Expertizence在边缘第1部分：边缘节点

工业互联网（物联网）包括宽阔的转型，这将使​​连通机跨越普遍的感应，而不仅仅是竞争优势，而且是必不可少的基本服务。工业物联网从边缘节点开始，这是感知和测量入口点。

这是物理世界与计算数据分析交互的地方。联网的工业机器可以感知大量的信息，这些信息将被用于做出关键决策。这个边缘传感器可能远离存储历史分析的云服务器。它必须通过网关连接，将边缘数据聚集到互联网上。理想情况下，边缘传感器节点在一个小的标称形状因子内不引人注目，以便于在空间受限的环境中轻松部署。

感觉，测量，解释，连接

在这首多个工业IOT系列中，我们将分解并探索较大的物联网框架内边缘节点检测和测量功能的基本方面：感测，测量，解释和连接数据，并提供电源管理的其他考虑因素安全。每个部分都具有独特的挑战。EDGE节点的智能划分可以是成功实现的关键。在某些情况下，UltraLow Power（ULP）是最重要的性能指标。当传感器在关键事件期间从睡眠模式唤醒时，可能会过滤绝大多数潜在数据。

传感器形成工业物联网电子生态系统的前端边缘。yabosports官网测量将感测的信息转换为有意义的东西，例如可量化的压力，位移或旋转值。解释阶段是边缘分析和处理将测量数据转换为可操作的事件.1只有最有价值的信息应仅在节点之外连接到云中以进行预测或历史处理。所有沿信号链都可以基于可接受性的初始限制来拒绝或过滤数据。理想情况下，传感器节点只应发送绝对必要的信息，并且只要在可用的关键数据时应该发出重要决策。

边缘节点必须通过有线或无线传感器节点（WSN）连接到外部网络。数据完整性在信号链块中保持键。如果通信不一致，丢失或损坏，则最佳感测和测量数据具有很小的价值。通过通信缺少数据不能是一个选项。电嘈杂的工业环境可能是苛刻和无助的，特别是在存在高金属含量的情况下进行射频通信。因此，必须设计一种强大的通信协议作为在系统架构设计期间的预见。

ULP系统的电源管理从稳压器件选择开始，以获得最大效率。但是，由于边缘节点也可以通过快速占空比唤醒和睡眠，因此也应该不忽视上电和断电时间。外部触发或唤醒命令有助于快速警告边缘节点以开始感应和测量数据。

图1.边缘节点设备提供智能以感测，测量，解释和连接到云的Internet网关。在为更深的数据挖掘智能传输之前，可以使用某种形式的分析预处理数据。

数据安全性也必须是工业物联网系统的考虑因素。边缘内的数据保护不仅需要安全，而且还必须保护其对网络网关的访问权限免受恶意意图。不允许欺骗边缘节点以获得用于邪恶活动的网络访问。

智力从边缘开始

在边缘有一条传感解决方案，这可能不仅可以是单个分立装置。边缘可以是多个各种并发不相关的数据获取。温度，声音，振动，压力，湿度，运动，污染物，音频和视频只是可以通过网关传感，处理和发送到云的一些变量，以进一步历史和预测分析。

它不是一个夸张，说传感器是工业物权的骨干，但是说他们是用于提取见解的中枢神经系统。边缘节点感测和测量技术是感兴趣数据的发源地。如果在解决方案链中的此阶段忠实地录制错误或不正确的数据，则不会在云中的邮政处理的数量可以回收损失值。

关键关键系统，如医疗保健和工厂线路监控，具有高赌注结果，需要高质量数据测量的强大完整性。数据质量至关重要。假阳性或疏忽可能是昂贵的，耗时的危险性的昂贵，耗时和潜在的生命。昂贵的错误最终导致无计计划的维护，效率低下的劳动力，或者必须完全禁用IOT系统。智力从边缘节点开始，避免旧格言仍然适用于垃圾，垃圾出来。

