物联网

过去15年,电表行业多次见证了自爱迪生和特斯拉时代以来从未有过的大范围、大规模变革浪潮。从机械式电能表过渡到电子式电能表,随后是自动抄表 (AMR) 系统,进而演变为高级计量架构 (AMI) 系统,不仅具有更高速度、双向通信功能,并且能够为中央数据库提供大量数据,以便进行计费、故障检修和分析。不可否认的是,企业效率也随之明显提升,例如数百万电表抄表所需工时骤减,抄表便捷(每个见过电力公司控制室的人都会深有感触),保障工人安全(例如减少上门抄表被狗咬伤的可能),以及减少上门服务而降低对环境的影响。

除了这些优势,AMI网络的主要功能仍然是确保正确计量和核算所有的用电量。

不止是电表计费 (Meter-to-Cash)

行业竞争不断加剧、相关法规日益完善、自定义服务需求增长,这些无不给电力公司带来了更大压力,需要同时做到:经济高效地管理资产,提供一流的客户服务以及实现操作流程的现代化。采用物联网技术就是希望基于传感器信息带来各种可行建议,包括提供新服务、员工定位、零件库存,以及管控和维护资产。

电力公司的商务总监或仪表主管仍然面临着许多未解决的低效率问题,诸如逐个维护数百万电表的正常运转、使用不完善的统计方法验证准确度、中断服务进行测试、过早更换电表,或者根据使用年限来做更换决定等。

详文请阅:利用电表诊断数据发挥部署 AMI的全部潜能

点击这里,获取更多IOT物联网设计信息

围观 3
28

人工智能(AI)和物联网(IoT),在很多时候一些人看来,这两个概念没有什么区别,甚至很多人认为,人工智能同物联网代表着相同的事情,这两个词是可以交互使用的,明显这个观点是错误的。既然如此,人工智能和物联网之间究竟有什么关系,两者结合起来后,又会擦出什么样的火花?

什么是物联网?

我们首先来看国内对于物联网的定义,十二五规划中是这样阐述的:通过射频识别(RFID)、红外感应器、全球定位系统、激光扫描器等信息传感设备,按约定的协议,把任何物品与互联网相连接,进行信息交换和通信,以实现智能化识别、定位、跟踪、监控和管理的一种网络概念。

物联网是被称之为继计算机、互联网之后世界信息产业发展的第三次浪潮。物联网顾名思义,主要是人与物的连接以及物与物的连接。从物联网的产业链来看,首先是传感器和芯片,然后再到通信模组,这两者是物联网的整个产业链的基础,同时也是整个产业核心部分,提到物联网模组,我们不得不提,前不久轰动整个产业的“宇宙第一标”,中兴物联从12家知名模组厂家脱颖而出独家中标中国电信50万片NB-IOT模组,每片NB-IoT模组的价格为36元(含税)。要知道,目前为止所有NB-IoT芯片厂商真正的出货量不到50万,模组价格也还在十几美金。快速降低NB-IoT模组的价格有利于市场的普及,对于处于产业链的上层的运营商,终端厂商等有很大的促进作用。从技术维度上来看,中国NB-IoT的发展处于全球领先,政府、三大运营商、芯片厂商、模组厂商、终端厂商等全产业链非常积极。

我们再来看物联网的应用,我们还是以中兴物联为例。安装了中兴物联的ME3630模块的公交车刷卡系统,今年在我国多个地方被应用。近日笔者与朋友一同外出,在一些地铁站看见很多人都在购票,朋友感叹到:有公交卡正好。平常丢卡,忘带卡……这样的事情很常见,当然早在2016年,可以用手机支付的公交车刷卡机就在国内多个城市落地生根,而这一次中兴物联的ME3630模块在公交车刷卡机中的应用,能够更大限度地保证了网络的稳定性,有效地减少支付故障的发生概率。除此之外物联网还可以应用在环境保护、政府工作、公共安全、平安家居、智能消防、工业监测、老人护理、个人健康、花卉栽培、水系监测、食品溯源、敌情侦查和情报搜集等多个领域。

