物联网

作者:Mike Delaus和Santosh Kudtarkar(ADI公司)

在医疗设备设计领域,一个重要趋势是提高这些设备的便携性,使其走近病人,进入诊所或病
人家中。这涉及到设计的方方面面,尤其是尺寸和功耗。晶圆级芯片级封装(WLCSP)的运用对减小这些设备电子组件的尺寸起到了极大的助推作用。

此类新型应用包括介入性检测、医学植入体和一次性便携式监护仪。但是为了最大限度地发挥出WLCSP封装在性能和可靠性方面的潜力,设计师必须在印刷电路板(PCB)焊盘图形、焊盘表面和电路板厚度的设计方面贯彻最佳实践做法。

WLCSP封装

图1. WLCSP封装

晶圆级芯片级封装是倒装芯片互联技术的一个变体(图1)。在WLCSP中,芯片活性面采用反转式设计,通过焊球连接至PCB。一般地,这些焊球的尺寸足够大(0.5 mm间距,回流前为300 µm,0.4 mm间距,回流前为250 um),无需倒装互联技术所需要的底部填充。该互联技术有多个优势。

首先,由于消除了第一级封装(塑封材料、引脚架构或有机基板),因而可以节省大幅空间。例如,一个8引脚WLCSP所占电路板面积仅相当于一个8引脚SOIC的8%。其次,由于消除了标准塑封中使用的线焊和引脚,因而可以减小电感,提高电气性能。

另外,由于消除了引脚架构和塑封材料,因而可以减轻重量,降低封装厚度。无需底部填充,因为可以使用标准表贴(SMT)组装设备。最后,低质芯片在焊锡固化期间具有自动对齐特性,有利于提高装配成品率。

封装结构

WLCSP在结构上可分为两类:直接凸点和再分配层(RDL)。直接凸点WLCSP包括一个可选的有机层(聚酰亚胺),充当芯片活性面的应力缓冲层。聚酰亚胺覆盖着芯片上除焊盘周围开口之外的所有区域。该开口上喷涂有或镀有一层凸点下金属(UBM)。UBM由不同的金属层叠加而成,充当扩散层、阻挡层、浸润层和抗氧化层。将焊球滴落(这是其称为落球的原因)在UBM上,并经回流形成焊接凸点(图2)。

直接凸点WLCSP

图2. 直接凸点WLCSP

再分配层(RDL) WLCSP

图3. 再分配层(RDL) WLCSP

运用RDL技术,可以把针对线焊设计的芯片(焊盘沿外围排列)转换成WLCSP。与直接凸点不同,这类WLCSP采用了两个聚酰亚胺层。第一个聚酰亚胺层沉淀在芯片上,使焊盘保持开放。然后喷涂或镀上一层RDL,把外围阵列转换成面积阵列。然后,构造工艺与直接凸点相同,包括第二层聚酰亚胺、UBM和落球(图3)。落球后则是晶圆背面研磨、激光打标、测试、分离及卷带和卷盘。在背面研磨工序之后,还可选择施用背面层压板,以减少切割时造成的芯片脱离问题,简化封装处理工作。

最佳PCB设计实践电路板设计的关键参数为焊盘开口、焊盘类型、焊盘表面和电路板厚度。基于IPC标准,焊盘开口等于UBM开口。对于0.5 mm间距WLCSP,典型焊盘开口为250 µm,0.4 mm间距WLCSP为200 µm(图4)。

焊盘开口

图4. 焊盘开口

阻焊层开口为100 µm与焊盘开口之和。走线宽度应小于焊盘开口的三分之二。增加走线宽度可以减少焊接凸点的支柱高度。因此,维持正确的走线宽度比对于确保焊点可靠性也很重要。对于电路板制造来说,表贴装配使用两类焊盘图形(图5):

• 非阻焊层限定(NSMD):PCB上的金属焊盘(I/O装在其上)小于阻焊层开口。
• 阻焊层限定(SMD): 阻焊层开口小于金属焊盘

焊盘类型

图5. 焊盘类型

由于铜蚀刻工艺比阻焊开口工艺有着更加严格的控制,因此NSMD比SMD更常用。NSMD焊盘上的阻焊开口比铜焊盘大,使焊锡可以依附于铜焊盘四周,从而提高焊点的可靠性。

金属焊盘上的表层对装配成品率和可靠性都有着深刻的影响。采用的典型金属焊盘表面处理工艺为有机表面防腐(OSP)和无电镀镍浸金(ENIG)两种。金属焊盘上OSP表层的厚度为0.2 µm至0.5 µm。该表层会在回流焊工序中蒸发,焊料与金属焊盘之间会发生界面反应。

ENIG表层由5 µm的无电镀镍和0.02 µm至0.05 µm的金构成。在回流焊过程中,金层快速溶解,然后,镍和焊料之间会发生反应。非常重要的是,要使金层的厚度保持在0.05 µm以下,以防形成脆性金属间化合物。标准的电路板厚度范围在0.4 mm至2.3 mm之间。选择的厚度取决于已填充系统组件的鲁棒性。较薄的电路板会导致焊接接头在热负载条件下的剪切应力范围、爬电剪切应变范围和爬电应变能量密度范围变小。因此,较薄的积层电路板会延长焊接接头的热疲劳寿命。