图2。许多边缘节点输出(包括有线和无线)可以自动连接到网关节点，在传输到云服务器之前进行聚合。

通过访问数据的贸易责任是巨大的责任

在没有边缘节点智能的传统信号链解决方案中，数据保持数据。一个没有Intrelligent节点永远不会有助于产生智慧和知识，以使可操作的决定.1可以有大量的原始，低质量数据对兴趣的系统性能没有影响.3它可能是电力饥饿和带宽密集的换乘和转换将所有这些数据发送到最终云存储目标。

通过对比度，智能智能划分边缘节点感测和测量将数据转换为可操作的信息。智能节点降低了整体功耗，降低了延迟，并减少了带宽浪费.4这使得这使得能够从反应IOT移动到一个实时和预测的物联网模型的长期延迟。基本模拟信号链电路设计理念仍然适用于物联网。对于复杂的系统，通常需要深度应用专业知识来解释处理的数据。

优化智能分区使云价值最大化

只有最重要的测量信息需要通过网关发送到云中进行最终处理。在某些情况下，大部分数据完全不重要但是，对于时间关键且需要本地实时决策的系统数据，应该在通过远程访问将其聚合到远程点之前就对其进行处理。相比之下，利用历史价值和预测模型来影响长期洞察力的信息是云处理的理想应用。将数据归档到海量数据库中进行追溯处理和决策发挥了强大的云处理和存储的优势

图3。边缘节点上的智能分区解决了以前无法解决的新挑战。信号链中更先进的精简处理和智能允许更高效的整体物联网解决方案。

生活在实时决策的边缘

物联网传感器主要是模拟的。特定的工业应用要求将决定将在边缘节点的前端所需的传感器的动态范围和带宽。在将信号转换为数字表示并在边缘外传输之前，信号链的前端将位于模拟域内。模拟信号链中的每个组件都具有限制边缘节点的整体性能，如果未正确选择。动态范围将是相对于噪声地板或下一个最高的不期望的信号之间的满量程传感器之间的增量。

由于IOT传感器通常正在寻找已知和未知的活动，因此模拟过滤器并不总是有意义的。在采样信号后执行数字滤波。除非在传感器的前端使用模拟滤波器，否则基本或其他杂散信号的谐波可以折叠进入感测的信息并用感兴趣的信号竞争。因此，在设计阶段期间规划在时间和频域中的未经填充的感测信号，将防止不需要的伪像在测量数据中出现。

通常用信号链中的接下来的ADC测量感测的信息。如果使用离散元件设计IOT边缘节点，则应注意选择不降低传感器动态范围的测量ADC。嵌入式ADC的输入全尺度范围通常与传感器输出幅度相匹配。理想情况下，传感器输出应在1 dB内消耗几乎整个ADC输入范围，而无需饱和ADC并在范围限制处剪裁。然而，放大器级也可以用于增益或衰减传感器输出信号以最大化ADC的自身动态范围。ADC全尺度输入，采样率，位数，输入带宽和噪声密度都均有有助于边缘节点的信号测量性能。

前端放大器可以嵌入在节点的测量中或添加为ADC之前的离散组件。放大器的增益，带宽和噪声也可以增强边缘节点的性能。

在信号链中传感器之后的测量ADC通常是两个采样架构类型中的一种：奈奎斯特速率或连续时间σ-Δ（CTSD），后者与嵌入式ADC更普遍。奈奎斯特率ADC将具有等于采样率频率的一半的标称扁平噪声底板，或FS / 2。CTSD使用带有缺口通带的过采集速率，将噪声推出兴趣带宽以外的噪声，以增加动态范围。测量ADC架构及其分辨率是理解边缘节点的模拟带宽和动态范围的关键。

图4.没有物联网传感器上的前端模拟滤波器，奈奎斯特速率ADC将折叠高阶频率，超出第1个奈奎斯特区以回到感兴趣的带宽。相比之下，具有过采样调制时钟的CTSD ADC架构使用噪声整形来允许在感兴趣的乐队内的高动态范围。CTSD对信号混叠的敏感性不太敏感，因为它提供固有过滤。