在我国物联网技术日趋成熟,物联网也被打上了具有“中国式”的标签,前不久的“宇宙第一标”的50万片NB-IOT的模组,也只是为国内物联网NB-IoT网络的发展打了个前奏。工信部此前下发了《全面推进移动物联网(NB-IoT)建设发展的通知》,要求到2017年末,实现NB-IoT网络覆盖直辖市、省会城市等主要城市,基站规模达到40万个。到2020年,NB-IoT网络实现全国普遍覆盖,面向室内、交通路网、地下管网等应用场景实现深度覆盖,基站规模达到150万个。

人工智能是信息处理的高级中介

那么对于人工智能,我们首先也来看它的定义:人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。

我们回顾一下在 2016年3月中旬的两件事情,3月13日在韩国的一家金融新闻编辑部里,一位人工智能”记者“仅用0.3秒就完成了一篇新闻稿,其实早在2015年9月腾讯就已经尝试使用写稿机器人,新华社也紧随其后,”快笔小新“也正式在新华社上岗。2016年3月15日,谷歌围棋人工智能AlphaGo战胜李世石,总比分定格在4:1,标志着此次人机围棋大战,最终以机器的完胜结束。

对于人工智能应用,近期比较受关注的也就是阿里巴巴双十一的机器人大军,他们遍布在数据中心、设计室内、物流仓……当然人工智能也能应用在计算机科学,金融贸易,医药,诊断,重工业,运输,远程通讯,在线和电话服务,法律,科学发现,玩具和游戏,音乐等诸多方面。

物联网与人工智能会碰撞出什么样的火花?

从上面对物联网和人工智能简单的分析,很多人会认为,人工智能这么强大,我们只要人工智能不就行了吗?答案显而易见,在物联网以及人工智能时代一个显著的特征就是大数据时代的到来。物联网可以渗透到我们生活的各个领域,所以物联网肩负了“资料收集”这一至关重要的任务。从概念上,物联网可连接大量不同的设备及装置,包括:家用电器和穿戴式设备。嵌入在各个产品中的传感器便会不断地将新数据上传至云端。这些新的数据以后可以被人工智能处理和分析,以生成所需要的信息并继续积累知识。

在现阶段看来,两者之间隔着一层纸,都在不同的领域研究,但是从人工智能和物联网的未来发展来看,两者的关系是很密切的,如同上文所说的,我们可以把人工作为信息处理的高级中介来看。在未来,随着物联网的广泛应用,随之而来的就是大数据,对于这些数据,如果单纯只是依靠人类来进行筛选、分析等工作肯定是不行的。而现有的数据库系统其固有的弊端又对这些信息的处理能力有限,包括现有的计算方式和软件能力也限制了信息的过滤能力。而人工智能的目标就在于为人们提供能够有所超越的信息处理能力,提高信息采集和应用的效率。

在笔者看来,随着国内物联网的发展,物体将进入全智能化时期。当物理世界和数字世界完全拥抱在一起之后,将推动人类不断的迈向下一个时代,也就是人工智能时代。

本文转自:文章题目

点击这里,获取更多IOT物联网设计信息

浏览 1 次
29

根据Forrester Research的最新预测,物联网(IoT)将成为未来客户价值的支柱,物联网基础设施将转向边缘和专用物联网平台,开发者将对物联网平台和举措带来重大影响,安全仍将是物联网的关键问题所在。

Forrester 对2018年物联网的主要预测如下:

一、企业将加大试点工作力度,并向消费者推出基于语音的服务

2018年,财富500强公司将不断改进语音物联网服务的复杂性、广度和质量,这些企业推出的此类服务可能会翻番。金融服务和其它需要身份验证的行业可能会滞后。

二、欧洲将发布新指南推动物联网数据商业化

45%的美国企业数据与分析决策者表示,他们已经将数据商业化,法国和德国企业的比例分别为35%和38%。鉴于相对滞后的表现,欧盟将发布指南,鼓励企业使用先进技术,刺激数据经济。

