ADI

智能化是近年来制造业最重要的趋势,历经过去几年的市场教育,这两年市场询问度已开始提高,而从2016年开始,IT产业掀起人工智能(AI)热潮,AI与物联网的整合将成为未来各垂直领域的主流系统,在制造业中,AI也将成为工业物联网的核心运算架构之一。

自从德国率先喊出工业4.0后,相关科技也同步的突飞猛进,包括工业物联网、大数据分析、机器人等技术发展至今,已渐渐打造出新型态的智能工厂与全新的工业化标准。

尤其近几年来,人工智能(AI)浪潮袭来,更赋予工业4.0全新的发展方向,明确分野自动化及智动化的差异,包括机器视觉、深度学习等利用算法分析为主的人工智能技术,已成为工业4.0未来发展的全新趋势,不仅让自动化与机器人的技术更为精准、制造业也开始进入如无人工厂等全新的科技领域。

图1丨自动化是现代工业的技术根基,AI导入将全面提升自动化系统效益

就目前发展来看,智能制造有三大趋势,首先是生产网络,这部分主要是应用制造运行管理系统(Manufacturing Operations Management, MOM),协助生产价值链中的供货商获得并交换实时生产信息,供货商所提供的全部零组件都可在正确的时间以正确的顺序到达生产线。

第二个趋势是虚拟仿真与真实物理系统的完美融合,在生产制造过程中的每一步都将在虚拟世界被设计、模拟及优化,为真实的物理世界包括物料、产品、工厂等建立起一个高度仿真的数字双生(Digital Twin,Twin Model)。

第三个趋势则是网宇实体系统(Cyber-Physical System,CPS),在此系统中,产品信息都将被输入到产品零组件本身,它们会根据自身生产需求,直接与生产系统和设备沟通,发出下一道生产工序指令,指挥设备自行组织生产,这种自主生产模式能够满足每位用户的订制化需求。

以大数据建立运算模式

上述的三大趋势,未来都会与AI有一定程度的整合,例如在产线监控、机器人、无人搬运车等,都将有AI运算功能设计,主因在于大量订制化的趋势,工厂需要面对的产品类型、产线调动等各种生产情境的难度也会大增,虽然透过传感器及大数据分析,管理者已经可以掌握更多用来帮助决策的信息,但也因为信息量大量增加,增加管理者的信息分析压力,加上市场变化愈来愈快速,人类的分析速度恐怕已经愈来愈难跟上提供速度愈来愈快的前端数据,自然也就更难让制造现场的机台能够迅速反应客户需求,AI应用于制造业,将可让系统从大数据分析找出规律性建立模式,进而学习避免前面发生的错误,甚至做到提前预测,应用于制造领域,不仅可以缩短停机时间,更可适时做出产线调整,减少呆料及废料的发生频率。

图2丨连网是工业物联网架构的基础,未来AI将会分析设备设网所取得的大量数据,作出具智能的判断与建议

对工业物联网来说,取得数据和分析数据是核心任务,而来自传感器的数据点经过多个阶段才能转化为可操作的见解,工业物联网平台包括可扩展的数据处理流程,能够处理需要立即关注的实时数据,以及仅在一段时间内有意义的数据,当检测到压力和温度阈值的异常组合之后,物联网平台关闭液化石油气灌装机可能已经太晚了,应该在毫秒之内检测到异常,然后依规则触发立即反应。

就目前发展来看,AI有几种算法,例如热点路径分析的核心是负责检测异常的规则引擎,物联网平台嵌入复杂的规则引擎,可以从传感器数据流动态评估复杂的模式,由了解模式和数据格式的领域专家来定义规则引擎的基准阈值和路由逻辑,这种逻辑作为规则引擎在编排讯息流中的关键输入,在数据点移动到数据处理流程下一个阶段之前,为每个数据点定义嵌套的语句条件,规则引擎已经成为物联网平台的核心,而机器学习的关键领域之一是从现有数据集中找到模式,将类似的数据点分组,并预测未来数据点的价值。

机器学习有关的高阶算法可用于分类和预测分析,由于这些算法可以从现有数据中学习,且大多数物联网数据都是基于时间序列,因此这些算法可以根据历史数据预测传感器的未来值,这些多种机器学习算法的组合,将可替代工业物联网平台中的传统规则引擎,虽然领域专家仍然需要根据条件定义采取行动,但这些智能算法提供更高的准确性和精准度。

AI + HI大幅提升效益

工业物联网中的机器学习最大应用之一是设备的预测性维护,透过关联性和分析模式变化来预测设备故障,并报告如设备的剩余使用寿命等关键指标,预测维护未来也可应用在航空航天、制造、汽车、运输、物流和供应链等领域,例如预测模型安排至汽车服务中心,在航空业中,预测维护方案的目标是根据维护历史和飞行路线讯息等相关数据来预测航班延迟或取消的可能性。

图3丨在工业领域,AI与HI必须协力合作,方能创造系统最大价值

观察物联网的发展态势,目前工业物联网是所有垂直应用中,发展最快的类别之一,AI在工业物联网主要是协助操作者与管理者,筛选从大量设备撷取出的数据,并做出判断,但是目前的AI并无法做出具有逻辑性的决策,因此在制造领域,AI必须与人类智慧结合,才会是系统的最佳效益。

本文转自:工业物联网进入人工智能时代

点击这里,获取更多IOT物联网设计信息

围观 2
86

作者:Duncan Bosworth,ADI公司

随着国防领域信息和监控需求的不断增长,无线技术的普及性及其需求达到了前所未有的高度。在整个航空航天和国防工业,无线系统已部署于广泛的应用之中,为单兵系统、无人系统控制、系统级健康、生命体征监控等众多应用提供支撑。

国防界曾广泛讨论过增加通向战士的数据流量的必要性问题。然而,无线通信已开始从根本上改变新一代系统的发展动向。增加数据流量、加强监控、无线革命和物联网(IoT)(对于商业和工业领域二者实为同义词),所有这些都将会对航空航天和国防市场产生同样深远的影响。

