物联网简单说就是实现了物物相连,一个设备可以自动收集数据,然后数据传输到云上进行运算, 再反馈指令,联动其他设备,形成万物互联的自动控制。
工业物联一个非常有代表性的场景就是设备的维护,很多设备是不可能靠人工去检修的,但如果没有及时检修,设备一旦有问题停运,在现代工厂中设备重启带来的损失是灾难性的。我们完全可以依靠工业物联网来自动检测设备,及时发现问题,处理问题,避免这种灾难的发生。
有报告称到2035年全球将部署1万亿台物联网设备。这一充满雄心壮志的预测主要源于数字驱动的物联网计划(如边缘计算、人工智能、预防性维修和自制系统)能够带来难以置信的商业收益。收集到的数据越多,数据的价值就会越高。
事实上,工业物联网是以边缘节点为起始点的,我们也把边缘节点叫做终端, 是数据采集的切入点,也是真实世界与计算数据进行交互的接口所在。互联的工业机器可收集大量的信息,进而用于制定关键决策,我们要做的就是尽量优化边缘节点搜集的数据和分析功能,为物联网边缘带来智能,确保只有最相关、最精确、最安全的信息才会发送到云进行计算,之后产生智能的决策。下面小A就以智能工厂和智慧城市为例,从边缘节点的角度解释一下工业物联网到底是什么吧,供参考~
在工业物联网中,上面说的设备状态的检测,是靠机器振动状态监控实现的,这是一项非常重要的应用,因为机器发生故障前一定会有不同的振动状态出现。新型或传统机器设备可能拥有多个关键的机械元件,例如转轴或齿轮,这些元件可能装有高动态范围的MEMS加速度计。这些多轴传感器将对机械的振动位移进行实时采样。测量后,振动信号可以进行处理并与理想的机器配置进行比较。在工厂中,通过分析这类信息,可以帮助提高效率、减少停机情况并提前预测机械故障。在极端情况下,可迅速关闭机械元件正在急剧恶化的机器,从而避免造成进一步的损坏。
虽然可以定期执行例行机器维护,但这通常不是根据机器状况而智能进行的。通过分析特定机器操作的振动性能,可在边缘节点处发出预测故障点和维护里程碑警告。通过实现边缘节点分析,可以显著缩短决策时间延迟。下图显示了这样的一个示例,在这个示例中,在超出MEMS传感器警告阈值限制后,系统立即发送了警告。如果事件极其严重而被认定为关键事件,可授权节点自动禁用违规设备,以防止发生非常耗时的灾难性机械故障。
机器振动采样数据的时域表示,其中比较器阈值可决定是否将检测和测量数据传送到边缘以外。系统可保持低功耗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为止。或者,可以调用触发信号以使能另一个检测和测量节点(如备用机器元件上的节点),以便开始根据第一个事件来解读数据。这样可以减少来自边缘节点的采样数据总量。要确定相对于标称值的任何振动异常,前端节点在设计上必须达到所需的检测性能。检测和测量电路的动态范围、采样率和输入带宽应该足以识别任何偏移事件。
另一种工业物联网边缘节点应用为具有嵌入式视频分析的智慧城市工业摄像机。根据智慧城市的定义,城市的使命是将无数的信息和通信点汇聚到一个凝聚的系统中,以实现对城市资产的管理。一种常见的应用是提供停车位空缺提醒和占用检测。调试期间会为各摄像机预先确定视场。分析机制中可以定义和使用边界边缘检测来识别各种对象及其运动。在边缘处,不仅可以分析对象的历史运动,还可使用数字信号处理(DSP)算法来根据对象轨迹计算预测的路径。
利用边缘节点视频分析,可在低功耗系统中确定对象类型检测、轨迹和边界交叉,而无需将全带宽视频数据发送至云端进行分析。只需传输时间戳及痕迹对象坐标和类型。在类似的频率滤波中,终端处理通常不需要全带宽的视频分析帧。通常,不用于安全目的时,只需要完整视频帧的一小部分。在固定安装的摄像机上,帧与帧之间的大部分可视数据为静态数据。静态数据可以过滤掉。在一些情况下,只需要分析目标对象的边界交叉数或运动坐标。缩减的信息子集可以采用痕迹坐标的形式传输至信号链中的下一网关。
边缘节点视频分析可提供多种滤波解读来区分各种对象类型,例如汽车、卡车、自行车、人类和动物等。这种抽取操作减少了云服务器上所需的数据带宽和计算能力,而如果要分析下游发送的全帧速率视频数据,则会占用大量的数据带宽和计算能力。
室内摄像机应用可以识别穿过入口边界的人数,还可调整房间的照明、加热或制冷。要在极端照明条件或其他具有挑战性的照明条件(如降雨)下实现视觉有效性,室外摄像机可能需要具有高动态范围。每像素8位或10位的典型成像传感器可能无法在所有检测情形中的照明条件下,提供足够的亮度动态范围。相较于以240 Hz的刷新速率查看快速运动,工业分析摄像机上可以使用较慢的帧速率来监控活动。
通过在边缘节点处部署采用DSP对象检测算法的高动态范围成像器,即使在低照明条件下,也可以确定运动和边界入侵。这个示例使用视觉对比来定义室内工厂/办公室(左侧)和室外停车场(右侧)的边缘检测。总的来说,边缘节点检测是“编织”这张“网”的一个非常重要的因素,将工业机器之间的数据和分析相互连通,实现了现实世界与数字世界之间的交流。不知道小A的这一波解释是否让各位知友有所收获呢?欢迎大家和小A一起交流工业4.0的相关话题呀~
|