三、营销者将会意识到物联网机遇,可穿戴设备仍小众

随着越来越多的设备采用诸如Amazon Alexa或Google Assistant之类的智有代理,营销者将会寻求新方式与客户互动。为了提供更具亲和力的品牌体验,营销者将会扩展”移动先行“战略,纳入带有智能家用音箱或智能手表的新接口。据Forrester预测。虽然美国智 能手表将在2018年底实现1200万只的累计销量,但可穿戴设备仍会是小众产品。

四、主要用例将推动边缘解决方案的部署

目前,物联网业务流程主要用在本地数据中心或云端服务上。据预测,2018年,越来越多的企业将部署支持物联网的业务流程。边缘物联网设备能根据生成的数据在本地进行操作,并利用云的优势确保安全性,实现可扩展性。

五、工业物联网平台的构建者将退出IaaS(基础设施即服务)业务

过去十二个月,所有大型工业物联网(IIoT)平台都在将一些工业或物联网特有的功能交由超大规模云提供商(包括AWS、IBM和微软)提供。由于这些云提供商不断扩大服务的地域范围,为满足严格的监管要求,并提升物联网能力,这种趋势将加速。

六、物联网平台将开始专注设计和运营场景

负责将物联网融入产品和体验的产品设计人员需具备能力进行远程管理、监控并控制产品。物习网业务运营商需设计软件,将各种支持物联网业务资产整合到连贯的业务流程中,旨在专注业务运作,而不是手动管理物联网资产。因此,物联网业务运营商将会选择适合需求的物联网平台。

七、重视边缘的开发者将推动物联网平台整合

越来越多的企业将数据处理与分析推向网络边缘,以降低数据获取成本,减少网络延迟。如果物联网平台只在网络核心提供服务,人们对这种平台的接受度会越来越低。采用一致的编程与分析模型支持边缘需要高额开支,会使物联网平台提供商不堪重负。信心和雄伟壮志会被消磨殆尽。根据预测,这类提供商未来三年将退出该市场。

八、开发者将通过公共云平台服务整合设备

开发者要求实现低采用成本、快速部署原型、实现全球覆盖率、轻松与记录系统集成、以及将维护负担降到最低,这些将使开发者转向公共云提供商提供的物联网平台。

九、物联网将面临更大规模、更具破坏性的网络攻击

虽然物联网安全意识不断增强,但客户体验、成本和上市需求仍优先于安全要求。这使得实施强有力的安全控制成为一项挑战,或者更糟糕的是,未在最终的产品部署中添加特定的安全功能。黑客往往企图感染系统提取敏感数据,明年将可能出现更多针对端点设备和云端服务的物联网网络攻击。

十、基于区块链的物联网采用率将提升至5%

由于大规模部署要求实现可靠性、稳定性,并与现有技术的基础设施无缝融合,区块链尚未做好满足此类部署要求准备。但是,明年将会出现有前景的试点项目,物联网、区块链技术和产品的成熟将提升2018年区块链的采用率。

本来转自:2018年物联网10大预测

点击这里,获取更多IOT物联网设计信息

浏览 1 次
10

在激增的高质量传感器、可靠连接和数据分析的共同推动下,工业效率迈上了新的台阶,而不断提高这些智能节点的自动化和移动化程度也能带来好处。

在这些情况下,对传感器节点进行精密运动捕捉和位置跟踪成为事关应用成败的核心——

智能农场就可以基于丰富的地理位置、传感器内容以及分析学习结果来联合利用自动化地面车辆和航空器更加有效地指导地面作业;
智能手术室将经典的导引技术带到手术台上,供精密制导机械臂使用,其运用传感器融合技术来确保各种条件下的精准导引。

在多个领域,基于运动的传感器成为移动应用的价值倍增器。

手机中普遍存在的消费类惯性传感器使人们对其精度普遍感到失望,因此,在推动运动物联网(IoMT)的概念方面,迄今都没有什么成效。然而,新型高性能工业传感器能支持精确的角度指向和精确的地理定位性能,同时还能达到必要的尺寸和成本效率要求,故而现在又做好了推动运动物联网发展的准备。

