作者：Richard Anslow，高级经理
Danail Baylov，资深工程师
摘要
提升工业系统智能化的方法有多种，其中包括将边缘和云端人工智能(AI)技术应用于配备模拟和数字器件的传感器。鉴于AI方法的多样性，传感器设计人员需要考虑若干相互冲突的要求，包括决策延迟、网络使用、功耗/电池寿命以及适合机器的AI模型。本系列文章重点介绍智能AI无线电机监测传感器的设计，并回答一些关键问题，例如：边缘AI如何延长传感器电池的寿命？系统的洞察和决策能力有哪些提升？本文介绍的传感器利用边缘AI算法检测异常电机行为，进而触发机器诊断和维护，最终延长电机的使用寿命。
电机健康状况监测
对机器人和旋转机器（例如涡轮机、风扇、泵和电机）实施的状态监控(CbM)会记录与机器的健康和性能相关的实时数据，以便针对性地实施预测维护和优化控制。在机器生命周期的早期进行针对性的预测维护，可以减少生产停机的风险，从而提高可靠性、显著节约成本和提高工厂的生产率。要对工业机器实施基于状态的监控，可以利用一系列传感器数据，如电气测量、振动、温度、油品质量、声学、磁和流程测量（如流量和压力）。但是，振动测量是目前常见的方法，它可以非常可靠地指出不平衡和轴承故障等机械问题。本文将介绍Voyager4评估套件(EV-CBM-VOYAGER4-1Z)，这是一款稳健的低功耗无线振动监控平台，它让设计人员能够将无线解决方案快速部署到机器或测试设置中。Voyager4传感器利用边缘人工智能(AI)算法检测异常电机行为，进而触发机器诊断和维护，最终延长电机的使用寿命。本文是介绍Voyager4传感器的三部分系列文章的第1部分。该传感器可作为参考范例，帮助开发人员加速智能系统的设计工作，以及理解设计过程中需要权衡的各种因素。
•本系列文章的第1部分将介绍Voyager4无线状态监控传感器，包括传感器架构的关键元素、硬件设计、功耗分析和机械集成。
•本系列文章的第2部分将重点讨论软件架构和AI算法，并说明在Voyager4上开发和部署AI模型的完整系统级方法。
•本系列文章的第3部分将讨论AI算法的实际实现，以及Voyager4可以检测的各种故障，例如不平衡、未对准和轴承缺陷。
无线振动传感器的典型工作模式
目前市售的无线工业传感器通常以非常低的占空比运行。用户设置传感器的休眠时长，定期传感器唤醒并测量温度和振动，然后通过无线电将数据传回用户的数据服务器。市售传感器通常声称电池寿命为5年，此寿命基于每24小时捕获一次数据，或每24小时捕获多次数据而预测的。参见图1。
图1.工业无线传感器的典型操作
大多数情况下，传感器90%以上的时间处于休眠模式。Voyager4传感器也以类似方式运行，但会利用边缘AI异常检测（采用MAX78000 AI微控制器）来限制无线电的使用。当传感器唤醒并测量数据时，只有微控制器检测到数据中存在异常时，才会将数据传回用户。借助边缘AI，电池寿命可延长至少50%（参见“硬件系统和功耗分析”部分）。
Voyager4传感器系统工作原理
Voyager4传感器的工作原理如图2所示。ADXL382 三轴8 kHz数字微机电系统(MEMS)用于采集振动数据。首先，原始振动数据沿着路径A到达MAX32666 低功耗蓝牙®(BLE)处理器。数据可以通过无线BLE或USB发送给用户。借助MAX78000工具，这些原始振动数据用于训练边缘AI算法。
图2.Voyager4传感器的工作原理
利用MAX78000工具将AI模型合成为C代码。边缘AI算法通过BLE无线(OTA)更新发送到Voyager4传感器，并利用搭载边缘AI硬件加速器的MAX78000处理器存储在内存中。在Voyager4初始训练阶段之后，ADXL382 MEMS数据可以采用图2所示的路径B。MAX78000边缘AI算法将根据采集到的振动数据，预测机器运行是否正常。如果振动数据正常，则无需使用MAX32666的无线电功能。Voyager4传感器按照图2所示的路径D进行操作，MEMS返回休眠模式。但是，如果算法预测振动数据存在异常，则操作按照路径C进行，并通过BLE向用户发送振动异常警报。本系列文章的第2部分将详细解释该边缘AI的实现细节。