过去10年,随着新波形、宽带宽信号的出现,军事通信系统多次升级,为增加通向战士的数据流量创造了条件。目前,采用AD9361一类收发器的战术电台已能充分发挥软件定义无线电(SDR)架构的优势,根据需要实时适应战区内的不同通信标准和协议。带宽更宽的数据链路不但可以实现向战士传输数据,还可实现从战士接收数据。这类数据可能包括实时视频影像和资产跟踪信息,将来还可能包括健康监控等功能以及惯性导航信息等。图1所示为现代及新一代战士可能使用的多种系统。

图1. 士兵系统

随着传感器集成度的提高,随着尺寸、重量和功耗(SWaP)的下降,将会有更多的传感器集成到单兵系统中,以实现这些功能及类似功能。

传感器的数量以及所产生的数据量都将要求使用无线互联技术,要求先用短程数据链把数据聚合起来,然后再由战术电台把数据传送回指挥中心,以便指挥机构对战士进行监控并为其提供更好的支持。无人驾驶飞行器,尤其是无人机(UAV)的运用进一步推高了对无线数据的需求,同时也对频谱的利用起着推动作用。在国防领域,目前有大量的各类飞行器在役,从Northrop Grumman公司全球鹰等大型平台到Aerovironment公司大乌鸦无人机等小型平台系统,应有尽有。对于这些飞行器和波形来说,无线网络和卫星通信链显然是一个主要要求。业内专门为这些系统制定了标准,包括小型无人机系统数字数据链(SUAS DDL)波形。借助这样的波形,不但可以实现对小型无人机的控制,更重要的是,还能将机载传感器网络发来的数据和视频信息传到控制器。利用该网络可以更加灵活、更加有效地收集现场情报。然而,这些平台功率有限,并且在可用带宽有限且要求多个系统在同一频段工作的情况下,它们推高了对通信链中所用收发器的需求。

尽管国防工业在无人机系统领域处于领先地位,但大量报道显示,许多商业系统和运营商计划将来采用无人机技术,据报道,亚马逊、谷歌等公司正在开发这些系统。诸如此类的商业活动同样要求无线和安全数据链。随着这一市场领域的发展,分配频谱需求将继续水涨船高,进一步推高对高级通信收发器的需求。进一步深入航空航天领域,在如今商用飞机上,无线宽带通信系统大行其道,如此一来,乘客就可在飞行途中通过WiFi访问互联网。目前,对这些服务的需求及其延伸必将延续下去,大量利用卫星通信以在全球实现宽带连接。除这些发展动向以外,航空航天市场已开始主动寻求将无线技术引入一系列其他应用领域。业内已开始主动评估无线传感器的应用价值,以期提高安全性和燃油效率。通过降低飞机重量,可以提高燃油效率。为此,对传感器技术以及传感器之间的互联选择也在进行严格审核。在现代高级军用和商用飞机中,所用线缆可能多达100000条,长度可能超过470米,重量可能高达5700公斤,这还不包括结构固定点的基础设施和导线,这些可能再增加30%。虽然用无线传感器取代所有这些的可能性不大,但由企业、学术界和政府机构成立的合作组织航空航天飞行器系统研究所(AVSI)已着手对这种可能性展开研究。AVSI成立了一个工作组,专门研究无线航天电子内部通信(WAIC)技术,其目标是在不使用电缆和线束的情况下,把多种多样的飞机传感器相互连接起来。

尽管在这种应用中,无线传感器无疑会减轻重量,传感器网络还能带来其他好处,包括可再配置能力,可能还有利于提高安全性,但更重要的是,无线传感器还能快速添加和升级传感器,无需增加布线和基础设施。对飞机上更多功能进行监控和调整的能力有可能大幅提高效率,因为可以实时调整发动机、热管理系统等组件。此外,添加设备健康监控和额外的安全监控功能以后,可以更加密切地监控维修和保养需求,从而及早发现问题,并更加有效地安排维修工作。WAIC工作组列出了可能从该技术受益的多种系统:

• 烟雾检测
• 油箱/燃料管线
• 近程检测
• 温度
• EMI事故探测
• 湿度/腐蚀检测
• 机舱压力
• 紧急照明
• 结冰探测
• 起落装置(位置反馈、制动器温度、胎压、轮转速、转向反馈)
• 飞行控制位置反馈
• 舱门传感器
• 发动机传感器
• FADEC-飞机接口
• 飞行数据
• 发动机预测
• 飞行甲板和机舱乘员图像/视频(安全相关)
• A航空电子通信总线
• 结构健康监控/结构传感器
• 主动振动控制

在上述多个例子中,为飞机系统监控功能添加无线通信链是难上加难。为了切实有效,许多系统需要用电池供电,并且需要超长时间工作,甚至可能长达数年不更换。要在功率有限的环境中达到所需传感器量,就要采用传统电池以外的能源。用能源采集技术作为替代电源,有利于提高传感器的灵活性,有利于改善SWaP。

图2. AD9361—宽带收发器

图3. ADF7023—ISM频段收发器

从单兵系统到航空航天应用,上述所有例子都展现出对无线通信和传感器与日俱增的依赖,一些需要解决的新问题也随之而来。ADI公司正在努力为这些种类繁多的问题提供一个综合性解决方案。改进型无线通信收发器是该解决方案的关键。除此以外,我们还在能源采集和传感器领域展开了研究,同时致力于提高全部三种设备之间的互操作性。

为了支持通信数据链,诸如AD9361一类的高度可配置收发器以及ADF7023和ADF7024等ISM频段器件可为无线连接领域提供解决方案。AD9361和AD9364均为高度可配置射频到比特收发器,支持的通信链范围为200 kHz至56 MHz,射频频率范围为70 MHz至6 GHz。

它们采用直接变频架构,搭载有低噪声放大器、混频级、高速转换器和数字信号处理算法(包括高级正交误差校正算法),封装尺寸为10mm2,为宽带通信链提供了一个真正的射频到比特解决方案。该器件已经广泛应用在军事通信领域,因为它们能支持动态再配置。类似地,因具备强大的软件配置能力,还可针对许多其他通信数据链需求(与无人机部分所述要求相似)提供单一的解决方案。高度的可配置能力可实现真正意义上的软件定义无线电(SDR),为将开发的一款硬件应用于多个系统创造了条件,尤其值得一指的是,其典型功耗不到1 W。