测试和评估

结合前述变量,WLCSP的可靠性通过对器件进行加速压力测试来评估,此类测试包括高温存储(HTS)、高加速压力测试(HAST)、高压锅测试、温度循环、高温工作寿命测试(HTOL)和无偏高加速压力测试(UHAST)。除了热机械诱导性压力测试以外,还要进行坠落、弯曲等机械测试。

HTS测试旨在确定在不施加任何电应力的情况下,高温条件下长期存储对器件的影响。该测试评估器件在高温条件下的长期可靠性。典型测试条件为在150°C和/或175°C下持续1000小时。实施测试时要把器件暴露在指定环境温度之下,并持续指定的时长。

点击这里,获取更多IOT物联网设计信息

围观 3
144

物联网具有不可否认的影响,并将继续吸引更多的风投投资高度创新的项目。

在2016-2017年,物联网的发展趋势得到了广泛的接纳。在2018年,更多的想法和实际的复杂问题将被解决,并上升到其下一层实现。由于设备已经可以数字化表达,因此对它们进行监控变得更加容易,以便实时数据流更接近于相对和可靠。

这是一种快速的趋势,可以通过多年来预测的物联网趋势来实现。

1、区块链和物联网的混合

区块链是2016年以来最新的功能。基于区块链的加密数字货币的惊人胜利,使这项技术成为无缝交易的旗手,从而降低了成本,并消除了对中心数据源的信任。

区块链的工作原理是通过一种安全、加速和透明的模式来增强信任的参与。企业可以通过自动化编码的交易和更快的交易来获益。因此,物联网通道的实时数据可以在这样的交易中被利用,同时保护所有相关各方的隐私。对于物联网来说,安全仍然是首要挑战,而授权区块链的加密过程可以帮助解决。区块链提供了防止数据被盗的安全保障,而这正是物联网网络所需要的设备。

2、风险资本家会变得更加自信

物联网具有不可否认的影响,并将继续吸引更多的风投投资高度创新的项目。它是少数几个对新兴市场和传统创业投资都有兴趣的市场之一。尽管明年的增长将受到严峻的考验,而真正的潜力尚未被发掘出来,但物联网企业将会比其他所有人都更受青睐。交通、零售、保险和矿业中约有28%的企业确信,向他们的服务模式添加物联网。

3、愈加依赖大数据分析

物联网的核心是动态数据共享。大数据分析将有助于构建响应性的应用程序。将物联网数据通道与机器学习引擎结合起来,以获取需求分析见解,今年已经初具发展势头,并将在2018年迎来井喷。作为物联网服务供应商,企业必须将他们的创新引导到预测分析的基础上。

随后,对大数据技能的需求将上涨75%,并且在HR系统中使用数据已经开始小试牛刀。尽管大多数物联网服务提供商都强调了这类技术人才的短缺,但与研发密切相关的内部学习项目早已敲响了警钟。

4、人工智能也将发挥作用

机器学习能力是最被认可的人工智能技术,它可以基于预测思维来计算数据,无需人工编程,也无需在物联网通道中触发实时任务。也就是说,通过从编程指令中激发实时提醒,物联网将会变得智能,捕捉从我们的日常习惯中获得的指令,并为我们执行手工任务。

苹果的“Siri”,甚至自动咖啡。这将使物联网从智能设备到装备齐全的智能家居实现飞跃。具有安全的事务环境的这些精确信息可以进行创新,以提高操作效率和提升客户参与度。

5、设备将成为一个营销平台

由于将技术融入我们的日常生活中,我们更能接受,基于我们的状态自动推荐更新相关的品牌,在日常生活中,我们会追求更个性化的生活习惯客户数据在这里具有重要的意义,利用它进行个性化营销将继续增长。

我们提供的信息会立即将信息传递到各种营销平台上。例如,汽车服务运营商在他们访问你的驾驶数据后,提供了丰厚的折扣,而保险公司也分享了你的详细信息。

6、连接设备的数量将会加倍

在过去5年里,物联网项目的快速普及催生了数十亿个互联设备。随着消费者继续沉迷于更多的电子产品,物联网将会爆发。联网设备的数量从2015年的数百万(4.9)增长到2016年的数十亿(6.1)。到2018年,这一比例将至少翻一番,到2021年将达到460亿英镑。

更多的物联网设备将进入这一渠道,比以往任何时候都要多。这是我们对电子产品的直接依赖,这就是我们的未来是如何形成的。

参见:约有三分之二的美国人使用与ios设备连接的设备。

这些趋势的粘合剂

他们的首要任务是窄带物联网(nb-物联网),这是一个低功耗的区域网络,足以满足物联网设备的需求——更小的带宽,更大的连接密度,更低的运营成本和持久的电池寿命。不要错过可穿戴设备,管理资产呈现出更高程度的个性化智能数据共享。