工业系统智能检测的推动因素

工业机械和流程最具价值的进步集中在有形的系统级优势上,而这通常会带来设计和实现方面的挑战,这些挑战又会发展成新的问题解决方案和业务模式。这种系统级推动因素可以归纳为三项追求,即对资源效率、关键精度和更高安全性的追求。瞄准这些横跨多个行业的改进的应用,包括跨越空中/地面/海上、室内/室外、短期/长期和人/机等,但无论如何,它们都依赖于共同的属性;即精度、可靠性、安全性和智能处理与分析,如表1所示。

表1. 运动物联网应用重要的系统属性转变成极具挑战性的设计需求

多种类型的传感器成为目标应用设计任务的核心。目标设计涉及的系统复杂性要求基于广泛变化的条件下慎重考虑传感器质量和鲁棒性。虽然有些行业有可能出于方便考虑而选择传感器(比如,利用手机上已经存在的传感器组合),但其他行业则会重新设计传感器组合,根据精度做出选择,将传感器智能地结合起来,以全面、可靠地覆盖目标系统状态。

智能检测

在传感器大量存在的背景下,这些已面世的智能型系统正在一些所谓的成熟行业掀起革命,把农业变成智能农业,把基础设施变成智能基础设施,把城市变成智能城市。由于传感器被部署在这些环境中以收集相关的情境信息,数据库管理和通信方面出现了新的挑战,不仅要求传感器之间的数据融合,而且要求实现跨平台、跨时间的复杂融合(例如:对跨时间的基础设施状况、前一年的农作物产量、交通状况及模式等进行基于云计算的分析),如图1所示。

新兴工作需求将情境和运动检测与多层融合结合起来

图1. 新兴工作需求将情境和运动检测与多层融合结合起来。

从设备和环境中可靠地抽取哪些信息的决定成为这些新兴应用最终效用和发展前景的主要度量指标。精度驱动效率,进而转变成必要的经济因素,同时也是确保安全、可靠运行的关键。虽然多数基础传感器可以添加简单的功能,但添加的这些简单功能却无法满足目标运动物联网应用的需求,在这类应用中,是/否、上/下、开/关等状态会被更精细的分辨率代替,添加的功能会影响传感器的选择。

运动的重要之处

多数情况下,物联网都处于运动状态。即使不处于运动状态——比如,静止的工业安全摄像头——精密指向仍可能必不可少,或者,关于无用运动(篡改)的知识也可能非常有价值。如果能在恶劣的飞行条件下维持精确的指向角度,用光学载荷捕捉作物图像的无人机就有可能更快地带来更好的结果;如果能为光学数据提供准确的地理测绘信息,则有可能实现对数据和趋势的历史比较。智能交通工具,无论是地面交通工具,还是空中或海上交通工具,它们都越来越依赖GPS导航。然而,GPS遭受的精度压力也越来越大,无论是有意为之,还是自然使然(建筑物、树木、隧道等)。如果选择时考虑了精度需求,则额外的传感器仍然可以在事故中断期间可靠地进行航向角推算。表2列出了使IoMT(运动物联网)中的M(运动)概念名符其实的一些因素,注意运动与通用应用之间的关系。

表2. 运动知识、甚至运动知识的缺乏都事关多种应用的成败

如果有机会和手段捕捉设备或人的自然惯性,抽取的系统状态意义就会得到增强,并且可能与可用的情境信息适当地融合起来,如表3所示。

表3. 位置检测是物联网的价值倍增器

可靠、安全的运动物联网节点

运动物联网节点输出的有效性和价值最为依赖的是核心传感器的质量以及它们高保真地捕捉应用情境的能力。因此,融合处理是传感器校正/增强的必然选择,也是理想捕捉传感器间状态动态的必备条件(例如,在任意给定时间点,哪个传感器最可靠)。应用级的处理以分层方式融入解决方案之中,并根据环境特点进行优化,包括适当的边界条件。虽然这种方式是自动的,但在有些情况下,这些节点会协同工作,比如在地面或空中成群的无人驾驶交通工具中。在这些情况下会部署安全链路,强调可靠传输和受保护的特有身份信息,如图2所示。