硬件系统和功耗分析
图3概要显示了Voyager4硬件系统。ADXL382是一款低噪声密度、低功耗、3轴MEMS加速度计，具有可选测量范围。该器件支持±15 g、±30 g和±60 g范围以及8 kHz的宽测量带宽。ADG1634 单刀双掷(SPDT) CMOS开关用于将MEMS原始振动数据传输至MAX32666的无线BLE或MAX78000 AI微控制器。BLE微控制器用于控制SPDT开关。其他几个外设连接到MAX32666，包括用于监测电池电流的MAX17262 电量计以及超低功耗ADXL367 MEMS加速度计。ADXL367用于在高振动冲击事件中将无线BLE从深度睡眠模式唤醒。在运动激活的唤醒模式下，它仅消耗180 nA电流。BLE微控制器可利用FTDI FT234XD-R通过BLE或USB将ADXL382 MEMS的原始数据传输到主机。
图3.Voyager4硬件系统
Voyager4传感器采用MAX20335 电源管理集成电路(PMIC)，如图3和图4所示。该PMIC具有两个超低静态电流降压型稳压器和三个超低静态电流低压差(LDO)线性稳压器。每个LDO和降压型稳压器的输出电压均可单独使能和禁用，并且每个输出电压值均可通过I2C编程（默认值预配置）。BLE处理器用于针对Voyager4的不同工作模式，使能或禁用各个PMIC电源输出。
图4.MAX20335 PMIC
表1详细列出了Voyager4传感器的不同工作模式。
表1.Voyager4传感器工作模式和相应的MAX20335 PMIC
电源配置
Voyager4模式 | LDO1
OUT | LDO2
OUT | LDO3
OUT | B1OUT、
B2OUT |
深度睡眠 | 1 | 0 | 0 | 0 |
训练 | 1 | 0 | 1 | 0 |
正常/AI | 1 | 0 | 1 | 1 |
外设 | 1 | 1 | 1 | 1 |
1 = MAX20335输出开启，0 = 输出关闭 |
表2详细列出了MAX32666和MAX78000处于激活模式或停用模式下，各项特性的激活情况。例如，对于训练模式，BLE微控制器必须首先在BLE网络中广播其存在，然后与网络服务器建立BLE连接。Voyager4随后通过BLE网络传输ADXL382 MEMS原始数据，以在用户的PC上训练AI算法。
表2.Voyager4 BLE、AI和深度睡眠模式
Voyager4模式 | BLE广播 | BLE连接 | BLE数据流 | AI推理 | 深度睡眠 |
深度睡眠 | 0 | 0 | 0 | 0 | 1 |
训练 | 1 | 1 | 1 | 0 | 1 |
正常/AI | 0 | 0 | 0 | 1 | 1 |
外设 | 0 | 0 | 0 | 0 | 1 |
1 = 特性激活，0 = 特性停用 |
然后，Voyager4传感器返回深度睡眠模式。在正常(AI)模式下，无线BLE的广播、连接和流传输特性默认禁用。每隔一定周期，MAX78000就会唤醒并运行AI推理。如果未检测到异常，则Voyager4返回深度睡眠模式。
Voyager4评估套件的平均功耗是根据其在深度睡眠、训练和正常/AI模式下的事件间隔时间来衡量的。图5显示了平均功耗的汇总情况。
Voyager4评估套件(EV-CBM-VOYAGER4-1Z)包含了多个方便客户评估的元器件（LED、上拉电阻）。这些元器件由LDO1OUT电源轨供电，功耗为0.3 mW（深度睡眠模式），如图5所示。
当评估套件在训练模式下运行时，如果BLE处于活动状态，每小时广播、连接和传输数据一次，功耗超过0.65 mW。如果Voyager4传感器在AI模式下运行，即使传感器每小时激活一次，功耗也只接近0.3 mW。