物联网并不止于此!以前人们怀疑过的一系列发明现在终于可以看到曙光了。

本文转自:2018年提升物联网影响力的6大趋势

点击这里,获取更多电机控制设计信息

围观 2
79

物联网系统的定义包括与网络和软件连接的传感器、执行器,通过这些设备人们可以监视和管理一切系统里连接的物体、机器,甚至生物。

如果一切顺利的话,那么到2025年,物联网——将实体和数字世界连接起来的这项技术,其经济价值可达每年11.1万亿美元。

物联网有可能从根本上改变人类与周围世界的互动方式。

物联网系统的定义包括与网络和软件连接的传感器、执行器,通过这些设备人们可以监视和管理一切系统里连接的物体、机器,甚至生物。

这种快速发展的技术使得将数据驱动的电子决策投入人类活动领域的应用成为可能。

通过在厂家安装的检测仪器,我们可以跟踪船只在海洋上航行的轨迹、监测物理环境的变化、关注人类的生命体征,这些物联网系统不仅可以使公司更详细地把握其资产状况,还能改善城市和住宅的运转方式,改善人类健康状况,甚至挽救生命。

在过去的5年里,已经有了很多关于物联网的报道。

诸如自动驾驶汽车、监测身体健康的健身腕带以及智能恒温器等联网设备的发展,让我们对未来世界有了初步的想象。

技术供应商已经开始增加他们的物联网业务,提出建议来帮助客户设计、实现和操作复杂的物联网系统。

制造商、石油和天然气公司以及其他企业已经开始从他们配备在运营过程、供应链中的物联网技术中得到回报。

尽管对于物联网技术已经众议纷纷,但舆论可能还低估了物联网系统的长期潜力。

麦肯锡估计,到2025年,物联网技术的潜在经济总量将达到11.1万亿美元。

事实上,物联网将是所有颠覆性技术的最大价值源泉,排名还在移动互联网、知识工作自动化、云计算和先进的机器人技术之前(见图1)。

物联网经济效益排名第一

图1:物联网经济效益排名第一

物联网系统的影响程度将随其环境变化而不同。例如,工厂和城市将受益最多。

要最大限度地利用物联网技术,首先需要知道物联网技术在何处才能发挥最大价值,并成功解决一些相应的复杂挑战,比如互操作性和数据问题。

路还很长,但目前我们已经看到了一个超越传统技术产业边界的动态产业的曙光。

物联网应用天地广阔

仅仅通过垂直行业的视角来观察物联网的潜力并没有揭示其潜在价值的全貌。

相反,通过检查物联网技术可能应用的物理环境,例如工作地点、家庭或户外,我们可以全方位地分析物联网潜在的好处和挑战(见图2)。

物联网能创造价值的九个领域

图2:物联网能创造价值的九个领域

上图揭示了物联网技术具有潜在价值的九个领域:

健康:如通过可穿戴设备监测人体健康状况、病情跟踪

家居:如遥感操控家电和安保系统

消费:如自助结账、商品套餐推荐

办公室:如提高工作效率、移动办公

工厂:如改善标准化流程、最佳资源分配

工地:如设备维护监测、流程效率、员工健康与安全

车辆:如车载娱乐系统、车况维护监测、自动驾驶协助

城市:如公共设施维护、交通管理、环境保护、资源管理

郊外:如自驾巴士、城郊实时交通监控、物流运输跟踪

在这些领域中,流程驱动的生产环境,如工厂、医院和农场,可能会从物联网系统的应用中获益最大——到2025年将达到3.7万亿美元。

在这种应用标准化生产环境的地方,物联网所创造的价值将来源于提高能源效率、劳动生产率、设备维护、库存优化和工人健康安全(见图3)。

物联网能从多个方面产生经济效益

图3:物联网能从多个方面产生经济效益

随着“智慧城市”倡议的引入,城市也已成为物联网技术创新和实验的中心。

由于城市是全球经济增长的引擎,预计到2025年,全球最大的600个城市将产生65%的全球GDP增长——这其中物联网技术的影响是巨大的。

市政环境可能会成为物联网技术的第二大受益者,到2025年,其潜在影响将达到1.7万亿美元。

这些好处将来自交通、公共安全和卫生、资源管理和服务交付方面的改进。

单就物联网交通应用而言,每年全球范围内在城市中所产生的价值就可能超过8000亿美元,而公共卫生物联网系统每年可以带来7000亿美元的收入,主要来自于空气和水质的改善。

虽然物联网技术(如智能手表或健身追踪器)的消费者应用已经获得了主流媒体的广泛报道,但企业中物联网技术的应用实际上具有更大的经济潜力,而且在未来10年里将占到物联网投资价值的三分之二。