ADF7023、ADF7024和ADF7242均为超低功耗集成式收发器,专门针对免许可的ISM频段(433 MHz、868 MHz、915 MHz和2.4 GHz)而设计,具有特别的波形调制功能,频移键控(FSK)或高斯频移键控(GFSK),并具有较低的数据速率,ADF7024最高为300 kbps,ADF7242为2 Mbps。尽管这些器件不如AD9361灵活,但也集成了类似的功能,使器件能支持射频到比特收发器。例如,ADF7024即可满足这一要求,封装尺寸仅为5 mm2,接收模式下功耗低至12.8 mA;在功率水平和长寿命至关重要的应用中,可以用来收发传感器数据。

进一步增强传感器技术与无线通信节点之间的融合,其必要性显而易见,推动半导体工业走向两大要素的整合,促使半导体工业提升密切整合这两个要素的能力。要完全解决传感器和物联网难题,可以采用综合性方法,配合使用多种器件,借助不断增强的传统型精密放大器和转换器实现温度、电流和电压检测。进一步说,采用MEM型陀螺仪和加速度计的众多导航系统和健康监护系统具备监控单兵运动并进行跟踪的潜力,也可用来监控系统振动,并在检测到意外运动时确定系统健康状况。

例如,ADIS16488A iSensor®就是一款完整的全集成式高性能惯性系统,其中包括一个三轴陀螺仪、一个三轴加速度计和一个三轴磁力计,可以当作组件用在人员跟踪系统或振动监控系统中。该系统以MEM技术为依托,提供了一款经济型的运动跟踪解决方案,可以置入或集成到设备之中,并通过无线通信系统接入单兵电台,然后将数据传回指挥中心,由打造出一种全面的单兵跟踪解决方案,尤其是在无GPS信号的环境中,有助于增加搜索和救援行动的便利性。

图4. 可能的无线传感器互联系统

类似地,用于振动监控应用时,ADI iSensor和MEM器件可实现机器健康分析功能,尽早发现可能出现的设备故障问题。由于对安装位置要求较严,此类传感器往往难以安放,但是,如果把低功耗电池供电型射频收发器与传感器结合起来,即可轻松解决器件安放的问题。在这种方案下,数据被传输到中央监控装置,也可能通过蜂窝或卫星通信网络传回远程监控站。

以上只是冰山一角,还可考虑采用基于多种技术的许多其他选项和检测系统,但所有这些系统都依靠安全射频通信来转发数据。从整个航空航天领域和国防领域来看,无线网络快速普及,数据监控和分发需求快步增长,如果无人系统的利用率达到预期,这一趋势有望加速推进。采用无线技术的主要优势是,可以同时提高效率、可再配置能力以及平台的整体安全性。这些特点推动着ADI公司多种产品线朝着目标方向发展,为实现新一代系统目标提供了坚实保障。由于能够运用安全性更高并且支持定制波形的商用技术,因此,物联网必然会在现代和未来航空航天系统及国防系统中发挥关键作用。

点击这里,获取更多IOT物联网设计信息

围观 4
91

想实时监控你的步数、心率、心率变异指数 (HRV)、 用户体温、活动水平和/或压力水平吗?

想了解现有的压力水平测定技术吗?

想知道皮肤电活动(EDA)与身体压力水平的关系吗?

今天,我们要分享的是一个有用的实体系统,用于研究并最终评估/量化人的压力水平。

什么是压力?

压力是导致身体或精神紧张的生理、心理或情绪因素。压力分为外部压力(环境压力、心理压力或社会因素所致压力)和内部压力(疾病或医疗程序导致的压力)。

压力可能引发“战或逃”的反应,这是神经系统和内分泌系统的一种复杂反应。“战或逃”反应(在创伤后压力症中也称为战斗、逃跑、僵死或服从反应,反应过度,或急性应激反应)是对感知到的有害事件、攻击或生存威胁作出的一种生理反应。

该反应始于杏仁核,结果在下丘脑中触发神经反应。初始反应后,脑下垂体被激活并分泌促肾上腺皮质激素。肾上腺被同时激活并释放肾上腺激素。

释放化学信使后会产生皮质醇激素,导致血压和血糖升高,对免疫系统形成抑制作用。触发初始反应和后续反应是为了增加能量。肾上腺素与肝细胞结合后产生血糖,实现能量的提升。另外,皮质醇循环是为了把脂肪酸转换成可用的能量,结果促使人体肌肉做好反应准备。儿茶酚胺类激素(如肾上腺素或去甲肾上腺素)会促进即时身体反应,为激烈的肌肉反应做好准备。

然而,在持续需求下,压力系统长期处于活跃状态,可能损害人体健康。压力会导致多种疾病,对人的身心造成影响。

测试压力水平的方法

有不同的方法可以用来检测和确定压力水平,最重要的方法是:测量皮质醇水平,取得心率变异指数,或者获得皮肤电活动数据。

测量皮质醇水平

皮质醇是糖皮质类激素中的一种甾类激素,是人体肾上腺中的肾上腺皮质产生的。人体释放皮质醇是对压力的回应。因此,测量皮质醇水平被认为是量化压力水平的黄金标准方法。然而,该技术存在两个重要问题——

从威胁出现到皮质醇水平发生变化这一过程的延迟问题,延迟可能长达 15 分钟;

要检测用户日常生活中的威胁和压力状况,就需要持续取得压力水平数据(是最重要的问题)。

因此,无论对谁来说,这种方法都太复杂、太昂贵、太不友好;可见,皮质醇测量并不适合普通用途。

获取 HRV

HRV 是两次心跳间时间间隔发生变化的这种生理现象,其测定标准是心跳间时间间隔的变化。

目前,市场上有多种设备都能测量心率。这些设备的分辨率最高为每分钟一次(心跳/分钟)。该分辨率足以满足多种应用的需求。然而,针对压力评估的 HRV 分辨率要高 10 或 100 倍。这意味着采样频率和算法复杂程度一定非常高,所以,系统功耗也是个大问题,无法满足可穿戴式产品或 24/7 全天候应用的需求。

