Jak zlepšit výrobní procesy a logistiku koncepce Industry 4.0 pomocí senzorické fúze

Senzorická fúze kombinuje data z více senzorů, čímž poskytuje podrobnější a jemnější obraz o provozu systému nebo prostředí. V mnoha případech lze slabinu technologie jednoho senzoru překonat přidáním (fúzí) informací z technologie druhého senzoru. Přidání umělé inteligence (AI) a strojového učení (ML) může zvýšit výkon fúze senzorů.

Implementace senzorické fúze vyžaduje řešení několika problémů. Může být například obtížné vyvinout vyvážené řešení bez „zvýhodnění“ jedné technologie před ostatními. Taková situace mít za následek nedostatečnou škálovatelnost a snížený výkon. Jedním ze způsobů vyřešení tohoto problému je integrace více senzorových technologií do jednoho balíčku. Senzorická fúze není omezena na použití více diskrétních senzorů.

Bez ohledu na úroveň integrace senzorů může přidání umělé inteligence (AI) nebo strojového učení (ML) zlepšit výkon, avšak trénink může být složitý a časově náročný. Konstruktéři mohou namísto toho využívat samoučící se senzory s vestavěnými schopnostmi AI a ML.

Tento článek začíná přehledem implementace senzorické fúze pomocí diskrétních senzorů, 32bitových mikrokontrolérů (MCU) a softwaru ML. Poté představí řadu integrovaných řešení senzorických fúzí a příklady aplikací v logistických zařízeních, datových centrech, automatizaci procesů, manipulaci s materiálem a zemědělských zařízeních.

Článek zakončuje pohledem na integrovaná řešení fúze senzorů prostředí se zabudovaným softwarem AI. V průběhu diskuse budou používány příklady zařízení od společností Renesas Electronics, Sensirion, TE Connectivity, ACEINNA, Bosch Sensortec a TDK InvenSense.

Konstruktéři mohou zkoumat možnosti senzorické fúze pomocí desky referenčního návrhu od společnosti Renesas. Deska je založena na 32bitovém mikrokontroléru (MCU) s jádrem Arm® Cortex®-M4 na frekvenci 120 MHz, až 2 MB kódové paměti flash a 640 kB paměti SRAM společně s četnými možnosti rozhraní a připojení.

Souvisejícívyhodnocovací souprava je optimalizována pro multisenzorové konstrukce a konstrukce senzorické fúze. Souprava zahrnuje senzor kvality ovzduší, světelný senzor, senzor teploty a vlhkosti, 6osou inerciální měřicí jednotku (IMU), mikrofon a připojení Bluetooth Low Energy (BLE) (obrázek 1). Referenční návrh zahrnuje také automatizovanou platformu strojového učení (ML) pro zařízení na okraji a aplikace senzorické fúze.

Obrázek 1: vyhodnocovací a vývojová deska IoT senzorické fúze s automatizovaným vývojovým softwarem ML a konektivitou BLE. (Zdroj obrázku: Renesas Electronics)

Stabilizační senzory náklonu

Senzory náklonu jsou specializované inerciální měřicí jednoty (IMU) používané v různých aplikacích, včetně zemědělských strojů, terénních vozidel, manipulace s materiálem a těžkých stavebních strojů. Bezpečnostní normy někdy vyžadují používání senzorů náklonu k zajištění bezpečného provozního prostředí. Senzory náklonu lze sestavit pomocí několika diskrétních součástí, což může být složitým úkolem.

Jádrem většiny návrhů senzorů náklonu je tvořeno gyroskopickým senzorem (gyro) měřícím úhlovou rychlost nebo rychlost otáčení kolem osy. Takové řešení dokonale vyhoví, pokud je platforma v pohybu, ale jakmile se její pohyb zastaví, například s náklonem 20 stupňů, výstup senzoru klesne na nulu. Kromě toho může gyroskop v průběhu času zaznamenávat významný drift provázený akumulací chyb, kdy výsledky měření v konečné fázi již nebudou přesné ani použitelné.

Konstrukce s dynamickými senzory náklonu řeší omezení gyroskopů přidáním akcelerometru na měření pohybu. Akcelerometr může systém informovat o zastavení a umožnit mu využít poslední výstupní hodnotu gyroskopu k odhadu úhlu náklonu. Posledním prvkem skládanky je teplotní senzor, který kompenzuje vlivy změn teploty na gyroskop a akcelerometr.

Pro senzorickou fúzi v senzorech náklonu se často využívají Kalmanovy filtry. Pokud jsou senzory provozovány v lineární oblasti výkonu, lze použít standardní Kalmanův filtr založený na lineárním kvadratickém odhadu. Kalmanovy filtry mohou produkovat relativně přesné odhady stavu i v systémech, jako jsou senzory náklonu s vlastní nejistotou a akumulačními chybami.

Senzory náklonu pracující v nelineární oblasti mohou využívat rozšířený Kalmanův filtru, který linearizuje odhady pomocí aktuální střední hodnoty a kovariance.