图2. 综合情境和位置信息的互联安全传感器。

传感器是自动化的核心

就如人体一样,自动运动物联网节点依赖检测多个输入来实现需要的感知能力,从而独立行动并根据随机、甚至乱序事件优化其结果,最终随时间改进。如表4所示,从基本测量到控制、再到自动化的过渡会提高传感器融合层的复杂性以及嵌入式设备计算的复杂性。由于这些节点也会取得很高的互联能力和自适应性学习能力,所以他们可能走向人机融合。

表4.以高质量传感器为基础,日益提升的集成度和智能程度推动自动化和人机融合

没有基础设施的定位

GPS无处不在,除非卫星信号被阻挡或中断。在可用的条件下,无线测距技术可能非常精确。如果未受干扰,始终都有磁场读数。惯性具有独有的自恃性。显然,惯性MEMS传感器有自身的不足(漂移),但这些不足都在可控范围以内,采用小尺寸经济型封装的新型工业惯性测量装置(IMU)具有前所未有的稳定性。

惯性MEMS器件采用标准半导体工艺、复杂封装和集成模式,通常以线性加速度(g)或角速度(°/秒,或速率)为单位,直接检测、测量和解读其运动,如图3所示。由于除要求最温和的应用以外,所有其他应用都拥有所谓的多自由度(实际上指,可以在任何所有轴上运动,且所有设备在其运动中都相互不受限),这就必须捕捉x、y和z各轴的加速度和角速度值;或者在有些情况下,称为翻滚轴、俯仰轴和偏航轴。综合起来,这些有时被称为六自由度惯性测量单元。

图3. 用于确定精密运动的微机电结构。

虽然经济上的考量自然会促使MEMS设计师用最少的硅片面积在各个轴上(x、y、z)抽取这些多个检测类型(加速度、角速度),但仍然需要采取更加平衡的性能设计视角,以满足更具挑战性的工业检测需求。事实上,有些MEMS结构在尝试用单个MEMS模块测量所有6种模式。在考察这种方式对于高性能检测的有效性之前,我们必须知道,MEMS器件需要捕捉一些运动,这非常重要,但同样重要的是,同一器件还要能够放弃会变成误差的其他形式的运动(或者不受其影响)。例如,虽然陀螺仪测量角速率,但它同样应该能做到忽略角速率测量上的加速度或重力效应。对一个简单的MEMS器件来说,如果试图以小小的结构测量一切,自然(在设计上)会非常容易受到这些其他干扰误差源的影响,并且无法把有用运动与无用运动区分开来。最终,这些误差源会变成导航或应用中的噪声和误差。

运动物联网要兑现必要时提高资源效率、增加安全或关键精度的承诺,就需要比当今移动设备中无处不在的简单传感器具有更高的精度。着眼于性能的设计模式就变成了为每种检测模式和每个检测轴独立设计的模式,但其目的是走向融合和集成。最后,必须知道的是,为性能设计并不一定意味着不能为经济考量而设计。

功能或性能

有些应用可以通过添加功能(设备的手势/方向模式切换)获得极大的价值,用简单的MEMS器件就能相对容易地获得这些信息。工业或专业器件可能更容易测量不同方位的精度与亚度间的差值,或者能以优于一个数量级以上的精度分辨位置,同时还能在高振动环境里工作。低端传感器与高端传感器之间的性能差异并不小,事实上,二者的差异非常大,在选择组件时有必要慎重考虑。