图5显示，当传感器无需传输原始BLE数据时，其功耗降低多达50%。
在大约0.3 mW的功耗下，一颗1500 mAh电池（例如TinyCircuits的可充电ASR00073）可工作长达两年；如果使用两颗标准AA型2.6 Ah LS14500 Saft电池，则可工作7年以上。Saft的LS 14500电池具有低基极电流和周期性脉冲特性，非常适合长期应用（通常5至20年以上）。
图5.平均功耗与事件间隔时间的关系
Voyager4传感器机械设计
Voyager4传感器直径为46 mm，最小高度为77 mm。底座上有一个M6螺纹孔，可通过螺柱或粘合剂将其安装到电机外壳上。图6为机械组件的分解图，它包含铝制底座和壁壳，并采用ABS塑料盖以减轻BLE数据传输的天线屏蔽效应。BLE和边缘AI微控制器的PCB垂直安装，电池固定在支架上。MEMS传感器和电源的PCB置于底座上，靠近被监测的振动源。
图6.Voyager4传感器外壳，机械组件。
机械模态分析
为MEMS加速度计设计一个结构良好的机械外壳，确保从被测对象中提取高质量的CbM振动数据。理解模态分析是设计出良好机械外壳的必要条件。
什么是模态分析，为什么它如此重要？
模态分析用于了解结构的振动特性。它可以提供设计的固有频率和正常模式（相对变形而言）。使用模态分析时，关键问题是要避免谐振，此时结构设计的固有频率与施加的振动负载的固有频率非常接近。对于振动传感器，外壳的固有频率必须大于由MEMS传感器测量的所施加振动负载的固有频率。Voyager4的X、Y和Z轴上的3 dB带宽为8 kHz。在低于8 kHz的频率下，传感器外壳不应产生明显的谐振。
固有频率和振型
ANSYS和其他仿真工具提供了模态分析插件，有助于设计人员探索几何形状、材料选择和机械组件对传感器外壳频率响应的影响。传感器外壳的质量、刚度和固有频率之间相互关联。
方程1为质量矩阵[M]、刚度矩阵[K]、角频率ωi和振型{∅i}的关系式，用于诸如ANSYS的FEM程序进行计算。ωi除以2π，可以计算得出固有频率fi，振型{∅i}提供特定固有频率下材料的相对变形模式。
对于单自由度系统，频率可以用方程2来简单表示。
方程2提供了一种简单、直观的设计评估方法。如果降低传感器外壳的高度，使得刚度增大、质量减小，从而提高固有频率。此外，如果增加外壳的高度，刚度减小、质量增大，固有频率随之降低。大多数设计都具有多个自由度。有些设计具有数百个自由度。利用有限元方法可以快速得出方程2的计算结果，如果采用手动计算则非常耗费时间。
使用仿真工具及方程1和2，并仔细选择材料，可确保实现频率响应的设计目标。更多信息请参阅“如何利用模态分析设计出色的振动传感器外壳”一文，其中全面概述了模态分析。
模式参与因子
模式参与因子(MPF)用于确定哪些模式和固有频率对于设计更重要。方程3是振型{∅i}、质量矩阵[M]和激励方向矢量D的关系式，用于求解MPF。参与因子的平方即是有效质量。
MPF和有效质量测量每种模式下在每个方向移动的质量数。一个方向上的值较高意味着在该方向上，模式将被力（例如振动）激励。
为了完成模态分析解析，您需要了解结构上的所有点都按会相同频率（全局变量）振动，但每个点的振动幅度（或振型）是不同的。例如，18 kHz频率对机械外壳顶部的影响比底部大。
Voyager4模态仿真和实验室测试
Voyager4传感器组件的仿真采用了以下材料：外壳底部和中间部分使用3003铝合金，盖子使用ABS-PC塑料。
模态分析仿真结果如表3所示，在目标频率范围内共获得了14个模式结果。X、Y、Z方向的MPF以表格显示。最强的模式以蓝色高亮显示。仿真结果用于检查这些相对较强模式的变形位置。
表3.模态分析仿真结果
质量参与（归一化） |
模式编号 | 频率(Hz) | X方向 | Y方向 | Z方向 |