Senzory náklonu, například model AXISENSE-G-700 od společnosti TE Connectivity nebo model MTLT305D od společnosti ACEINNA, používají šest stupňů volnosti (6 DoF) snímání pohybu, tři z gyroskopu a tři z akcelerometru, a k vytvoření senzorické fúze (obrázek 2) využívají techniky Kalmanovy filtrace.

Obrázek 2: senzor náklonu AXISENSE-G-700 spojuje data ze senzorů zrychlení, rotace a teploty, čímž poskytuje přesné informace o náklonu v dynamických prostředích. (Zdroj obrázku: TE Connectivity)

Sloučení devět v jednom

Ačkoli v mnoha případech postačuje 6 stupňů volnosti, některé aplikace pro sledování pohybu, například drony, vozidla a zařízení virtuální reality, mohou využívat další informace poskytované pomocí 9 stupňů volnosti.

Modul OPENIMU300RI od společnosti ACEINNA je navržen pro použití v automobilech pro dopravu, stavebnictví a zemědělství s baterií o napětí 12 V a 24 V. Kromě gyroskopu a akcelerometru je tato jednotka IMU vybavena magnetometrem s anizotropním magnetorezistivním (AMR) snímačem se 3 stupni volnosti (DoF).

Procesor ARM shromažďuje data ze senzorů a implementuje platformu OpenIMU, která představuje open-source zásobník pro vývoj jednotek IMU, globálního polohovacího systému (GPS) a inerciálního navigačního systému (INS). Zásobník obsahuje Kalmanův filtr přizpůsobitelný pro senzorickou fúzi.

Společnost TDK InvenSense nabízí také 9osou jednotku na sledování pohybu. Model ICM-20948 používá rozsah provozních teplot -40 °C až 85 °C, čímž je vhodný pro různé aplikace v náročných prostředích, jako jsou průmyslová automatizace a autonomní systémy. Tento modul obsahuje tříosý gyroskop, tříosý akcelerometr a tříosý magnetometr/kompas, z nichž všechny jsou založené na mikroelektromechanickém systému (MEMS).

Kromě pohybových senzorů s 9 stupni volnosti je modul ICM-20948 vybaven nezávislými analogově-digitální převodníky (ADC) pro jednotlivé senzory, obvody pro úpravu signálu a digitálním pohybovým procesorem (DMP) (obrázek 3).

Obrázek 3: tato integrovaná senzorová platforma podporuje 9 stupňů volnosti (DoF) pomocí tříosého gyroskopu a tříosého akcelerometru (vlevo) společně s tříosým magnetometrem/kompasem (vpravo dole). (Zdroj obrázku: TDK InvenSense)

Některé podrobnosti o jednotce ICM-20948:

Tři nezávislé vibrační gyroskopy založené na technologii MEMS. Pokud se gyroskopy otáčí kolem kterékoli ze tří os, pak Coriolisův efekt vyvolá vibrace detekované kapacitním snímačem. Výstup ze snímače je zpracován tak, aby generoval napětí přímo úměrné úhlové rychlosti.

3osý akcelerometr MEMS používá samostatné hmotnosti v každé ose. Zrychlení podél osy posune příslušnou hmotu, kterou detekuje kapacitní snímač. Pokud je jednotka ICM-20948 umístěna na rovném povrchu, naměří zrychlení 0 g v osách X a Y a +1 g v ose Z.

Magnetometr je založen na technologii Hallových senzorů. Detekuje zemský magnetismus v osách X, Y a Z. Výstup senzoru je generován budicím obvodem, zesilovačem, 16bitovým A/D převodníkem a aritmetickým obvodem na zpracování výsledného signálu. Každá osa má rozsah ±4900 µT koncové hodnoty.

Procesor DMP v jednotce ICM-20948 je diferenciátor. Některé z jeho funkcí a předností zahrnují:

• Odlehčení hostitelského procesoru od výpočtů algoritmů zpracování pohybu minimalizuje spotřebu energie a zjednodušuje časování a softwarovou architekturu. Procesor DMP zajišťuje, aby algoritmy zpracování pohybu mohly být spouštěny vysokou rychlostí, kolem 200 Hz, a poskytovaly tak přesné výsledky s nízkou latencí. Doporučuje se provoz na 200 Hz, i když aktualizace aplikace probíhá mnohem pomaleji - kolem 5 Hz. Oddělení rychlosti zpracování procesoru DMP od rychlosti aktualizace aplikace zajišťuje robustnější výkon systému.
• Procesor DMP umožňuje chod senzorů s extrémně nízkou spotřebu energie a jejich kalibraci na pozadí. Kalibrace je nutná k udržení optimálního výkonu jednotlivých senzorů a procesů senzorické fúze po celou dobu životnosti zařízení.
• Procesor DMP zjednodušuje softwarovou architekturu a urychluje vývoj softwaru, což se projevuje v rychlejším uvedení na trh.

