仿真结果如表3所示,在目标频率范围内共获得了14个模式结果。X、Y、Z方向的MPF以表格显示。最强的模式以蓝色高亮显示。仿真结果用于检查这些相对较强模式的变形位置。

表3. 模态分析仿真结果
模式 编号 频率(Hz) X方向 Y方向 Z方向
1 3546.60 0.19095 2.67E-05 0.003805
2 3550.40 0.0036033 3.34E-05 0.19221
3 3895.80 1.09E-05 0.043253 3.70E-05
4 5486.10 0.00030529 3.70E-07 5.50E-05
5 5509.80 9.22E-05 3.56E-06 0.00033943
6 7183.10 0.019295 6.04E-07 0.022231
7 7247.70 0.058405 0.00011845 0.11528
8 7299.80 0.084243 3.27E-07 0.034089
9 7936.30 0.064918 1.70E-05 0.02292
10 7950.10 0.03031 3.29E-06 0.06365
11 10344 2.07E-05 4.03E-05 1.42E-05
12 10423 9.02E-06 0.00037979 1.69E-05
13 10973 3.00E-06 6.27E-06 3.14E-06
14 11033 1.66E-08 0.0014244 1.89E-07

模式1和2类似,会影响ABS-PC盖子,如图7所示。

Figure 7. Mode 1, deformation in the lid, far away from the rigid sensor base.
图7. 模式1,盖子变形,远离刚性传感器底座

基于模式1的位置远离底座传感器PCB,这个小谐振不会影响ADXL382 MEMS的性能。

表3着重强调的模式7发生在Z(垂直)轴上大约7.25 kHz频率处。图8显示其对外壳的垂直壁有一些明显的影响。然而,底座并未受到模式7的强烈影响。

Figure 8. Mode 7, at 7.25 kHz, with some appreciable effects on the enclosure aluminium wall.
图8. 模式7,频率为7.25 kHz,对外壳铝壁有明显的影响。

该模态仿真表明,没有任何模式会对位于外壳底座上的ADXL382传感器PCB产生明显的影响,并且8 kHz的3 dB带宽内不会出现显著的机械谐振。

为了验证仿真结果,我们将Voyager4传感器放置在模态振动器上,输入振动为恒定的0.25峰值(g),频率扫描范围为0 kHz至8 kHz。在最高8 kHz的频率范围内,Voyager4传感器的频率响应在±1.5 dB以内,如图9所示。

Figure 9. Voyager4 sensor frequency response.
图9. Voyager4传感器频率响应。

结语

搭载嵌入式AI硬件加速器的微控制器可以提升无线传感器节点的决策能力,并延长其电池寿命。借助边缘AI,电池寿命可延长至少50%。对振动传感器外壳进行模态分析能够加速传感器的开发周期,并确保从被测对象中获取高质量的振动数据。

关于作者

Richard Anslow
Richard Anslow毕业于爱尔兰利默里克大学,获工程学士和硕士学位。他从事新产品定义工作,并且担任面向客户的角色,处理有关ADI隔离式通信产品系列的问题。
Danail Baylov
Danail Baylov是ADI公司利默里克分公司工业自动化事业部的一名资深系统工程师,从事系统设计和实现以及软件开发工作。他拥有索非亚技术大学工程学士学位和工程硕士学位。其专业领域是工业有线/无线通信、工业以太网和通信协议。

关联至此文章

资源

最新视频 21

Subtitle
了解更多