获取 EDA

EDA 是衡量汗腺渗透率神经介导性效应的一项间接指标,为小电流下皮肤电阻的变化或者皮肤不同部分的电位差。

EDA 在功耗、人体工程设计和电路尺寸方面比其他技术更有优势。

皮肤电活动测量系统

本研究旨在开发一种用于研究和估测人的压力水平的有用工具。人的压力水平不是恒定不变的,而是取决于人感知到的威胁。每个人对这些威胁的感知是不同的,有许多因素会使一个人眼中的简单事件变成另一个人眼中的巨大威胁。在医院里进行压力测试以确定人的压力水平是没用的,因为这些威胁出现在患者的正常生活当中。可见,有必要开发一种系统,使我们能在人的正常生活中估测其压力水平。因此,该系统必须具有非介入性、用户友好和可穿戴的特点。最后,该系统还必须能工作数天而无需充电或更换。

针对最终设备的这些要求意味着系统必须符合下列特点:

电池供电,因为必须可穿戴

低功耗,因为必须对患者监控数天时间

小尺寸,因为必须可穿戴且用户友好

低成本,因为如果太贵,解决方案就无法被运用到任何消费级设备当中

符合安全法规

为了确保系统的非介入性,必须考虑数据记录部位。电极的最佳安放部位是手腕上部,因为这种设计可以确保设备的下列特点:

非介入性;

用户友好性;

机械设计的简单性。

然而,在该部位获取的信号在质量上不如从身体其他部位获取的 EDA 信号,比如食指与中指的中节指骨。

一旦确定了 EDA 信号获取电极的安放部位,我们就知道,最终(目标)系统要采用智能手表或类似设备的形式。这里要确定的下一个指标是 EDA 电路可以使用的面积。为了确定这个参数,我们分析了多款智能手表,并就这个话题咨询了多家供应商。结论是,EDA电路的最大面积要小于5 mm × 5 mm。

EDA 电路的功耗是要明确的第三个参数。该参数是确保系统能持续数天记录 EDA 信号而无需充电或更换设备的关键。我们取得了不同智能手表的电池容量数据和部分可能商用系统的功率预算数据。经过研究,确定了功耗目标,要求平均功耗不得超过200 μA。

最后,要明确的最后一项指标是成本。然而,目前还无法确定该指标,因为有多种因素可能会影响到设备的最终成本。精心选择电路拓扑结构和器件,确保最终解决方案的成本处于合理水平。

硬件设计

本节描述电路拓扑结构、测量范围和分辨率的确定方式。

* 关键决定:确定电路的拓扑结构

基本而言,测量阻抗的方法有两种。系统可以施加电流并测量阻抗范围内的电压,也可以施加电压并测量阻抗范围内的电流。另外,这些施加信号既可以是直流信号,也可以是交流信号。重要的是要分析每种方法的优势和不足。

有多种电路可以测量交流信号,每种都有自己的优势和劣势。然而,为了达到性能、成本和面积方面的限制要求,我们认为最佳选择是以下解决方案。

用一个交流电压源作为激励源,测量通过患者身体的电流,由此确定皮肤电导率。该解决方案可以避免在单个汗腺上施加高压,从而避免了汗腺受损的危险,并且符合 IEC6060-1 标准的要求。交流信号消除了电极极化问题。

我们需要数字化、存储和分析要测量的电流。意味着电路需要一个模数转换器 (ADC)。由于多数ADC转换的是电压而不是电流,所以,我们需要先把通过患者身体的电流转换成电压。这可以通过一个跨阻放大器 (TIA) 来实现的。在选择最佳运算放大器时,要考虑的三个关键指标是噪声规格、尺寸和功耗;在实现TIA时要用到这些指标。

* 必须确定:测量范围和分辨率

EDA信号放大方面的问题主要源于其宽范围和高分辨率要求。一般地,皮肤电导设备必须覆盖的范围为0 μS至100 μS,还要能检测0.05 μS的波动。分辨率可以通过12位分辨率以上的ADC实现。对于分辨率,本项目的目标是0.01 μS,因此需要采用14位或16位分辨率的ADC。

为了在100 μS的范围内获得0.05 μS的分辨率并达到安全法规的要求,需要采用下列模块。

一个交流电压源

确保符合IEC6060-1规范的保护元件

用于测量通过患者身体的电流的电路

环境温度和皮肤温度的变化会导致EDA信号变化。因此,也有必要取得环境温度和皮肤温度。这可以通过一个简单的热敏电阻和几个分立元件以及一个ADC来实现。

* 功耗功耗功耗,重要的参数说三遍

为了降低功耗,确保仅在需要进行新的测量时激活系统,必须同时集成一个电源管理单元。该模块必须能由主微控制器轻松控制,并且必须为整个 EDA 测量电路供电。图1所示为完整的功能框图。

图1. 系统框图

最佳组件

* 电源管理单元

ADP151系列实现电源管理单元,因为该系列具有多个不错的特性,其封装和噪声水平也非常适合本应用的需要。

* 电平转换器

有多种方式和广泛的集成电路可以用来形成电平转换器。然而,这些集成电路的面积和价格却无法满足本项目的限制要求。因此,本电路中的电平转换器是用分立元件实现的。基本地,电平转换器由一个晶体管DMN2990UFZ,和一个电阻构成。

* 低通滤波器和TIA

为了实现低通滤波器和TIA,我们选用了ADA4505-2ACBZ,因为它具有优秀低功耗水平、小尺寸和输入偏置电流超低等特点。

* ADC

符合所有系统要求的ADC是AD7689BCBZ。这款强大的ADC集成了可以在不使用时关闭的基准电压源,因而可以降低功耗。

最后,为了确保达到面积限制要求,我们将使用的组件和功能数量降至最低,并且为所有组件选择了最小的封装。图2所示为该系统的布局和尺寸。

图2. EDA 分立式电路布局

软件设计

系统需要生成一个激励信号,用于测量皮肤的电导率。该激励信号是一个交流信号,从交流测量值抽取的两个参数是信号幅度和激励信号与获取的信号之间的相位延迟。最重要的参数是幅度,可以通过多种方式从交流信号中获取该参数。然而,在本系统中,获取幅度的最佳方法是实现离散傅里叶变换 (DFT)。

也可以将DFT视为滤波器组,其衰减水平与样本数成正比,最大值的位置取决于激励信号

在这里,有理由采用较大的样本数 (N) 来实现DFT,因为这样做可以改善SNR。然而,DFT的功耗(如果直接实现)与样本数成比例,采集的样本越多,功耗越大。这意味着在样本数与功耗之间存在一个重要的折衷点。