当消费者物联网系统(如联网的消费者保健产品)与B2B系统(如卫生保健服务和拨款)相关联时,可以产生大量额外经济效益。

物联网软件发展蒸蒸日上

通过物联网技术的发展,一个充满活力的行业正在兴起。

虽然物联网最初是一种连接技术,但今天和将来的回报将来自于物联网系统完善后所联结到的其它方面,尤其是在增长最快的软件应用和安全领域。

根据麦肯锡的分析,虽然连通服务仅在今天的市场中占据了10%的份额,但物联网未来的市场广大,畅通无碍,相反,硬件虽占市场30%,却正在走下坡路。

另一方面,软件和应用程序开发占了物联网技术价值的35%,预计未来还会增长。

安全只占5%的市场份额,但却是物联网解决方案的重要部分和应对方案,考虑到客户们对现有企业和新来者都有着不少兴趣(见图4)。

物联网组件和系统的市场在2013年和2014年增长160%,并预计在2025年之前都以每年30%甚至更多的速度持续增长。

在特定行业中,帮助企业将物联网技术纳入其流程的垂直技术需求将会不断上升。

技术供应商也将在制定标准和协议方面做出努力,从而使互操作性发挥更大作用——这对于最大化物联网收益来说是很重要的。

图4:互联互通性是最大的价值源泉

在这个发展的早期阶段,人们还没有找出具体应用的成功路径,而物联网技术的应用模型也将随时间推移而演变。

正如技术创新的通常步骤那样,如同从个人电脑到互联网,发展通常都是逐步渐进式的。

在一开始,供应商们已经成功制造出了相应的基础设施;接下来,在企业层面上广泛的、大规模的投入应用;最后,企业围绕技术发展新的业务。

在当前的环境下,考虑到物联网系统的复杂性以及对互操作性和定制的需求,许多客户应用技术的能力有限,因此,硬件、软件和服务提供商有充足的机会提供端到端的物联网解决方案,帮助客户满足特定的需求。

不过,随着时间的推移,可能会出现更多的同质化平台。

随着行业的成熟,企业竞争优势的来源可能包括核心技术、独家数据、易于使用的软件平台以及提供完整解决方案的能力。

当数字化模糊了技术供应商和其他公司之间的界限时,非技术供应商也有机会进入这个市场。

例如,工业机械或汽车制造商的制造商可以通过应用物联网数据和解决方案来创建新的商业模式,以销售他们的产品和相应的服务。

随着物联网技术的价值从硬件和连接转向软件和分析,开始更加深入地利用收集和发送的数据,物联网技术产业将需要在整个价值链上下游都拥有专业知识,以求可持续性的发展。

这将要求他们自己去掌握这些能力,或与专家合作。

在每个领域中,能说出来的物联网技术的应用实例都可以有数百种。

在汽车领域内,未来十年,物联网技术每年产生的收入可高达7400亿美元,遍及安全性到便利性的每一角落。其中已经有30种是我们所确定的。

来看看物联网技术是怎样改善驾驶体验的:

由于驾驶变得越来越自主,所以司机可以更多地利用在路上的时间;汽车在驾驶中所记录的数据将能用作司机驾驶经验的佐证;系统将能够记录司机的地理位置、驾驶风格、照片以及设备供应商提供的其它数据,物联网平台为司机提供社交服务,与周围人或好友分享地理位置和周边生活探索发现服务。

以车载屏幕和增强现实技术作为接口,这种类型的数据也有可能支持更多更有趣的交互性。

虽然这些示例的重点是从客户的角度发现技术的好处,但这些对于公司也能有所启迪,帮助它们发现新商机。预计到2030年,这个市场的价值将达到80亿美元。

当然,为了实现这些,公司还需要考虑系统的互操作性。这将需要在许多新技术上进行投资。

企业们可以在这一领域进行合作或竞争,包括原始设备供应商、汽车供应商、游戏软件公司、电信运营商,甚至是大型社交媒体播放器,这些企业都能从用户的访问中获取利润。

但这些公司的盈利能力还取决于他们如何将自身的业务接入汽车物联网价值链中以及收集客户数据的能力。

但物联网技术的推广,无论是连接的汽车、智能办公大楼还是海上石油钻井平台,都还面临着一些障碍。

例如,消费者对系统的信任、公司必须接受物联网技术以数据分析为基础而做出的决策,此外,监管和标准的制订也是一个重要问题。

单独的一个或几个企业并不能全盘把握这盘物联网系统的大棋,但有三条注意事项他们可以采用:

以客户为中心

我们可能很快就会生活在一个一切都联网的世界里。到那时,有无数的机会可以收集一切关于周围世界的数据。

因此,成功的公司首先关注的不是他们能收集到什么数据,而是他们想要取得什么成效。

对于航空公司,他们的目标可能是减少飞机维修时间,或改善航空的安全程度;对于物流公司,目标可能是更准时的运输交付或更方便快捷的路线;对于汽车公司,目标可能是提高汽车的安全等级和可靠性。

从用户需求出发,而不是从新技术出发,公司就已经迈出了成功的第一步。

让数据分析落地

物联网技术系统不是简单的收集和传输数据,而是分析数据来解决问题或创造新的机会。

目前,互联系统所收集的数据很少被实际利用,即使是被利用了的数据,其利用程度也不充分。

例如,根据麦肯锡的数据,在石油和天然气行业中,在一个海上石油钻井平台上有多达3万个传感器,但使用的信息还不到1%。

而大多数被使用的数据——例如,工厂车间的自动化系统——只用于实时控制或异常检测。

企业将需要更好的工具和方法来从数据中掘金——通过高级分析或人工智能。嵌入式智能将是将物联网技术集成到业务流程中并吸引用户的关键。

关于设备性能的数据可用于测量磨损程度并预测维护时间;关于有形资产的数据,例如建筑物和车辆,可以用来评估保险风险;几乎任何描述消费者行为的数据都对营销人员有很大的价值。