例如，在频域，单位带宽1hz的噪声密度将基于ADC的信噪比和噪声在ADC采样频谱上的扩散宽度。在奈奎斯特速率ADC中，噪声谱密度(每1 Hz带宽)= 0 dB - ADC信噪比(SNR) - 10 × log(fs/2)，其中fs/2是采样率除以ADC的两个或单个奈奎斯特区。理想的信噪比可以计算为信噪比= 6.02 × N + 1.76 dB，其中N为ADC位数。然而，ADC的实际信噪比包括晶体管和半导体处理的非理想性，包括电噪声和晶体管级组件的缺陷。这些非线性将使信噪比性能降至理想水平以下，所以请检查ADC数据表以了解感兴趣的信噪比性能。

边缘节点的动态范围将由传感器的动态范围组成，如果需要，信号的放大，以及ADC全尺度动态范围。如果全尺寸传感器输出信号未达到ADC全尺度范围输入的1 dB内，则将未使用ADC动态范围的某些部分。相反，来自传感器的超传出的ADC输入将扭曲采样信号。放大器带宽，增益和噪声也是边缘节点动态范围的考虑的一部分。传感器，放大器和ADC组合的电噪声将是每个RMS组件的平方根的平方根.7

图5.传感器信号输出幅度的示例与ADC的输入完全比例与动态范围不匹配（蓝色）。需要一个放大器来最大化传感器的动态范围，同时防止ADC饱和度（红色）。信号匹配必须考虑整个边缘节点信号链的带宽，动态范围和噪声。

智能工厂

在工业IOT内将重要的应用程序是机器振动条件监测。新的或遗留机设备可以具有钥匙机械部件，例如旋转轴或齿轮，安装有高动态范围MEMS加速度计.8这些多轴传感器实时采样机器的振动位移。振动签名可以测量，加工，并与理想的机器剖面相比.9在工厂中，对该信息的分析助估提高效率，减少了跨越线的情况，并且可以预先预测机械故障。在极端情况下，机械部件的机器可以立即关闭，否则会造成进一步的损坏。

图6.虽然可以按规则间隔进行日常机床维护，但它通常不会介绍机器状态的智能。^10.通过分析特定机器操作的振动性能，可以在边缘节点上提醒故障和维护里程碑的预测点。

通过启用边缘节点分析，可以彻底减少决策时间延迟。在图7中可以看出这一示例，其中超出了MEMS传感器警告阈值限制并且立即发送警报。如果事件足够极端才能被视为关键，则可以将节点提供权限，以自动禁用违规设备以防止时间敏感的灾难性机械故障。

或者，可以调用触发信号以使另一个感测和测量节点（例如在辅助机器组件上）启用，以基于第1次事件开始解释数据。这减少了来自边缘节点的采样数据的总数据集。为了从标称测定任何振动异常，必须使用所需的检测性能设计前端节点。感测和测量电路的动态范围，采样率和输入带宽应超过足以识别任何偏移事件。

图7.采样机振动数据的时域表示，其中比较器阈值可以确定感测和测量的数据是否在边缘中传送。可以保持较低功率状态以过滤大部分信息，直到通过阈值交叉事件实现数据优势。

聪明的城市

不同的工业IOT Edge节点应用程序是智能城市工业相机，具有嵌入式视频分析。智能城市定义了城市使命，将无数的信息和通信点整合到一个凝聚力的系统中，以实现城市资产的管理。共同应用是提供停车位空缺警报和占用检测。在调试时，每个相机都有预定的视野。可以在分析中定义并使用边界边缘检测以识别各种对象及其运动。不仅可以分析历史对象运动，而且由于对象轨迹，也可以使用数字信号处理（DSP）算法在边缘处计算预测路径。

图8.使用边缘节点视频分析，对象类型检测，轨迹和边界交叉可以在低功耗系统中确定，而不会将全带宽视频数据发送到云以进行分析。只需要传送一个带有面包屑对象坐标和类型的时间戳。