另一个重要参数是采样频率与激励频率之比。如果采样频率为激励频率的4倍,则用于实现DFT的等式会非常简单。这种情况下,涉及浮点乘法的复杂等式会成为加法。如果可用处理器为DSP 或Cortex®-M4,则乘法也是可行的。然而,如果必须在Cortex-M0 中进行计算,则这可能会成为一个重要问题。不妨比较如下等式和 100 Hz频率窗口 (FCENTER) 的单点DFT计算滤波器表达式,其中,采样频率 (FS) 为400 Hz和500 Hz。

明确要采用的技术以及激励频率与采样频率之比之后,下一步就是确定激励频率。

激励频率必须尽可能低,以确保电流会流过患者的皮肤,但不会渗入身体。因此,激励频率必须小于1 kHz。同时需要指出的是,本应用的主要噪声源是市电产生的50 Hz/60 Hz噪声。

如上等式所示,DFT的各个组分X (k) 抵消了n × FS/N形式的频谱组分的贡献,其中,n = 0, 1, 2... N – 1,N = k时除外。通过正确定义激励频率,我们可以抵消50 Hz噪声源的贡献。然而,不能使用高频率的原因如前所述。所以,不错的折衷点是100 Hz,虽然我们可能会捕捉到市电干扰源的谐波。

如果激励信号为100 Hz,采样频率为400 Hz,则在50 Hz下,当N等于 8、16和32时,会出现零。我们同时要记住的是,样本数必须尽可能小,以尽量降低功耗。因此,一种不错的折衷选项是用16个样本实现DFT。必要时,为了改善SNR,可以增加样本数。当然,如果噪声为60 Hz而非50 Hz,则采样频率应为480 Hz,激励频率应为120 Hz。频率响应如图3所示,只涉及加法的数学公式如等式所示。

图3. 可以把DFT视为滤波器组。这是16个样本条件下的DFT频率响应, 其中,采样频率为400 Hz,中心频率为100 Hz,频率窗口为矩形

机械设计

我们开发了一个评估系统,用于测试和证明以上提出的解决方案。该平台由 EDA 测量需要的主传感器以及其它必要特性构成。移动和温度可能会影响皮肤阻抗测量结果。因此,同时我们也测量了含有移动和温度的信号。

系统还包括一个电池充电器,用于对平台中使用的LIPO电池充电。该设备需要采用高容量电池,因为我们希望能实现24小时信号采集。阻抗、温度和加速度测量值被保存到存储于微型SD卡上的文件中,也可以通过低功耗的蓝牙®把数据发送到平板电脑或个人电脑上。图4所示为评估平台。

图4. EDA 评估平台。ADI watch GEN II。

结果

SNR研究

我们进行了数学分析,确保能在所选组件的噪声水平以及系统带宽条件下,实现要求的分辨率。然而,该特性需要用实际测量值检验。为此,我们用原型系统测量了多个电阻网络,以便检验功能。研究涉及对同一电阻网络进行多次测量,以检查可重复性,从而获得系统的精度数据。在这项测试中,我们对每个网络进行了100次测量,通过从取得的结果中的最大值减去最小值,取得了最大误差。误差值始终等于或小于0.01 μS。

在验证系统精度以后,下一步是检查系统的线性度。为了进行此项实验,我们将原型接入可编程电阻替代器,以1 kΩ的步进对 10 kΩ- 500 kΩ的范围进行了评估。系统的R2为0.9999992。

功耗研究

EDA 系统由一个有不同状态的状态机构成,用于获取患者皮肤电导率,确保使功耗维持于最低水平。开始时,在状态1 (S1)下,我们关闭了 EDA 的AFE,只有微控制器和加速度计处于开启状态。平均功耗为 139 μA。大约150 ms后,我们打开 EDA AFE,由 MCU 生成方波信号,然后交由LPF滤波。在该阶段 (S2),我们关闭了ADC基准电压源,因为信号还不稳定。确保信号稳定需要6个周期,在最差情况下,S2下的平均功耗为230 μA。我们在S3下打开了ADC基准电压源,系统等待10 ms,确保基准电压源稳定下来——本阶段的平均功耗为730 μA。系统在四个周期中获取4个样本,以取得用于在S4中实现DFT的16个样本点。本阶段的功耗为880 μA。DFT在阶段S5中实现的。同时在该状态下取得了加速度计数据,本阶段的功耗为8 mA左右。图5所示为系统功耗。本研究证明,EDA AFE的平均功耗要低于170 μA。

图5. 功耗分析

实验检验

现在,我们已经对系统进行过电子验证——因此,下一步是比较 EDA 电路与基准系统的性能。在本例中,我们以Empatica的E4平台作为基准系统,因为它具有良好的性能。

确定基准以后,我们要确定能看到 EDA 信号的变化的测试。选择的是“放松—压力”测试。该测试分为两步:第一步是放松练习,第二步是压力练习。

放松练习由10分钟的控制呼吸组成,目的是达到放松状态。压力状态是通过“颜色-词语-声音”游戏实现的。在该应用中,用户会听到一种颜色,看到一种颜色的文字,该文字是用一种颜色展示出来的。听到的颜色、用文字描述的颜色和展示的颜色可能相同,也可能不同。正如读者在图6中观察到的那样,可能有一个下面这样的句子:

* 选择颜色

* 选择声音

* 选择词语

图6. “颜色—词语—声音”测试应用

根据句子传递的信息和声音、文字或颜色,受试者需要按下正确的按钮。用户必须在进度条走完之前做出反应。

如果在这段时间内用户没有反应,或者如果反应是错误的,则会减去相应的分值。如果正确,则会增加相应的分值。最后,交换按钮位置。

在该应用中,有多种设置可以修改,以改变实验等级(压力水平)。

理论上,在放松任务中,皮肤电导率应该会下降,在压力活动中,应该增加。在压力活动中,应该能观察到峰值或尖峰。直流电平的变化对应于压力源的强直性反应。在压力活动中观察到的峰值被认定为形势反应,在放松任务中不会出现。

