Sådan bruger du sensorfusion til at forbedre Industri 4.0-produktionsprocesser og -logistik

Sensorfusion kombinerer data fra flere sensorer for at give en mere detaljeret og nuanceret forståelse af systemets drift eller miljøet. I mange tilfælde kan svagheden ved en sensorteknologi overvindes ved at tilføje (fusionere) information fra en anden sensorteknologi. Tilføjelse af kunstig intelligens (AI) og maskinlæring (ML) kan øge styrken ved sensorfusion.

Der er flere udfordringer, der skal løses, når man implementerer sensorfusion. For eksempel kan det være svært at udvikle en afbalanceret løsning og ikke "favorisere" en af teknologierne frem for de andre. Det kan resultere i manglende skalerbarhed og nedsat ydeevne. En måde at løse den udfordring på er at integrere flere sensorteknologier i en enkelt pakke. Sensorfusion er ikke begrænset til brugen af flere separate sensorer.

Uanset niveauet af sensorintegration kan tilføjelse af AI eller ML forbedre ydeevnen, men træning kan være kompleks og tidskrævende. I stedet kan designere bruge selvlærende sensorer med indbygget AI og ML-funktioner.

Denne artikel begynder med at gennemgå en implementering af sensorfusion ved hjælp af diskrete sensorer, en 32-bit MCU og ML-software. Derefter præsenteres en række integrerede sensorfusionsløsninger og eksempler på anvendelse i logistikfaciliteter, datacentre, procesautomatisering, materialehåndtering og landbrugsudstyr.

Den slutter med at se på en integreret miljøsensor-fusionsløsning med integreret AI-software. I løbet af diskussionen vil der blive vist eksempler på enheder fra Renesas Electronics, Sensirion, TE Connectivity, ACEINNA, Bosch Sensortec og TDK InvenSense.

Designere kan udforske mulighederne for sensorfusion ved hjælp af et referencedesignkort fra Renesas. Kortet er baseret på en 32-bit MCU med en 120 MHz Arm® Cortex®-M4-kerne, op til 2 MB kode-Flash-hukommelse og 640 KB SRAM samt en lang række interface- og tilslutningsmuligheder.

Det tilhørende evalueringskit er optimeret til designs med flere sensorer og sensorfusion. Den indeholder en luftkvalitetssensor, en lyssensor, en temperatur- og fugtighedssensor, en 6-akset inertimåleenhed (IMU), en mikrofon og Bluetooth Low Energy (BLE)-tilslutning (figur 1). Referencedesignet omfatter også en automatiseret ML-platform til edge-enheder og sensorfusionsapplikationer.

Figur 1: IoT sensorfusion evaluerings- og udviklingskort med automatiseret ML-udviklingssoftware og BLE-forbindelse. (Billedkilde: Renesas Electronics)

Stabiliserende hældningssensorer

Hældningssensorer er specialiserede IMU'er, der bruges i forskellige applikationer, herunder landbrugsmaskiner, terrængående køretøjer, materialehåndtering og tungt entreprenørmateriel. Sikkerhedsstandarder kræver nogle gange hældningssensorer for at sørge for sikre driftsmiljøer. Hældningssensorer kan samles ved hjælp af flere diskrete enheder, hvilket kan være kompliceret.

Kernen i de fleste hældningssensordesigns er en gyroskopsensor (gyro), der måler vinkelhastigheden eller rotationshastigheden omkring en akse. Det er fint, hvis platformen er i bevægelse, men hvis den holder op med at bevæge sig, f.eks. vippes i en 20 graders vinkel, går sensoroutputtet til nul. Desuden kan en gyro opleve betydelig afdrift over tid, hvor fejlene akkumuleres og til sidst giver en måling, der ikke længere er nøjagtig eller brugbar.

For at afhjælpe gyroernes begrænsninger tilføjer dynamiske hældningssensorløsninger et accelerometer til at måle bevægelse. Det kan fortælle systemet, hvornår det er holdt op med at bevæge sig, og gøre det i stand til at bruge det sidste output fra gyroen til at estimere hældningsvinklen. En sidste brik i puslespillet er en temperatursensor, der kompenserer for effekten af varierende temperaturer på gyroen og accelerometeret.

Kalman-filtre bruges ofte til sensorfusion i hældningssensorer. Et standard Kalman-filter baseret på lineær kvadratisk estimering kan bruges, hvis sensorerne arbejder i et lineært præstationsområde. Kalman-filtre kan producere relativt nøjagtige tilstandsestimater, selv i systemer som hældningssensorer med indbygget usikkerhed og akkumuleringsfejl.