1 | 3546.60 | 0.19095 | 2.67E-05 | 0.003805 |
2 | 3550.40 | 0.0036033 | 3.34E-05 | 0.19221 |
3 | 3895.80 | 1.09E-05 | 0.043253 | 3.70E-05 |
4 | 5486.10 | 0.00030529 | 3.70E-07 | 5.50E-05 |
5 | 5509.80 | 9.22E-05 | 3.56E-06 | 0.00033943 |
6 | 7183.10 | 0.019295 | 6.04E-07 | 0.022231 |
7 | 7247.70 | 0.058405 | 0.00011845 | 0.11528 |
8 | 7299.80 | 0.084243 | 3.27E-07 | 0.034089 |
9 | 7936.30 | 0.064918 | 1.70E-05 | 0.02292 |
10 | 7950.10 | 0.03031 | 3.29E-06 | 0.06365 |
11 | 10344 | 2.07E-05 | 4.03E-05 | 1.42E-05 |
12 | 10423 | 9.02E-06 | 0.00037979 | 1.69E-05 |
13 | 10973 | 3.00E-06 | 6.27E-06 | 3.14E-06 |
14 | 11033 | 1.66E-08 | 0.0014244 | 1.89E-07 |
模式1和2类似，会影响ABS-PC盖子，如图7所示。
图7.模式1，盖子变形，远离刚性传感器底座。
基于模式1的位置远离底座传感器PCB，这个小谐振不会影响ADXL382 MEMS的性能。
表3着重强调的模式7发生在Z（垂直）轴上大约7.25 kHz频率处。图8显示其对外壳的垂直壁有一些明显的影响。然而，底座并未受到模式7的强烈影响。
图8.模式7，频率为7.25 kHz，对外壳铝壁有明显的影响。
该模态仿真表明，没有任何模式会对位于外壳底座上的ADXL382传感器PCB产生明显的影响，并且8 kHz的3 dB带宽内不会出现显著的机械谐振。
为了验证仿真结果，我们将Voyager4传感器放置在模态振动器上，输入振动为恒定的0.25峰值(g)，频率扫描范围为0 kHz至8 kHz。在最高8 kHz的频率范围内，Voyager4传感器的频率响应在±1.5 dB以内，如图9所示。
图9.Voyager4传感器频率响应
结语
搭载嵌入式AI硬件加速器的微控制器可以提升无线传感器节点的决策能力，并延长其电池寿命。借助边缘AI，电池寿命可延长至少50%。对振动传感器外壳进行模态分析能够加速传感器的开发周期，并确保从被测对象中获取高质量的振动数据。
关于ADI公司
Analog Devices, Inc. (NASDAQ: ADI)是全球领先的半导体公司，致力于在现实世界与数字世界之间架起桥梁，以实现智能边缘领域的突破性创新。ADI提供结合模拟、数字和软件技术的解决方案，推动数字化工厂、汽车和数字医疗等领域的持续发展，应对气候变化挑战，并建立人与世界万物的可靠互联。ADI公司2024财年收入超过90亿美元，全球员工约2.4万人。ADI助力创新者不断超越一切可能。更多信息，请访问www.analog.com/cn。
作者简介
Richard Anslow 是ADI公司工业自动化事业部的高级经理，从事软件系统设计工程工作。其专业领域是状态监控、电机控制和工业通信设计。他拥有爱尔兰利默里克大学工程学士学位和工程硕士学位。最近，他完成了美国普渡大学人工智能(AI)和机器学习(ML)的研究生课程。
Danail Baylov 是ADI公司利默里克分公司工业自动化事业部的一名资深系统工程师，从事系统设计和实现以及软件开发工作。他拥有索非亚技术大学工程学士学位和工程硕士学位。其专业领域是工业有线/无线通信、工业以太网和通信协议。