在明确用于取得 EDA 信号显著变化和预期响应的程序之后,下一步是进行实验,对我们的 EDA 解决方案与Empatica E4平台进行性能比较。为了进行比较,受试在进行测试时同时戴上两款设备。Empatica解决方案戴在右手上,测试系统则戴在左手上。这意味着预期信号必须相似,但不完全相同,因为设备是戴在不同的手臂上,测量部位不完全相同;Empatica从腕关节底部获取 EDA 信号,我们的解决方案则从腕关节顶部获取信号。两台设备获取的信号非常相似,如图7所示。在不同患者身上重复了多次本实验,以便验证系统。

图7. “放松—压力”测试(左侧为测试系统,右侧为基准设备)

结论

本 EDA 电路是一种巧妙的皮肤电导率获取方案。得益于平均功耗和尺寸优势,可以将其集成到任何智能手表或类似平台中。设备取得了预期性能效果,可以在较宽的范围内,以高分辨率测量皮肤电导率。EDA 电路采用特殊设计,避免了极化和半电池电位效应,可以兼容任何类型的电极。另外,还达到了 IEC6060-1 的要求。

为了评估和测试电路的特性,我们设计了一个原型。系统设计用以可以在不充电的情况下,24小时持续获取 EDA 信号以及皮肤温度、环境温度和移动数据,并把信息存储起来或者以无线方式实时发射出去。因此,可以用该平台从处于不同状况的不同人身上采集 EDA 数据,不受时间限制。最后,可以利用这些信息开发算法,以便检测、估测或预测人的压力水平。

点击这里,获取更多IOT物联网设计信息

围观 7
88

作者:Jian Yin 和 Eddie Beville

引言

电路板装配、PCB 布局和数字 IC 集成方面的进步造就了新一代的高密度、高性能系统。和其他的子系统一样,这些系统中的板载负载点(POL) DC/DC电源也面临着同样苛刻的尺寸、性能和功率要求,而这些要求是难以借助传统的电源模块或控制器/稳压器IC来满足的。LTM4601 DC/DC µModule 通过把一个整体解决方案压缩成一个扁平IC的大小而使上述要求得以满足。其频率同步和电压跟踪功能使得能够简便快捷地对多个 LTM4601 进行配置,以适合多输出应用的需要。

四输出 DC/DC 转换器电源系统

图 1 示出了一个采用 4 个具频率同步和输出跟踪功能的 µModule 转换器的四输出 DC/DC 电源照片。4 个输出的工作波形是交错的(彼此之间的相位差为90°),因而降低了有效的输入电流纹波。这反过来又显著地减小了电路的体电容和电路尺寸。

图2描绘了图1中每个输出的效率曲线。当输入电压为12V时,通过停用其他三个输出来对每个输出进行高达12A的电流条件测试。高至92%的高效率确保了电路板中的低损耗,从而实现了系统高度的缩减。

图 3 给出了图 1 所示电路的简化方框图。如需获取详细的原理图,请查阅 LTM4601 数据表的第 22 页。一个 8V 至 16V 的中间总线输入被转换为 4 个不同的输出,即:1.5V (在12A)、1.8V (在12A)、2.5V (在12A) 和 3.3V (在 10A)。输出电压由 LTM4601 VFB 引脚上的电阻来设定。四相振荡器 LTC6902 产生 90° 交错的时钟信号。而且,还可以通过在 LTC6902 MOD引脚和 V+ 之间增设一个外部电阻器来启动扩频调频(SSFM)功能。

详文请阅:简单且紧湊的四轮出负载点DC/DC µModule系统

点击这里,获取更多电机控制设计信息

围观 2
59

作者:Ben Zhang

简介

ADRF6820是一款高度集成的解调器和频率合成器,非常适合用于高级通信系统。它内置一个宽带I/Q解调器、一个小数N/整数N分频锁相环 (PLL) 以及一个低相位噪声多核压控振荡器 (VCO)。该多核VCO覆盖2800MHz至5700MHz的基频范围。本振 (LO) 输出范围为356.25 MHz至2850 MHz,可使用分频器(2分频、4分频和8分频)。

每个VCO内核包含多个重叠子频段,以覆盖数百MHz的频率范围。将寄存器0x44中的位0和寄存器0x45中的位7均设为0,PLL可自动执行VCO频段校准并支持选择最佳VCO。

PLL锁定过程包括两个步骤:

1. 通过内部环路自动选择频段(粗调)。在寄存器配置期间,PLL首先根据内部环路进行切换和配置。随后由一个算法驱动PLL找到正确的VCO频段。

2. 通过外部环路细调。PLL切换到外部环路。鉴相器和电荷泵配合外部环路滤波器工作,形成一个闭环,确保PLL锁定到所需频率。校准大约需要94,208个鉴频鉴相器 (PFD) 周期;对于一个30.72 MHz fPFD,这相当于3.07 ms。

校准完成后,PLL的反馈操作使VCO锁定于正确的频率。锁定速度取决于非线性周跳行为。PLL总锁定时间包括两个部分:VCO频段校准时间和PLL周跳时间。VCO频段校准时间仅取决于PFD频率;PFD频率越高,锁定时间越短。PLL周跳时间由所实现的环路带宽决定。当环路带宽比PFD频率窄时,小数N分频/整数N分频频率合成器就会发生周跳。PFD输入端的相位误差积累过快,PLL来不及校正,电荷泵暂时沿错误方向吸入电荷,使锁定时间急剧缩短。如果PFD频率与环路带宽的比值提高,周跳也会增加;对于给定PFD周期,提高环路带宽会缩短周跳时间。

因此,当使用自动校准模式时,总锁定时间对某些应用来说可能太长。本应用笔记提出一种通过手动选择频段来显著缩短锁定时间的方案,步骤如下:

1. 按照表1所示的寄存器初始化序列使器件上电。默认情况下,芯片以自动频段校准模式工作。根据所需的LO频率设置寄存器0x02、寄存器0x03和寄存器0x04。

表1. 寄存器初始化序列

2. 读取锁定检测 (LD) 状态位。若LD为1,表明VCO已锁定。

3. 通过串行外设接口 (SPI) 回读寄存器0x46的位 [5:0]。假设其值为A,将系统中所有需要的LO频率对应的寄存器值保存到EEPROM。由此便可确定频率和相关寄存器值的表格(参见表2)。