最终应用将决定所需的精度水平,而所选的传感器质量将决定其能否实现。表5选择了两种解决方案进行比较,说明了传感器选择对设计过程和设备精度均很重要。如果只在很有限的情况下依赖传感器,并且应用有较高的容错性,那么可以使用低精度传感器——换言之,如果不是安全或生命攸关的应用,相对较低的精度便足够了。虽然多数消费级传感器在有利条件下噪声很低且性能良好,但它们不适合用于动态运动(包括振动)下的机器,因为性能较低的惯性测量单元无法将动态运动与简单的线性加速度或所需的倾斜测量区分开来。在工业环境中工作时,为实现优于1度的精度,应当选择专门设计的传感器,以便抑制振动或温度影响导致的误差漂移。这种高精度传感器能够支持更大范围的预期应用状态,工作时间也更长。

表5.推动精度和效用的是传感器的质量而非传感器融合的复杂性

精密仪器设计师最感兴趣的一般是惯性测量装置(IMU),这类装置输出的是经校准的加速度和速率而非运动角度或距离,因为这种系统级的信息高度依赖于具体应用,因而是系统设计师而非惯性传感器设计师的工作重点。结果导致的问题,举例来说,是从惯性传感器规格表中分辨指向精度。

表6展示的是一款中端工业器件的规格,同时还用手机中常见的消费级传感器进行了比较。请注意,也有更高端的工业器件可用,其精度比表中所示器件要高一个数量级。多数低端消费级器件未提供诸如线性加速度效应、振动校正、角度随机游走之类的参数规格,而这些规格在工业应用中恰恰可能是最大的误差源。

表6.工业MEMS器件对所有已知潜在误差源进行全面测定,通常能实现消费类器件高出一个数量级或更高的精度水平

这款工业传感器样品设计用于预期会有相对迅速或极端运动(2000°/s、40 g)的场景,宽带宽传感器输出对最佳地辨别信号也很关键。工作期间的失调漂移(运动中稳定度)应最小,以降低对更多补充传感器(用来校正性能)的依赖。在某些情况下,应用无法为后端系统滤波校正提供所需的时间,此时必须使开机漂移(可重复性)最小化。低噪声加速度计同陀螺仪一起使用,以帮助区别并校正任何关于加速度的漂移。

陀螺仪传感器设计可用来直接消除任何加速度g事件(振动、冲击、加速度、重力)对器件失调的影响,可大幅改善线性加速度;通过校准,温漂和对准均得以校正。若不进行对准校正,典型多轴MEMS器件即使集成到单片结构中,也可能有较大对准误差,使其成为误差计算的主要贡献因素。

近年来,噪声在区分传感器级别上所起的作用有所降低。在超出简单判定或相对静止运动确定的应用中,线性加速度效应和对准误差之类的参数成为噪声源,通过芯片设计方法或器件专用校准来改善它们需要付出高昂的成本。

传感器融合能补救劣质传感器吗?

答案很简单,不能。传感器融合是一个滤波和算法处理的过程,它将相对于环境、运动动态信息和应用状态对传感器组合进行合并或管理。传感器融合可以提供确定性的校正(如温度补偿),并会基于系统状态知识,管理从一个传感器到另一个传感器的切换过程,但无法弥补传感器内在的缺陷。

在传感器融合设计中,最关键的任务是首先要深入挖掘应用状态知识,为设计流程的剩余环节提供支撑和动力。针对给定的应用选择适当的传感器时,应先进行详细分析,了解其在总体任务的不同阶段中的权重(相关性)。在行人导航定位推算示例中,解决方案主要取决于可用的设备(如智能手机中的嵌入式传感器),而不是通过性能设计。因此,会严重依赖GPS以及其他可用的传感器,例如嵌入惯性和磁性传感器,仅为确定有用的位置信息发挥一小部分作用。它在室外能够正常工作,但在具有挑战性的城市环境或室内,GPS就不准确了,其他可用传感器的质量很差,存在较大差距,换言之,位置信息的质量具有不确定性。尽管先进的滤波器和算法通常用来融合这些传感器的数据,无需任何额外传感器或质量更好的传感器,软 件对于弥补不确定性差距的作用不大,最终只是大大降低了报 告位置的信心。图4中为概念性说明。