Tiltsensorer, der arbejder i et ikke-lineært område, kan drage fordel af et udvidet Kalman-filter, der lineariserer estimaterne ved hjælp af den aktuelle middelværdi og kovarians.

Tiltsensorer som AXISENSE-G-700 fra TE Connectivity og MTLT305D fra ACEINNA har seks frihedsgrader til bevægelsesregistrering, tre fra gyroen og tre fra accelerometeret, og anvender Kalman-filtreringsteknikker til sensorfusion (figur 2).

Figur 2: Hældningssensoren AXISENSE-G-700 kombinerer data fra accelerations-, rotations- og temperatursensorer for at give nøjagtige oplysninger om hældning i dynamiske miljøer. (Billedkilde: TE Connectivity))

Sammensmeltning af ni i én

Mens 6 frihedsgrader er nok i mange tilfælde, kan nogle bevægelsessporingsapplikationer som droner, køretøjer og virtual reality-enheder drage fordel af den ekstra information, der gives ved at bruge 9 frihedsgrader.

OPENIMU300RI-modulet fra ACEINNA er designet til brug i 12 V og 24 V bil, anlægs- og landbrugskøretøjer. Ud over en gyro og et accelerometer har denne IMU et 3 frihedsgrader anisotropisk magneto-resistivt (AMR) magnetometer.

En ARM-processor indsamler sensordataene og implementerer OpenIMU, en open source-stak til udvikling af IMU, globalt positioneringssystem (GPS) og inerti-navigationssystem (INS). Stakken indeholder et tilpasseligt Kalman-filter til sensorfusion.

TDK InvenSense tilbyder også en 9-akset bevægelsessporingsenhed. Model ICM-20948 har et driftstemperaturområde på -40 °C til 85 °C, hvilket gør den velegnet til forskellige anvendelser i udfordrende miljøer som f.eks. industriel automatisering og autonome systemer. Den omfatter en MEMS-baseret treakset gyro, et MEMS-baseret treakset accelerometer og et MEMS-baseret treakset magnetometer/kompas.

Ud over bevægelsessensorerne med 9 frihedsgrader har ICM-20948 uafhængige analog-til-digital-konvertere (ADC'er) til hver sensor, signalbehandlingskredsløb og en digital bevægelsesprocessor (DMP) (figur 3).

Figur 3: Denne integrerede sensorplatform understøtter 9 frihedsgrader ved hjælp af en tre-akset gyro og tre-akset accelerometer (løftesiden) plus et tre-akset magnetometer/kompas (nederst til højre). (Billedkilde: TDK InvenSense)

Nogle af detaljerne i ICM-20948 omfatter:

Tre uafhængige vibrationelle MEMS-rategyroer. Hvis gyroerne drejes om en af de tre akser, forårsager corioliseffekten en vibration, der registreres af en kapacitiv pickup. Outputtet fra pickuppen behandles for at producere en spænding, der er proportional med vinkelhastigheden.

Det 3-aksede MEMS-accelerometer har separate masser til hver akse. Acceleration langs en akse forskyder den tilsvarende masse, som en kapacitiv pickup registrerer. Når ICM-20948 placeres på en flad overflade, vil den måle 0 g på X- og Y-aksen og +1 g på Z-aksen.

Magnetometeret er baseret på Hall-sensorteknologi. Den registrerer jordmagnetisme i X-, Y- og Z-aksen. Sensoroutput genereres med et sensordriverkredsløb, en forstærker, en 16-bit ADC og et aritmetisk kredsløb til behandling af det resulterende signal. Hver akse har et fuldskalaområde på ±4900 µT.

DMP'en i ICM-20948 er en differentiator. Nogle af dens funktioner og fordele omfatter:

• Ved at flytte beregningen af bevægelsesbehandlingsalgoritmer fra værtsprocessoren minimeres strømforbruget, og timingen og softwarearkitekturen forenkles. DMP'en sikrer, at bevægelsesbehandlingsalgoritmer kan køres ved en høj hastighed, omkring 200 Hz, for at give nøjagtige resultater med lav latenstid. Det anbefales at køre ved 200 Hz, selv om programmet opdateres meget langsommere, f.eks. 5 Hz. Afkobling af DMP-behandlingshastigheden fra programopdateringshastigheden sikrer en mere robust systemydelse.
• DMP'en gør det muligt at køre med ultra-lav strøm og kalibrere sensorerne i baggrunden. Kalibrering er nødvendig for at opretholde optimal ydeevne for individuelle sensorer og sensorfusionsprocesser i hele enhedens levetid.
• DMP'en forenkler softwarearkitekturen og fremskynder softwareudviklingen, hvilket resulterer i en hurtigere markedsintroduktion.