对一个公司来说没用的数据可能对于另一个公司具有潜在价值。

从小处做起

时至今日,我们还没有一套完整的物联网应用方案。但这不是不采用物联网技术的理由。

从头开始构建物联网系统将是一个艰巨的任务,目前最好的方法是先将精力集中在一些简单、数量有限的应用实例上,并在这些实例的基础上铺展开来。

本文来源:麦肯锡:物联网潜力无限 2025年经济价值高达11.1万亿美元

点击这里,获取更多IOT物联网设计信息

围观 4
67

稳定系统简介

无人飞行器安装的监控设备、海上微波接收机、车辆安装的红外成像系统传感器以及其他仪器系统都需要具有稳定的平台,以达到最佳性能,但它们通常在可能遇到振动和其他类型不良运动的应用中使用。振动和正常车辆运动会导致通信中断、图像模糊以及其他很多行为,从而降低仪器的性能和执行所需功能的能力。平台稳定系统采用闭环控制系统,以主动消除此类运动,从而保证达到这些仪器的重要性能目标。图1是平台稳定系统的整体框图,它使用伺服电机来校正角向运动。反馈传感器为仪器平台提供动态方位信息。反馈控制器处理这些信息,并将其转换为伺服电机的校正控制信号。

基本平台稳定系统

图1. 基本平台稳定系统。

由于很多稳定系统需要多个轴向的主动校正,因此惯性测量单元(IMU)通常包括至少三个轴向的陀螺仪(测量角速度)和三个轴向的加速度计(测量加速度和角定向)来提供反馈检测功能。反馈传感器的最终目标是提供平台定向的精确测量,即使当平台正在运动时也要做到。由于没有"万能"传感器技术能够在任何条件下提供精确的角度测量,因此平台稳定系统中的IMU通常在每个轴上使用两种或三种传感器类型。

加速度计响应每个轴向上的静态和动态加速。"静态加速度"似乎是一个陌生的词汇,但它涉及重要的传感器行为:对重力的响应。假定不存在动态加速,并通过校准消除了传感器误差,则每个加速度计输出将代表它的相对于重力的轴定向。为了确定在存在振动和快速加速的情况下稳定系统中通常出现的实际平均定向,通常会将滤波器和融合程序(组合来自多个传感器类型的读数,得出最佳估计值)应用于原始测量

另一种类型的传感器是陀螺仪,它提供角速率测量。陀螺仪测量通过有限周期内的角速率的积分,在角度测量中发挥作用。执行积分时,偏置误差将导致成比例的角度漂移,随时间累加。因此,陀螺仪性能通常与设备偏置对不同环境因素的灵敏度相关,这些因素包括温度变化、电源变化、离轴旋转和线性加速度(线性g和整流g × g)。校准的高质量陀螺仪,具有对线性加速度的高抑制,使这些设备能够提供宽带角信息,作为对加速度计提供的低频信息的补充。

第三种类型的传感器是3轴磁力计,它可以测量磁场强度。从三个正交轴的磁场测量实现了相对于地球磁场本地方向的定向角估算。当磁力计接近电机、显示器和其他动态磁场干扰源时,管理其精度可能非常困难,但在适当情况下,它的角度数据可作为来自加速度计和陀螺仪的数据的补充。虽然很多系统仅使用加速度计和陀螺仪,但磁力计可以改进某些系统的测量精度。

图2的整体框图显示了如何使用陀螺仪和加速度计测量,既利用它们的基本优势,同时又最大程度减少它们的弱点产生的影响。低通加速度计和高通陀螺仪滤波器的极点位置通常取决于应用,另外精度目标、相位延迟、振动和"正常"运动预测都会对位置决定产生影响。因系统而异的行为也会影响加权因子,而加权因子会对如何组合这两种测量产生影响。扩展卡尔曼滤波器就是一个组合滤波和加权函数以计算动态角度估计的算法的例子。

组合单轴传感器输出

图2. 组合单轴传感器输出。

MEMS IMU频率响应分析

围绕新的MEMS IMU开发稳定系统时,在系统设计早期阶段了解频率响应是非常重要的,因为IMU的频率响应将对控制器设计产生直接影响,可以帮助识别潜在稳定性问题—特别是在考虑到新一代设计的高带宽解决方案时。这些信息对于预测陀螺仪的振动响应也非常有用。

评估IMU带宽的一种策略是确定哪些信息在产品文档中提供,分析此类信息对系统的惯性运动响应的影响,并稳定系统的响应。此类分析以及它涉及的所有校正操作将成为初始测试的基础。

率响应在IMU和陀螺仪的规格表中表示为"带宽"。作为一个性能参数,它表示某个频率,输出信号幅度在该频率下降低到传感器遇到的实际运动幅度的大约70% (–3 dB)。某些情况下,带宽可也定义为输出响应落后于实际运动90度时的频率(对于双极系统)。这两个指标可以直接影响控制环路的一个重要稳定准则:单位增益、相位裕量—环路响应的实际相位角度和–180°之间的差值,环路增益为1。了解反馈传感器的频率响应,是优化稳定性保证和系统响应之间的平衡的关键因素。除了管理稳定性标准之外,频率响应还会对振动抑制和制定采样策略产生直接影响,通过这些策略可以测量惯性平台上的所有关键瞬态信息。