表2. 查找表

4. 为缩短LD时间,将ADRF6820置于手动频段选择模式,并用第3步收集到的数据手动编程。手动编程步骤如下:

a) 将寄存器0x44设置为0x0001:禁用频段选择算法。
b) 将寄存器0x45的位7设为1,从而将VCO频段源设为已保存的频段信息,而不是来自频段计算算法。用第3步记录的寄存器值设置寄存器0x45中的位[6:0]。
c) 通过寄存器0x22的位 [2:0] 选择适当的VCO频率范围(参见表3)。表3. VCO频率范围

d) 根据所需频率更新寄存器0x02、寄存器0x03和寄存器0x04。寄存器0x02设置分频器INT值,即VCO频率/PFD的整数部分;寄存器0x03设置分频器FRAC值,即 (VCO频率/PFD − INT) × MOD;寄存器0x04设置分频器MOD值,即PFD/频率分辨率。
e) 监视LD以检查频率是否锁定。例如,PFD = 30.72MHz且LO = 1600 MHz。

表4. 手动频段校准寄存器序列

图1和图2分别显示了自动频段校准模式和手动频段校准模式下的锁定检测时间。图2中,线1(锁定检测)上的高电平表示PLL已锁定。线2 (LE) 代表LE引脚,是一个触发信号。注意:锁定检测时间必须从低到高读取。自动频段校准模式下,锁定时间约为4.5 ms;手动频段校准模式下,锁定时间约为360 μs。数据的测量条件为20 kHz环路滤波器带宽和250 μA电荷泵电流配置。

图1. 自动频段校准模式下的锁定时间,用信号源分析仪测试

图2. 手动频段校准模式下的锁定时间,用示波器测试

结论

利用手动频段选择,锁定时间从典型值4.5 ms缩短到典型值360 μs。对于每个频率,首先利用自动频段选择确定最佳频段值并予以保存。因为最佳频段值随器件而异,因此须对每个ADRF6820执行该程序。VCO频段无需因为温度变化而更新。

点击这里,获取更多IOT物联网设计信息

围观 6
49

戴一顶帽子,通过意念就可以开灯关灯;
买一个机器人,就可以陪你聊天学习打游戏;
装一个摄像头,就能在驾驶疲劳时及时得到提醒
……
这些充满科幻感的画面通过波士顿的诸多人工智能企业正在变成现实。依靠哈佛和MIT 等诸多世界先进科研机构的资源,波士顿已经成为人工智能等前沿科技商业化落地的试验场。

近日,清华—青腾未来科技学堂的首期学员们来到波士顿,参访了ADI 亚德诺半导体等公司。在 ADI 时,青藤未来科技学堂的学员们与 ADI 的管理和研究人员进行了深入交流,共同探讨人工智能商业化应用的现状和发展方向。

青腾未来科技学堂

在由清华经管学院和腾讯联合办学的清华—青腾未来科技学堂中,也有不少AI创业者,譬如商汤科技联合创始人杨帆、汇医慧影创始人柴象飞等,该学堂致力于为下一个独角兽注入创新 DNA,以人工智能、生命科学等前沿科技为主要聚焦方向。

ADI 亚德诺半导体技术有限公司是一家专营半导体传感器和信号处理 IC 的供应商, 主要产品包括系统及 IC 和通用标准线性 IC,此外也生产采用组装产品技术生产的器件产品。目前,ADI 设计和制造基地遍布全球,员工超过 1.5 万人,分布在超过 20 多个国家,产品超过 4.5万。

ADI 新兴业务部门副总裁 Patrick O'Doherty 与学员交流

受益于新兴市场计算机技术和人工智能技术的发展,ADI 基于“超越一切可能”的创新愿景以及“多元化”的核心战略,业务已从原来的硅元器件延伸到无线连接、安保、可穿戴式设备等领域。并承诺实现“从传感器到云端”中每个环节的技术创新。ADI 还将通过整合必要的软件、算法、甚至数据分析服务,包括通过与客户和生态链合作伙伴的融合合作,聚焦汽车无人驾驶、能源、5G 通信基础设施及客户端上物联网、工业自动化五个未来应用热点领域。

目前,ADI 已成为相关技术领域最持久高速增长的企业之一,这其中的秘诀就是其对研发的高投入和对技术合作的重视。

据ADI新兴业务部门副总裁 Patrick O'Doherty 介绍,ADI 每年的科研经费高达 10 亿美元,约占营收的 19%,主要用于公司未来 3 到 5 年科研成果的发展,这一研发投入在行业中无人能及。同时,ADI也会与优秀的初创企业合作,提供资金和技术支持。此外,ADI 还会对内部工程师的想法进行投资,一方面促进更多产品的研发,更重要的是“鼓励员工具备企业家精神,承担更多风险,从而更好地决策”。

本文转自:探讨人工智能的未来,清华-青腾未来科技学堂首期班走进 ADI

点击这里,获取更多电机控制设计信息

浏览 1 次
60

作者:Noel McNamara、Martina Mincica、Dominic Sloan和David Hanlon

简介

多年来,“更上一层楼”一直隐含在ADI公司战略中,但最近,由于专注于提供更多解决方案,这一战略已变得明确。追根溯源,曾经我们仅提供分立器件和数据手册。我们的新理念是参与并理解我们要为客户解决的问题的全部。作为该理念的一部分,ADI公司的测量工程已超越传统的仅测试IC的方法,转而测试解决方案,包括软件、封装中的信号链系统、微型模块和其他元件。这种方法将确保我们开发的解决方案能为客户创造重大价值。

在ADI公司内部,测量工程团队有时被视为开发硬件和软件以推出产品的人员。然而,由测试和评估工程组成的测量部门是ADI公司当前最具挑战性的工程专业之一。测量工程师是支撑公司与客户关系的基础人员。他们是您在查看保证最大和最小器件规格、典型性能、最大额定值和稳健性时所信任的人。随着设计性能不断提高,我们依赖测量工程师的经验来跟上性能各方面(速度、噪声、功耗或新集成特性)改进的步伐。