图4. 应用级精度取决于传感器质量而非传感器融合复杂性。

与其形成鲜明对比的是,工业导航定位推算方案是针对系统性能定义而设计的,要根据具体精度要求选择组件。更高质量的惯性传感器允许其发挥主要作用,适当利用其他传感器来缩小不确定性差距。比起推算/估算可靠的传感器读数间的位置,算法在概念上更关注最佳权重、切换和传感器互补,以及对于环境和实时运动动力学的认识。

精度在任何一种情况下都可以通过选择质量更高的传感器来提高,虽然传感器滤波和算法是解决方案的重要一部分,但它们本身并不能消除低质传感器覆盖范围的差距。

新型工业传感器的性能已经接近以前用于导弹制导的传感器的水平。这些新型工业传感器采用最初针对可靠和精密汽车应用设计并以经济型工艺制成的架构,在性能-成本比和性能-尺寸比方面具有独特的优势,如图5所示。

图5. 工业级6自由度IMU ADIS1647x和ADIS1646x,在复杂和动态环境中也能提供高精度水平。

精密运动检测不再是小众应用的专属,其他应用也别无选择,只得投资采购昂贵的跟踪解决方案。随着迷你型IMU工业级精密传感器的上市,物联网设计师现在可以通过整合优质运动检测功能和嵌入式情境检测功能,成倍提高其产品的价值。

点击这里,获取更多电机控制设计信息

围观 2
24

Analog Devices, Inc.(ADI) 今日发布五款高性能惯性测量单元(IMU),满足多个新兴市场工业应用中导航和安全相关需求,同时降低系统复杂度和成本。ADIS16470、ADIS16475和ADIS16477 IMU采用标准表贴组件,在最小尺寸内提供卓越的性能改善。这三款不同型号产品经过优化,可提供一系列的性能和成本优势,满足应用的适用性需求。ADIS16465和ADIS16467 IMU具备相似的性能优势,但外壳更坚固。这些产品的进步共同为无人飞行器(UAV)应用带来了前所未有的性价比,此前设计人员只能选用消费级传感器,解决方案面临价格高昂、高风险和低于标准性能的难题,而且很难达到可靠性目标。新型IMU为智能农业等领域的自主式机器应用带来同样的优势,之前这类坚固耐用的设备需求迫使设计人员在最高级高成本传感器和性能受限的商用传感器之间做出选择。

这五款IMU均通过三轴MEMS加速度计和陀螺仪提供6自由度(DoF)检测,并注重工业“运动物联网”的需求及其对精准地理定位的需求。这些IMU的性能令系统能精确地表征运动,不受湍流、振动、风、温度和其他环境干扰,从而实现更精准的导航和引导和/或仪器稳定度。

借助30年惯性传感器设计经验,ADI公司打造了无与伦比的可靠高性能和尺寸/成本效益组合。凭借行业领先的性能,系统设计人员现在能够更多地依靠这些高规格传感器,而不再像以前需要通过增加测试、元件、校准或软件辅助来获得性能提升。ADIS1646x和ADIS1647x IMU 通过专门的设计抑制其它重要误差源,如"g"影响、跨轴灵敏度以及与温度和机械应力相关的漂移。

主要产品规格

报价与供货

查看产品页面、下载数据手册、申请样片和订购评估板:

http://www.analog.com/pr171109/adis16470
http://www.analog.com/pr171109/adis16475
http://www.analog.com/pr171109/adis16465
http://www.analog.com/pr171109/adis16477

了解ADI公司IMU并浏览完整的产品选型表,请访问:
http://www.analog.com/pr171109/mems/imu

通过在线技术支持社区EngineerZone®联系工程师和ADI产品专家:

https://ezchina.analog.com/community/mems
了解有关运动物联网的更多信息: http://www.analog.com/pr171109/tech-article/IoMT

点击这里,获取更多IOT物联网设计信息

围观 2
22

页面

订阅 RSS - 物联网