Integrované senzory prostředí

Monitorování prostředí má zásadní význam při zpracování a skladování potravin, v chemické výrobě, v logistických provozech, v datových centrech, v produkci skleníkových plodin, v systémech vytápění, ventilace a klimatizace (HVAC) a v dalších oblastech. Výpočet rosného bodu lze provádět sloučením měření relativní vlhkosti (RH) a teploty.

Řada SHTC3 od společnosti Sensirion představuje digitální senzory vlhkosti a teploty optimalizované pro bateriové aplikace na okraji sítě a ve velkoobjemové spotřební elektronice. Platforma senzorů CMOS zahrnuje kapacitní senzor vlhkosti, senzor teploty typu bandgap, analogové a digitální zpracování signálu, A/D převodník, paměť kalibračních dat a komunikační rozhraní I²C v rychlém režimu.

Malé pouzdro DFN o rozměrech 2 x 2 x 0,75 mm podporuje aplikace s omezeným prostorem. Díky širokému rozsahu napájecího napětí 1,62 V až 3,6 V a energetické náročnosti pod 1 μJ na jedno měření se senzor SHTC3 stává vhodným pro mobilní a bezdrátová zařízení napájená z baterií (obrázek 4). Například součást s objednacím číslem SHTC3-TR-10KS je dodávána v množství 10 000 na cívce Digi-Reel, na pásce a cívce nebo jako řezaná páska. Pro urychlení vývoje systému mohou konstruktéři využívat vyhodnocovací desku SHTC3.

Obrázek 4: toto zařízení na monitorování prostředí obsahuje digitální senzory vlhkosti a teploty. (Zdroj obrázku: Sensirion)

Přidání barometrického tlaku

Kontext a povědomí o poloze jsou stále důležitější v řídicích systémech inteligentních domů, systémech HVAC, fitness zařízeních a aplikacích pro navigaci v interiéru. Návrhy těchto systémů mohou využívat integrovanou jednotku monitorování prostředí BME280 od společnosti Bosch Sensortec, která přidává senzor barometrického tlaku společně se senzory vlhkosti a teploty.

Senzory využívají nízkošumovou konstrukci, která poskytuje vysokou přesnost a rozlišení. Tlakový senzor měří absolutní barometrický tlak. Integrovaný senzor teploty je optimalizován pro spolupráci se senzorem vlhkosti, aby mohl určovat relativní vlhkost (RH) a rosný bod. Používá se také k zajištění teplotní kompenzace pro barometr. Pro urychlení procesu návrhu a systémové integrace je k dispozici vývojová deska.

AI pro snímání prostředí

Společnost Bosch Sensortec nabízí také senzor prostředí 4 v 1 s vestavěnou umělou inteligencí (AI). Model BME688 je vybaven senzorem plynu a vysoce lineárními a přesnými senzory tlaku, vlhkosti a teploty. Je dodáván v odolném pouzdru o rozměrech 3,0 mm x 3,0 mm x 0,9 mm, které je vhodné pro mobilní a jiné prostorově omezené aplikace (obrázek 5).

Obrázek 5: model BME688 od společnosti Bosch Sensortec obsahuje senzor plynu společně se senzory tlaku, vlhkosti a teploty. Všechny z nich jsou podporovány integrovanou umělou inteligencí (AI). (Zdroj obrázku: Bosch Sensortec)

Senzor plynu je schopen detekovat těkavé organické látky (VOC), těkavé sloučeniny síry (VSC) a další plyny, například oxid uhelnatý a vodík, v rozsahu částic na miliardu (ppb). Senzor BME688 obsahuje funkci plynového skeneru, u které lze upravit citlivost, selektivitu, rychlost přenosu dat a spotřebu energie podle vlastních požadavků.

Software BME AI-Studio dále optimalizuje plynový senzor pro jiné směsi plynů a aplikace. Pomocí softwaru BME AI-Studio lze nakonfigurovat vyhodnocovací desku BME688. Software BME AI-Studio podporuje konfiguraci senzorů, analýzu a označování dat, trénink a optimalizaci aplikačních řešení pro továrny, logistická centra, inteligentní domy a zařízení internetu věcí.

Odběr vzorků plynů a trénink systému v místě provozu namísto v laboratoři dovoluje návrh realističtějších algoritmů, které pracují lépe a poskytují vyšší úroveň spolehlivosti v reálných provozních podmínkách. Využitím schopnosti senzoru BME688 provádět kromě detekce plynů také měření vlhkosti, teploty a barometrického tlaku lze vyvíjet složitější a přesnější modely umělé inteligence (AI).

Závěr

Systémy senzorické fúze pro koncepci Industry 4.0, logistiku a další aplikace lze vyvinout pomocí řady diskrétních senzorů nebo integrovaného řešení zahrnujícího více senzorů v jednom pouzdru. Integrovaná zařízení mohou vytvářet menší řešení s nižší spotřebou pro mobilní aplikace a aplikace na okraji sítě. Ať již využíváte diskrétní senzory nebo integrovanou sadu senzorů, přidáním umělé inteligence (AI) a strojového učení (ML) lze zvýšit výkon.