Integrerede miljøsensorer

Miljøovervågning er afgørende i fødevareforarbejdning og -opbevaring, kemiske anlæg, logistikoperationer, datacentre, produktion af drivhusafgrøder, varme-, ventilations- og airconditionsystemer (HVAC) og andre områder. Målinger af relativ luftfugtighed (RH) og temperatur kan slås sammen for at beregne dugpunktet.

Sensirions SHTC3-serie er digitale fugtigheds- og temperatursensorer, der er optimeret til batteridrevne applikationer på kanten og i forbrugerelektronik i store mængder. CMOS-sensorplatformen indeholder en kapacitiv fugtighedssensor, en båndgabs-temperatursensor, analog og digital signalbehandling, A/D-konverter, kalibreringsdatahukommelse og et I²C fast-mode kommunikationsinterface.

Den lille 2 x 2 x 0,75 mm DFN-pakke understøtter applikationer med begrænset plads. Den brede forsyningsspænding på 1,62 V til 3,6 V og et energibudget på under 1 μJ pr. måling gør SHTC3 velegnet til batteridrevne mobile eller trådløse enheder (figur 4). For eksempel leveres varenummer SHTC3-TR-10KS i mængder på 10.000 på Digi-Reel, tape & reel eller cut-tape. Designere kan bruge SHTC3 evalueringskort til at fremskynde systemudviklingen.

Figur 4: Denne miljøovervågningsenhed indeholder digitale fugtigheds- og temperatursensorer. (Billedkilde: SENSIRION)

Tilføjelse af barometertryk

Kontekst- og stedsbevidsthed bliver stadig vigtigere i hjemmeautomatisering, HVAC-systemer, fitnessudstyr og indendørs navigationsapplikationer. Designet af disse systemer kan med fordel bruge den integrerede miljøenhed BME280 fra Bosch Sensortec, der tilføjer en barometrisk tryksensor sammen med fugtigheds- og temperatursensorer.

Sensorerne er støjsvage og giver høj nøjagtighed og opløsning. Tryksensoren måler det absolutte barometertryk. Den integrerede temperatur er optimeret til at arbejde sammen med fugtighedssensoren for at bestemme RH og dugpunkt. Den bruges også til at give temperaturkompensation til barometeret. Et udviklingskort er tilgængeligt for at fremskynde design- og systemintegrationsprocessen.

AI til miljøovervågning

Bosch Sensortec tilbyder også en 4-i-1-miljøsensor med indbygget AI. BME688 indeholder en gassensor og tryk-, fugtigheds- og temperatursensorer med høj linearitet og høj nøjagtighed. Den leveres i en robust 3,0 mm x 3,0 mm x 0,9 mm pakke, der er velegnet til mobile og andre pladsbegrænsede applikationer (figur 5).

Figur 5: Bosch Sensortecs BME688 indeholder en gassensor samt tryk-, fugtigheds- og temperatursensorer, som alle understøttes af integreret AI. (Billedkilde: Bosch Sensortec)

Gassensoren kan registrere flygtige organiske forbindelser (VOC'er), flygtige svovlforbindelser (VSC'er) og andre gasser som kulilte og brint i ppb-området (parts per billion). BME688 indeholder en gasscannerfunktion, der kan tilpasses med hensyn til følsomhed, selektivitet, datahastighed og strømforbrug.

BME AI-Studio-softwaren optimerer også gassensoren til andre gasblandinger og anvendelser. BME688 evalueringskort kan konfigureres med BME AI-Studio-softwaren. BME AI-Studio understøtter sensorkonfiguration, dataanalyse og -mærkning, træning og optimering af applikationsløsninger til fabrikker, logistikfaciliteter, intelligente hjem og IoT-enheder.

Prøvetagning af gasser og træning af systemet i marken i stedet for i laboratoriet gør det muligt at designe mere realistiske algoritmer, der fungerer bedre og giver større pålidelighed under faktiske driftsforhold. Ved at udnytte BME688's evne til samtidig at måle luftfugtighed, temperatur og barometertryk ud over gasser kan der udvikles mere omfattende og nøjagtige AI-modeller.

Konklusion

Sensorfusionssystemer til Industri 4.0, logistik og andre anvendelser kan udvikles ved hjælp af en række diskrete sensorer eller en integreret løsning, der omfatter flere sensorer i en enkelt pakke. Integrerede enheder kan producere mindre og mere strømbesparende løsninger til mobil- og edge-applikationer. Uanset om man bruger diskrete sensorer eller en integreret sensorpakke, kan ydeevnen forbedres ved at tilføje AI og ML.