在与频率滤波类似的静脉中，通常不需要用于终端处理的视频分析帧的完整带宽。通常，当不用于安全目的时，只需要一个完整的视频帧的小子集。来自帧到框架的大多数视觉数据在固定的摄像机上是静态的。可以过滤静态数据。在某些情况下，需要分析仅对感兴趣对象的边界交叉或流动坐标的计数。可以将减小的子集作为围绕信号链中的下一个网关传送的子集。

边缘节点视频分析可以提供许多经过过滤的解释来区分对象类型——汽车、卡车、自行车、人、动物等。这种抽取减少了数据带宽和计算能力，否则云服务器中需要分析下行的全帧率视频数据。

室内相机应用程序可以识别交叉进入边界的人数，并为房间调整照明，加热或冷却。为了在极端照明条件或其他具有挑战性的照明之类的诸如雨的挑战性的情况下，可能需要在室外相机中使用高动态范围相机。每个像素成像传感器的典型8位或10位可能不提供足够的亮度动态范围，这些动态范围与跨所有检测方案的照明无关。相反，以240 Hz刷新率查看快速运动运动，帧速率较慢可用于监测工业分析相机的活动。

图9.边缘节点的DSP对象检测算法具有DSP对象检测算法的高动态范围成像，即使在低照明条件下也可以确定移动和边界侵入。此示例使用视觉对比度来定义室内工厂/办公室（左）和室外停车场（右）的边缘检测。

平台级解决方案

这ADT7420这是一个具有突破性性能的4毫米× 4毫米数字温度传感器，包含一个内部16位ADC，分辨率为0.0078°C，仅花费210 μA。ADXL362是一种超低功耗的三轴MEMS加速度计，在运动触发唤醒模式下，在100 Hz采样率下只消耗2 μA。它不使用功率占空比循环，而是在所有数据速率下采用全带宽架构，以防止输入信号混叠。这ADIS16229.是具有嵌入式RF收发器的双轴，18克数字MEMS振动传感器。它还提供了具有512点数字FFT能力的板载频域信号处理。

DSP使能Blackfin低功耗成像平台（BLIP）11允许基于经过验证的数字信号处理工具的工业视觉设计的快速原型设计。优化的软件可交付型图书馆允许设备制造商成为运动传感，人数计数和车辆检测的开箱即用的解决方案。

参考文献

1个科尔姆prendergast。“连接世界中的智能分区和价值创建。物联网主题演讲:IESA愿景峰会2015。

2斯蒂芬·劳森。“物联网不断将分析推向更近的边缘。”PCWorld：IDG新闻服务，2016。

3丽莎摩根。“Edge Analytics解毒剂物联网数据洪流。“信息周：UBM Electronics，20yabosports官网16。

4丹尼尔樱桃白兰地。“将分析到边缘带来的值。“2015年Hurwitz＆Associates Services。

5杰森压模。为什么物联网正在推动分析走向网络边缘。451研究，2015年。

6史蒂夫·纳尔逊。“从最后到结束探索事物的互联网。“ELEMENT14：纽瓦克电子，201yabosports官网4年。

7 Umesh Jayamohan。“了解放大器噪声如何在ADC信号链中的总噪声中有所有效。《模拟对话》，2013年2月。

8罗伯特·兰德尔。Vibration-Based状态监测。澳大利亚新南威尔士:新南威尔士大学，2010。

9 Ed Spence。“使MEMS加速度计的好处为条件监测。“电子设计，彭顿出版，2016。

10杰米史密斯。“用于工业互联网的智能边缘设备。”弧行业论坛，2015年

11.Blackfin低功耗成像平台（BLIP）。模拟设备，2014年公司。

行业文章是一种允许行业合作伙伴与All About Circuits读者分享有用的新闻、信息和技术的内容形式，而编辑性内容并不适合这种形式。yaboPP电子所有行业文章都受到严格的编辑指导方针，目的是为读者提供有用的新闻，技术专长，或故事。Industry Articles中所表达的观点和观点是合作伙伴的观点和观点，不一定是All About Circuits或其作者的观点和观点。yaboPP电子