高质量传感器可促进物联网发展 各个行业都可使用,工业机械与制程中最有价值的进展就是专注于有形的系统级优点,而其通常会带来设计与实作上的挑战,另一方面也进而转化为新的解决方案与商业模式。目前有三种这一类型的系统级驱动力,都是为了追求资源效率、临界精确度以及提升安全性而设计。着眼于这些增强功能的应用分布在不同的产业,横跨空中/陆地/海洋、室内/室外、短期/长期以及人类/机械等方面,但无论如何,这些应用领域都仰赖于共同的属性;也就是精确度、可靠度、安全性以及智慧处理与分析。具有多种类型的传感器成为目标应用设计任务的核心。然而,为了因应设计的系统复杂度,开发者必须在广泛变化的情况中谨慎考虑传感器的质量与耐用度。虽然有些产业可以基于方便性选择传感器(例如,利用手机中既有的传感器套件),但是其他产业会从头开始定义传感器套件,并依据精密度加以挑选,再以智慧化的方式进行整合,以实现完整可靠且涵盖所有预期的系统状态。 智慧感测 这些智能且可存取的系统藉由传感器丰富的情境架构,彻底改变了原本已经成熟的产业,让农业转型为智慧农业,基础设施升级为智能基础设施,城市过渡至智慧城市。当为了收集与环境相关的情境信息而部署更多的传感器时,对于要求跨平台与跨时间融合(例如,针对去年作物产量或交通状况与模式等基础架构,透过云端分析其如何随时间进展)的数据库管理与通讯(而非单纯传感器对传感器)也带来了新的复杂度,对于能够从设备与环境中可靠撷取信息的解决方案,成为这些创新企业最终效用与成长的主要衡量依据。准确度带动效率,并转化为必要的经济规模,同时也是安全与可靠作业的核心。虽然增加简单的特点对于最基本的传感器而言并不难,但是这种最小附加价值对于目标IoMT应用(其中的是/否、上/下或开/关等接口都会被更精密的解决方案取代)以及对传感器选择的附加影响而言其实都是不足的。 “动作”至关重要 在大多数情况下,物联网是处于运动状态的。即使它不在动态时(例如固定式工业安全摄影机),精准指向仍然至关重要,或者意识到出现不想要的动作(如窜改)也具有价值。以采用光学负载撷取作物影像的无人机而言,假如可以在严苛的飞行状况下维持精确的指向角度,就能更快提供较佳的结果,而且,如果光学数据能够精确地套用地理映像,还能够进行数据与趋势的历史比较。智能交通工具(无论是地面、空中或是海上)越来越依赖GPS导航系统。然而,无论是蓄意或是自然的因素(建筑物、树木、隧道等等),GPS所受到的威胁也日益严重。如果选择精确的传感器,就能在中断运作期间以更多传感器进行可靠的航位推算(dead reckon)。 假如有特定的机会与方法能撷取设备或人的自然惯性,那么就能增强所撷取系统状态的知识重要性,而且可以恰当地融合到既有的情境信息中。 可靠且安全的IoMT节点 IoMT节点输出的有效性与价值最为仰赖的就是核心传感器的质量,以及其以高传真度撷取应用情境架构的能力。其次,对于持续的传感器校正/增强以及理想的传感器对传感器状态等动态(例如,在任意特定时间点,哪一个传感器最可靠)而言,融合处理是必要的。应用级的处理被分层至解决方案中,并且针对环境的细节(包括适当的限制条件)进行优化。虽然这些节点分别具有自主性,但在某些状况中会协同运作,例如在地面或空中集结成群的无人驾驶车辆等。这些情况中都会部署安全的通信链接,并且加强可靠的传输以及受到保护的独特身份等。 位于自主核心的传感器 就像人体一样,自主性IoMT节点仰赖多重感测输入,以实现独立移动所需要的意识,并为将其随机或甚至是混乱的事件进行优化,最终随着时间而予以改善。由基本量测转换成控制或是自主性,都必须在传感器合并层级与嵌入式智慧方面提高精密度。由于这些节点具备高层次的互连与自主学习能力,它们正朝向人体与机器聚合的方向发展。 传感器融合能解决传感器质量差的问题吗? 简单的说,不能。传感器融合是能够合并与管理传感器结合的滤波功能与算法,与环境、动作动力学以及应用状态有关。它可以提供确定性的校正像是温度补偿,而且能依据系统状态知识,管理从一个传感器到另一个传感器的协调管制。然而,它无法修正传感器中的原生缺陷。 在传感器融合设计中最具关键性的任务,首要就是开发应用状态的深度知识,藉以驱动其它的设计程序。接下来是针对特定应用装置挑选适当的传感器,这需要透过详细的分析以了解它们在总体任务不同阶段中的权重(相关性)。在行人定位推算的范例中,解决方案主要受到现有设备(例如智能手机中的嵌入式传感器)的限制,而非因为性能设计所导致。因为这个缘故而会变得相当仰赖GPS与其它现有的嵌入式惯性或磁性之类的传感器,其对于判定有效位置信息的任务只能够提供很少量的贡献。这在户外很自然地可以运作,但是在充满挑战性的城市环境或室内时,GPS无法使用,而其它可用传感器的质量不佳,于是就会留下一个很大的差距,或者换个方式说,就是位置信息质量的不确定性。虽然先进的滤波器以及算法通常会被用来合并这些传感器,因而不需要额外的传感器或是更高质量的传感器,但是想要实质上的填补不确定性差距,软件所能做到的其实也只有微乎其微,最终则会显著的降低回报位置的可信度。 与之形成鲜明对比的是,工业航位推算方案是针对具有系统定义的性能而设计的,并依特定的精确度需求指示而进行组件选择。很明显的,质量较佳的惯性传感器具有担任主要角色的资格,其它传感器则必须谨慎利用,以便降低不确定性差距。算法在概念上则更专注于传感器之间的优化权重、协调管制以及交叉相关,以及环境意识与实时动作动力学,而不只是在可靠的传感器读数之间外推/估计位置。 不论是哪一种情况,精确度都可以藉由质量改善的传感器而获得加强,虽然传感器过滤功能与算法是解决方案的重要部份,但它们本身无法消除因有限传感器覆盖范围造成的差距。 新型工业传感器具备了几乎等同于前一代用来导引飞弹的传感器性能。它利用了原本是为了车用装置可靠度与精密度而设想的传感器架构,以及经济上可行且能扩展的制程,使这些新世代工业传感器在性价比与性能尺寸比方面是完全独一无二的。
|