要分析系统中的频率响应,首先要从一个高层次"黑盒子"视图开始,它描述了系统在整个目标频率范围内对输入的响应。在电子电路中,输入和输出是从一般意义上定义的,例如信号电平(伏特),分析通常包括开发传递函数,使用s域表示和电路-电平关系,例如基尔霍夫的电压和电流定律。对于惯性MEMS系统,输入是IMU遇到的惯性运动,输出通常以数字码表示。s域分析技术固然有很大作用,但要为这种类型的系统开发完整的传递函数,通常还需要采用其他技术,并且考虑到更多问题。

开始分析过程时,首先要了解与传感器信号链相关的所有组件。图3提供了典型函数的整体示意图。信号链从核心传感器元件开始,它将惯性运动转化为代表性的电信号。如果带宽在传感器元件中未受限制,则通常受ADC模块前的信号调理电路中的滤波器限制。信号数字化后,处理器通常应用纠错(校准)公式和数字滤波。第二级的数字滤波器会减小反馈系统在控制程序中使用的带宽和采样速率。所有这些级都可能影响传感器信号的增益和相位,与频率相关。图3提供了一个示例,IMU在混合信号处理系统中具有多个滤波器。该系统可作为一些实用分析技术的示例。

信号链中用于频率分析的ADIS16488传感器

图3. 信号链中用于频率分析的ADIS16488传感器。

核心MEMS传感器元件

要进行此类分析,必须了解可以量化和应该量化的所有行为,然后可对那些无法轻易量化的行为做出合理假设。充分了解"已知"可变因素之后,通常可以更加简单地重新评估这些假设以进行检查和澄清。ADIS16488的规格表(图3)显示了330 Hz的–3 dB带宽。假定核心传感器处于临界阻尼状况,而且在远低于其谐振范围(16 kHz至20 kHz)的带宽下并非主要贡献因素。这种情况并非总会出现,但它是一个很好的起点,可以使用噪声密度或完全运动测试,稍后在流程中测试到。

接口电路/模拟滤波器

此外,每个陀螺仪传感器在通过ADC模块之前都会通过双极低通滤波器。这样可以提供足够的信息,以便使用拉普拉斯变换来开发S域中的传递函数表示。第一极(f1)的频率为404 Hz,第二极(f2) 的频率为757 Hz。

加速度计的单极 (f1)传递函数为:

这些公式为程序中的数字分析提供了依据,这些程序可管理与"s = jω" 恒等式相关的复数。在MATLAB中,以下的m-脚本将生成幅度(比率,无单位)和相位(度)信息:

Fmax = 9840/2; % one-half of the sample rate

for f = 1:Fmax

w(f) = 2*pi*f;

end

p1 = 404; % pole location = 404Hz

p2 = 757; % pole location = 757Hz

NUM1 = 2*pi*p1;

DEN1 = [1 2*pi*p1];

NUM2 = 2*pi*p2;

DEN2 = [1 2*pi*p2];

H1 = tf(NUM1,DEN1); % transfer function for first pole

H2 = tf(NUM2,DEN2); % transfer function for second pole

H488a = H1 * H2; % transfer function for 2-pole filter

[maga,phasea] = bode(H488,w);

for f = 1:Fmax

Mag488a(f) = maga(1,1,f);

Phase488a(f) = phasea(1,1,f);

end

为快速评估与这些滤波器相关的时间延迟,请注意单极滤波器的相位延迟在−3 dB频率下等于45°,也就是转折频率周期的1/8。在此情况下,加速度计的滤波器的时间延迟大约等于0.38 ms。对于陀螺仪,延迟等于两级的时间延迟的总和,约为0.47 ms。

均值/抽取滤波器级

图3说明了两个均值/抽取滤波器级的使用,它们可以降低级的输出采样速率,并且提供额外的滤波。在具有有限脉冲响应(FIR)的数字滤波器中,相位延迟等于总抽头数的一半,除以每个抽头的采样速率。在第一个滤波级,采样速率为9.84 kHz。有四个抽头,在此种类型的滤波器中,这个数字等于均值数量。相位延迟约为0.2 ms。均值滤波器的幅度响应遵循这种关系

使用MATLAB进行分析时,请使用9.84 kSPS的采样速率(fs)和4个抽头(N),以及用于分析模拟滤波器的相同频率数组(N)。使用相同频率数组,可以更加简单地组合每级的结果。请使用以下代码来分析第一级:

Fmax = 9840/2; % one-half of the sample rate

f = 1:Fmax;

NUM(f) = sin(4*pi*f/9840);

DEN(f) = 4 * sin(pi*f/9840);

for fq = 1:Fmax

Hda(fq) = abs(NUM(fq)/DEN(fq));

end

要分析第二个均值/抽取滤波器,需要事先了解控制系统的采样速率,但应使用相同的关系。例如,如果控制环路需要接近400 SPS的采样速率,则第二个滤波器的均值和抽取率将等于6(采样速率为410 SPS,有四个样本,因此为9840/[410 × 4] = 6)。使用相同的m-script 脚本代码可分析幅度响应,有三个例外:(1) 将采样速率从9480更改为2460;(2) 将两个位置的"4"更改为"6";以及 (3) 将FMAX从9840/2更改为2460/2。相位等于总抽头数的一半,除以采样速率,约为1.22 ms (3/2460)。