测量专业由测试和评估工程组成,面对的挑战包括突破性性能、按时交付和不断提高的质量要求。不久之前,我们处理的是10位或12位精度的简单单功能IC(转换器)。如今,20位SAR转换器、20位DAC转换器和32位∑-Δ转换器展示了过去数年来,随着IC技术的发展,测量挑战如何改变。为了阐明改变的程度,我们将考察低功耗∑-Δ产品的演变,以帮助说明所实现的信号链集成的完整性,并突出强调这给我们测量能力带来的需求和进步。

我们现在希望让SiP(系统化封装)、微型模块和模块更上一层楼,客户将再次向我们提出新的测量挑战,这些挑战将迫使我们改进测量方法并开发新颖的测试和测量解决方案。SiP利用复杂的核心技术,将无源和有源器件集成在一起(有时还集成中央处理单元以执行配置和控制),从而达到前所未有的系统集成水平。这种集成度引入了越来越多的功能、嵌入式特性组合、高级封装、内部节点访问问题、嵌入式软件、系统级校准等等。这些解决方案简化了复杂转换器产品的使用体验,其复杂性问题以及设计和测量障碍在ADI公司内部得到处理和解决。

过去和现在

最新测试和测量挑战的一个典型例子就是我们低功耗∑-Δ系列产品的进步。为了展示所取得的进步,图1突出说明了这样一个事实:我们系统化芯片的水平现在已经远远高于前几代转换器。该产品系列中的最新产品是一款适合高精度测量应用的低功耗、低噪声、全集成式模拟前端。该产品的信号链集成度要求24位∑-Δ模数转换器(ADC)领域、基准电压源性能和精度方面、通道序列化和时序方面、数字特性和功能方面及振荡器性能方面的测量经验。作为比较,图1还显示了一款先前的典型16位器件,其在当时被认为具有突破性的性能。相关挑战已经解决,今天的技术已经提高了好几个数量级。除非技术进步与我们的测试和测量能力相匹配,否则我们将无法保持行业技术领先地位。

图1. 集成的演变;性能进步驱动创新

深入了解转换器架构、混合信号测试电路设计中的专业知识、PCB布局技术以及测量软件,可以让我们从这些高集成度转换器中获得最佳性能。这有利于SiP/模块的发展,使我们的经验能够被用来解决更多的客户设计挑战并缩短开发时间。

现在和未来

当我们向前迈进,着手解决客户未来的问题时,我们的工具箱充满了丰富的产品和测量专业知识。纵观ADI公司历史,我们不断在实际信号处理方面取得突破,并持续通过片内集成扩展我们的核心技术。近年来,我们已经开始涉足DSP、RF和MEMS领域,并在物联网等新兴领域开辟新天地。

ADI公司收购凌力尔特则是更进一步的举措,整合了我们强大的产品组合,并增加了业界领先的高性能模拟和电源解决方案。这巩固了我们整合这些技术的定位,通过真正展现我们能力的解决方案来影响客户。

图2. SiP/模块开发利用了我们的核心技术

图2显示了我们在横向和纵向上积累技术的进展情况,我们现在将这些构建模块用在SiP/模块开发中以提供超越芯片的解决方案。测量工程师通过整合我们在这些核心技术方面的专业知识来支持这一目标。

为什么ADI公司认为这是必要的呢?从与客户的接触中,我们知道他们也在发展,客户也在更上一层楼。版图正在改变,您的混合信号设计团队可能更小,您可能有其他方面的关注和专业知识,并且您正在寻求缩短设计周期和上市时间的办法。通过提供完整信号链,ADI公司可以帮助您摆脱这些设计挑战,而这需要有效测量解决方案作为支撑。

模块解决方案原型开发

通过尽早与客户开展合作,测量工程师可以利用我们的硬件专业技术为开发SiP/模块设计原型。我们可以对新颖的构想进行概念验证,并且快速调试和评估,在必要时迭代原理图和布局以实现最佳性能。我们可以开展任务测试,评估客户的传感器,在特定应用情形中测试整个系统,并分析数据以确保所有要求都得到满足,然后才开发最终SiP或模块。

图3. 模块测试原型

利用这些原型,我们还能开发ATE解决方案,从而攻克系统级设备可能提出的新测试挑战,例如封装尺寸、测试节点接入点或固件接口。

借助我们对构成这些产品的模块核心技术的经验,我们可以运用我们的器件级诀窍让这些器件实现最佳性能,甚至将系统级性能提升到新的水平。通过原型,我们可以轻松与基准激励信号和测量仪器接口,并评估生产测试需要接入哪些测试节点。此原型可以让我们和客户开始验证整个系统信号路径的系统级校准。

图4. 用于模块测试的原型板示例

随着SiP/模块的发展,需要处理器来完成配置、控制和算法处理,为了化繁为简,消除客户负担,可能需要开发固件。这可以随着原型开始并演进。通过开发和测试固件,测量工程师将其故障排除思维模式用于检测错误,并预测可能引发问题的情况。这可以反馈到系统设计中并实现进步。此原型可用来向客户展示构想,激发反馈,进而也能决定模块的发展方向。这样,客户便可从早期影响解决方案。

结语

多年来,随着核心技术的复杂性和集成度持续增长,ADI公司测量团队的能力也在提高。我们现在测试的远不止是核心转换器,芯片集成度的提高反过来又促进了测量技术和技巧的进步。我们在实验室和生产测试中的测量解决方案随着技术发展而进步。结合我们在核心转换器、传感器、放大器、基准电压源、电源和数字电路方面的测量专业技术,我们得以超越一切可能。展望未来,随着多芯片SiP、模块和微型模块的不断发展,ADI将继续勇攀高峰。这些模块让技术更上一层楼,给测量工程带来新的挑战,但也减轻了我们客户的工程负担。简化客户的应用开发工作是ADI技术的中心任务。我们已经扩大并将继续扩大测量技术力量,以充分利用我们的专业知识来支持这些新技术。无论是通过原型PCB设计、任务测试、固件开发还是原型演示,ADI公司的测量工程师都是这些产品成功的关键。随着我们技术产品的进步速度加快,ADI测量团队将领先一步,确保世界一流的测量与世界领先的技术相伴而行。

点击这里,获取更多电机控制设计信息

围观 3
60

页面

订阅 RSS - ADI