复合响应

图4和图5提供了复合幅度和相位响应,包括陀螺仪的模拟滤波器和两个抽取滤波器。图4表示针对数组中的每个频率,将各级的幅度相乘的结果。图5表示将每个频率下的各级的相位贡献相加的结果。标记"没有抽取"的坐标图假定输出数据速率为2460 SPS,第二个抽取滤波器级有效关闭。标记"有抽取"的坐标图假定抽取率等于6,最终输出数据速率为410 SPS。两个坐标图说明了响应差异,帮助实现控制环路采样速率和相应频率响应的系统级平衡。

模拟滤波器和第一个抽取滤波器级

图4. 模拟滤波器和第一个抽取滤波器级。

410-SPS数据速率的复合响应

图5. 410-SPS数据速率的复合响应。

可编程FIR滤波器分析

知道模拟滤波器和抽取滤波器的贡献之后,我们可以评估使用片内抽取滤波器和设计自定义FIR滤波器之间的比较权衡。在图3所示的ADIS16488中,FIR滤波器包括在IMU中,但有些系统在数字信号处理程序中实施滤波器。FIR滤波器的时域f(n) 以差分方程表示,其中z变换提供了用于频率分析的分析工具:

幸运的是,很多现代程序都包含根据基本关系进行此类分析的特定工具或命令。但在验证自动评估工具的结果或对FIR设计工具输出产生直觉的疑问时,了解它们仍然是有用的。MATLAB"fdatool"命令可启动滤波器分析和设计软件包,帮助设计和分析系统FIR滤波器实施。

惯性频率响应测试方法

在陀螺仪中测试频率响应的最直接方法是使用惯性速率表,它能够引入适当的频率成分。速率表通常包括可编程伺服电机和光学编码器,可验证电机轴上的编程旋转。这种测试方法的优势是它应用了实际惯性运动。它的弱点在于它通常不适用于刚开始使用MEMS的工程师。

对于未使用速率表的早期分析验证,测试目标频段内的频谱噪声可以提供有用的信息。这种简化方法不需要复杂的测试设备,而只需要与稳定平台的安全机械连接以及数据收集仪表。但是,它要求机械噪声具有相对于频率的"平坦"噪声幅度。

图6详细说明了使用相同双极低通滤波器的两个例子。第一个例子 (ADIS16375)使用了在有用频率范围内具有平坦响应的陀螺仪。第二个例子(ADIS16488)使用在1.2 kHz频率下具有适中峰化量的陀螺仪,它实际上将–3 dB频率扩展到大约380 Hz。对于在为控制环路进行建模和仿真的人员而言,了解这种共振行为可能是非常有价值的。在简单测试中识别这种行为,还有助于解释在执行更全面系统特征化时噪声电平高于预期的原因。如果在项目早期了解和识别这些行为,则通常可通过对滤波器极点的调整,对它们进行管理。

测量噪声密度时,请确保采样速率至少达到最高目标频率的两倍,以满足奈奎斯特准则。此外,还应提取足够的数据样本,以降低测量的不确定性。图6中的坐标图源于FFT时间记录分析,长度为256000个采样,最大速率为2.46 kSPS。

噪声密度比较

图6. 噪声密度比较。

另一种方法使用了陀螺仪的自测功能。自测功能提供了使用电气信号来模拟传感器的机械结构的机会,而无需对设备施加外部惯性运动。自测功能迫使模拟对实际运动的响应的传感器内核中发生变化,从而在电气输出上产生相应变化。并非所有产品都提供对此信息的实时访问,但它可能是一种有用工具,另外制造商或许能够提供此种类型的频率-响应测试的数据。在最简单的方法中,可将自测(模拟对步骤的响应)与分析预期结果进行比较。重复在特定频率下的自测置位,也是一种研究每个频率下的传感器响应幅度的直接方法。以图7中的两种不同响应为例。在较低频率下,陀螺仪输出类似于方波,每个转换的瞬态响应除外。瞬态响应符合传感器信号链中的滤波器网络的"步骤响应"预期。在第二个示例中,自测的频率足够高,能够防止完全建立,因而发生了幅度减小。请注意在本图底部信号上,蓝色和黑点响应之间的幅度差异。有多种方法可以估测这些时间记录的幅度。离散傅里叶变换(DFT)可将主要频率成份(自测频率)与谐波内容隔离开,这可能导致幅度/频率响应的误差。

自测

图7. 自测。

结论

向高带宽IMU发展的趋势为反馈稳定系统的设计提供了显著优势。高带宽使得多传感器系统能够实现更好的时序对齐和相位裕量管理。滤波电容的值和温度响应的变化范围可能非常广,可能导致极点频率的成比例变化。由于相位延迟取决于极点位置,因此了解和管理极点位置非常重要。例如,当反馈传感器的截止频率比控制器的单位增益反馈高两倍时,则会为环路响应增加大约22.3°的相位延迟。如果截止频率降低20%,则相位延迟增加大约5.6°。提高单位增益带宽中的截止频率的比率,可将这些影响减小4倍。

要了解IMU的带宽及其在系统稳定性中的角色,应该使用分析、建模、测试数据以及这些因素的迭代。首先要量化可用信息,做出假设以弥补所有漏洞,然后制定计划来优化这些假设。

作者:Mark Looney

Mark Looney是ADI公司(美国北卡罗来纳州格林斯博罗)的MEMS和传感器产品线应用工程师。自1998年加入ADI公司以来,他在传感器信号处理、高速模数转换器和DC-DC电源转换领域积累了丰富的工作经验。他拥有内华达州大学雷诺分校电子工程专业学士和硕士学位,曾发表过数篇有关在工业应用中运用MEMS技术的文章。

围观 3
88

想象一下,如果建筑、仓库、机场、家庭住宅或工厂能够实现智慧化和互联,并且真正做到高效能和动态的自动感测,这些改变将会为我们的工作与生活带来什么样的巨大变化?

事实上,随着半导体技术的进步,以下的应用场景正离我们越来越近。

仓库中任何一个货板都能够报告货物质量和重量,并同时处理货物装载的历史记录。

例如,智能互联卷标技术对于追踪零件,以及整个供应和生产制造链的供货处理优化扮演了十分关键的角色。

无线连接技术是未来智慧建筑和智能仓库的另一个关键要素。对于机器和供货的监视、控制与追踪往往需要一个可扩展的无线网状网络。而控制环路的实际要求对于无线网络协议也会产生一定的影响。

此外,作为无线网络早期应用之一的资产追踪在范围和定位特性等方面也有一些额外的要求。不过,以上应用都有着无线节点的超低功耗以及充足的处理能力,因为大多数应用的无线节点在使用寿命内都会避免更换电池的步骤。

图丨管理员只需要一部智能手机,就能监测到建筑或工厂内实际运作的状态。

在机器会造成高额损失或使业务中断的工业或商业设施中,预测性维护至关重要。

目前,各式各样的感测模式能够与先进的算法组合在一起,而其中的感测技术为实现可靠和高效运转的智能工厂打下了扎实的基础。

一个现代的超声波或电磁流量计能够检测液体或气体流动中任何微小的振动,从而快速探测出气体和液体损耗,并迅速确定其外泄的位置。智能断路器能够报告能源使用概况,或线路中潜在的电流外泄。

办公大楼窗户上的智能玻璃是一块透明的太阳能板,或是能够优化能源使用的“能源路由器”。

智慧建筑将透过使用高效太阳能板或其他替代能源(例如结合液流电池的燃料电池)来优化能耗。

能源的高效生成、使用和储存可以在不影响质量或生产率的情况下使能源成本大大降低。智慧建筑也将透过电网电力和替代能源的组合电源,以及结合那些需要频繁进行能源转换的大容量能源储存设施来进行供电。

为了节约能源,转换的效率和负载感知变得相当重要。

高性能转换器和逆变器需要高效的高压功率晶体管和智能驱动器/控制器。

具有数字控制环路的智能电源解决方案,能帮助从电网电力到能源储存的AC/DC能源转换,以及将储存能源或太阳能板搜集到的能源转换为AC负载的DC/AC能源逆变系统。

全新装置将有可能实践高效双向的能源转换。未来,建筑物将安装“能源路由器”,把来源不同、形式各异的能源引至不同负载,这一点与进行数据上传和下载的数据路由器相似。

先进的半导体感测技术进步逐渐实际应用在智慧建筑中,且能够在环境感测型建筑内执行资源的动态追踪与管理。

在场传感器、热能和化学传感器、视觉传感器、流量计量以及许多其他类型的传感器正广泛的应用于许多现代商用设施中,使得智慧建筑的保护和安全性也大幅提升。包括照相机、超声波、光学和雷达传感器在内的互联视觉传感器布署,使智慧建筑中几乎不存在监控死角。

此外,先进的气体和散热传感器还能够追踪和分析有害外泄化学物质,进而精确地探测出有害外泄或危险产生的潜在区域。

图丨一栋智慧办公大楼可以根据工位布置迅速调节供热、光照、通风、会议室空间和视听需求。

在一栋常见的智慧建筑设施中设有成千上万个互联传感器;这些传感器必须在连接和工作时保持步调一致,以提供可靠的监测和控制。

虽然某些较高功率的传感器可以透过以太网络实现互联,但更大规模的布署则需要一个互补型的传感器网络。

大数据处理、超低功耗无线网状网络、嵌入式传感器技术、低能耗管理监控和其他模拟与嵌入式处理电子组件领域内的创新技术汇聚一堂,更加快了智慧建筑的实现。

更高的安全性、保护能力、生产率和质量是目前智慧建筑的开发人员们采用这项创新技术的原因所在。在未来,智慧建筑将真正走进人们的日常生活,并成为不可或缺的一部分。

本文转自:智慧建筑都用了哪些技术?

点击这里,获取更多IOT物联网设计信息

浏览 1 次
76

页面

订阅 RSS - 物联网